【什么叫半正定矩陣】在數學，尤其是線性代數中，半正定矩陣是一個重要的概念，常用于優化、統計學、機器學習和控制理論等領域。它描述了一類特殊的對稱矩陣，其特征值非負，且與向量的乘積結果也具有特定的性質。
一、什么是半正定矩陣？
半正定矩陣（Positive Semi-Definite Matrix）是指一個實對稱矩陣 $ A $，滿足對于所有非零向量 $ x \in \mathbb{R}^n $，都有：
$$
x^T A x \geq 0
$$
換句話說，該矩陣與任意非零向量的二次型結果都是非負的。如果這個結果嚴格大于零，則稱為正定矩陣；而如果允許等于零，則稱為半正定矩陣。
二、半正定矩陣的判定方法
判斷一個矩陣是否為半正定矩陣，可以通過以下幾種方式：
| 方法 | 描述 |
| 特征值法 | 矩陣的所有特征值都大于或等于零 |
| 二次型法 | 對于所有非零向量 $ x $，有 $ x^T A x \geq 0 $ |
| 主子式法 | 所有主子式（即各階順序主子式）都大于或等于零 |
| Cholesky 分解 | 可以進行 Cholesky 分解的矩陣是半正定的 |
三、半正定矩陣的性質
| 性質 | 說明 |
| 對稱性 | 半正定矩陣一定是實對稱矩陣 |
| 特征值非負 | 所有特征值均為非負實數 |
| 與正定矩陣的關系 | 正定矩陣是半正定矩陣的子集 |
| 與二次型關系 | 二次型 $ x^T A x $ 非負 |
| 可逆性 | 不一定可逆，但若所有特征值都嚴格大于零，則可逆 |
四、半正定矩陣的應用
| 領域 | 應用場景 |
| 優化問題 | 用于判斷目標函數的凸性 |
| 機器學習 | 在支持向量機、高斯過程等模型中出現 |
| 統計學 | 協方差矩陣通常是半正定的 |
| 控制理論 | 用于穩定性分析和 Lyapunov 函數構造 |
五、舉例說明
設矩陣 $ A = \begin{bmatrix} 2 & 1 \\ 1 & 2 \end{bmatrix} $，判斷其是否為半正定矩陣。
- 計算特征值：$ \lambda_1 = 3, \lambda_2 = 1 $
- 所有特征值非負 → 半正定
再設矩陣 $ B = \begin{bmatrix} 1 & 0 \\ 0 & 0 \end{bmatrix} $，其特征值為 1 和 0 → 半正定
六、總結
| 項目 | 內容 |
| 定義 | 實對稱矩陣，滿足 $ x^T A x \geq 0 $ 對所有非零向量 $ x $ |
| 判定方法 | 特征值法、二次型法、主子式法、Cholesky 分解 |
| 性質 | 對稱、特征值非負、二次型非負、不一定是可逆的 |
| 應用 | 優化、機器學習、統計、控制等 |
通過以上內容可以看出，半正定矩陣是一種具有重要理論和應用價值的矩陣類型，理解其定義和性質有助于在多個領域中更準確地建模和分析問題。