Gram 矩阵

本文介绍 Gram 矩阵及其重要性质

Gram 矩阵

假设 $A$ 是一个 $m\times n$ 阶矩阵,

  1. 列向量 Gram 矩阵
    $A$ 由列向量 $\mathbf{\alpha}_i$ 表示, 即 $$A=\begin{bmatrix}\mathbf{\alpha}_1 & \mathbf{\alpha}_2 &\cdots & \mathbf{\alpha}_n \end{bmatrix}$$ 则

$$ \begin{aligned} G &= \, A^{\mathsf T}A \\[3pt] &= \begin{bmatrix} \mathbf{\alpha}_1^{\mathsf T} \\ \mathbf{\alpha}_2^{\mathsf T} \\ \vdots \\ \mathbf{\alpha}_n^{\mathsf T} \end{bmatrix} \begin{bmatrix} \mathbf{\alpha}_1 & \mathbf{\alpha}_2 & \cdots & \mathbf{\alpha}_n \end{bmatrix} \\[3pt] & = \begin{bmatrix} \mathbf{\alpha}_1^{\mathsf T}\mathbf{\alpha}_1 & \mathbf{\alpha}_1^{\mathsf T}\mathbf{\alpha}_2 & \cdots & \mathbf{\alpha}_1^{\mathsf T}\mathbf{\alpha}_n \\ \mathbf{\alpha}_2^{\mathsf T}\mathbf{\alpha}_1 & \mathbf{\alpha}_2^{\mathsf T}\mathbf{\alpha}_2 & \cdots &\mathbf{\alpha}_2^{\mathsf T}\mathbf{\alpha}_n \\ \vdots & \vdots & & \vdots \\ \mathbf{\alpha}_n^{\mathsf T}\mathbf{\alpha}_1 & \mathbf{\alpha}_n^{\mathsf T}\mathbf{\alpha}_2 & \cdots & \mathbf{\alpha}_n^{\mathsf T}\mathbf{\alpha}_n \end{bmatrix} \end{aligned} $$

  1. 行向量 Gram 矩阵
    $A$ 由行向量 $\mathbf{\beta}_i^{\mathsf T}$ 表示, 即 $$A=\begin{bmatrix}\mathbf{\beta}_1^{\mathsf T} \\ \mathbf{\beta}_2^{\mathsf T} \\ \vdots \\ \mathbf{\beta}_m^{\mathsf T} \end{bmatrix}$$ 则

$$ \begin{aligned} G &= \, AA^{\mathsf T} \\[3pt] &= \begin{bmatrix}\mathbf{\beta}_1^{\mathsf T} \\ \mathbf{\beta}_2^{\mathsf T} \\ \vdots \\ \mathbf{\beta}_m^{\mathsf T} \end{bmatrix} \begin{bmatrix} \mathbf{\beta}_1 & \mathbf{\beta}_2 & \cdots & \mathbf{\beta}_m \end{bmatrix} \\[3pt] & = \begin{bmatrix} \mathbf{\beta}_1^{\mathsf T}\mathbf{\beta}_1 & \mathbf{\beta}_1^{\mathsf T}\mathbf{\beta}_2 & \cdots & \mathbf{\beta}_1^{\mathsf T}\mathbf{\beta}_m \\ \mathbf{\beta}_2^{\mathsf T}\mathbf{\beta}_1 & \mathbf{\beta}_2^{\mathsf T}\mathbf{\beta}_2 & \cdots &\mathbf{\beta}_2^{\mathsf T}\mathbf{\beta}_m \\ \vdots & \vdots & & \vdots \\ \mathbf{\beta}_m^{\mathsf T}\mathbf{\beta}_1 & \mathbf{\beta}_m^{\mathsf T}\mathbf{\beta}_2 & \cdots & \mathbf{\beta}_m^{\mathsf T}\mathbf{\beta}_m \end{bmatrix} \end{aligned} $$

6 大性质

下面只考虑列向量 Gram 矩阵

(1) $G = A^{\mathsf T}A$ 是对称矩阵

$$ G^{\mathsf T } = (A^{\mathsf T}A)^{\mathsf T} = A^{\mathsf T}A = G $$


(2) 对于实矩阵 $A$ $$\mathrm{rank} (A^{\mathsf T}A) = \mathrm{rank} (A)$$

证明

$$ \begin{cases} A\mathsf{x} = 0 \\[3pt] A^{\mathsf T}A\mathbf{x} = 0 \end{cases} $$

同解即可.

证明过程详见经典例题(第3小问)


(3) 若 $A^{\mathsf T}A=0$, 则 $A = 0$

由上面性质 $$\begin{aligned} \mathrm{rank} (A^{\mathsf T}A) &= \mathrm{rank} (A) \\
&= \mathrm{rank} \ (0) = 0 \end{aligned}$$


(4) 对于实矩阵 $A$, 则 $A^{\mathsf T}A$ 是半正定矩阵 $$ \mathbf{x}^{\mathsf T}A^{\mathsf T}A\mathbf{x} = (A\mathbf{x})^{\mathsf T}A\mathbf{x} \geq 0 $$

(5) 对于任意 $n$ 阶实对称半正定矩阵 $M$, 存在矩阵 $A$ 使得 $M=A^{\mathsf T}A$ 成立.

因为矩阵 $M$ 实对称, 所以 $M$ 可以正交对角化, 即

$$M = Q\Lambda Q^{\mathsf T}$$

又因为矩阵 $M$ 半正定, 所以其特征值 $\lambda_i \geq 0 $, 所以可记

$$ \Lambda^{\frac{1}{2}} = \mathrm{diag} (\sqrt{\lambda_1}, \dots, \sqrt{\lambda_n}) $$

$$ A=\Lambda^{\frac{1}{2}}Q^{\mathsf T} $$

则可得

$$\begin{aligned} M &= Q\Lambda Q^{\mathsf T} \\[3pt] &= (\Lambda^{\frac{1}{2}}Q^{\mathsf T})^{\mathsf T}\Lambda^{\frac{1}{2}}Q^{\mathsf T} \\[3pt] &= A^{\mathsf T}A \end{aligned}$$


(6) 若 $A=\left[ \mathbf{\alpha}_1 , \mathbf{\alpha}_2 , \cdots , \mathbf{\alpha}_n \right]$ 列满秩, 则 $A^{\mathsf T}A$ 正定

  • 由性质 (2), 知 $\mathrm{rank} (A^{\mathsf T}A) = \mathrm{rank} (A) = n$
  • 因为 $A\mathbf{x}=0$ 只有零解, 结合性质 (4), 对于非零 $\mathbf{x}\in \mathbb{R}^n$ $$ \mathbf{x}^{\mathsf T}A^{\mathsf T}A\mathbf{x} = (A\mathbf{x})^{\mathsf T}A\mathbf{x} > 0 $$
updatedupdated2020-03-202020-03-20
加载评论