当前课程知识点:线性代数(2) >  第一讲:正定矩阵 >  1.1 实对称矩阵A正定的充要条件 >  1.1 实对称矩阵A正定的充要条件

返回《线性代数(2)》慕课在线视频课程列表

1.1 实对称矩阵A正定的充要条件在线视频

1.1 实对称矩阵A正定的充要条件

下一节:1.2 典型例题

返回《线性代数(2)》慕课在线视频列表

1.1 实对称矩阵A正定的充要条件课程教案、知识点、字幕

各位同学大家好

欢迎来到线性代数2的课堂

我们在线性代数1

介绍了一类重要的矩阵

实对称矩阵

实对称矩阵的特征值都是实数

其中特征值都是正数的矩阵

叫做正定矩阵

我们在这一节我们将介绍

正定矩阵的判别方法 性质

和应用

以及与之相关联的

二次型的性质和应用

矩阵特征值的符号

具有重要的意义

比如说对于微分方程du/dt=Au

那么如果矩阵A的特征值

全是负数

那么对于每一个特征值 lambda

以及相应的特征向量x

我们就总有衰减解e lambda tx

但是对一个给定的矩阵

如果不能确定特征值是不是实数我们就无从讨论

它特征值的符号

我们上学期已经了解到

有一类非常重要的矩阵

也就是实对称矩阵

实对称矩阵的特征值全是实数

那我们就可以讨论

实对称矩阵特征值是否为正

这时候就变成一件有意义的事情

我们定义

特征值全是正数的实对称矩阵

称为正定矩阵

我们接下来讨论

正定矩阵的判别条件和应用

对于一个实对称矩阵A而言

我们希望

在不计算特征值的前提下来讨论

实对称矩阵正定的判别条件

我们有下面的6条等价的命题

第1条呢

A的所有特征值 lambda i都是正的

这是我们的定义

第2条

对于任意的非零向量x

总是会有x的转置乘以矩阵A

再乘以x

那这变成一个数

因为x如果是

看成是n乘1的一个矩阵

A是n乘n的一个方阵

x的转置是1乘以n的一个矩阵

那整个的x的转置Ax是一个数

1乘1的一个矩阵

那么它大于0

对于所有的非零向量x都成立

这是我们第二条判别条件

第3条

A的所有顺序主子式都是正的

一会我们来再交代一下

顺序主子式的概念

第4条

A的所有的主元都是正的

当我们谈主元的时候

是在谈不经过行交换的情况下

变成对角阵

这时候来谈主元

我们说A的主元都是正的

第5条

存在列满秩的矩阵R

使得A等于R的转置乘以R

那这个R不见得是一个方阵

我们只要求它的列是满秩就好

第6条呢

A的所有的主子式都是正的

好 这6条等价的

我们用它来作为实对称矩阵

正定的判别条件

我们来证一下

从第1条到第2条

也就是说假设一个矩阵A

它的特征值都是正数

我们来看

是否对于所有非零向量x

都会有x转置乘以A

再乘以x 是一个大于0的数

那我们知道对于实对称矩阵A

我们总存在着正交矩阵Q

使得A等于Q lambda Q转置

那其中的 lambda 它是一个对角矩阵

对角线上是A的特征值

这是实对称矩阵的一条

重要的性质

实对称矩阵

一定正交相似于对角阵

这个Q是由A的相应特征向量

作为列向量所构成的正交矩阵

也就是AQ=Q lambda

这是我们上学期学的内容

那么这时候如果它的特征值

都是正数的话

也就是这些 lambda i都是正数

于是我们任给一个非零的向量x

我们来看x的转置Ax这个数

那我们把A用Q lambda Q转置给取代

这个时候我们把这个Q转置x

我们叫做是y

于是相应的x转置Q就是y的转置

我们把这个y的分量

记成是y1到yn

那y的转置就记成是一个行向量

y1到yn

lambda 是一个对角阵

对角线上的元素是A的特征值

而这个乘出来是一个数

是一个1乘1的一个矩阵

那我们来看一下

它恰好就是 lambda 1 y1的平方

一直加到 lambda n yn的平方

那我们注意到这时候

这个y是等于Q的转置乘以x

Q是正交矩阵

它的转置仍然是正交矩阵

是一个可逆矩阵

x是一个非零的向量

所以Q转置乘以x

仍然是一个非零向量

也就是说它的分量y1到yn

不全为0

而这些个 lambda i又都是大于0的

于是这个和一定是一个正数

这样我们就由(1)证到了(2)

