MatrixTheory: 特征值、特征向量
不变子空间
平凡子空间
和 是不变子空间。线性变换的零空间和像空间也是不变子空间。
特征值、特征向量
若
这和
是等价的,只不过矩阵的只能是有限维的。 不同特征值对应的特征向量线性无关。
, , ,则 在复数域内一定有特征值。
,缩小算子 的定义域。 ,商空间到商空间的映射,只有在不变子空间下才合理。如
简单的基下矩阵
对
证明:即证
。要用到商空间和商空间的线性变换。
等价地,复数域上的任意一个方阵一定相似于一个上三角。
特征子空间
特征子空间
取等当且仅当存在一组基使得基下的矩阵为对角矩阵;
也当且仅当可以分成 个一维不变子空间的直和。
内积空间
内积空间:定义了内积的线性空间。其中,内积满足:
对复数域,坐标相乘相加的内积要对第二项取共轭,即:
实数域的内积空间称欧式空间,复数域上的称酉空间。
内积的性质
- 设
, 固定。定义 , , ,
向量的长度
(柯西不等式)。当且仅当两者线性相关等号成立。 (三角不等式)。当且仅当两者共线等号成立。
正交向量组、标准正交向量组、标准正交基
正交向量组:向量间两两正交。正交向量组一定线性无关。
校准正交组:单位化的正交向量组。
标准正交基:可由一组线性无关的基经过斯密特正交化得到。
斯密特正交化前后的基张成的空间是相同的空间。所以
标准正交基,使得基下的矩阵为上三角。 实数域的转置等价于复数域的共轭转置。
向量
在标准正交基下的线性表示系数为 。
正交补空间
度量矩阵
则任意两个向量在指定基
其中
实数域的
是个对称的正定矩阵。
复数域的是个共轭对称的正定矩阵。(共轭转置: )
正定一定对称。
一个正定矩阵定义一个内积。不同基下的
投影变换
- 设
为 的一组标准正交基,则
最佳近似向量
内积空间
即距离最小的。实际上
就是 的正交投影向量。 用途:求矛盾方程的最佳近似解(又称最小二乘解)。如
没有解,则 求出来的 就是最佳近似解。因为没有解,所以 不在列空间 中,列空间的正交补空间为 ,设 为最佳近似向量,则b在正交补空间的投影可表示为 ,正交补空间为 ,所以有 。
内积空间的线性变换
内积空间
,等长变换; ,等距变换; 为 的标准正交基, 也是标准正交基; ,这种变换称正交变换,即保持内积的变换。
这几个都是等价的,也称正交变换。
伴随变换:
,其基下矩阵满足 。 自伴随
,此时
广义特征向量
对
- 若
,则 ,则 ,则
, , 是不同特征值,其对应的不同广义特征向量 线性无关。
证明:分别作用线性变换使得只有一项留下。如,定义
为使得 的最大整数。
幂零变换
存在某个基,使得幂零变换在基下的上三角矩阵的对角线元素全为0,即幂零变换的特征值都是0。(因为上三角矩阵的对角线元素就是特征值)
; 是 的不变子空间; 是幂零变换。
对2:
,有 ,
对3:广义特征子空间的定义;
不变子空间的基下矩阵为分块对角阵。
特征值数、特征子空间维数:几何重数
广义特征向量、广义特征子空间维数:代数重数
即,拆分为一个幂零变换和恒等变换的和。
Jordan标准型
基下矩阵的进一步简化:只有对角线有值,且次对角线全为1。
同一个特征值的Jordan块的数目取决于线性无关的特征向量的个数。
先研究幂零变换的Jordan标准型,其他可由幂零变换+恒等变换得到。
若
化为
同一个特征值的Jordan块个数等于几何重数。
相似于Jordan标准型的特征向量为广义特征向量。
Hamilton-Cayley Them
线性变换的特征多项式:
其中
由该定理,
最小多项式
- 最小多项式是唯一的;
- 设
为 的任意零化多项式,则 ,即 一定可以被 整除。特别的,的任意零化多项式,则 ,因为特征多项式是零化多项式; ,则 ; 的任一特征值为 (对任意零化多项式也成立)的根;- 若
是分块对角,则每个块的最小多项式 ,即 的最小多项式是每个块最小多项式的最小公倍式; 可对角化当且仅当 无重根(复数域上)。
Jordan标准型的最小多项式就是最大次数的几个不同Jordan块的最小多项式的乘积。
无重根。
Jordan型求法:a. 求特征值:若特征值均不同,则对角化;否则求几何重数。对三阶矩阵,一定能求;对四阶,若所有特征值相同,几何重数为2,则可能的Jordan块组合为2+2和3+1,用最小多项式检验哪个是对的即可。(更高阶的不需要掌握)
圆盘定理
近似地计算特征值 & 确定特征值的范围:
第一圆盘定理
第二圆盘定理
几个圆盘叠在一起,那么这个叠加后的区域就有几个特征值。由此推知,若圆盘互相分离,则
谱 & 谱半径
谱:所有特征值构成的集合。
谱半径
事实上:
是矩阵范数。