Matriz positiva definida
Em álgebra linear, uma matriz definida positiva é uma matriz que, em muitos aspectos, é análoga a um número real positivo. A noção é parecida com a de uma forma bilinear simétrica positiva-definida.
Imagem: riggerssprit · BY · Openverse
Uma matriz real M {\displaystyle M} de ordem n × n {\displaystyle n\times n} é definida positiva se z T M z > 0 {\displaystyle z^{T}Mz>0} para todos os vetores não-nulos z {\displaystyle z} com entradas reais (isto é, z ∈ R n ) {\displaystyle z\in \mathbb {R} ^{n})} , em que z T {\displaystyle z^{T}} denota o transposto de z {\displaystyle z} . Uma matriz complexa M {\displaystyle M} de ordem n × n {\displaystyle n\times n} é definida positiva se ℜ ( z ∗ M z ) > 0 {\displaystyle \Re (z^{*}Mz)>0} para todos os vetores complexos não-nulos z {\displaystyle z} , em que z ∗ {\displaystyle z^{*}} denota o transposto conjugado de z {\displaystyle z} e ℜ ( c ) {\displaystyle \Re (c)} é a parte real de um número complexo c {\displaystyle c} . Uma matriz complexa Hermitiana M {\displaystyle M} de ordem n × n {\displaystyle n\times n} é definida positiva se z ∗ M z > 0 {\displaystyle z^{*}Mz>0} para todos os vetores complexos não-nulos z {\displaystyle z} . A quantidade z ∗ M z {\displaystyle z^{*}Mz} é sempre um número real porque M {\displaystyle M} é uma matriz hermitiana.
Imagem: riggerssprit · BY · Openverse
Seja M {\displaystyle M} uma matriz hermitiana n × n {\displaystyle n\times n} . As seguintes propriedades são equivalentes a M {\displaystyle M} ser positiva definida: M i j = ⟨ x i , x j ⟩ = x i ∗ x j . {\displaystyle M_{ij}=\langle {\textbf {x}}_{i},{\textbf {x}}_{j}\rangle ={\textbf {x}}_{i}^{*}{\textbf {x}}_{j}.} Opcionalmente, pode-se impor que os vetores xi pertençam a Cn. Em outras palavras, M é da forma A*A onde A não é necessariamente quadrada, mas deve ser injetora em geral. Em outras palavras, todos os menores principais líderes são positivos. Para matrizes semidefinidas positivas, todos os menores principais devem ser não-negativos. Considerar apenas os menores principais líderes não garante que a matriz seja semidefinida positiva, como pode se ver no exemplo [ 0 0 0 − 1 ] . {\displaystyle {\begin{bmatrix}0&0\\0&-1\end{bmatrix}}.} M = L L ∗ . {\displaystyle M=LL^{*}.} em que L ∗ {\displaystyle L^{*}} é a conjugada transposta de L . {\displaystyle L.} Esta fatoração é conhecida como a fatoração de Cholesky.
Formas quadráticas
Expandindo a condição 2 acima, pode-se formular a definição do que é ser "definida positiva" em termos de formas quadráticas. Seja K o corpo R ou C, e V um espaço vetorial sobre K. Uma forma Hermitiana B : V × V → K {\displaystyle B:V\times V\rightarrow K} é uma aplicação bilinear tal que B ( x , y ) {\displaystyle B(x,y)} é sempre o conjugado complexo de B ( y , x ) {\displaystyle B(y,x)} . Uma função B {\displaystyle B} deste tipo é chamada definida positiva se B ( x , x ) > 0 {\displaystyle B(x,x)>0} para todo x {\displaystyle x} não-zero em V {\displaystyle V} .
