EIGENVECTORS FROM EIGENVALUES论文结论举例验证

陶哲轩论文原文[1]

论文总共三种证明方法来证明同一个理论:

作者博客[2]的其中一种表达形式如下:

其中:

下面举个例子来说明下陶哲轩论文里面的上述公式到底是什么意思.
设矩阵A为:
$$\left\{\begin{array}{ccc}-1& 4& 1\\ 4& 3& 0\\ 1& 0& 2\end{array}\right\}$$

#################python代码求解矩阵A的所有特征值和特征向量:############

import numpy as np
from numpy import *
# X=[ [1,2,1,1],
#     [3,3,1,2],
#     [3,5,4,3],
#     [5,4,5,4],
#     [5,6,1,5],
#     [6,5,2,6],
#     [8,7,1,2],
#     [9,8,3,7]]
# X=np.array(X).T#这里注意，[1,2,1,1]在numpy的眼中是一列
 
 
np.linalg.eig
X=[[-1,4,1],
    [4,3,0],
    [1,0,2]]
print("X=",X)
X=matrix(X)
print("------------------下面计算原始矩阵的特征值和特征向量-----------------------")
eigenvalue,featurevector=np.linalg.eig(X)
print("原始矩阵的特征值")
print("eigenvalue=",eigenvalue)
print("---------------------------")
print("featurevector=\n",featurevector)

运行代码得到特征值
eigenvalue=[-3.60201123 5.55175228 2.05025894]

---

得到特征向量:
[[-0.8454712 0.53175808 0.04911014]
[ 0.51225069 0.83355752 -0.20683592]
[ 0.1509228 0.14971711 0.97714231]]
例如-3.60201123对应的特征向量就是:
-0.8454712, 0.51225069, 0.1509228

####################下面分析该公式##############################
$|v_{i,1}{|}^2$表示:
第i个单位化特征向量,1表示特征向量中的第一个元素的值.
已知上面的-0.8454712, 0.51225069, 0.1509228已经是单位化处理过的.

所以$|v_{i,1}{|}^2$=$(-0.8454712{)}^2=0.7148215500$

##################下面计算式(1)右侧的分子##################
${\prod }_{k=1}^{n-1}({\lambda }_i(A)-{\lambda }_k(M))$

已知M的特征值是3和2.代入分子:

${\prod }_{k=1}^{n-1}({\lambda }_i(A)-{\lambda }_k(M))$
=(-3.60201123-3)(-3.60201123-2)
=36.9845410510

注意这里的${\lambda }_i(A)$在连乘运算中是定死的,就是$v_i$对应的特征向量${\lambda }_i$

#######################下面计算式(1)右侧分母######################
${\prod }_{k=1,k\ne i}^{n-1}({\lambda }_i(A)-{\lambda }_k(A))$
分母的意思就是"矩阵A的$v_i$向量对应的特征值"-“矩阵A的其他特征值”
所以:
${\prod }_{k=1,k\ne i}^{n-1}({\lambda }_i(A)-{\lambda }_k(A))$
=(-3.60201123-5.55175228)(-3.60201123-2.05025894)
=51.7395444308
#######################检验等式是否成立##################
根据上面的计算:
分子=36.9845410510
分母=51.7395444308
所以式(1)右侧=36.9845410510/51.7395444308=.7148215442
而$|vi,1{|}^2=(-0.8454712{)}^2=.7148215442$

所以式(1)成立.

由此可知,根据式(1),
可以直接根据原矩阵的特征值和子矩阵的特征值,直接得到原矩阵的向量中的任一元素的绝对值

该论文的特点:
目前难以得到特征向量里面的元素的符号,只能得到元素的绝对值或者平方.
需要事先知道原矩阵和子矩阵各自的所有特征值.

知乎[3]上更新：
徐树方《矩阵计算的理论与方法》(1995年)Page 323th的引理3.1已经有类似结论
所以，总的来看，其实是一场误会，这个公式在20年前就已经被研究过了．

陶哲轩本人在博客[2]的评论回复中，被人挖出来是很久以前就出版的内容以后，之后基本就不回复了了，所以看热闹的，散了吧．

Reference:
[1]https://arxiv.org/pdf/1908.03795.pdf
[2]https://terrytao.wordpress.com/2019/08/13/eigenvectors-from-eigenvalues/#comment-528850
[3]https://www.zhihu.com/question/355978404/answer/895583246