循环矩阵求特征值的方法

根据https://max.book118.com/html/2016/0519/43353557.shtm整理修订

1.循环矩阵的定义

定义1 数域$\mathbb{P}$上的$n\times n$矩阵
$$C_n=circ(c_0,c_1,\cdots ,c_{n-1})=\left(\begin{array}{cccccc}{c}_0& c_1& c_2& \cdots & c_{n-1}& c_{n-1}\\ c_{n-1}& c_0& c_1& \cdots & c_{n-3}& c_{n-2}\\ ⋮& ⋮& ⋮& \ddots & ⋮& ⋮\\ c_2& c_3& c_4& \cdots & c_0& c_1\\ c_1& c_2& c_3& \cdots & c_{n-1}& c_0\end{array}\right)$$
其中$c_i\in \mathbb{P}$，称$C_{}n$为$n\times n$循环矩阵。

取基本循环矩阵为
$$A=\left(\begin{array}{cccccc}0& 1& 0& \cdots & 0& 0\\ 0& 0& 1& \cdots & 0& 0\\ ⋮& ⋮& ⋮& \ddots & ⋮& ⋮\\ 0& 0& 0& \cdots & 0& 1\\ 1& 0& 0& \cdots & 0& 0\end{array}\right)$$
则$C_n$可以写作
$$C_n=c_{0}I+c_1{A}^1+c_2{A}^2+\cdots +c_{n-1}{A}^{n-1}=\sum _{i=0}^{n-1}{c}_i{A}^i.$$

定理1 数域$\mathbb{P}$上的$n\times n$矩阵$C_n=(C_{i,j})$为循环矩阵的充分必要条件是，当
$$k=\{\begin{array}{ll}i-j,& i\ge j\\ i-j+n,& i<j\end{array}$$
时，$C_{i,j}=c_k$，其中$i,j,k=0,1,2,\cdots ,n-1$。

2.循环矩阵的性质

性质1 基本循环矩阵$A^1,A^2,\cdots ,A^n$是线性无关的。
证明
$$\begin{array}{rl}{A}^2& =\left(\begin{array}{cccccc}0& 1& 0& \cdots & 0& 0\\ 0& 0& 1& \cdots & 0& 0\\ ⋮& ⋮& ⋮& \ddots & ⋮& ⋮\\ 0& 0& 0& \cdots & 0& 1\\ 1& 0& 0& \cdots & 0& 0\end{array}\right)\left(\begin{array}{cccccc}0& 1& 0& \cdots & 0& 0\\ 0& 0& 1& \cdots & 0& 0\\ ⋮& ⋮& ⋮& \ddots & ⋮& ⋮\\ 0& 0& 0& \cdots & 0& 1\\ 1& 0& 0& \cdots & 0& 0\end{array}\right)=\left(\begin{array}{cccccc}0& 0& 1& \cdots & 0& 0\\ 0& 0& 0& \cdots & 0& 0\\ ⋮& ⋮& ⋮& \ddots & ⋮& ⋮\\ 1& 0& 0& \cdots & 0& 0\\ 0& 1& 0& \cdots & 0& 0\end{array}\right)\\ A^3& =\left(\begin{array}{cccccc}0& 0& 0& \cdots & 0& 0\\ 0& 0& 0& \cdots & 0& 0\\ ⋮& ⋮& ⋮& \ddots & ⋮& ⋮\\ 0& 1& 0& \cdots & 0& 0\\ 0& 0& 1& \cdots & 0& 0\end{array}\right)\\ \cdots & \\ A^n& =\left(\begin{array}{cccccc}1& 0& 0& \cdots & 0& 0\\ 0& 1& 0& \cdots & 0& 0\\ ⋮& ⋮& ⋮& \ddots & ⋮& ⋮\\ 0& 0& 0& \cdots & 1& 0\\ 0& 0& 0& \cdots & 0& 1\end{array}\right)=I_n\end{array}$$

性质2 任意$n$阶循环矩阵$C_n$都可以用基本循环矩阵线性表出，即
$$C_n=c_{0}I+c_1{A}^1+c_2{A}^2+\cdots +c_{n-1}{A}^{n-1}=\sum _{i=0}^{n-1}{c}_i{A}^i.$$