Negativa definida
O n × n diz-se que a matriz Hermitiana M {\displaystyle M} é negativa definida se x ∗ M x < 0 {\displaystyle x^{*}Mx<0} para todo x ∈ R n {\displaystyle x\in \mathbb {R} ^{n}} não-zero (ou, analogamente, todo x ∈ C n {\displaystyle x\in \mathbb {C} ^{n}} não-zero). A matriz m será negativa definida se e somente se: A matriz é definida negativa se todos os auto-valores são negativos, é semi-definida positiva se todos são maiores ou iguais a zero, e semi-definida negativa se todos são menores ou iguais a zero.
Matriz semi-definida negativa
A matriz quadrada M é chamada semidefinida-negativa se x ∗ M x ≤ 0 {\displaystyle x^{*}Mx\leq 0} para todo x ∈ R n {\displaystyle x\in \mathbb {R} ^{n}} (ou C n {\displaystyle \mathbb {C} ^{n}} ).
Matriz positiva semi-definida
A matriz quadrada M é chamada positiva-semidefinida se x ∗ M x ≥ 0 {\displaystyle x^{*}Mx\geq 0} para todo x ∈ R n {\displaystyle x\in \mathbb {R} ^{n}} (ou C n {\displaystyle \mathbb {C} ^{n}} ). A matriz M é positiva semi-definida se e somente se ela se sobressai como Gram matriz de alguns vetores fixos. Ao contrário do caso definido positivo, estes vetores não precisam ser linearmente independentes.
Comparação
Seja A uma matriz simétrica n X n e x um vetor (ou escalar, que é um vetor 1X1) em R N . {\displaystyle \mathbb {R} ^{N}.} Então: Note que a quantidade x T M x {\displaystyle x^{T}Mx} é sempre real. Esta expressão é conhecida como forma quadrática de M .
a T Z a = [ a 11 a 21 a 31 ] [ 2 − 1 0 − 1 2 − 1 0 − 1 2 ] [ a 11 a 21 a 31 ] = [ 2 a 11 − 1 a 21 + 0 a 31 − 1 a 11 + 2 a 21 − 1 a 31 0 a 11 − 1 a 21 + 2 a 31 ] [ a 11 a 21 a 31 ] = {\displaystyle a^{T}Za={\begin{bmatrix}{\color {Blue}a_{11}}&{\color {YellowOrange}a_{21}}&{\color {OliveGreen}a_{31}}\end{bmatrix}}{\begin{bmatrix}{\color {Red}2}&-1&0\\{\color {Magenta}-1}&2&-1\\{\color {Cyan}0}&-1&2\end{bmatrix}}{\begin{bmatrix}a_{11}\\a_{21}\\a_{31}\end{bmatrix}}={\begin{bmatrix}{\color {Red}2}{\color {Blue}a_{11}}{\color {Magenta}-1}{\color {YellowOrange}a_{21}}+{\color {Cyan}0}{\color {OliveGreen}a_{31}}&-1{\color {Blue}a_{11}}+2{\color {YellowOrange}a_{21}}-1{\color {OliveGreen}a_{31}}&0{\color {Blue}a_{11}}-1{\color {YellowOrange}a_{21}}+2{\color {OliveGreen}a_{31}}\end{bmatrix}}{\begin{bmatrix}a_{11}\\a_{21}\\a_{31}\end{bmatrix}}=} a 11 [ 2 a 11 − 1 a 21 + 0 a 31 ] + a 21 [ − 1 a 11 + 2 a 21 − 1 a 31 ] + a 31 [ 0 a 11 − 1 a 21 + 2 a 31 ] = {\displaystyle a_{11}\left[{\color {Red}2}{\color {Blue}a_{11}}{\color {Magenta}-1}{\color {YellowOrange}a_{21}}+{\color {Cyan}0}{\color {OliveGreen}a_{31}}\right]+a_{21}\left[-1{\color {Blue}a_{11}}+2{\color {YellowOrange}a_{21}}-1{\color {OliveGreen}a_{31}}\right]+a_{31}\left[0{\color {Blue}a_{11}}-1{\color {YellowOrange}a_{21}}+2{\color {OliveGreen}a_{31}}\right]=}


