標籤:

第十三課:矩陣的譜分解(一)

搶座大戰沒能搶過別人,上課走神沒有好好聽講,內心的苦澀難以言表,恐怕這一節的內容寫

不好了。

不說了,下面進入正題。

在線性代數中,我們已經討論過一個方陣的特徵值和特徵向量的問題,已經發現特徵值有著非常重要的作用。由於相似矩陣有相同的特徵值,因而人們總是希望在相似矩陣中找到結構最簡單的矩陣,就是對角矩陣或Jordan標準形矩陣。下面,我們將矩陣的特徵值,進一步尋求利用簡單矩陣來表示已知矩陣,即矩陣的譜分解

在具體講解本節內容之前,我們先一起來回憶一下相關概念。我們在特徵值與特徵向量這一節中曾經介紹過譜、Jordan標準形以及幾何重數和代數重數的概念。如果忘記了,可以點開這個鏈接再回憶一下。這些概念是本節課程的基礎,我們下面具體介紹本節的內容。

單純矩陣的譜分解

顯然, sum_{i=1}^{k}{r_i}=n ,特徵值 lambda_i 的代數重複度 r_i 就是特徵根 lambda_i 的重數。A對於特徵值 lambda_i 的特徵子空間的維數就是屬於 lambda_i 的線性無關特徵的特徵向量的最大個數。對於代數重複度和集合重複度而言,同樣有代數重複度大於等於幾何重複度。

下面我們介紹一下單純矩陣的概念:

判斷矩陣A是不是單純矩陣的充要條件就是看矩陣A是否與對角矩陣相似(即可以相似對角

化)

我們下面介紹幾個定理:

單純矩陣譜分解定理

這裡我們介紹一下冪等矩陣:第一次遇到冪等矩陣的時候是在學習第一章:酉空間的分解與投影。不好意思,那一節我沒有冪等矩陣的概念。這裡我再簡單說一下吧:若A為方陣,且

A^2=A ,則A稱為冪等矩陣。所有冪等矩陣都相似於對角元全為0或1的對角陣。下面我們給出具體證明:

其中 lambda_i 是A的特徵值。

由於P是可逆矩陣,所以P的n個列向量線性無關,可以進行分塊為 v_i 。同樣的道理 P^{-1} 的n個行向量也線性無關。可以進行分塊為 omega_i^T

於是矩陣A可以表示為:

證明完成。

定理3的分解式稱為矩陣A的譜分解,譜分解式中的 A_i 有如下性質:

我們舉一個譜分解的例子:

設A為單純矩陣,下式的譜分解為:

A^2+A+E=sum_{i=1}^{n}{(lambda_i^2+lambda_i+1)A_i}

下面我們介紹一個更一般的單純矩陣譜分解定理:

該定理比定理3要求放寬了,不再要求必須要有n個特徵值了,這裡的k可以小於等於n。下面我們給出該定理的具體證明:

先來證明必要性:

注意這裡A是有k個相異的特徵值,如果k=n,那就是定理3。如果k<n,那麼我們可以將特徵值和合併,寫成帶 lambda 的和式。

第三條性質得證。

下面我們來證明充分性:

證明之前我們並不知道幾何重數等於代數重數的,我們這裡就先假設幾何重數等於代數重數。最後驗證的確幾何重數等於代數重數。

這個證明比較複雜,考的可能性也不高。這個證明就先這個著吧。(逃)


推薦閱讀:

這道好玩的數學題該如何解答?
第九課:矩陣的範數
第十三課:矩陣的譜分解(二)
第二十七課:廣義逆矩陣的應用

TAG:矩阵 |