性质2 任意$n$阶基本循环矩阵$A$的乘积仍为基本循环矩阵。

定理2 数域$\mathbb{P}$上的$n\times n$循环矩阵按照矩阵的加法和乘法构成一个向量空间，基为$A^1,A^2,\cdots ,A^n$，零向量为$A^n=I_n$，负向量为$-A$。

性质3 循环矩阵的乘积还是循环矩阵。

证明 设$B,C$都是$n$阶循环矩阵，用基本循环矩阵表示$B={\sum }_{i=1}^n{b}_i{A}^i$和$C={\sum }_{i=1}^n{c}_i{A}^i$，则
$$\begin{array}{rl}BC& =\left(\sum _{i=1}^n{b}_i{A}^i\right)\left(\sum _{i=1}^n{c}_i{A}^i\right)=\sum _{i=1}^n\sum _{j=1}^n{b}_i{c}_j{A}^i{A}^j\\ & =\sum _{i=1,j=1}^n{b}_i{c}_j{A}^{((i+j)\mathrm{m}\mathrm{o}\mathrm{d}n)}\\ & =\sum _{k=1}^n\left(\sum _{\begin{array}{l}i,j=1,\\ i+j=k\mathrm{m}\mathrm{o}\mathrm{d}n\end{array}}^n{b}_i{c}_j\right)A^k.\end{array}$$

定理3 循环矩阵的伴随矩阵是循环矩阵。

证明 设$C_n$是$n$阶循环矩阵$C_n={\sum }_{i=1}^n{c}_i{A}^i$，下面分两种情况考虑。

（1），当$C_n$为可逆矩阵时，考虑线性方程组$C_n^T\vec{x}=(|C_n|,0,\cdots ,0{)}^T$，因为系数矩阵的行列式$|C_n^T|=|C_n|\ne 0$。故方程组存在唯一的解，设为$\vec{x}=(b_1,b_2,\cdots ,b_n{)}^T$。

令$B={\sum }_{i=1}^n{b}_i{A}^i$，则
$$BC=\sum _{k=1}^n\left(\sum _{\begin{array}{l}i,j=1,\\ i+j=k\mathrm{m}\mathrm{o}\mathrm{d}n\end{array}}^n{b}_i{c}_j\right)A^k$$

又${\vec{x}}^T{C}_n=(|C_n|,0,\cdots ,0)$，对比有$B{C}_n=|C_n|I_n$。从而有$B=|C_n|C_n^{-1}=C_n^{\ast }$，显然$B$为循环矩阵。

（2）当$C_n$为不可逆矩阵时，考虑$C_n-tA$， 其行列式为$f(t)=\det (C-tA)$为$t$的$n$次多项式，在数域$\mathbb{P}$至多有$n$个根，当$t$大于最大的根$t_0$时，$f(t)=\det (C-tA)\ne 0$，则矩阵$C_n-tA$可逆。

再根据（1），可知伴随矩阵${\left(C_n-tA\right)}^{\ast }=\left(a_{i,j}(t)\right)$为循环矩阵，所以满足循环矩阵的充要条件：
$$k=\{\begin{array}{ll}i-j,& i\ge j\\ i-j+n,& i<j\end{array}$$
时，$C_{i,j}=c_k$，有$a_{i,j}(t)=a_k(t)$。

再根据多项式的性质，当$t>t_0$，上面的多项式都是相等的，则对于整个实轴多项式都相等的，特别当$t=0$时，即${\left(C_n-0A\right)}^{\ast }=C_n^{\ast }$为循环矩阵。

定理4 循环矩阵的 逆矩阵是循环矩阵。

3.循环矩阵的逆及特征值

循环矩阵的逆矩阵是循环矩阵，即有
$$C_n^{-1}=circb(b_0,b_1,\cdots ,b_{n-1}),$$
其中
$$\begin{array}{rl}{b}_j& =\frac{1}{n}\sum _{k=0}^{n-1}{\lambda }_{n-j}^k{\left[f({\lambda }_k)\right]}^{-1},b_0=b_n,j=1,2,\cdots ,n.\\ {\lambda }_k& =e^{\frac{2k\pi }{n}i}=\cos \frac{2k\pi }{n}+i\sin \frac{2k\pi }{n},k=0,1,\cdots ,n-1.\end{array}$$

