为什么不直接求特征值而是去估计特征值

现在矩阵讲的越来越快了，我还不知道第三章讲了些啥，不知不觉就来到了第四章。

这一章我们来讲特征值的事情。

学过《线性代数》的同学都知道，特征值在线性代数里是很重要的概念。所以，没有理由我们《矩阵理论》不好好讲讲。但是吧，实际情况是对于一个矩阵，我们很难算出具体的特征值（具体为什么可以参加《数值分析》），所以吧，我们就需要对特征值的范围进行一些估计，本章我们就来讲一讲如何从理论上对特征值进行一些估计。

n阶复矩阵A的n个特征值的几何意义是复平面上的n个点。对于阶数较高的矩阵，要计算出他的特征值是比较困难的。在实际工程应用中我们其实不需要知道特征值的精确解，只需要估计出他的大致范围就可以了。这一点有着广泛的应用。比如说，在系统与控制理论中，通过估计矩阵特征值是否都有负实部，即是否都位于复平面的左半面，便可知系统的稳定性。

准备好了吗，下面，我们就来具体介绍一下这一课：

其中这个F就是矩阵2范数，因为它又叫Frobenius范数。证明过程中用到了矩阵范数的酉不变性，我们在第八课：矩阵的范数这一课有讲，当然，对于算子范数，也同样具有酉不变性。

在矩阵的谱分解（二）我们还介绍过Schur定理，这个定理的意思实际上就是说：任意一个n阶方阵，都与一个上三角矩阵酉相似。

下面，我们给出具体证明：

这里的T是上三角矩阵，T的对角元 tii 为A的特征值 λi 。

当T是对角矩阵的时候能够取到等号。这时候A是正规阵（与对角矩阵酉相似的矩阵是正规阵）。

下面我们给出一些直接估计特征值上下界的方法：

Reλi=λi+λi¯2 ， Imλi=λi−λi¯2

需要用到Hermite矩阵的特征值是实数，反Hermite矩阵的特征值是纯虚数（包括0）这一点的知识。

下面我们来介绍一下定理2：

显然该定理的估计效果不如Schur不等式，不过好处就是用B和C来估计实部和虚部。

下面，我们给出具体证明：

然后是最后一个定理：

证明如下：

因为A是实矩阵，实数的共轭就是它本身，由C矩阵的定理我们可以知道， cii=0 ，于是我们有

（有n项为0，所以就不写了，不再是 n2 而是n(n-1)）

对于实方阵的特征多项式为实系数的多项式，其复特征值必成对出现。

因此，我们设共有2s个复特征值，实特征值总计有n-2s个。因此实特征值的虚部都是0，所以可以略去不写。

虚部特征值总的平方，肯定大于等于2s个复数特征值总的平方，于是有：

故有：

关于此定理，我们有如下推论：

Hermite矩阵的特征值都是实数，反Hermite矩阵的特征值都是纯虚数。