那从(2)到(1)是怎么看呢

第二条是说

对于所有的非零向量x

我们都有x转置乘以Ax

这个数是一个正数

特别地 我们把这个x

取成是相应于

特征值 lambda 的特征向量

我们把这样的x

代到我们的xTAx里头去

好 Ax就变成了 lambda x

我们第2条知道

这个数一定是大于0的

那到这边呢

lambda 因为是一个数

我们总可以提到前面来

那x的转置去乘以x

就变成是x这个向量的模长平方

由于x是一个非零向量

所以它的模长平方是大于0的

那它和 lambda 的乘积又是一个正数

因此我们一定有 lambda 是一个正数

这样就对于A这个矩阵

它任意的特征值

如果我们满足条件2的话

就一定知道这个特征值是大于0

这样由(2)得到了(1)

我们也可以把这个第2条

叫做是正定矩阵的一个定义

那么由(2)之后

我们来看看这个矩阵A

它所有的顺序主子式

是不是都是正的

我们知道行列式

是等于矩阵特征值的乘积的

如果已知第2条的话

我们可以得到第1条

刚才已经证过

那么这个矩阵A的行列式

就等于它这些特征值的乘积

而由第1条知道

这些特征值都是正数

因此矩阵A的行列式是大于0的

那我们在第2条的定义里头

取特殊的x

什么样特殊x呢

这个x它的后n-k个分量

我们取成是0

前k个分量我们记成是xk

它可以任意地取

是一个任意的k维的非零向量

这样的x的转置乘以A乘以x

是一个大于0的数

这是第2条的条件

那么把这样特殊的x乘出来

我们就得到

k维向量xk它的转置去乘以

在这个位置的矩阵

Ak再去乘以xk

那么对于Ak而言它满足第2条

所以我们说Ak是正定的

对于正定矩阵我们又知道

它的行列式一定是大于0的

因此我们也就证明了说

所有的顺序主子式都是正的

那如果这个矩阵A

所有的顺序主子式都是正的

我们来看看它的主元

我们说顺序主子式

与主元有直接的联系

第k个主元dk它是等于

k阶的顺序主子式(的行列式)