${\lambda }_k$是$n$次方程${\lambda }_n-1=0$的$n$个$n$次单位根。$f(x)={\sum }_{i=0}^{n-1}{c}_i{x}^i$，系数$c_i$是循环矩阵第一行的元素。

由$b_j$可知循环矩阵可逆的条件为$f({\lambda }_k)\ne 0,k=0,1,\cdots ,n-1$。

根据循环矩阵可以用基本循环矩阵线性表，有$C_n={\sum }_{i=0}^{n-1}{c}_i{A}^i=f(A)$

如果有$A\vec{x}=\lambda \vec{x}$，则有
$$A^k\vec{x}=A^{k-1}\left(A\vec{x}\right)=A^{k-1}\lambda \vec{x}=\lambda A^{k-1}\vec{x}=\cdots ={\lambda }^k\vec{x}$$
进而有
$$C_n\vec{x}=f(\lambda )\vec{x}.$$
上式表明，求$C_n$的特征值$f(\lambda )$的问题可转化为求$A$的特征值，他们有相同的特征向量$\vec{x}$。

$$\left|\lambda I-A\right|=\left|\begin{array}{cccccc}\lambda & -1& 0& \cdots & 0& 0\\ 0& \lambda & -1& \cdots & 0& 0\\ ⋮& ⋮& ⋮& \ddots & ⋮& ⋮\\ 0& 0& 0& \cdots & \lambda & -1\\ -1& 0& 0& \cdots & 0& \lambda \end{array}\right|={\lambda }^n-1=0$$

对于特征值${\lambda }_k$的特征向量为
$${\vec{x}}_k={\left(1,{\lambda }_k,{\lambda }_k^2,\cdots ,{\lambda }_k^{n-1}\right)}^T,k=0,1,\cdots ,n-1$$

当$i\ne j$时，${\lambda }_i\ne {\lambda }_j$，因此$C_n$有完备的特征向量系。将特征向量组成矩阵$P$：
$$P=\left(\begin{array}{cccc}1& 1& \cdots & 1\\ {\lambda }_0& {\lambda }_1& \cdots & {\lambda }_{n-1}\\ {\lambda }_0^2& {\lambda }_1^2& \cdots & {\lambda }_{n-1}^2\\ ⋮& ⋮& \ddots & ⋮\\ {\lambda }_0^{n-1}& {\lambda }_1^{n-1}& \cdots & {\lambda }_{n-1}^{n-1}\end{array}\right)$$
有$P^{-1}{C}_{n}P=diag(f({\lambda }_0),f({\lambda }_1),\cdots ,f({\lambda }_{n-1}))$。

可得结论：在复数域$\mathbb{C}$上，存在一个可逆矩阵$P$将$\mathbb{C}$上的所有的循环矩阵同时相似对角化。

另外有$c_0=\frac{1}{n}{\sum }_{k=0}^{n-1}f({\lambda }_k)$ 和$\det C_n={\prod }_{k=0}^{n-1}f({\lambda }_k)$。

4.利用循环矩阵求特征值的方法求Jacobi矩阵的特征值

在数值代数研究中，有时候得到如下形式的$n$阶Jacobi矩阵
$$J_n=\left(\begin{array}{cccccc}a& d& & & & \\ c& a& d& & & \\ & \ddots & \ddots & \ddots & & \\ & & c& a& d& \\ & & & c& a& d\end{array}\right)$$
对其添加一行一列，则得到$n+1$阶的循环矩阵
$$circ(a,d,0,\cdots ,0,c)=\left(\begin{array}{cccccc}a& d& & & & c\\ c& a& d& & & 0\\ & \ddots & \ddots & \ddots & & ⋮\\ & & \ddots & \ddots & d& 0\\ & & & c& a& d\\ d& 0& \cdots & 0& a& d\end{array}\right)$$

这样一来，我们可以使用循环矩阵的某些结果来获得$J_n$的一些结果。

下面利用循环矩阵求特征值的结果来求$J_n$的特征值。

记
$$circ(a,d,0,\cdots ,0,c)=D=aI+dA+c{A}^{n-1}$$
则$D=f(A)$，如果$A\vec{x}=\lambda \vec{x}$则有$D\vec{x}=f(\lambda )\vec{x}$。