二次型的正定性及正定矩阵
第七节 正定二次型和正定矩阵
这是因为 C 是可逆矩阵，只要Y 0 ，就有X 0 ，
于是 XT AX 0 ，即Y T (CT AC)Y 0 。
由变换的可逆性，若Y T (CT AC )Y 正定，也可推出 XT AX 正定。
充分性是显然的；下面用反证法证必要性：
假设某个dk 0 ，取 yk 1 ，其余 yj 0 ( j k) ，
代入二次型，得 f (0,,1,,0) dk 0 ，
与二次型 f (y1, y2,, yn) 正定矛盾。
2
(1) 二 次型 f ( y1, y2,, yn) d1 y12 d2 y22 dn yn2 正 定 的充分必要条件是di 0 。
A2 2
21 0 , 5
5 2 2 A3 2 5 1 88 0 ,
2 1 5
因此 A是正定的， 即二次型 f 正定。
9
例3 设有实二次型
f x12 x22 5x32 2t x1x2 2x1x3 4x2 x3
问 t 取何值时，该二次型为正定二次型？
1 t 解 f 的矩阵为 A t 1
解 （2）f 的矩阵为 顺序主子式
1 2 A2 2
0 2
0 2 , 3
1 2
1 0,
2 0 ,
2 2
所以 f 是不定的。
17
练习：
P222 习题五
18
END
19
选用例题
1、 设A, B分 别 为m阶, n阶 正 定 矩 阵, 试 判 定 分 块
矩
阵C
A 0
0 B
是
否
为
正
正定二次型和正定矩阵
正定二次型和正定矩阵
根据正定矩阵的定义，若要判别一个对称矩阵A是否正定，按照前 面的讨论，可以利用一个非退化的线性替换X=PY，将二次型XTAX化成 标准型（与其具有同样正定性）
YTBY=YT(PTAP)Y=d1y21+d2y22+…+dny2n 从而，利用正定二次型的判别定c 理，判别XTAX的正定性，也就得 到了A的正定性.但是，更希望从矩阵的本身，直接判别其是否正定. 由于标准形式的二次型
正定二次型和正定矩阵
定理7-5
二次型 f(x1,x2,…,xn)=d1x21+d2x22+…+dnx2n 是正定的当且仅当di>0,i=1,2,…,n. 证明充分性： 显然，对于任意的非零实向量α=(a1,a2,…,an)T， 均有 αTAα=d1a21+d2a22+…+dna2n>0 因此，原二次型是正定的.
正定二次型和正定矩阵
（2）如果二次型f(x1,x2,…,xn)不是标准形式，那么可以经 过一次非退化的线性替换X=PY将其化成标准形式
d1y21+d2y22+…+dny2n
（7-22
这个二次型与原二次型f(x1,x2,…,xn)具有相同的正定性，从
而可以判别原二次型是否正定.
由于f(x1,x2,…,xn)的标准型式（7-16）中大于0的di的个数， 即为f(x1,x2,…,xn)的正惯性指数，因此，得到以下的定理.
|A|=|PT||P|=|P|2>0 证法二由定理的等价条件（5），A的特征值λ1,λ2,…,λn全大于0， 于是
|A|=λ1λ2…λn>0 为了给出一个更方便的判别矩阵正定的方法，引入如下定义.
高等代数课件§6.3 正定二次型与正定矩阵
f
x2 1
x2 2
5
x2 3
2t x1x2
2x1x3 4x2 x3
为正定二次型?
解
二次型的矩阵为
A
1 t 1
t 1 2
251 ,
要使二次型为正定二次型 , 则A的各阶顺序 主子式均为正 , 即
高等代数课件--天津科技大学理学院高等代数精品课程教研小组
1＞0
（1） xTAx ＞0 ，则称 f 为正定二次型，
相应地矩阵A称为正定矩阵；
（2） xTAx ＜0 ，则称 f 为负定二次型，相应
地矩阵A称为负定矩阵；
高等代数课件--天津科技大学理学院高等代数精品课程教研小组
（3）xTAx≥ 0 ，则称 f 为半正定二次型，相应
地矩阵A称为半正定矩阵；
（4）xTAx ≤0 ，则称 f 为半负定二次型，相应
0 1 2
2
5 2
2 6
2 0
2 0 4
高等代数课件--天津科技大学理学院高等代数精品课程教研小组
解 (1) 2＞0,
2 2
1 2
5＞0,
2 1 0
1 2 1 4＞0, ∴该矩阵为正定矩阵.