去除以k-1阶的顺序主子式

那么如果顺序主子式

都是正数的话

因此这个商也是正数

因此所有的主元都是正的

这个Ak我们叫顺序主子矩阵

它的行列式我们叫做顺序主子式

我们来看一下k阶主子式的定义

在n阶的行列式中

任取出同标号的行与列

构成的一个新的行列式

也就是说我们任取k行

第i1 i2 ik行

再取相应的第i1 i2 ik列

那么由上述的这k行k列

交汇处得到的元素

所构成的新矩阵的行列式

我们称为是

原来k阶行列式中的一个

k阶主子式

那特别地

在这个n阶行列式中

由第1到第k行

和第1到第k列所确定的主子式

我们是叫做k阶顺序主子式

那它是这个行列式

左上角的那个主子式

我们叫做顺序主子式

我们来看例子

A是一个5乘5的矩阵

那它的三阶顺序主子式

是在左上角的第1行 第2行 第3行

第1列 第2列 第3列

所构成的这个矩阵 它的行列式

这是它的三阶顺序主子式

那下面呢 A235

这是在原来矩阵的第2行

第3行和第5行

第2列 第3列 第5列

交汇出得到的这个新的矩阵

它的行列式

这是它其中的一个三阶主子式

我们叫A235

好 这样我们接下来

再来看如何从第4条来证第2条

也就是来看

假设A的所有的主元都是正的

我们如何来看x的转置Ax大于0

对于所有的非零向量x成立

我们对对称矩阵

来做高斯消元法的时候

我们矩阵表达式LU分解

变成了LDLT分解

对于任何一个对称矩阵

我们都可以找到L矩阵

使得它等于LDLT

其中的这个D是一个对角矩阵

它的对角元是A的主元

那第4条我们知道说

所有的主元都是正的

也就是D的对角元都是正的

我们来看看

对于任意的非零向量x

我们看x的转置乘以Ax

那我们把A用LDLT给代 lambda

这个时候和刚才类似

我们把L的转置乘以x

记成是y

那么相应地x的转置乘以L

就是y的转置

于是又变成了是

一个向量的转置 y的转置

再乘以一个对角矩阵

D是对角矩阵

再去乘以y的形式

那这个数打开来不是别的东西

就是d1 y1的平方加上dn yn的平方

这时候我们仍然是把y1到yn

表示的是y这个向量的分量

那因为x是一个非零向量

L是一个下三角阵

对角线上的元素是1

所以这是一个可逆矩阵

L的转置也是一个可逆矩阵

于是一个可逆矩阵

乘以一个非零向量

叫做y之后

它仍然是一个非零向量

也就是说它的分量y1到yn

是不全为0的

又因为这些个d1到dn

它是大于0的

那我们这个和也是大于0的

这样就证明了对于这个矩阵

它对任意的非零向量

x转置乘以A再乘以x

是一个大于0的数

我们由(4)证出来了(2)

接下来我们来看一下从(2)到(5)

也就是说假设我们知道

对于任何非零向量x

有x的转置Ax大于0

我们来看一下是否存在着

列满秩矩阵R

使得A等于R转置乘以R

那我们对于实对称矩阵呢

我们知道可以从两个角度来看

它有LDLT分解

那因为我们刚才由(2)

我们总可以去证出来

它的所有主元都是正的

我们知道D这个对角矩阵

它的对角元是主元

这些主元都是正数

因此

我们可以把D这个矩阵

来求开平方

我们记成是根下D乘以根下D

那所谓根下D这个矩阵

它就是对角线上是主元的

平方根的这样的一个对角阵

这点能够实现

是由主元都是正数决定的

那我们就把根下D和LT

这个矩阵放在一起

那前面就变成了是根下D

乘以LT的乘积的转置

那我们就R叫做

记成是这个矩阵

那我们就把A写成了

R的转置乘以R的样子

而这时候R是一个可逆矩阵

因为根下D这个矩阵的对角线上

是正的主元的平方根

它是一个可逆矩阵

L是一个对角线上

都是1的下三角矩阵

L的转置是变成

对角线上都是1的一个

上三角矩阵

两个可逆矩阵的乘积

还是可逆矩阵

这样我们就把A写成了

R的转置乘以R的形式

这时候R这个矩阵是一个方阵

那么或者我们来利用实对称矩阵

它一定正交相似于对角阵

也就是说

我存在着正交矩阵Q

使得A等于Q lambda Q的转置

lambda 是一个对角元

是矩阵A的特征值的对角阵

同样地

我们可以把 lambda 这个矩阵

去给开平方

我们把它写成根下 lambda

去乘以根下 lambda

对角线上是正特征值的平方根

同样呢

我们把根下 lambda 和Q的转置

合在一起

前面这个因子

变成这个矩阵的转置

那我们来令R是取成根下 lambda

去乘以L的转置

这个矩阵也是一个可逆矩阵

这样

我们也把A给写成了R的转置

乘以R的形式

我们由(2)可以得到(5)

我们说(5)也很容易会得到(2)

