矩阵分析:特征值界估计,Hermite特征值,广义特征值
1,特征值界的估计
设 , 满足 ,则 。
【证明】设 ,则:
设 ,则 的任一特征值 满足:
【证明】假设 满足 ,则:
,
(1)
(2)
(3)
推论: (实对称)矩阵的特征值都是实数,反(实反对称) 矩阵的特征值为 或纯虚数。
对任意的实数 ,恒有: 。
设 ,则 的任一特征值 满足:
【例1】设 ,故计 的特征值的界。
因为
所以
由于 的任一特征值 满足:
故
故
设 的特征值为 ,则
且上式等号成立的充分必要条件是 为正规矩阵。
证明:由 定理知,存在酉矩阵 ,使得 ,
其中 是上三角矩阵,于是:
上式等号成立的条件是 是对角矩阵,即 酉相似于对角矩阵 是正规矩阵。
2,特征值包含区域
2.1,Gershgorin定理
设 ,令 ,表示各去心绝对行和,称复平面上的圆域。
为矩阵 的 个 圆(盖尔圆),称 为盖尔圆 的半径。
矩阵 的全体特征值都在它的 个盖尔圆构成的并集之中。
【例2】估计矩阵 的特征值的分布范围。
矩阵 的四个行盖尔圆为:
故 的 个特征值都在 之中。
矩阵 的四个列盖尔圆为
故 的 个特征值都在 之中。
上面只能说明 的全体特征值都在的 个盖尔圆的并集之中,而并没有说明在哪个盖尔圆里有几个特征值。
(1)在矩阵的盖尔圆中,相交在一起的盖尔圆构造的最大连通区域称为一个连通部分,孤立的一个盖尔圆也是一个连通部分。
(2)若矩阵 的某个连通部分由 的 个盖尔圆构成,则该连通部分有且仅有 的 个特征值(盖尔圆相重时重复计数,特征值相同时也重复计数)。
(3)由两个或两个以上的盖尔圆构成的连通部分,特征值的分布不一定是平均的,既可以在其中的某个盖尔圆中有几个特征值,而在另外的一些盖尔圆中无特征。
【例3】估计矩阵 的特征值分布范围。
可求得矩阵 的两个盖尔圆。
容易求得 的特征值为:,
所以 的两个特征值都不在 中,都在 当中。
若 按行列严格对角占优,即 ,则 。
设 ,且 的 个盖尔圆都是孤立的,则 有 个互不相同的实特征值。
2.2,特征值的隔离
应用盖尔圆定理估计矩阵特征值时,往往希望盖尔圆只含有它的一个特征值,当 的若干个盖尔圆相交时,通常采用下面两种方法隔离它的特征值。
(1)结合 的列盖尔圆研究矩阵 的特征值分发情况。
(2)利用相似变换:选定给定的正数 ,并设对角矩阵 ,构造与 相似的矩阵 :则 与 有相同的特征值。
适当选取正数 ,有可能使 的每一个盖尔圆包含 的一个特征值,选取正数 的一般原则是:
(1)欲使 的每 个盖尔圆缩小,可取 ,其余取为 ,此时 的其余盖尔圆适当放大(相对于 的同序号的盖尔圆而言)。
(2)反之,欲使 的每 个盖尔圆放大,可取 ,其余取为 ,此时 的其余盖尔圆适当缩小(相对于 的同序号的盖尔圆而言)。
PS:主对角线上元素相对的矩阵就不能用上述两种方法分类其特征时。
【例4】应用盖尔圆定理隔离矩阵 的特征值,并根据实矩阵的特征值的性质改进所得结果。
矩阵 的 个盖尔圆为:
可见 相交,矩阵 三个列盖尔圆为:
可见 都是孤立的盖尔圆,其中各含 的一个特征值。
【例5】 应用盖尔圆定理隔离矩阵 的特征值。
矩阵 的 个盖尔圆为:
显然 相交,而 孤立,选取 ,则
矩阵 的 个盖尔圆为:
2.3,Ostrowski定理
设 ,则 的全体特征值都在 个圆盘(称 圆)。
的并集之中,其中:
设 是任意两个非零非负数书,,则有:
设 ,则 的全体特征值都在 个圆盘
的并集之中。
【例6】 的三个盖尔圆分别为:
从而 的特征值在 的并集之中。
又 的3个 圆为(取 ):
还可以推出:
设 ,,称为复平面上的区域 为 的 卵形。
矩阵 的全体特征值都在它的 个 卵形构成的并集之中。
卵形与盖尔圆比较:
(1)缺点:图形复杂—— 卵形的几何图形比盖尔圆的几何图形复杂。
(2)优点:区域精确—— 卵形给出的特征值包含区域比盖尔圆的特征值包含的区域更精确。
设 按行广义严格对角占优,即 ,则 。
【例6】判断矩阵 的可逆性。
,因为
所以 按行广义严格对角占优,故 ,即 可逆。
3,Hermite矩阵特征值的表示
矩阵的特征值的一般求法:
设 为 矩阵,它的特征值都是实数,且从大到小排序为:
令 ,则存在酉矩阵 ,使得
将 按列分块 ,由上式可得
即 是 的两两正交的单位特征向量。
设 为 矩阵,称 为矩阵 的 商。
设 为 矩阵,它的特征值按从大到小的次序排列,则有:
,
证明:对于 ,存在一组数 使得
于是
由此可得 ,容易求得。
矩阵 的最大与最小特征值就是它的 商 在 上的最大值与最小值。
如果对应于 与 的单位特征向量 与 已经求出,那么齐次线性方程组 与 解空间能够确定,而且表示为: 与 。
设 为 矩阵,它的特征值与特征向量:
如果对应于 与 的单位特征向量 与 已经求出,构成矩阵。
那么齐次线性方程组 与 的解空间能够确定,而且可以表示为:
与
设 为 矩阵,它的特征值与特征向量:
其中 。
定理表明, 矩阵的任一特征值都可以用它的 商的局部极值来表示。但需要知道 或 ,下面结论可以避开这些问题。
设 为 矩阵,它的特征值按从到小的次序排列,则有:
其中 ,分别为特征值的极小极大原理,特征值的极大极小原理。
4,广义特征值
设 都是 矩阵,且 是正定矩阵,若存在 及 满足:
则称 为 相对于 的广义特征值, 为属于 的广义特征向量。
上式等价于:
欲使上述齐次线性方程组有非零解,广义特征值 应满足:
【例7】已知 ,求广义特征值问题 。
因为
所以广义特征值为
分别求解其次线性方程组:
可得对应于 与 的广义特征向量
矩阵分析:特征值界估计,Hermite特征值,广义特征值相关推荐
- 《矩阵论》学习笔记(五):第五章 特征值的估计及对称矩阵的极性
第五章 特征值的估计及对称矩阵的极性 文章目录 第五章 特征值的估计及对称矩阵的极性 一.特征值的估计 1.1. 特征值的界 1.2. 盖尔圆 Gerschgorin 1.3. Ostrowski 二 ...