0 1 2
解 (2)∵-5＞0, 5 2 26 ＞0, 2 6
, 1t
t 1
1 t 2＞0,
1t t1
1
2 5t 2 4t ＞0,
1 2 5
1 t 2＞0
因此
5t
2
4t ＜0
解之得 4＜t＜0 5
故当 4 ＜t＜0 时,该二次型为正定二次型. 5
正定二次型及正定矩阵.ppt
2 2 ( 3) f x1 , x 2 x1 3 x 2 为负定二次型
1 为负定矩阵。 3 2 2 (4) f x1 , x2 , x3 x1 3 x2 为半负定二次型
交矩阵P，使得P T AP , 其中 diag(1 , 2 , , n )
对于任意非零向量 x x T Ax x T ( P 1 )T P 1 x ( P 1 x )T ( P 1 x )
T 设y P 1 x （y1 , y2 ,, yn） , 则y为非零向量
1
1
2
1
E n
设C PQ, 则C T AC E , 所以A与单位阵合同。
若A与单位阵合同，则存在可逆矩阵C,使A=
CTEC= CTC，则对于非零向量x xT Ax xT C T Cx (Cx )T (Cx )
C可逆，x 0, 故Cx 0，则(Cx )T (Cx ) 0 所以f正定。
1 3 为半负定矩阵。 0 2 2 (5) f x1 , x 2 x1 3 x2 为不定二次型
1 为不定矩阵。 3
二、正(负)定二次型的判别
准则1 对称矩阵A为正定的充分必要条件是： A的 特征值全为正． 证明 必要性 假设i ( i 1,2 , n)为A的特征值， i 为对应于i的
第六章
二次型
中南财经政法大学信息系
一、正(负)定二次型的概念
定义6.6 具有实对称矩阵A的n元二次型为
f X X AX
T
x1 x 1) 如果对于任意的非零向量 X＝ 2 ，都有 xn
二次型函数正定矩阵
二次型函数正定矩阵二次型函数是数学中的一个重要概念，它在很多领域都有广泛的应用，特别是在线性代数和数学分析中。
而正定矩阵则是与二次型函数密切相关的矩阵特性之一。
本文将介绍二次型函数正定矩阵的定义、性质及其在实际问题中的应用。
一、定义在了解二次型函数正定矩阵之前，我们需要先了解二次型函数和矩阵的概念。
二次型函数是指一个关于n个变量的二次齐次多项式，可以用矩阵的形式表示。
设x为n维列向量，A为n阶实对称矩阵，那么二次型函数可以表示为Q(x)=x^T * A * x，其中x^T表示x的转置。
而正定矩阵，简而言之，就是一个特殊的n阶实对称矩阵，它与二次型函数的性质紧密相关。
对于任意一个非零向量x，如果其对应的二次型函数Q(x)都大于0，那么我们称矩阵A为正定矩阵。
二、性质正定矩阵具有以下几个重要的性质：1. 正定矩阵的所有特征值都大于0。
2. 正定矩阵的对角元素都大于0。
3. 正定矩阵的所有主子式都大于0。
这些性质使得正定矩阵在实际问题中具有重要的应用价值。
例如，在优化问题中，正定矩阵可以用来判断一个极值点是极小值还是极大值。
在机器学习中，正定矩阵可以用来定义核函数，从而实现非线性的分类和回归任务。
三、应用正定矩阵在各个领域都有广泛的应用。
以下是一些常见的应用场景：1. 优化问题：正定矩阵可以用来判断一个极值点是极小值还是极大值。
2. 机器学习：正定矩阵可以用来定义核函数，从而实现非线性的分类和回归任务。
3. 数值计算：正定矩阵在数值计算中有广泛的应用，例如求解线性方程组、最小二乘问题等。
4. 物理学：正定矩阵在物理学中有重要的应用，例如描述能量、势能等。
5. 金融领域：正定矩阵在金融领域中常被用于风险管理和投资组合优化等问题。
总结本文介绍了二次型函数正定矩阵的定义、性质及其在实际问题中的应用。
正定矩阵在数学和应用领域中具有重要的地位，对于理解和解决实际问题具有重要意义。
希望通过本文的介绍，读者对二次型函数正定矩阵有进一步的了解和认识，为深入学习和应用相关知识奠定基础。
线性代数 6-3二次型的正定性
结束
4. 定理：An×n实对称，则 (X TAX正定)
A 正定
惯性指数p＝n,即 A ≃ E. 的正惯性指数 ⇔ A的正 ⇔ 存在可逆阵P,使A(=P EP)= P P . 全为正数. ⇔ A的特征值 λ , λ ,⋯, λ 全为正数 . 个顺序主子式均为正值. ⇔ A的n个顺序主子式均为正值
T T
1 2
n
: A=(aij)n×n正定 推论 推论:
) (其逆否命题可判非正定 其逆否命题可判非正定)
⇒ (1) a
ii >0
(aii = ε iT Aε i )
(2) A > 0 ( A = λ1λ2 ⋯ λn )
机动 目录 上页 下页 返回 结束
定理（4）的证明
T f ( x , x , … , x ) = a x x = X AX 正定 实二次型 ∑∑ ij i j 1 2 n i =1 j =1 n n
2 2 2 f ( x , x , … , x ) = d y + d y + ⋯ + d y 变成标准形： 1 2 n 1 1 2 2 n n
由于 f 正定 ⇔ di > 0, i = 1,2,⋯, n 即，f 的正惯性指数p＝n＝秩 f .
