實對稱矩陣是當今應用最廣的一種特殊矩陣,一方面因為實對稱矩陣「天生」就出現在許多場合 (見“Hermitian 矩陣與實對稱矩陣的一些實例”),另一方面因為它具備一些良好的性質,包括特徵值為實數,而且不論特徵值是否相重,存在一組完整的標準正交 (orthonormal) 特徵向量集,也就是說,實對稱矩陣可正交對角化 (見“實對稱矩陣可正交對角化的證明”)。本文介紹求解實對稱矩陣特徵值和特徵向量的探索法。這裡所指的探索法包含幾個常用的技巧:(1) 尋找矩陣的特別模式;(2) 觀察出特徵值和特徵向量 (見“肉眼判讀特徵向量”);(3) 選擇有效的變數;(4) 利用對稱性 (泛指一般對稱性);(5) 利用特徵值性質及特徵向量的正交性。為甚麼要特別指定實對稱矩陣?因為實對稱矩陣有完全正交的特徵向量集,這個限制可大大增強探索法的威力。下面選取的例子都具有簡單的形式,甚或包含許多零元,目的在彰顯解決實對稱矩陣特徵分析問題的重要技巧,讀者可以從中歸納出應付其他情況的有效策略。不過,探索法所能解決的問題種類有限,當矩陣尺寸增大或不具備特殊模式時,我們仍須仰賴數值方法。此外,請讀者不要將本文介紹的探索法當作唯一的好方法。在討論之前,我引用拉森 (Loren C. Larson) 的一段話[1]:
一個問題,通常可有幾種解法,並且常有一些明顯不同的探索法。所以不要以「先入為主」之見處理每個問題,更不要帶有某個問題只能用某一種特殊的探索法來求解的框框。提出一個問題時,關鍵是把它解出來。正是用一切方法去解題而累積了經驗,才使人們得到可能解題成功的高度洞察力。
例一
矩陣 具有棋盤型態。因為
的第一行和第三行相同,第二行和第四行相同,即知
不可逆,故有特徵值
。根據
的行向量模式,立得對應特徵值
的二個線性獨立特徵向量
和
,可知特徵值
的代數重數等於 2 (至目前為止),令
。此外,
的每一列都包含二個
和二個
,每一列的總和皆等於
,可知
有特徵值
,對應特徵向量
。一旦獲得了三個特徵值,最後一個未知特徵值即可由矩陣跡數解出,
,故
,對應的特徵向量
正交於
,
,觀察可得
。下面這個同型態的
階矩陣提供給讀者練習,將
和
互換會改變特徵值和特徵向量嗎?
。
例二
我們發現 的每一列都包含三個
和一個
,可知
有特徵值
,對應特徵向量
。再將注意力集中在主對角元,從主對角元減去甚麼數字
可使
不可逆?利用對稱性,不難得知
有特徵值
,這時
。
因為 的第一行和第四行相同,第二行和第三行相同,這說明
有特徵向量
和
,對應相重特徵值
。最後一個特徵值可由跡數解出,
,故得
,對應
。下面二個型態類似的
階矩陣留給讀者練習:
。
例三
觀察發現 的第一行和第二行相同,第三行和第四行相同,因此不可逆,
有零特徵值,故知對應相重特徵值
的特徵向量是
,
。接下來我們在
的正交補集尋找另外二個特徵向量,子空間
內的向量可表示為
,我們要求
不得同時為零。若
,在不失一般性的原則下,可設
。考慮
,代入數值計算,
。
上式給出兩個方程式:,
,合併為
,由此解出
,將特徵值代回
,可得對應的特徵向量
,
。下面這個同型態的
階矩陣留給讀者練習,如果將
和
互換會改變特徵值和特徵向量嗎?
。
例四
矩陣 的每一列的所有元總和都等於
,立知
,對應特徵向量
。仔細檢視主對角元,甚麼數字
可使
不可逆?利用對稱性,可知
,因為
的第一行和第四行相加等於第二行和第三行相加,也就得到 。如同例三做法,接下來我們在
的正交補集尋找另外二個特徵向量,子空間
內的向量可表示為
。設
,計算
,可得
。
上式給出二個方程式:,
,合併為
,解出
,
,將特徵值代回
,可得
,
。
欲應用前面介紹的探索原則和技巧解出下列 階矩陣的特徵值和特徵向量可能會遭遇一些阻礙:
。
畢竟,在探索問題的最初階段,我們必須保持靈活。如果既有的辦法不能奏效,便應尋求其他解題思路。一個可能的做法是嘗試解決尺寸較小的問題,譬如, 階或
階同類型矩陣,從中或許可以發掘新的探索技術。照前例,這個問題就留給讀者自行完成。