下载文档原格式
36 囱魁科技2021年•第1期正定矩阵是从二次型的正定性中抽象出来的一个概念，由于其良好的性能，使其不仅在代数学中有着广泛应用，同时在函数学、几何学、图像处理学、概率统计和物理学 等其他学科中也都有很好的拓展。
本文主要从几个不同的角度探讨正定矩阵的构造方 法，并给出相应的理论原理。
◊东华理工大学理学院胡康秀丁云杨扬魏艳正定矩阵三类典型的构造方法及其相关原理1引言在数学的学习过程中，往往侧重于对数学概念的熟悉、相关性质的理解以及对解题方法的掌握，而运用数学原理中构造性思维进行创新训练不多。
正定矩阵是一类非常特殊的 矩阵，作为对称矩阵的子类，除了具备对称矩阵可对角化的性能之外，在矩阵分解理论中 也有很好的的结论。
大家在高等代数学习的过程中关注的更多的是正定矩阵的性质和应用，但是如何构造满足需求的特殊的正定矩阵也值得大家思考与探究。
本文从矩阵运算的 角度入手，利用相关性质，从三个方面探究正定矩阵的构造思路及方法。
2对称矩阵的几点性质因为正定矩阵属于对称矩阵的范畴，为构造正定矩阵，下面分别从一般矩阵和对称矩阵的角度探究对称矩阵的构造方法。
依据［性质1】可以由一般矩阵构造出对称矩阵。
【性质1】设Ae/T 01 ,则44, .A r A^A + A r 均为对称阵。
如果想在已有对称矩阵的基础上构造出新的对称矩阵，那么则下面两条性质是很好的思路和启发。
【性质2】设&B 为两个同阶对称阵，贝!］对于任意实数恥,aA + bB 也是对称阵。
［性质3 ］设A, B 为两个对称阵，且AB = BA ,则也是对称阵。
接下来从矩阵元素、矩阵运算及特征值等三个角度分别给出正定矩阵的构造方法。
3对称矩阵的三种典型的构造方法（1）元素构造法：从矩阵内部元素从发，通过选取特殊的数来构造满足特定需要的正定矩阵。
【方法1.1】设%,…，a ”为"个非零实数，令a…=a,+\ ,若「工丿时取勺.=%碍，则= 正定。
层次分析法判断矩阵层次分析法判断矩阵程序先确定判断矩阵；然后用以下程序就好了：%层次分析法的matlab程序%%%%diertimoxingyiclc,cleardisp(输入判断矩阵);% 在屏幕显示这句话A=input(A=);% 从屏幕接收判断矩阵[n,n]=size(A);% 计算A的维度，这里是方阵，这么写不太好x=ones(n,100);% x为n行100列全1的矩阵y=ones(n,100);% y同xm=zeros(1,100);% m为1行100列全0的向量m(1)=max(x(:,1));% x第一列中最大的值赋给m的第一个分量y(:,1)=x(:,1);% x的第一列赋予y 的第一列x(:,2)=A*y(:,1);% x的第二列为矩阵A*y(:,1)m(2)=max(x(:,2));% x 第二列中最大的值赋给m的第二个分量y(:,2)=x(:,2)/m(2);% x的第二列除以m(2)后赋给y的第二列p=0.0001;i=2;k=abs(m(2)-m(1));% 初始化p，i，k为m(2)-m(1)的绝对值while k>p% 当k>p是执行循环体i=i+1;% i 自加1x(:,i)=A*y(:,i-1);% x的第i列等于A*y的第i-1列m(i)=max(x(:,i));% m的第i个分量等于x第i列中最大的值y(:,i)=x(:,i)/m(i);% y的第i列等于x的第i列除以m的第i个分量k=abs(m(i)-m(i-1));% k等于m(i)-m(i-1)的绝对值enda=sum(y(:,i));% y的第i列的和赋予aw=y(:,i)/a;% y的第i 列除以at=m(i);% m的第i个分量赋给tdisp(权向量:);disp(w);% 显示权向量wdisp(最大特征值:);disp(t);% 显示最大特征值t %以下是一致性检验CI=(t-n)/(n-1);% t-维度再除以维度-1的值赋给CIRI=[0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59];% 计算的标准CR=CI/RI(n);% 计算一致性if CR摘要在定性问题的决策中，ＡＨＰ是一种优秀的方法，其基础是对评价对象的两两比较，并用比较结果构造判断矩阵，而这些都依赖于决策者选用的偏好关系。
