這部分我們關注有正特徵值的對稱矩陣。如果對稱性使得一個矩陣重要,那麼所有特徵值大於零這個額外屬性則讓這個矩陣真正特殊。但我們這裏的特殊並不是稀少,事實上在各種應用中具有正特徵值的對稱矩陣非常常見,它們被稱作正定矩陣。
我們可以通過檢查特徵值是否大於零來識別正定矩陣,但計算特徵值是一項工作,當我們真正需要它們的時候我們可以進行計算,而如果我們僅僅想知道它們是否是正的,我們有更快的方式。
1. 正定矩陣的判斷
首先,由於矩陣是對稱的,所有的特徵值自然都是實數。讓我們以一個 2×2 的矩陣開始,
A=[abbc]
A 的特徵值是正的當且僅當 a>0 並且 ac−b2>0。
如果 2×2 矩陣的特徵值 λ1>0,λ2>0,那麼它們的乘積等於行列式, λ1λ2=∣A∣=ac−b2>0,它們的和等於矩陣的跡,λ1+λ2=a+c>0,所以 a 和 c都必須是正的。
A 的特徵值是正的當且僅當主元是正的。
這連接了線性代數的兩大部分,正的特徵值意味着正的主元,反之亦然。而且,主元往往比特徵值計算得更快。
Ax=λx→xTAx=λxTx=λ∣∣x∣∣2>0
所以,如果特徵值大於零,xTAx 對於所有的特徵向量也大於零。事實上,不僅僅是特徵向量,針對任意非零向量 x,上式也同樣成立。
A 是正定的,如果有 xTAx>0 對任意非零向量都成立。
從這個定義中我們可以得出,如果 A,B 是對稱的正定矩陣,那麼 A+B 也是.
如果 R 的列是不相關的,那麼 A=RTR 是正定的。
xTAx=xTRTRx=(Rx)TRx=∣∣Rx∣∣2
因爲 R 的列是不相關的,所以針對任意非零向量 x,Rx=0。
當一個對稱的矩陣具有下列五個屬性之一,那麼它一定滿足所有的屬性。
-
- 所有的 n 個主元是正的。
-
- 所有的 n 個左上行列式是正的,也就是 1×1,2×2⋯n×n 的行列式。
-
- 所有的 n 個特徵值是正的。
-
- xTAx>0 除了零向量。
-
- A=RTR 對於一個有着不相關列的矩陣 R。
2. 半正定矩陣
經常情況我們會在正定的邊緣,行列式爲零,最小的特徵值爲零,這些在邊緣的矩陣被稱爲半正定矩陣。
A 的特徵值爲 5 和 0,左上行列式爲 1 和 0,它的秩爲 1,可以被分解爲具有相關列的矩陣 RTR。
如果將元素 4 增加一個任意小的數字,那麼矩陣將會變成正定的。同樣地, B 也可以寫成 RTR 的形式,但是 R 的列肯定是相關的。
3. 第一個應用:橢圓 ax2+2bxy+cy2=1
- 傾斜的橢圓和矩陣 A 聯繫在一起,xTAx=1。
- 排好的橢圓和矩陣 Λ 聯繫在一起,XTΛX=1。
- 將橢圓排好的旋轉矩陣則是特徵向量矩陣 Q。
針對橢圓方程 5x2+8xy+5y2=1,我們有:
[xy][5445][xy]=1A=[5445]
將 A 分解爲 QΛQT 我們得到:
[5445]=21[111−1][9001]21[111−1]
橢圓方程則也可以重寫爲:
5x2+8xy+5y2=1=9∗(2x+y)2+1∗(2x−y)2
可以看到,方程的係數是兩個特徵值 9 和 0,而在平方內部則是兩個特徵向量 (1,1)/2 和 (1,−1)/2。橢圓的座標軸是沿着特徵向量的方向,這也就是爲什麼 A=QΛQT 被稱作主軸定理,特徵向量指出了座標軸的方向,特徵值則指出了長度。
將橢圓排好後,較大的特徵值 9 給出了短半軸的長度 1/λ1=1/3,較小的特徵值 1 給出了長半軸的長度 1/λ2=1。在 xy 系統中,座標軸沿着 A 的特徵向量的方向,而在 XY 系統中,座標軸沿着 Λ 的特徵向量的方向。
獲取更多精彩,請關注「seniusen」!