机动 目录 上页 下页 返回 结束
3、顺序主子式、主子式 设矩阵 A = (aij ) ∈ R
⎛ 1 −1 0 ⎞ ⎜ ⎟ A = ⎜ −1 2 −1 ⎟ ⎜ 0 −1 3 ⎟ ⎝ ⎠
x1 = x2 = x3 = 0
故 f 正定.
λ1 = 2, λ2 = 2 + 3, λ3 = 2 − 3
,故 f 正定 . 特征值均大于零 特征值均大于零, 正定.
顺序主子式法 法3. 3.顺序主子式法
2023数一线代大题二次型
2023数一线代大题二次型二次型是高中数学中的一个重要概念，也是线性代数中的重要内容。
在2023年的数一线代大题中，二次型也将成为一道重要的考点。
了解并掌握二次型的性质、特征和相关计算方法对于解答这道大题是至关重要的。
1. 二次型的定义与性质二次型是多元二次方程的总和，表达形式为：$f(x_1, x_2, \ldots, x_n) = a_{11}x_1^2 + a_{22}x_2^2 + \ldots +a_{nn}x_n^2 + 2a_{12}x_1x_2 + \ldots + 2a_{ij}x_ix_j + \ldots + 2a_{n-1,n}x_{n-1}x_n$其中，$a_{ij}$ 是实数系数，$x_1, x_2, \ldots, x_n$ 是变量。
二次型的计算可以通过矩阵的形式进行简化，可以用矩阵的方式表示为：$\mathbf{x}^\mathrm{T}\mathbf{A}\mathbf{x}$其中，$\mathbf{x}$ 是列向量，$\mathbf{A}$ 是一个$n \times n$ 的矩阵。
二次型的性质有一些重要的特点，其中包括：对称性：$f(x_1, x_2, \ldots, x_n) = f(x_2, x_1, \ldots, x_n)$，即二次型的各项次序可交换。
非负性：对于任意非零的向量$\mathbf{x}$，有$\mathbf{x}^\mathrm{T}\mathbf{A}\mathbf{x} > 0$ 或$\mathbf{x}^\mathrm{T}\mathbf{A}\mathbf{x} < 0$。
秩的性质：秩为 $r$ 的对称矩阵可以表示为 $r$ 个平方项相加的形式。
2. 二次型的标准形式与规范形式将二次型化为标准形式是研究二次型性质和进行计算的基础。
标准形式的表达式为：$f(x_1, x_2, \ldots, x_n) = \lambda_1y_1^2 + \lambda_2y_2^2 + \ldots + \lambda_ky_k^2$其中，$\lambda_1, \lambda_2, \ldots, \lambda_k$ 为二次型的特征值，$y_1, y_2, \ldots, y_k$ 为相应的特征向量。
线性代数 6-3 正定二次型与正定矩阵
方法一
令g( A) A 5 E ,
因为A的所有特征值为 1 1, 2 1, 3 2,
所以g( A)的所有特征值为 g( 1), g( 2), g( 3),
A 5 E g( A) g(1) g(1) g(2) 4 6 3 72.
A 80 0,
根据定理4知f为负定.
例5（矩阵正定的必要条件）
则其对角线元aii 0. 若A为正定矩阵，
证明： 因为A正定，所以对非零向量
x ei [0,,1,0]T , 有
f x Ax ei Aei aii 0 ( i 1, 2,, n)
T T
成立.
证明 设可逆变换x Cy使 f x f Cy ki yi2 .
充分性：设 k i 0 i 1,, n. 任给 x 0,
i 1
n
则 y C x 0, 故
-1
2 f x k i yi 0. i 1
n
必要性： f x f Cy ki yi2 0.
3
2 用方阵A的特征值, 来讨论kE A的可逆性
方法二
因为A的所有特征值为 1 1, 2 1, 3 2,
所以 f A ( ) E A ( 1)( 1)( 2),
5 E A f A (5) (5 1)(5 1)(5 2) 72,
A 5 E ( 1) 5 E A 72.
解
A与P1 AP有相同的特征值 .
