ARTICLE

正定

正定 (Positive Definiteness) 正定是线性代数中关于矩阵和二次型的核心性质。一个实对称矩阵被称为正定矩阵 (Positive Definite Matrix),当且仅当它所对应的二次型对于任意非零向量都取正值。正定性在最优化理论、计量经济学和统计学习中扮演着关键角色:它保证了目标函数的凸性、协方差矩阵的有效性以及最优化问题二阶条件的成立

浏览 0 更新 2025-12-09

正定 (Positive Definiteness)

正定线性代数中关于矩阵二次型的核心性质。一个实对称矩阵被称为正定矩阵 (Positive Definite Matrix),当且仅当它所对应的二次型对于任意非零向量都取正值。正定性在最优化理论计量经济学统计学习中扮演着关键角色:它保证了目标函数的凸性、协方差矩阵的有效性以及最优化问题二阶条件的成立。

定义

AAn×nn \times n 实对称矩阵,xRnx \in \mathbb{R}^n 为非零列向量。AA 是正定矩阵当且仅当:

xTAx>0,x0x^T A x > 0, \quad \forall x \neq 0

若将严格大于号换为大于等于号 (xTAx0x^T A x \geq 0),则 AA 称为半正定矩阵 (Positive Semidefinite)。对称性通常是隐含条件——非对称矩阵可以通过 A+AT2\frac{A + A^T}{2} 转化为对称形式,因为只有对称部分影响二次型的值:

xTAx=xT(A+AT2)xx^T A x = x^T \left(\frac{A + A^T}{2}\right) x

判别方法

正定性的判别有多个等价条件。对于实对称矩阵 AA,以下命题等价:

  1. AA 是正定矩阵。
  2. AA 的所有特征值均为正数:λi>0,i\lambda_i > 0, \forall i
  3. AA 的所有顺序主子式 (Leading Principal Minors) 均大于零,即对 k=1,2,,nk = 1, 2, \dots, n,有 det(Ak)>0\det(A_k) > 0,其中 AkA_kAA 的前 kkkk 列构成的子矩阵。此即西尔维斯特准则 (Sylvester's Criterion)。
  4. 存在列满秩矩阵 BB 使得 A=BTBA = B^T B,等价于 AA 可以进行楚列斯基分解 A=LLTA = LL^T,其中 LL 为对角元全正的下三角矩阵。
  5. AA主元 (Pivots,经高斯消元后对角元) 全为正数。

例如,矩阵

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

其特征值为 λ1=3,λ2=1>0\lambda_1 = 3, \lambda_2 = 1 > 0,顺序主子式 det(A1)=2>0\det(A_1) = 2 > 0det(A2)=41=3>0\det(A_2) = 4 - 1 = 3 > 0,故为正定。

几何意义

正定二次型 xTAx=cx^T A x = c (c>0c > 0) 在 Rn\mathbb{R}^n 中定义了一个椭球。矩阵 AA 的特征向量决定了椭球的主轴方向,特征值的倒数平方根决定了各主轴的长度。这一几何解释在马氏距离 (Mahalanobis Distance) 和高斯分布的等概率密度面上有直接应用:多元正态分布 N(μ,Σ)\mathcal{N}(\mu, \Sigma) 的概率密度函数中,二次型 (xμ)TΣ1(xμ)(x - \mu)^T \Sigma^{-1} (x - \mu) 定义了以 μ\mu 为中心的椭球等值面,而协方差矩阵 Σ\Sigma 必须正定以保证密度函数处处有定义且整体积分为 1。

经济学与统计学中的应用

最优化中的二阶条件。在无约束最优化问题 minxf(x)\min_x f(x) 中,设梯度 f(x)=0\nabla f(x^*) = 0。若海塞矩阵 2f(x)\nabla^2 f(x^*) 是正定矩阵,则 xx^* 为严格的局部极小点;若半正定,则为必要二阶条件。在凸优化中,目标函数 ff 是凸函数的充要条件是其海塞矩阵处处半正定。

计量经济学中的协方差矩阵。在广义最小二乘法 (GLS) 和广义矩估计 (GMM) 中,权重矩阵 WW 必须为正定矩阵以确保估计量具有良好的统计性质。若误差项的协方差矩阵 Ω\Omega 不是正定的,则模型设定存在根本问题(如线性相关的扰动项)。

投入产出分析里昂惕夫逆矩阵 (IA)1(I - A)^{-1} 的存在性和非负性依赖于技术系数矩阵 AA 满足霍金斯-西蒙条件 (Hawkins-Simon Condition),该条件等价于 IAI - A 的各顺序主子式为正——正是正定性的西尔维斯特条件的变形。

资产定价与投资组合。在均值-方差优化中,nn 个风险资产的协方差矩阵 Σ\Sigma 必须正定。若存在冗余资产(可由其他资产线性组合完全复制),则 Σ\Sigma 仅为半正定、不可逆,无法唯一求解最优权重 w=Σ1μ1TΣ1μw^* = \frac{\Sigma^{-1} \mu}{1^T \Sigma^{-1} \mu}

相关概念辨析

  • 负定矩阵xTAx<0x^T A x < 0 对所有 x0x \neq 0 成立,等价于 A-A 正定。在经济优化中对应目标函数的严格凹性和极大点的二阶充分条件。
  • 不定矩阵:二次型取值有正有负。在海塞矩阵的语境下对应鞍点
  • 对角占优:若对称矩阵每个对角元的绝对值大于其所在行非对角元绝对值之和,且所有对角元为正,则该矩阵正定。这是西尔维斯特准则以外的一种实用判定方法。

正定矩阵将线性代数中"正数"的概念推广到了矩阵空间。从数值算法的楚列斯基分解到计量经济学的协方差建模,再到机器学习中的核方法(核矩阵必须半正定),正定性构成了定量社会科学中不可或缺的数学基石。