$2 Matrix Factorization-Choleski >平方根法/ Choleski's Method*: 对称/ symmetric*正定/ positive definite 矩阵的分解法 定义一个矩阵A=(an)mn称为对称阵,如果an=a。 定义一个矩阵A称为正定阵,如果xAx>0对任意非 零向量x都成立。 m回顾:对称正定阵的几个重要性质 中P亦对称定,且a120 中A的顺序主子阵/ eading principal submatrices*Ak亦对 称正定 中A的特征信6封mx 任意y 令A的全部顺序篮(竟类0∈R有 设对应特征值的非零特征向量 因为de(4)=24A1 =1§2 Matrix Factorization – Choleski ➢ 平方根法 /* Choleski’s Method */: ——对称 /* symmetric */ 正定 /* positive definite */ 矩阵的分解法 定义 一个矩阵 A = ( aij )nn 称为对称阵,如果 aij = aji 。 定义 一个矩阵 A 称为正定阵,如果 对任意非 零向量 都成立。 x Ax 0 T x 回顾:对称正定阵的几个重要性质 A−1 亦对称正定,且 aii > 0 若不然,则 0 Ax = 存在非零解,即 x Ax = 0 T 存在非零解。 1 1 1 1 , ( ) ( ) − − − − AA = I A A = I A = A T T T 对任意 , 存在 , 使得 , 即 。 0 x 0 y Ay x = y A x −1 = 0 1 1 = = − − x A x y AA Ay y Ay T T T a = x Ax 0 其中 T ii T x = (0...1...0) 第 i 位 A 的顺序主子阵 /* leading principal submatrices */ Ak 亦对 称正定 对称性显然。对任意 有 , 其中 。 k xk 0 R x A x = x Ax 0 T k k T k k n R x x = 0 0 A 的特征值 /* eigen value */ i > 0 设对应特征值 的非零特征向量 为 ,则 。 2 0 x Ax x x x T T x = = A 的全部顺序主子式 det ( Ak ) > 0 因为 = = n i A i 1 det( )