1 是 P i P AP属于 i 的特征向量. 1
P
1
AP i I X 0 P 1 A i I PX 0
二次型与正定矩阵
二次型与正定矩阵二次型是矩阵与向量的一种重要的数学结构。
它在数学分析、线性代数、凸优化等领域中有广泛的应用。
本文将介绍二次型的基本概念、性质以及与正定矩阵的关系。
首先，让我们来定义什么是二次型。
给定一个n维向量x=(x1,x2,...,xn)和一个n*n的实对称矩阵A=(aij)，则二次型定义为：Q(x) = x^T * A * x = a11x1^2 + a22x2^2 + ... + annxn^2 + 2a12x1x2 + ... + 2an-1,nxn-1在二次型的定义中，对角线上的元素表示各个变量的平方系数，非对角线上的元素表示各个变量的二次交叉项系数。
观察定义可以发现，二次型是关于向量x的一个二次多项式函数。
接下来，我们将讨论二次型的一些重要性质。
首先，由于实对称矩阵的性质，二次型矩阵A一定是一个对称矩阵。
其次，二次型的零空间是通过矩阵A的特征向量所确定的。
若向量x是特征值λ对应的特征向量，则有A*x = λx，代入二次型的定义中得到Q(x) = λx^T * x = λ||x||^2，其中||x||表示向量x的范数。
由此可知，当特征值λ>0时，二次型的取值结果总是大于0，当特征值λ<0时，二次型的取值结果总是小于0。
因此，我们可以得出结论：若二次型的所有特征值均大于0，则该二次型为正定二次型；若所有特征值均小于0，则该二次型为负定二次型；若特征值中既有正数又有负数，则该二次型为不定二次型。
正定矩阵是与正定二次型联系密切的概念。
正定矩阵是指所有主子矩阵的行列式都大于0的矩阵。
而正定二次型则是指对于任意非零向量x，都有Q(x)>0成立的二次型。
可以证明，正定二次型与正定矩阵是一一对应的关系。
也就是说，如果一个二次型的矩阵A是正定矩阵，那么这个二次型就是正定二次型；反之亦然。
正定矩阵具有一系列重要的性质。
首先，正定矩阵的特征值都是正数。
这是因为正定矩阵的二次型取值结果都大于0，由前述性质可知特征值必为正数。
线性代数§6.4
小结
1. 正定二次型的概念, 正定二次型与正定矩阵的 区别与联系.
2. 正定二次型(正定矩阵)的判别方法: (1) 定义法; (2) 主子式判别法; (3) 特征值判别法.
yT (CT AC) y
任取 y0 0, 由x＝Cy得到与 y0 对应的 x0
0 x0 Cy0
正定.
因为 xT Ax 正定，所以 x0T Ax0 0 即 y0T (CT AC) y0 0 故 yT (CT AC) y 正定.
另一方面，由 yT (CT AC) y 正定
xT Ax 正定.
任取 x0 0, 由 x＝Cy 得到与 x0对应的 y0
(1) 二次型 f ( y1, y2, , yn ) d1 y12 d2 y22 dn yn2
正定
di 0 (i 1, 2, , n)
充分性，若 di 0 (i 1, 2, , n),y ( y1, y2, , yn) 0 则 f ( y1, y2, , yn ) d1 y12 d2 y22 dn yn2 0
定义1: 设有实二次型 f(x)=xTAx,显然 f (0)=0.
如果对任意的 x 0, 都有 f(x)>0, 则称 f 为正定二
次型, 并称对称矩阵A为正定矩阵.
如果对任意的 x 0, 都有 f(x)<0, 则称 f 为负定二
次型, 并称对称矩阵A为负定矩阵. 注意：正定矩阵一定是对称矩阵. 例如: f = x2 + 4y2 + 16z2 为正定二次型。
故 A1 正定.
A *的特征值为：| A | 由|A|>0，所以 A * 全部
特征值大于零所以 A*正定
正定矩阵具有以下一些简单性质: 1. 若A为正定的, 则AT, A-1, kA（k为正数），A*
北京航空航天大学线性代数第六章64正定二次型和正定矩阵.ppt
答疑时间：星期二晚上18:00－20:30 星期四晚上18:00－20:30
答疑地点：J4-102 Email: liyongzhu@
朱立永
线性代数
第六章 二次型
§6.1 二次型及其矩阵表示 §6.2 化二次型为标准形 §6.3 惯性定理 §6.4 正定二次型和正定矩阵
线性代数
§6.4 正定二次型和正定矩阵
定义6.4.1 设 f (x1, x2 ,, xn ) X T AX 为n元
实二次型. 若对于任意非零实向量 X
(x1, x2, , xn )T 0 ,都有
f (x1, x2 , , xn ) X T AX＞0 则称实二次型 f 为正定二次型;相应的实对 称矩阵 A称为正定矩阵.
件是 A的特征值全大于0,从而正定矩阵的
行列式大于0. 证 由定理5.3.5,必有正交矩阵 Q ,使
线性代数
1
QT AQ Q1AQ B
2 ,
n
其中,1, 2, , n 是 A 的全部特征值.因为
，
A正定的充要条件是B 正定.而 B对应的
二次型为
，
Y T BY
1 y12
2
y
2 2
n
y
2 n
由定理6.4.1可知,该二次型正定的充分必
要条件是 i 0(i 1, 2, , n).
线性代数
由于 A B 12 n＞ 0 ,即正定矩阵 的行列式大于0.证毕.
