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。