返回题库

协方差矩阵是半正定的

The Covariance Matrix is Non-Negative Semi-Definite

专题
Algorithmic Programming / 算法编程
难度
L4

题目详情

证明:协方差矩阵是半正定(non-negative semi-definite)的。

Proof: The Covariance Matrix is Non-Negative Semi-Definite

解析

设随机向量 XRdX\in\mathbb{R}^d 的均值为 μ=E[X]\mu=\mathbb{E}[X],协方差矩阵定义为

Σ=Cov(X)=E[(Xμ)(Xμ)T].\Sigma=\mathrm{Cov}(X)=\mathbb{E}[(X-\mu)(X-\mu)^T].

任取向量 aRda\in\mathbb{R}^d,有

aTΣa=aTE[(Xμ)(Xμ)T]a=E[aT(Xμ)(Xμ)Ta]=E[(aT(Xμ))2]=Var(aTX)0.a^T\Sigma a =a^T\,\mathbb{E}[(X-\mu)(X-\mu)^T]\,a =\mathbb{E}\big[a^T(X-\mu)(X-\mu)^T a\big] =\mathbb{E}\big[(a^T(X-\mu))^2\big] =\mathrm{Var}(a^T X)\ge 0.

因此对任意 aa 都有 aTΣa0a^T\Sigma a\ge 0,故 Σ\Sigma 为半正定矩阵。