例6.4.1 判断实二次型 f (x1, x2, x3)
3x12 3x22 x32 4x1x2 的正定性.
，
解 二次型 f 的矩阵为
A3 A t
1
二次型与正定矩阵
二次型与正定矩阵在线性代数中，二次型是一种重要的数学工具，它与正定矩阵有着密切的联系。
本文将介绍二次型的定义、性质以及与正定矩阵之间的关系。
一、二次型的定义二次型是指一个关于n 个变量的多项式，其中每一项的次数都是2。
一个一般的二次型可以表示为：Q(x) = \sum_{i=1}^{n} \sum_{j=1}^{n} a_{ij}x_ix_j其中，x = (x1, x2, ..., xn) 是变量向量，a_ij 是实数系数，对于所有的 i 和 j 都成立。
简单来说，二次型就是一个多项式，其每一项的次数都是 2。
二次型可以用矩阵的形式表示：Q(x) = x^TAx其中，A 是一个 n×n 的实对称矩阵，其元素 a_ij 对应于二次型中的系数。
二、二次型的性质1. 对称性：二次型的系数矩阵 A 是实对称矩阵，即 a_ij = a_ji。
这意味着 Q(x) 中的各项的次序不影响其值。
2. 齐次性：对任意非零实数 k，有 Q(kx) = k^2Q(x)。
这意味着二次型对于变量的放缩具有相应的放缩特性。
3. 加法性：对任意两个 n 维向量 x 和 y，有 Q(x+y) = Q(x) + Q(y) +2x^TAy。
这意味着二次型具有线性特性。
4. 正定性与负定性：一个二次型 Q(x) 是正定的（positive definite），如果对于任意非零的实向量 x，都有 Q(x) > 0。
类似地，如果对于任意非零的实向量 x，有 Q(x) < 0，那么二次型就是负定的（negative definite）。
如果既存在正值又存在负值的向量 x，那么二次型就是不定的（indefinite）。
5. 非负定性与非正定性：如果对于任意非零的实向量 x，都有 Q(x) ≥ 0，则二次型是非负定的（nonnegative definite）。
类似地，如果对于任意非零的实向量 x，有Q(x) ≤ 0，那么二次型是非正定的（nonpositive definite）。
正定二次型和正定矩阵的概念判别二次型或矩阵正定的方法
上页 下页 返回
例17 判别二次型
f 5x2 6 y2 4z2 4xy 4xz
的正定性。
解
f 的矩阵是
5 A 2
2 6
2 0 ,
2 0 4
A 的各阶主子式为：
a11
5
0,
a11 a21
A 80 0,
a12 5 a22 2
1.定义法： 2. 用霍尔维兹定理： A 的各阶主子式都为正，
则A 是正定的; 3. 用A的特征值： A 的特征值全为正，则A
是正定的; 4. 化A所对应的二次型为标准形,根据标准形
中的正平方项个数判断;
上页
返回
a12 1 a22 1
1 1 0,
0
112
A 1 0 0 1 0,
201
所以 f 既不是正定的，也不是负定的，即不定二次
型。
上页 下页 返回
例19 设C 是满秩矩阵，实对称矩阵A 是正定的，
则C TAC是正定的。
证
有f 由x 从而
0x及T A因Cxf为可A逆0x为,T,作得A正xxy定，yCC所Ty(1,以Cx则T对fA任0C, 意)yyTx(C0T,0A, C
上页
返回
第五章小结
本章通过向量的内积，从而给n维向量建立了度 量的概念，结合方阵的特征值理论，给出了判定矩 阵是否可以对角化的判定方法；通过对实对称矩阵 所具有的特点，说明实对称矩阵不仅可以相似对角 化，而且可以正交对角化；从而为二次型化标准型 提供了一种重要方法：正交变换法。由二次型与实 对称矩阵的一一对应关系，将二次型的讨论转化为 矩阵的讨论，并讨论了正定二次型。
)
二次型及其矩阵表示
半正定二次型：矩阵的所有特征值都是非负数
半负定二次型：矩阵的所有特征值都是非正数
实二次型：矩阵的系数都是实数
对称二次型：矩阵是对称矩阵
正定二次型：矩阵的所有特征值都是正数
负定二次型：矩阵的所有特征值都是负数
二次型的矩阵表示方法
01
02
03
04
标准二次型：二次型可以表示为矩阵乘以向量的形式，其中矩阵是对称矩阵。
02
二次型在经济学中的应用
生产函数：二次型可以用来表示生产函数，分析生产过程中的投入与产出关系。
成本函数：二次型可以用来表示成本函数，分析生产过程中的成本与产量关系。
效用函数：二次型可以用来表示效用函数，分析消费者在消费过程中的满足程度与消费量关系。