- 严格对角占优矩阵特征值_电子科技大学矩阵理论复习笔记 第四章 特征值的估计...
4.1 特征值界的估计(详细证明) 掌握定理1 (Shur)的证明 利用第三章给的引理, ,在经过放缩(划线处),最后利用相似得到证明. 4.2 Gerschgorin 圆盘定理(详细证明) 定理1的 ...
- 【矩阵论】特征值的估计(上下界和盖尔圆)
前言:为什么不直接求特征值而是去估计特征值? 当我们遇到的不是书本上的3阶或4阶矩阵,而是高阶矩阵时(如图像中的256×256),我们再使用特征方程det(λI−A)=0\det(\lambda I ...
- matlab 广义特征,特征值 特征向量 广义特征值 matlab
d=eig(A) 返回矩阵A特征值的一个向量d. d=eig(A,B) 如果A和B是方阵的,返回包含广义特征的向量. 注意:如果S是稀疏对称的,用d = eig(S) 可以返回S的特征值.如果S是稀疏 ...
- Hermite 矩阵的特征值不等式
将要学习 关于 Hermite 矩阵的特征值不等式. Weyl 定理 以及推论. Weyl 定理 Hermann Weyl 的如下定理是大量不等式的基础,这些不等式要么涉及两个 Hermite 矩阵之 ...
- 线性代数:特征值有重根时,相同特征值对应的不同特征向量顺序能交换吗?
求可逆矩阵 P,使 P^(-1)AP=∧ 的一般解题步骤 我们知道,特征值和特征向量是要一 一对应的.但是,当特征值有重根时,相同特征值对应的不同特征向量顺序可以交换吗? 经过验证,相同特征值 对应的 ...
- 复数特征值求特征向量_如何理解特征值的意义?
毕业多年,曾经有同事问我该如何理解特征值的意义? 当时,实在羞愧,我一学数学的,真不知该如何回答. 极力回想,也只能以"特征值的求法.步骤...bla...bla..."应付了事, ...
- ble 读写特征值特征值_ap.readBLECharacteristicValue 读取低功耗蓝牙设备特征值中的数据 - 支付宝 Alipay JSSDK 开发文档...
ap.readBLECharacteristicValue(OPTION, CALLBACK) 读取低功耗蓝牙设备特征值中的数据.调用后在 ap.onBLECharacteristicValueCha ...
- hermite矩阵matlab,Hermite矩阵的特征值计算问题 - 数学 - 小木虫 - 学术 科研 互动社区...
楼主,首先要知道Hermite矩阵就是实对称矩阵的复数版本.我更愿意用:A^H=A来定义Hermite矩阵,这里A是任何一个n阶的复数矩阵,H表示共轭转置.你的这个问题有三个步骤,但是我不清楚你的意图 ...
最新文章
- (04)VTK移动模型,判断是否相交
- Android自定义View之刻度尺
- 3、Keras中的顺序模型Sequential和函数式模型Model
- 100天,Python从入门到精通!
- mysql实验数据库报告_MySQL数据库技术》实验报告模板
- 读者福利,单独赠书啦!这次的书你肯定喜欢!
- 半导体芯片行业的运作模式是什么(IDM/Fabless/Foundry模式)
- 小米手机Root的过程及解决Unable to get view server version from device问题
- html表格动态添加图片,引用 制作html帖第四课:在表格中添加图片代码制作精美边框...
- 「硅仙人」吉姆 · 凯勒
- RK61 蓝牙机械键盘配合 karabiner 软件适配 MAC 系统脚本
- OpenCv 在Win7台式机上的摄像头无法拍照
- smartGit系列之长期使用批处理脚本
- 数据融合-机器人定位
- Python |浅谈爬虫的由来
- 联萌十一大决战之如日中天 C. Cinderella(灰姑娘新编)
- 目标跟踪实战deepsort+yolov5(上)
- 九章算法 | Google 面试题:Same Number
- 【E2E】E2E通信保护协议学习2
- 当 RPA 遇见人工智能 京东 RPA 实现 500% 效率提升