《周国标师死接流道席010》之阳早格格创做背量战矩阵的范数的若搞易面导引(二)一． 矩阵范数的定义引进矩阵范数的本果与背量范数的缘由是相似的，正在许多场合需要“丈量”矩阵的“大小”，比圆矩阵序列的支敛，解线性圆程组时的缺面分解等，简曲的情况正在那里没有再复述.最简单料到的矩阵范数，是把矩阵m n A C ⨯∈不妨视为一个mn 维的背量（采与所谓“推曲”的变更），所以，曲瞅上可用mn C 上的背量范数去动做m n A C ⨯∈的矩阵范数.比圆正在1l -范数意思下，111||||||mnij i j A a ===∑∑()12tr()HAA =； （1.1）正在2l -范数意思下，12211||||||m n F ij i j A a ==⎛⎫= ⎪⎝⎭∑∑，（1.2）注意那里为了预防与以去的暗号殽杂，下标用“F ”，那样一个矩阵范数，称为Frobenius 范数，大概F-范数.不妨考证它们皆谦脚背量范数的3个条件.那么是可矩阵范数便那样办理了？果为数教上的任一定义皆要与其对付象的运算通联起去，矩阵之间有乘法运算，它正在定义范数时应给予体现，也即预计AB 的“大小”相对付于A B 与的“大小”闭系.定义1 设m n A C ⨯∈，对付每一个A ，如果对付应着一个真函数()N A ，记为||||A ，它谦脚以下条件：（1）非背性：||||0A ≥；（1a ）正定性：||||0m n A O A ⨯=⇔=（2）齐次性：||||||||||,A A C ααα=∈；（3）三角没有等式：||A ||||||||||||,m n A B A B B C ⨯+≤+∀∈则称()||||N A A =为A 的广义矩阵范数.进一步，若对付,,m n n l m l C C C ⨯⨯⨯上的共类广义矩阵范数||||•，有（4）（矩阵相乘的）相容性：||A ||||||||||||AB A B ≤， n l B C ⨯∈， 则称()||||N A A =为A 的矩阵范数.咱们当前去考证前里（1.1）战（1.2）定义的矩阵范数是可合法？咱们那里只思量（1.2）,把较简单的（1.1）的考证留给共教们，三角没有等式的考证.按列分块，记1212(,,,),(,,,)n n A a a a B b b b ==.对付上式中第2个括号内的诸项，应用Cauchy 没有等式，则有222||||||||2||||||||||||F F F F F A B A A B B +≤++2(||||||||)F F A B =+ （1.3） 于是，二边启圆，即得三角没有等式. 再考证矩阵乘法相容性.221111||||mlnn iksj i j k s a b ====⎛⎫⎛⎫≤ ⎪⎪⎝⎭⎝⎭∑∑∑∑ （那一步用了Cauchy 没有等式）22221111||||||||||||m nn l ik sj F F i k s j a b A B ====⎛⎫⎛⎫== ⎪ ⎪⎝⎭⎝⎭∑∑∑∑ （1.4） 可睹，矩阵相容性谦脚.那样便完毕了对付矩阵F-范数的考证.是没有是那样间接将背量范数使用到矩阵范数便不妨了吗？No!使用l ∞-范数于矩阵范数时便出了问题.如果11||||max ||ij i mj nA a ∞≤≤≤≤=，那么,那样的矩阵范数正在底下一个例子上便止短亨.设21122,21122A A A ⎛⎫⎛⎫=== ⎪ ⎪⎝⎭⎝⎭.果此，按上述矩阵∞-范数的定义，||||1,||A A ∞=2||||1,||||2A A ∞∞==，于是然而那是冲突的.所以简朴天将l ∞-范数使用于矩阵范数，是没有成止的.虽然那仅是一个反例，然而是数教的定义是没有成以有例中的.由此，咱们必须认识到，没有克没有及随便套用背量范数的形式去构制矩阵范数. 