投资函数：二次型可以用来表示投资函数，分析投资者在投资过程中的收益与投资量关系。
主成分分析在二次型中的应用
01
主成分分析（PCA）是一种用于降维和多元数据分析的统计学方法。
04
02
03
在二次型中，主成分分析可以用来寻找数据的主成分，即数据的主要方向。
通过主成分分析，我们可以将二次型矩阵分解为两个矩阵的乘积，其中一个矩阵是对角矩阵，另一个矩阵是低秩矩阵。
这种分解方法可以简化二次型的计算，提高计算效率。
二次型在物理学中的应用
电磁学：二次型在电磁学中用于描述电磁场的分布和相互作用，如麦克斯韦方程组、高斯定理等。
03
量子力学：二次型在量子力学中用于描述粒子的状态和运动规律，如薛定谔方程、海森堡不确定性原理等。
04
力学：二次型在力学中用于描述物体的运动和受力情况，如牛顿第二定律、胡克定律等。
01
光学：二次型在光学中用于描述光的传播和折射现象，如菲涅尔方程、折射定律等。
二次型的正定性及其性质
二次型的正定性及其性质二次型是数学中一个非常重要的概念，也是各种数理模型中必不可少的一部分。
二次型的正定性是其性质之一，对于二次型的求解和优化有着非常重要的意义。
本文将介绍二次型的正定性及其性质，以及其在实际应用中的意义。
一、二次型的定义和表示二次型是指形如 $f(x)=x^TAx$ 的二次函数，其中 $A$ 是一个$n\times n$ 的实对称矩阵，$x$ 是一个 $n$ 维实向量。
一般情况下，二次型是所有 $n$ 维实向量上的定义域。
实对称矩阵 $A$ 是二次型的系数矩阵，也是二次型的重要特征。
二、二次型的正定性二次型的正定性是指对于所有非零的 $x$，都有 $x^TAx>0$，即二次型的取值全部大于 $0$。
简单来说，二次型的正定性就是指其取值范围全部在正半轴上。
其逆定义为负定性，即对于所有非零的$x$，都有$x^TAx<0$。
还有一种定义是半正定性（或半负定性），即对于所有非零的 $x$，都有 $x^TAx\ge 0$（或 $x^TAx\le 0$）。
正定性和负定性的性质非常相似，下面我们以正定性为例，讨论其性质。
三、正定性的性质1. 正定性是矩阵的特征正定性是指针对一个特定的实对称矩阵 $A$，其对应的二次型是正定的。
如果我们改变实对称矩阵 $A$，那么其对应的二次型的正定性也会随之改变。
2. 正定性是线性的如果我们将两个实对称矩阵 $A$ 和 $B$ 相加，那么其对应的二次型的正定性也会相加。
具体地，对于所有非零的 $x$，都有$(x^TAx)+(x^TBx)>0$，所以矩阵之和的正定性可以保持不变。
3. 正定性是半正定性的推广正定性和半正定性之间存在非常密切的关系。
如果一个实对称矩阵 $A$ 在对角线元素为正的情况下是半正定的，那么其对应的二次型在对应的坐标轴上是正定的。
换言之，正定性是半正定性的推广，而半正定性是指在坐标轴上的正定性。
4. 正定性和二次型的最小值正定性和二次型的最小值之间也存在密切的联系。
实二次型的正定性与正定矩阵
【法一】由A可逆, 则有 AT A AT EA , 则AT A与单位阵合
同, 所以 AT A正定.
【法二】由A可逆, 则对任意n维实列向量X≠O, 有 AX≠O, X T AT AX ( AX )T AX 0, 所以 AT A 正定.
矩阵之间的关系
A的特征值均大于0 A与单位阵E合同 存在可逆阵P, 使得 A PT P A的各阶顺序主子式 > 0
例3 设A为n阶正定矩阵, E为n阶单位阵, 证明 A E 1
例4 A为n阶实对称矩阵, 且满足 A3 2A2 4A 3E O,
证明A为正定矩阵. 例5 证明
（1）若 An 正定，有实数域上矩阵 Pnm ，r(P) m n ，
2 4 5
例2 若二次型 f ( x1 , x2 , x3 ) 2 x12 x22 x32 2 x1 x2 tx2 x3 是正定的, 则 t 的取值范围?
【解析】已知二次型正定,反求其中未知参数的取值范围一般用
顺序主子式求解.
2 1 0
二次型矩阵为
A2 1
21 0
——负定
2 2 2
(4)
XT
2
5
4
X
判断是否正定？
2 4 5
二、正定矩阵的充分必要条件
准则1 n阶实对称矩阵A正定 A的特征值全为正数.
2 2 2
例1
判断矩阵
A
2 2
5 4
4 5
是否为正定矩阵？
【解析】可求得A的全部特征值为1(二重)和10, 则该实对称矩阵A
的特征值全大于0, 故A为正定矩阵.
