高等数学 / 系统课时

用特征值判断矩阵正定性

用特征值判断矩阵正定性

正定性回答的是一个方向无关的问题:无论选择哪个非零向量,二次型 xTAxx^T A x 是否始终为正。对实对称矩阵,特征分解把这个问题化成检查一组特征值的正负,因此能直接区分正定、半正定和不定。

学习目标

  • 根据实对称矩阵的特征值判断正定、半正定与不定
  • 用特征分解解释二次型为什么等于各主方向能量之和
  • 从几何形状和最小特征值理解“所有非零方向上的正能量”

特征值给出判定规则

设 AA 是实对称矩阵,特征值为 λ1,…,λn\lambda_1,\ldots,\lambda_n。判断规则可以直接写成:

特征值情况 二次型性质 xTAxx^T A x 的符号
全部 λi>0\lambda_i>0 正定 任意 x≠0x\neq0 都大于 00
全部 λi≥0\lambda_i\geq0,且至少一个为 00 正半定 任意 xx 都不小于 00,某些非零方向等于 00
同时存在正、负特征值 不定 不同方向可取正值或负值

如果所有特征值都小于 00,则矩阵是负定;若都不大于 00 且包含零特征值,则是负半定。判断能量最常见的情形仍是正定与正半定。

特征分解把方向解耦

实对称矩阵可以正交对角化:

A=QΛQTA=Q\Lambda Q^T

其中 QQ 的列向量是一组单位正交特征向量,Λ\Lambda 是以特征值为对角元素的对角矩阵。令 y=QTxy=Q^Tx,由于正交变换只是在旋转或反射坐标轴,不会把非零向量变成零向量,于是

xTAx=yTΛy=∑i=1nλiyi2x^T A x=y^T\Lambda y=\sum_{i=1}^n\lambda_i y_i^2

这个式子揭示了正定性的本质:每个特征向量都是一个彼此独立的主方向,λi\lambda_i 决定该方向上的能量权重。只要所有权重都为正,任意非零向量至少有一个 yi≠0y_i\neq0,总能量就必然为正。

正定半正定与不定二次型的几何对比

用一个二阶矩阵完成判断

考虑

A=(2112)A=\begin{pmatrix}2&1\\1&2\end{pmatrix}

它的特征值为 33 和 11,两者都严格大于 00,所以 AA 正定。对应二次型为

xTAx=2x12+2x1x2+2x22x^T A x=2x_1^2+2x_1x_2+2x_2^2

虽然中间的交叉项让表达式的正负不容易直接观察,但特征值已经说明:把坐标轴旋转到两个特征向量方向后,它等价于

3y12+y223y_1^2+y_2^2

只要 x≠0x\neq0,就有 y≠0y\neq0,因此这个值一定严格为正。

如果把某个特征值改成 00,对应主方向就不再贡献能量,矩阵只能是正半定;如果出现负特征值,沿对应特征向量 vv 取 x=vx=v,立即得到 vTAv=λ∥v∥2<0v^TAv=\lambda\lVert v\rVert^2<0,因此不可能正定。

最小特征值衡量最弱方向

正定不仅是“结果为正”,还可以量化离零有多远。设最小特征值为 λmin⁡>0\lambda_{\min}>0,则对任意向量都有

xTAx≥λmin⁡∥x∥2x^T A x\geq\lambda_{\min}\lVert x\rVert^2

因此 λmin⁡\lambda_{\min} 可以理解为系统最软、最弱方向上的能量系数。它越接近零,二次型在某个方向上越平坦;等于零时出现无能量方向;变成负数后,该方向的能量符号翻转,整体就可能形成马鞍形。

判断实对称矩阵的正定性时,可以把问题压缩成一句话:先求特征值,再看它们的符号。全部严格为正意味着每个主方向都提供正能量;允许零值会产生平坦方向;正负并存则意味着不同方向的能量性质发生冲突。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用特征值判断矩阵正定性

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通