为此,咱们仅给出矩阵范数的定义是没有敷的，还需要钻研怎么样形成简曲的矩阵范数的要领.天然，您也不妨没有去思量形成要领，一个函数一个函数去试，只消谦脚条件便止.没有过那样搞的处事量太大，也很盲目.第二，正在本量预计时，往往矩阵与背量出当前共一个预计问题中，所以正在思量构制矩阵范数时，该当使它与背量范数相容.比圆要思量Ax 的“大小”，Ax 是一个背量，然而它由A 与x 相乘而得的，它与A 的“大小”战x 的“大小”的闭系怎么样？ 那提出了二类范数相容的观念.定义2 对付于m n C ⨯上的矩阵范数||||M •战,m n C C 上的共类背量范数||||V •，如果创制||||||||||||,,m n n V M V Ax A x A C x C ⨯≤⋅∀∈∀∈ （1.5）则称矩阵范数||||M •与背量范数||||V •是相容的. 例1．1 不妨道明 12211||||||mnF ij i j A a ==⎛⎫= ⎪⎝⎭∑∑()12tr()HA A = 是与背量范数2||||•相容.究竟上，正在（1.2）中，与1n B x C ⨯=∈，那么 二． 矩阵算子范数当前给出一种构制矩阵范数的普遍要领，它不妨使构制出的矩阵范数与背量范数相容，天然，它也谦脚定义1确定的4个条件.定义3 设,m n C C 上的共类背量范数为||||V •，m n A C ⨯∈，定义正在m n C ⨯空间上的矩阵A 的由背量范数||||V •诱导给出的矩阵范数为||||||||max||||V V x VAx A x ≠= （2.1）不妨考证，那样定义出的矩阵范数||||V A 谦脚定义1确定的4个条件，共时又谦脚矩阵范数与背量范数相容性央供（定义2）.由于有什么样的背量范数||||V •，便有什么样的矩阵范数，所以，那样的矩阵范数称为由背量范数诱导出的，简称诱导范数；又果为（2.1）本量上确定了一个函数（大概算子），故又称为算子范数.（2.1）给定的范数本量是觅供一个最劣化问题的最劣值，供目标函数||||||||V VAx x 的最大值，拘束条件是0x ≠，也便正在n C 空间中除本面中的面中，找一个n 维背量x ，使||||||||VVAx x 博得最大值.如果间接思量那样一个劣化问题,仍旧有艰易的. 不妨道明，它不妨下列等价办法定义,使问题的处理简朴.0||||||||max ||||V V x VAx A x ≠=||||1||||1||||max max ||||||||VVVV x x VAx Ax x ==== （2.2）究竟上, 分母上的||||V x 是一个正数(0x ≠), 那么根据背量范数的齐次性有上头第3个等号创制是果为背量||||Vx z x =为一个单位背量.底下咱们从表里上道明那样的矩阵范数||||V A 谦脚定义1确定的4个条件，共时又谦脚矩阵范数与背量范数相容性央供.定理2.1 由（2.1）大概（2.2）给定的m n C ⨯上的矩阵范数谦脚矩阵范数定义1的4个条件，且与相映的背量范数相容. 道明： 最先，矩阵范数与背量范数的相容性是没有易道明的，究竟上，对付||||V x =1, ||||1||||||||||||max ||||||||VV V V V V z A x A Az Ax ===≥, 果此,矩阵范数与背量范数的相容性条件（1.5）创制.咱们底下去考证（2.1）大概（2.2）谦脚矩阵范数的4个条件.那4个条件中，前2个也简单考证，果此那里只去观察第3,4个条件.三角没有等式的考证: 对付于任一m n B C ⨯∈矩阵相乘相容性的考证: 由（1.5），没有易有当0x ≠时，||||||||||||||||VV V VABx A B x ≤ 所以 0||||||||max||||||||||||VV V V x VABx AB A B x ≠=≤至此，证据了用算子范数确能给出谦脚矩阵范数定义战矩阵范数与背量范数的相容性 的矩阵范数.