对于负定矩阵有类似的结论
A正定 -A负定 二次型 f 为正定 二次型 -f 为负定
二次型函数正定矩阵
二次型函数正定矩阵首先，让我们来了解一下二次型函数。
一、二次型函数的定义Q(x)=x^TAx其中x=(x1, x2, ⋯, xn)是一个n维向量，A是一个n×n的矩阵。
二、正定矩阵的定义与性质正定矩阵是指满足以下条件的n×n实对称矩阵A：1. 对于任意一个非零向量x=(x1, x2, ⋯, xn)，有x^T A x > 0。
2.A的特征值都大于0。
正定矩阵具有如下性质：1.正定矩阵的行列式大于0。
2.正定矩阵的主对角线元素都大于0。
3.正定矩阵的任意子矩阵也是正定矩阵。
三、正定矩阵的特征与判定方法判定一个矩阵是否是正定矩阵，可以通过其特征值判断。
如果一个矩阵的所有特征值都大于0，则该矩阵是正定矩阵。
此外，还有以下判定方法：1. Sylvester判据：对于n×n矩阵A，若其所有n阶顺序主子式都大于0，则A是正定矩阵。
2. Cholesky分解：若一个矩阵A可以分解为A=LL^T，其中L是一个下三角矩阵，则A是正定矩阵。
3.特征分解：若一个矩阵A可以进行特征分解A=PDP^T，其中P是正交矩阵，D是对角矩阵，且D的对角线上的元素都大于0，则A是正定矩阵。
四、正定矩阵的应用正定矩阵在数学、物理和工程学科中有广泛的应用。
1.线性代数：正定矩阵与二次型函数紧密相关，是二次型函数最重要的性质之一2. 优化理论：正定矩阵在优化理论中扮演者重要角色，例如在凸优化中的Hessian矩阵就是正定矩阵。
3.物理学：正定矩阵在量子力学中的算符与声纳中的协方差矩阵等方面均有应用。
4.机器学习：正定矩阵在机器学习领域的矩阵分解、矩阵约束等问题中发挥着重要作用。
总结：正定矩阵是指在二次型函数中，其对应的矩阵满足特定条件的矩阵。
正定矩阵在数学、物理、优化理论以及机器学习等领域中有广泛应用。
通过正定矩阵的特征值判定方法，可以判断一个矩阵是否为正定矩阵。
正定矩阵是线性代数中重要的概念，对于解决实际问题具有重要意义和应用价值。
正定二次型与正定矩阵
1
B
2
,
n
其中λi(i=1,2,…,n)是A的全部特征值.A正定 ， 的充要条件是B正定.B对应的二次型
Y T BY
1 y12
2
y
2 2
n
y
2 n
， 显见它正定的充要条件是λi>0,(i=1,2,…,n). 由于B=QTAQ=Q-1AQ,故A与B还是相
事实上,设f(x1,…,xn)是正定的,则g(y1,…,yn) 也是正定的.任给y1,y2,…,yn一组不完全为 零的实数值
y1 c1, y2 c2 ,, yn cn
，
将它代入X = CY得到x1,x2,…,xn的一组对应 值 ，
x1 b1, x2 b2 , , xn bn
它们的关系为
对应的实对称矩阵A称为半正定矩阵; f(c1,c2,…,cn)＜0,称 f 为负定二次型,
对应的实对称矩阵A称为负定矩阵； f(c1,c2,…,cn)≤0,称 f 为半负定二次型,
对应的实对称矩阵A称为半负定矩阵. 若 f 非半正定,也非半负定,称 f 为不
定的二次型,相应的矩阵A称为不定矩阵.
易见半正定矩阵包括了正定矩阵在内,
f (x1,, xn ) x12 x22 xn2
是正定的.因为不论x1,x2,…,xn取什么实数, 只要它们不全为零,就一定大于零;反之亦
然.但如果二次型不是规范形,就不是很容 易观察出来了.此时我们可以用非退化线 性替换将其化为规范形.然而这样做的时 候,正定性是否保持不变?
由惯性定理可知,实二次型经过非退
x2 4
为正定二次型的λ的取值范围.
