方便记忆Copy From:https://zhuanlan.zhihu.com/p/51187282

 

 

凸优化：一个对称方阵是否正定[Copy from:https://zhuanlan.zhihu.com/p/32926848]

答：在凸优化中要用到，再细点就是在泰勒展开式的基础上判断一个函数是不是凸函数。矩阵

的正定就相当于实数是否大于0，但问题是矩阵不是实数啊，放心世界上聪敏人多的是，聪敏

人就想办法变成实数，即 x^{T}Hx ，称二次型（结果是个实数，这就好与0比较了），当二次型对

世界上所有的每一个 x 有x^{T}Hx>0，则H正定，但是世界上的x有无穷多，不可能一一试下去，所

以就另辟捷径算H的特征值，当H中的最小特征值都大于0，则H为正定。H的正定乍一看没多大

用处，但是对判断一个自变量很多的函数是否为凸函数特别灵，H大于0则该函数为凸函数，这

时候H就是hessian矩阵。

 

理解二：

考虑矩阵的特征值。

若所有特征值均不小于零，则称为半正定。

若所有特征值均大于零，则称为正定。

三：特征值为0是什么情况？

Ax=\lambda x

\lambda =0

Ax=0

特征值为0：A会压缩某个方向上的所有向量 到 0向量

特征值不为0：A会缩放某个方向上的所有向量特征值倍

 

版权声明：本文为TAL2SCB原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/TAL2SCB/p/10493171.html