假设一个矩阵

它存在着列满秩的矩R

使A=R的转置乘以R

那我们来看看

对于任何的非零向量x

x的转置乘以Ax

A可以写成是R的转置乘以R

那Rx可以合在一起

前面x的转置乘以R的转置

就变成Rx的转置

于是这个乘积就变成是

Rx这个向量它的模长平方

那因为我们要求

R是一个列满秩矩阵

x是一个非零向量

所以R去乘以x

还是一个非零向量

因此它的长度是一个大于0的数

于是这边就大于0

我们就证明了

对于任意的非零向量x

x的转置Ax一定是大于0的

得到了(2)

刚才第三条我们讲的是

A的所有顺序主子式都是正的

事实上对于A所有的主子式

我们也可以证明它都是正的

我们来看一下

先从第6条到第2条

我们说

如果A的所有主子式都是正的

那特别的

它的所有顺序主子式都是正的

也就是说有第3条

那有了所有顺序主子式都是正的

我们就可以证明第2条

所以由6可以证出来2

那我们再看由2是否能证出6来

看这个所有主子式

是不是都是正的

我们来假设来记这个Ai1到ik

是一个k阶的主子矩阵

我们还是通过取特殊的x

来实现这一点

我们任取一个非零的向量x

使得它除了xi1 xik这几个分量

这k个分量以外

其余分量都是0

这样一个特殊的n维向量

那么由第2条我们知道

对于这样的一个非零向量

x转置Ax是大于0的

那这个x的特殊性质我们代进去

我们就会得到

说起作用的只是这k个

不全为0的分量xi1 xik

它去乘以k阶主子矩阵Ai1 ik

再去乘以xi1到xik这个k维的向量

那从这个里头 我们就

它大于0我们就知道

这个主子矩阵它是正定的

那么根据一个正定矩阵

它的行列式一定大于0

我们就知道

这个主子矩阵的行列式

是大于0的

也就是说这个主子式是大于0的

这样我们就证明了说

如果第2条成立的话

我们所有的主子式就是大于0的

好 这样我们证明了

这6条是互相等价的

我们可以用它们来作为

判断一个实对称矩阵的判别条件

线性代数(2)课程列表:

第一讲:正定矩阵

-1.1 实对称矩阵A正定的充要条件

--1.1 实对称矩阵A正定的充要条件

-1.2 典型例题

--1.2 典型例题

-1.3 半正定矩阵及其判别条件

--1.3 半正定矩阵及其判别条件

-1.4 二次型

--1.4 二次型

-1.5* 有心二次曲线(central conic)

--1.5* 有心二次曲线(central conic)

-1.6* 三维空间中的二次曲面-6类基本的二次曲面

--1.6* 三维空间中的二次曲面-6类基本的二次曲面

-1.7 二次型的分类

--1.7 二次型的分类

-1.8 矩阵的合同

--1.8 矩阵的合同

-1.9* 惯性定理的证明

--1.9* 惯性定理的证明

-1.10 惯性定理的应用 —— 实对称矩阵的特征值与主元符号

--1.10 惯性定理的应用 —— 实对称矩阵的特征值与主元符号

-1.11* 正(负)定矩阵在函数极值问题中的应用

--1.11* 正(负)定矩阵在函数极值问题中的应用

-第一讲讲义

-第一讲:正定矩阵--课后习题

第二讲:相似矩阵

-2.1 引言

--2.1 引言

-2.2 相似矩阵的性质

--2.2 相似矩阵的性质

-2.3 Jordan标准形

--2.3 Jordan标准形

-2.4 定理的证明

--2.4 定理的证明

-2.5 Jordan标准形的应用

--2.5 Jordan标准形的应用

-第二讲讲义

-第二讲:相似矩阵--课后习题

第三讲:奇异值分解

-3.1 引言

--3.1 引言

-3.2 奇异值分解(Singular Value Decomposition)

--3.2 奇异值分解(Singular Value Decomposition)

