线性代数学习笔记(十三)
根据Strang的意思,正定矩阵将以下四者联系在一起,完成了大一统。
- 主元pivots,
- 行列式determinants,
- 特征值eigenvalues,
- 不稳定性instability
正定矩阵(Positive Definite Matrices)
两个条件构成正定矩阵:
- 对称矩阵
- 特征值都大于0
PS. 对称矩阵+特征值都小于0=负定矩阵,对称矩阵+特征值大于等于0=半正定矩阵,对称矩阵+特征值小于等于0=半负定矩阵
判断 对称矩阵 是不是 正定矩阵 ?
判断特征值是否都大于0这个方法计算量大,应该极力避免。可以从四个方向判断(只需矩阵对称+满足以下条件之一,就可推出矩阵是正定的),以2x2矩阵[a b; c d]为例:
- 特征值:所有特征值都大于0(复习:对称矩阵特征值都是实数)
- 行列式:a>0 且 ac-b2>0 (沿着主对角线向下,各级行列式都大于0)
- 主元::a>0 且 ( ac-b2 )/a > 0
- 稳定性:xTAx>0(x是任意非零向量)待解释
- least square:A能化为RTR,且R的列向量相互独立(R可以是瘦瘦高高的长方形矩阵)待解释
解释1:大多数教材将xTAx>0作为A是正定矩阵的定义。
解释2:第五点是书上特有的:在R列向量独立时,RTR正定。证明很简单,xTRTRx=(Rx)T(Rx)=||Rx||2,由于R列向量独立,所以||Rx||必大于0,问题化为4。
解释3:Strang似乎没说怎么讲上述5点连接起来,这里我总结以下:
- 5转为4:见解释2
- 4转为1:x若是A的特征向量,则xTAx=xTλx=λ*||x||2,由于xTAx>0(这是4的定义),故λ>0;x若是任意向量,可按特征向量拆分,xTAx=(x1+x2+...)TA(x1+x2+...)=(x1+x2+...)T(λ1x1+λ2x2+...)=λ1*||x1||2+λ2*||x2||2+...>0(正交性消去了类似x1'x2这样的项)
- 1与2见上节笔记
- 2与3:行列式=主元乘积,因为沿着对角线向下的行列式都大于0,所以沿着主对角线向下的所有主元都大于0
xTAx
这个式子太常见,所以有必要额外说明一下。
xTAx是一个标量数字,在很多系统中表达“能量”的概念。如果将式子写成x=[x1, x2, ...]各个分量的表达式,最终将成为一个二次型(每项的变量次数和都是2)。
三维空间中将x1与x2当做平面坐标,再将xTAx的值表达为第三维值,那么可以做出立体曲面来。
几何意义
首先来个直观的感受,摘自网上:
- 正定二次型的一个典型例子,隐形眼镜,其零点是唯一的。
- 半正定的二次型的一个典型例子是鸭舌帽的帽舌,其零点是一条线。
- 不定型的典型例子,工作中的护翼型卫生巾。护翼部分在零下,其他部分在零上。
A是2x2的情况下,令xTAx=1(1:只要是常数就行,比如2,3都行),就是截立体曲面和平面的交线。
- 若A是正定的,那么交线是椭圆
- A是半正定的,那么交线是两条互相平行的直线
- A是不定型的,那么交线是双曲线
A是3x3的情况下,若A是正定的,那么“交面”是一个橄榄球(已经没办法想象A形成的曲面是什么样了,但是能推出其“交面”);A是4x4的情况下……就没法想象了。
再回到2x2的情况下,A的特征向量就是椭圆的主轴!(待补充)
posted on 2014-04-14 20:47 eric.xing 阅读(1842) 评论(0) 编辑 收藏 举报