positive-semidefinite(正半定)通常指一个矩阵(或二次型)满足:对任意非零向量 \(x\),都有
\[
x^\top A x \ge 0
\]
常写作 PSD。在实对称矩阵/厄米矩阵情形下,它等价于所有特征值都不小于 0。另有相关概念 positive definite(正定),要求严格大于 0。
/ˈpɑːzətɪv ˌsɛmiˈdɛfɪnɪt/
A covariance matrix is positive-semidefinite.
协方差矩阵是正半定的。
To prove the function is convex, we show its Hessian is positive-semidefinite for all inputs.
为了证明该函数是凸的,我们需要证明它的海森矩阵对所有输入都是正半定的。
positive 源自拉丁语 positivus(“确定的、肯定的”);semi- 源自拉丁语 semi(“半”);definite 源自拉丁语 definire(“界定、限定”)。在数学中,“正半定”用于表达“值不为负,但允许为零”的性质:比“正定”更宽松,因此用 semi- 表示“半/不严格”。