关于Rayleigh商和特征值之间关系的数学公式
这些公式在矩阵分析和线性代数中是非常重要的概念。
首先,解释一下这些公式的意义:
- λ min ( A ) \lambda_{\min}(A) λmin(A) 和 λ max ( A ) \lambda_{\max}(A) λmax(A) 分别表示矩阵 A A A 的最小和最大特征值。
- x T A x x^TAx xTAx 是一个二次型,它描述了向量 x x x 在矩阵 A A A 作用下的变化情况。
- Rayleigh商 x T A x x T x \frac{x^TAx}{x^Tx} xTxxTAx 可以看作是向量 x x x 在矩阵 A A A 作用下所得到的“能量”与向量 x x x 自身的“能量”的比值。
现在,我们来证明这些公式:
1. 首先,我们可以证明 λ min ( A ) ≤ x T A x x T x ≤ λ max ( A ) \lambda_{\min}(A) \leq \frac{x^TAx}{x^Tx} \leq \lambda_{\max}(A) λmin(A)≤xTxxTAx≤λmax(A) 对于所有非零向量 x x x 成立。
证明:设 λ 1 , λ 2 , … , λ n \lambda_1, \lambda_2, \ldots, \lambda_n λ1,λ2,…,λn 是矩阵 A A A 的所有特征值。那么,对于任意非零向量 x x x,存在某个特征值 λ i \lambda_i λi 使得 x x x 是 λ i \lambda_i λi 的特征向量,即 A x = λ i x Ax = \lambda_i x Ax=λix。因此,
x T A x x T x = x T ( λ i x ) x T x = λ i . \frac{x^TAx}{x^Tx} = \frac{x^T(\lambda_i x)}{x^Tx} = \lambda_i. xTxxTAx=xTxxT(λix)=λi.
由于 λ i \lambda_i λi 是矩阵 A A A 的特征值,所以有 λ min ( A ) ≤ λ i ≤ λ