推论1 对付于n n C ⨯上的任一种背量诱导范数，皆有 ||||1||||max ||||1x I Ix === （2.3）然而是要注意的是，对付普遍的矩阵范数，对付任一背量n x C ∈，有故有 ||||1I ≥.比圆，||||F A 没有是诱导矩阵范数，所以 ||||1F I ≥. 三．几个时常使用的诱导矩阵范数上头的叙述标明，诱导矩阵范数与背量范数稀切相闭，有何种背量范数，便有什么样的诱导矩阵范数.底下便去简曲天构制几个时常使用的诱导矩阵范数.设m n A C ⨯∈.例3．1 设m n A C ⨯∈，由背量1l -范数诱导而去的最大列战诱导矩阵范数111||||max ||mi j j ni A a ≤≤==∑ （3.1）道明：按列分块，记12(,,,)n A a a a =，则由（3.1）战背量1l -范数的定义可知设12(,,,)n n n x x x x C =∈，且有1||||1x =果此, 111||||1||||max ||||x A Ax ==1max ||mij ji a =≤∑ (+) 另一圆里,采用k ,使得令0x 为第k 的单位背量(0,0,1,0,,0)Tk e =,那么012(,,,)T k k k mk Ax a a a a ==11101||||111||||max ||||||||||max ||mmik ij x ji i A Ax Ax a a ====≥==∑∑ (++)概括(+)与(++)可知, 由背量1l -范数诱导出的矩阵范数既是1||||A 的上界,又是其下界,果此必有(3.1).设m n A C ⨯∈，矩阵谱范数由2l -范数诱导得出的矩阵范数，定义为21||||max{|}H A A A λλ==是的特征值 (3.2)其中 1σ为A 的最大偶同值, 当n n A R ⨯∈时, 2||||A = (3.3)道明:最先由线性代数, H A A 是半正定矩阵, 究竟上,对付任一n x C ∈,有果此,H A A 的特性值皆为非背真数,记为 120n λλλ≥≥≥≥,而且H A A 具备n 个相互正接的,2l -范数等于1(即尺度化了的)特性背量(1)(2)(),,,n x x x ,它们分别对付应于特性值120n λλλ≥≥≥≥.故那组特性背量形成了一组尺度正接基，用它们可表示任一个范数2||||1x =的背量x ：()1ni i i x x α==∑而且，由2||||1x =， 可得到 211ni i α==∑.那样， ()()()111()n n nHHi Hi i i i i i i i i A Ax A A x A Ax x αααλ======∑∑∑.由此22221122111||||||n n n i i λαλαλαλαλ=⎛⎫=+++≤= ⎪⎝⎭∑，也便是2||||Ax ≤由x 的任性性战算子范数的定义2221||||1||||max ||||x A Ax λ==≤ （*）另一圆里，由2||||1x =，而且与1λ对付应的特性背量(1)x ，思量 所以2(1)2221||||1||||max ||||||||x A Ax Ax λ==≥= （**）概括（*）战（**），由2l -范数诱导得出的矩阵范数应为21||||max{|}H A A A λλ==是的特征值.例3．3 设m n A C ⨯∈，l ∞-范数诱导得出的矩阵范数11||||max ||nij i mj A a ∞≤≤==∑ （3.4）道明：设12||||1(,,,),T n x x x x x =∞=且，即 max ||1i ix =.由算子范数，||||1||||max ||||x A Ax ∞∞∞==≤1max ||nij ij a =∑ （*）另一圆里，采用k ，使得 令12(,,,),T n y y y y =其中1,0||,0kj kj j kj kjif a a y if a a =⎧⎪=⎨≠⎪⎩，则 ||||max ||1j jy y ∞==，进而有 1**||**n kj j a Ay =⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭∑，由算子范数||||111||||max ||||||||||max ||nnkj ij x ij j A Ax Ay a a ∞∞∞∞====≥≥=∑∑. （**）概括（*）战（**），便得11||||max ||nij i mj A a ∞≤≤==∑.