解 f 对应的实对称矩阵为
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
X T AX = CY T ACY = Y T CT AC Y = Y T BY ，
其中 CT AC = B ，由于矩阵 C 可逆，对任意的Y 0 ， 均有 X 0 ，所以 X T AX > 0 ，从而 Y T BY > 0 ，因此 Y T BY 也为正定二次型。
则取Y0 ( 0 ,
, 0, 1 xk
,0,
,
0，)相应0 X0
CY0 0 ，
且
X
T 0
AX 0
d1 02
dk12
dn 02 dk „ 0 ,
这与二次型 X T AX 正定相矛盾。由此：
di 0 , i 1, 2, , n 。
【推论 1】 n 元实二次型正定的充分必要条件是其正
信息系 刘康泽
第 6-5 节 二次型的正定性及正定矩阵
一、基本概念
信息系 刘康泽
【定义】设任意一个 n 元实二次型
f ( x1, x2 , , xn ) X T AX
（1）若对任意的非零向量 X ，有 X T AX > 0 ( 0 )
成立，则称二次型 X T AX 为正定(负定)二次型，称 A 为
f x1, x2, , xn 0 ，
故该二次型是正定的。
d1
由此对角矩阵 D
d2
dn
为正定矩阵充要条件是对角线上的 n 个元素全大于零。
例 2 二次型 f x1, x2 x1 x2 2 是半正定的，
因为 f x1, x2 …0 ，且 f 1, 1 。 0
则 X T AX 正定的充要条件是 di 0 , i 1, 2, , n 。
证明：充分性 若 di 0 , i 1, 2, , n ，则 d1 y12 d2 y22 dn yn2
正定，由于二次型经非奇异线性变换后，其正定性不变，
信息系 刘康泽
从而 X T AX 正定。
必要性 设 X T A X正定，用反证法，设有 dk „ 0 ，
为不定二次型,
称矩
阵 A 为不定矩阵。
信息系 刘康泽
由上所述，二次型 f X XT AX 为正定（或负定）、
半正定（或半负定）和不定，则其对应的实对称矩阵 A 分
别为正定（或负定）、半正定（或半负定）和不定；反之 亦然。
【注】二次型 X T AX 为负定（或半负定）的充分必 要条件是二次型 X T AX 正定（或半正定）；
正定(负定)矩阵。
（2）对任意的向量 X ，有 X T AX …0 („ 0 )成立，
并且存在
X0
0
，使
X
T 0
AX 0
0,
则称二次型 X T AX
为半正定(半负定)二次型，称 A 为半正定(半负定)矩阵。
（3）若存在向量
X1,
X2
，使得
X
T 1
AX1
>
0
，
X
T 2
AX
2
< 0 ，则称二次型 X T AX
a31
a12 a22 a32
a13 a23 ， a33
……， An A 。
信息系 刘康泽
1 1 1
例如
A
=
1
2
3
各阶顺序主子式为：
信息系 刘康泽
例 3 二次型 f x1, x2 2x12 x22 3x32 是不定的， 因为 f 1, 0 ,0 2 ，0f 0 , 1,0 1 。0
【定理】任意一个二次型经非奇异线性变换后，其 正定性不变。
证明 设 f X XT AX 为正定二次型，作非奇异
信息系 刘康泽
【推论】若实对称矩阵 A 与 B 合同，则 A 与 B 具有
相同的正定性。
【定理】 f x1, x2, , xn XT AX 为正定二次型
的充要条件是其标准形的 n 个平方项的系数全大于零。
即若 X T AX 经过非奇异线性变换 X CY 化成标
准形 f x1, x2, , xn d1 y12 d2 y22 dn yn2 ，
【定义】
设
n
阶实对称矩阵
A信=息a系ij
刘康，称泽 A
nn
的前
k 行和前 k 列组成的 k 阶子式
a11 a12
a1k
Ak a21 a22
a2k ,
ak1 ak 2
akk
为 A 的 k 阶顺序主子式。
A 的各阶顺序主子式为：
A1
a11
， A2
a11 a21
a12 ， a22
a11 A3 a21
惯性指数为 n 。
由于正惯性指数为 n 的二次型的规范形的矩阵是单
位矩阵，故有：
信息系 刘康泽
【推论 2】 实对称矩阵 A 正定的充要条件是 A 合同 于单位阵 E 。
【推论 3】 实对称阵 A 正定的充要条件是存在可逆 矩阵 P ，使 A = PT P 。
证明： 由于实对称矩阵 A 正定的充要条件是 A 合同 于单位阵 E ，故存在可逆的 C ，使得 CT AC = E ，即
件是 A 的 n 个特征值全大于零，即 i 0, i 1, 2, , n 。
证明 对 n 元二次型 f X XT AX ，必存在正交
变换 X = QY ，（ Q 为正交矩阵），使其化为标准形： f 1 y12 2 y22 n yn2 ，
这就是说标准形 n 个平方项的系数 1, 2, , n 为 A 的全部特征值，于是 X T AX 正定的充要条件就是这 n 个平方项的系数 i 0, i 1, 2, , n 。
A = C 1 T EC 1 C 1 T C 1 PT P ， (P C 1)
【注】如果 A 为正定矩阵，则 A 0 。反之不一定。
1 0 0
例如 设
A
=
0
1
0
，A
0 ，但A不是正定矩阵。
0 0 1
信息系 刘康泽
【定理】 n 元二次型 f X XT AX 正定的充要条
实对称矩阵 A 为负定（或半负定）的充分必要条件是 A为正定（或半正定）。
例 1 二次型
f x1, x2, , xn d1x12 d2 x22 dn xn2 ，
( di 0(i 1, 2, , n) )
信息系 刘康泽
显然对任意的 X = x1, x2, , xn T 0 ，都有