-3.3 例题

--3.3 例题

-3.4 奇异值分解的应用

--3.4 奇异值分解的应用

-第三讲讲义

-第三讲:奇异值分解--课后习题

第四讲:线性变换 I

-4.1 线性变换的定义和性质

--4.1 线性变换的定义和性质

-4.2 线性变换的运算

--4.2 线性变换的运算

-4.3 线性变换的矩阵表示

--4.3 线性变换的矩阵表示

-4.4 线性变换与矩阵之间的关系

--4.4 线性变换与矩阵之间的关系

-第四讲讲义

-第四讲:线性变换 I--课后习题

第五讲:线性变换 II

-5.1 恒同变换与基变换

--5.1 恒同变换与基变换

-5.2 图像压缩——基变换的应用

--5.2 图像压缩——基变换的应用

-5.3 线性变换在不同基下的矩阵

--5.3 线性变换在不同基下的矩阵

-5.4 矩阵分解与基变换

--5.4 矩阵分解与基变换

-5.5 线性变换的核与像

--5.5 线性变换的核与像

-5.6 不变子空间

--5.6 不变子空间

-5.7* 幂零变换

--5.7* 幂零变换

-5.8* Jordan标准形

--5.8* Jordan标准形

-第五讲讲义

-第五讲:线性变换 II--课后习题

第六讲:伪逆

-6.1 伪逆

--6.1 伪逆

-6.2 Moore – Penrose 伪逆

--6.2 Moore – Penrose 伪逆

-6.3 最小二乘法

--6.3 最小二乘法

-第六讲讲义

-第六讲:伪逆--课后习题

第七讲:工程中的矩阵

-7.1 简介

--7.1 简介

-7.2 弹簧模型

--7.2 弹簧模型

-7.3 变量的线性关系

--7.3 变量的线性关系

-7.4 刚度矩阵

--7.4 刚度矩阵

-7.5 从离散到连续

--7.5 从离散到连续

-第七讲讲义

-第七讲:工程中的矩阵--课后习题

第八讲:图与网络

-8.1 简介

--8.1 简介

-8.2 图和矩阵

--8.2 图和矩阵

-8.3 网络和加权Laplacian矩阵

--8.3 网络和加权Laplacian矩阵

-8.4 关联矩阵的四个基本子空间

--8.4 关联矩阵的四个基本子空间

-8.5 注记

--8.5 注记

-第八讲讲义

-第八讲:图与网络--课后习题

第九讲:Markov矩阵和正矩阵

-9.1 问题引入

--9.1 问题引入

-9.2 Markov矩阵

--9.2 Markov矩阵

-9.3 正Markov矩阵

--9.3 正Markov矩阵

-9.4 正矩阵

--9.4 正矩阵(第一部分)

--9.4 正矩阵(第二部分)

-第九讲讲义

-第九讲:Markov矩阵和正矩阵--课后习题

第十讲:Fourier级数

-10.1 引言

--10.1 引言

-10.2 内积空间

--10.2 内积空间

-10.3 傅里叶级数

--10.3 傅里叶级数

-10.4 投影

--10.4 投影

-10.5 关于Fourier变换的注记

--10.5 关于Fourier变换的注记

-第十讲讲义

-第十讲:Fourier级数--课后习题

第十一讲:计算机图像

-11.1 引言

--11.1 引言

-11.2 平移

--11.2 平移

-11.3 伸缩

--11.3 伸缩

-11.4 旋转

--11.4 旋转

-11.5 投影和反射

--11.5 投影和反射

-第十一讲讲义

-第十一讲:计算机图像--课后习题

第十二讲:复数与复矩阵

-12.1 引言

--12.1 引言

-12.2 复矩阵

--12.2 复矩阵

-12.3 复正规阵

--12.3 复正规阵

-12.4 离散Fourier变换

--12.4 离散Fourier变换

-12.5 快速Fourier变换

--12.5 快速Fourier变换

-第十二讲讲义

-第十二讲:复数与复矩阵--课后习题

结课寄语

-结课寄语

--结课寄语

1.1 实对称矩阵A正定的充要条件笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。