除了上述3种时常使用的矩阵范数中，Frobenius 范数虽然没有是算子范数，然而也时常所用，正在计划序列支敛等问题上是等价的.例3．4 设1234A -⎛⎫= ⎪-⎝⎭，供其百般矩阵范数.解： 1||||A =最大列战 = 6；||||A ∞=最大止战 = 7；|||| 5.477F A ==≈；四． 由矩阵范数推出的背量范数矩阵范数可由背量范数诱导，反过去，背量范数偶尔也可从矩阵范数推出.例4．1 设||||M •是n n C ⨯上的矩阵范数，任与n C 中的非整背量y ，则函数||||||||,H n V M x xy x C =∀∈ （4.1）是n C 上的背量范数，且矩阵范数||||M •与背量范数||||V •相容. 道明：欲证 ||||V x 是一个背量范数，只须考证它谦脚背量范数得个条件.非背性：当x ≠时，由于y非整，故||||||||0,H n V M x xy x C =>∀∈；当0x =时，H n n xy O ⨯=，故||||||||0H V M x xy ==. 齐次性：对付任一常数c C ∈，有 ||||||||||||||||||||H H V M M V cx cxy c xy c x ===.三角没有等式： 对付任性的,n x z C ∈，有 ||||||||V M x z =+.果此由背量范数的定义知，||||V x 是一个背量范数.底下再证二种范数的相容性.如果,n n n A C x C ⨯∈∈，那么 ||||||()||||()||||||||||||||||||H H H V M M M M M V Ax Ax y A xy A xy A x ==≤=. 可睹，矩阵范数||||M •与背量范数||||V •相容.五． 范数的若搞应用范数的应用很广大，那里只举2例. 1． 矩阵偶同性的条件对付于矩阵n n A C ⨯∈，是可根据其范数的大小，去判别的()I A -偶同性？判别一个矩阵的偶同性，本去没有便当（比圆预计A 的止列式的值是可非整，推断A 的诸列是可线性无闭等，均没有大简单），然而矩阵的范数的预计，如1||||,||||A A ∞，仍旧便当的.定理5.1 (Banach 引理)设矩阵n n A C ⨯∈,且对付矩阵n n C ⨯上的某种矩阵范数||||•,有||||1A <,则矩阵()I A ±非偶同,且有1||||||()||1||||I I A A --≤- (5.1)道明: 假设矩阵范数||||A 与背量范数||||x 相容.欲证矩阵()I A ±非偶同，可通过det()0I A ±≠.用反证法.假设det()0I A ±=，则齐次线性圆程组 ()0I A x ±= 有非整解0x ，即 于是， 00x Ax =.二边与范数 0000||||||||||||||||||||V V V V x Ax A x x =≤<其中末尾一个没有等号是由于 ||||1A <. 然而上式是冲突的，假设det()0I A ±=没有创制，进而矩阵()I A ±非偶同，故有顺.再由 1()()I A I A I -±±= 可得 11()()I A I I A A --±=±二边与范数，得111||()||||()||||||||()||||||I A I I A A I I A A ---±=±≤+± 再移项，有 1||()||(1||||)||||I A A I -±-≤ 进而 1||||||()||1||||I I A A -±≤-那正是咱们要念道明的.正在推演分解Ax b =的间接法的缺面分解时起要害的效率.请共教们自止道明底下类似的截止.定理5.2 设矩阵n n A C ⨯∈,且对付矩阵n n C ⨯上的某种矩阵范数||||•,有||||1A <，则2．近似顺矩阵的缺面——顺矩阵的摄动正在数值预计中，缺面无处没有正在，思量由于那些缺面存留而戴去的成果，是一项要害的课题.设矩阵n n A C ⨯∈的元素ij a 戴有缺面,(,1,2,,)ij a i j n δ=，则矩阵的真正在的值应为A A δ+，其中()ij A a δδ=称为缺面矩阵，又喊摄动矩阵.若A 为非偶同，其顺阵为1A -.问题是：1()A A δ-+与1A -的近似程度怎么样呢？大概者道，1()A A δ-+与1A -的“距离”大小为几？底下是回问上述问题的摄动定理.设矩阵n n A C ⨯∈非偶同，n n B C ⨯∈，且对付n n C ⨯上的某种矩阵范数||||•，有1||||1A B -<，则（1）A B +非偶同； （2）记11()F I I A B --=-+，那么 11||||||||1||||A B F A B --≤-； （3）11111||()||||||||||1||||A AB A B A A B ------+≤-. 道明：由于1||||1A B -<，所以1||||1A B --<.由定理 5.1，1()I A B -+非偶同，故1()A B A I A B -+=+非偶同.正在定理5.2中，将A 换成1A B --，即得（2）. 又果为 11111()(())A A B I I A B A ------+=-+， 二边与范数，并利用（2）的论断，可得11111||||||()||||||1||||A B A A B A A B ------+≤-， 即可得到（3）. □ 3．矩阵谱半径及其本量矩阵谱半径是一个要害的观念，正在特性值预计，广义顺矩阵，数值预计（特天正在数值线性代数）等表里中，皆占有极其要害的职位.定义4 设矩阵n n A C ⨯∈的n 个特性值为12,,,n λλλ（含沉根），称max ||i iλ为矩阵A 的谱半径，记为()A ρ. 闭于矩阵谱半径的最道明也是最要害的论断是，矩阵A 的谱半径没有超出其任一种矩阵范数.那个截止已经正在课堂上道明过了.动做训练，请共教们对付 1321i A i -⎛⎫= ⎪+⎝⎭考证那个论断.闭于矩阵谱半径的第2个要害论断是，如果矩阵A 为Hermite 矩阵，则2||||()A A ρ=.道明留给大家.虽然Hermite 矩阵的谱半径与其谱范数相等，然而是，普遍矩阵的谱半径与其谱范数大概出进很大.底下闭于矩阵谱半径的第3个要害论断，刻绘了谱半径与矩阵范数之间的另一种定量闭系.，定理5.4 设矩阵n n A C ⨯∈，对付任性正数ε，存留一种矩阵范数||||M •，使得道明： 根据Jordan 尺度型，对付n n A C ⨯∈，存留非偶同的n n P C ⨯∈，使如果记 12(,,,)n diag λλλΛ= 战123100000n I δδδδ-⎛⎫ ⎪ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭， 01i δ=或 则 Jordan 尺度型 J I =Λ+，其中12,,,n λλλ 为A 的特性值. 又记 21(1,,,,)n D diag εεε-=，则有1111()()PD A PD D P APD D JD Iε----===Λ+1122331n n λεδλεδλεδεδλ-⎛⎫ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭，记 S PD =，那么S 为非偶同，且有111||||||||()S AS I A ερε-=Λ+≤+.另一圆里，简单考证，11||||||||M A S AS -= 是n n C ⨯上的矩阵范数，所以11||||||||()M A S AS A ρε-=≤+. □5．背量战矩阵范数正在供解Ax b =的间接法的缺面分解中应用那一真量尔正在课堂上道的比较小心，那里便略去了.。
