先修內容為實內積、特徵向量、行列式與歸納法。求第一個特徵向量時,我們還會用到代數基本定理與基本的複共軛;所得的特徵向量基底仍是實的。
要證明甚麼
定義 7.1.1
(正交矩陣與標準正交特徵向量基)
若實方陣 滿足 ,等價地,若它的縱列是標準正交的,便稱 為正交矩陣。矩陣 的標準正交特徵向量基,是由 的兩兩正交的單位特徵向量組成的 的一組基。
定理 7.1.2
(實譜定理)
對實 對稱矩陣 ,實譜定理指出存在實正交矩陣 和實對角矩陣 ,使
的列構成一組標準正交特徵向量基底。這比找出一個特徵值,或證明不同特徵值的特徵向量正交,更強:我們必須證明有足夠多的特徵向量生成整個空間,包括重複特徵值的情況。反過來,若 是實對角矩陣, 正交,則每個形如 的實矩陣都是對稱的。
首先取得實特徵向量
引理 7.1.3
(實對稱矩陣的特徵值為實數)
設 為實對稱 矩陣,。則 在 中的每個特徵值都是實數,且 有實的單位特徵向量。
證明
(z^*Az 為實數)
假設 。由代數基本定理,特徵多項式有複根 。於是 ,存在非零複向量 滿足 。以 表示共軛轉置。由 為實對稱矩陣,;因此
純量 是實數。又 ,特徵向量方程給出 ,所以 是實數。寫 ,其中 。取 的實部及虛部,得 和 。 至少一個非零;把該向量正規化,便得實單位特徵向量 。
複數在這裏只是證明工具,並非聲稱實矩陣總有實特徵值。證明 為實數時,對稱性不可省略。
保留正交補空間並使用歸納法
引理 7.1.4
(特徵向量的垂直補空間是不變的)
設 為實對稱矩陣, 為非零實向量且 ,並令 。則對每個 都有 。
證明
(把對稱性用於 )
令 。對每個 ,由對稱性及 得
因此 。
證明
(對維數歸納)
由不變性引理, 把 映回 。其限制映射對繼承的歐幾里得(Euclid)內積仍自伴。 的維數為 ,因為每個向量唯一地寫成 ,其中 、。令 矩陣 的各列構成 的標準正交基底,則 。由不變性,,其中 是對稱矩陣。若 ,則 ;而且 ,故 保留內積。
對維數歸納。零維空間的空基底已符合要求。在正維情況下,第一個引理提供 ;對實對稱的 矩陣 使用歸納假設,在其座標空間取得標準正交特徵向量基底。把這些特徵向量乘以 ,便提升為 的標準正交特徵向量基底;加上 ,得到整個 的基底。把這些向量放入 的各列,特徵值放入 ,則 、,證得 。重複特徵值不會造成缺口:歸納法會在相應特徵空間中找到足夠多的標準正交方向。
證明透視
對稱性用在何處,歸納為何能收尾
對稱性用了兩次,複數用了一次。第一, 為實數,因為 ,這使 為實數,所以 的實部與虛部都是實特徵向量。第二, 把 映入自身,因為 用到 。不顯然的一步是限制到 :這使維數降一,同時保持同類對象,因為 仍是對稱的,所以歸納假設可用。特徵值重複並不造成困難,因為每一步只要求在已找到的向量的補空間中再找一個新的特徵向量。論證在維數為零時收尾。沒有對稱性,第二步就已失敗:對 與 , 被映為 。
正交性與二次型
若 、 且 ,對稱性給出 ,因此 。同一特徵值的特徵向量本來不一定互相垂直;可在該特徵空間中選一組標準正交基底。
定理 7.1.5
(單位球面上的極值)
設 為實對稱矩陣,特徵值為 。對每個單位向量 ,。值 恰在 的特徵空間的單位向量處取得, 恰在 的特徵空間的單位向量處取得。
證明
(特徵值的加權平均)
對任意 ,,。在單位球面上,此二次型是特徵值的加權平均,故最小值及最大值分別為最小及最大特徵值。對任意特徵值 , 等價於 ;因此其特徵空間恰好由 中對應 的對角值等於 的各列生成。權重 非負且和為一,所以取等號恰當 是相應極端特徵空間中的單位向量。
反例模式
實矩陣未必有實特徵值
斷言:每個實方陣都有實特徵值,所以證明的第一步不需要對稱性。取四分之一轉 。則 沒有實根,所以 沒有實特徵值,也沒有實特徵向量;它的特徵值是 。這個矩陣不對稱,因為 。對實對稱矩陣,同一步驟之所以成功,是因為 為實數。對稱性不能省略。
例題
例題 7.1.6
(奇異的對稱矩陣)
求 的正交對角化,並計算 。
解答。 的特徵值為 , 的特徵值為 。它們互相垂直,範數均為 ,所以
逐列方程驗證 ,而 。因此 。零特徵值使 奇異,卻不妨礙正交對角化。
例題 7.1.7
(重複特徵值與所有極值點)
設 。求標準正交特徵向量基底,以及在 上 的極值和全部取極值向量。
解答。 ,其中 是 全一矩陣。它在 方向相當於乘 ,在平面 上相當於乘 。一組標準正交特徵向量基底為
相應特徵值為 ;點積和範數可驗證標準正交性。最大值為 ,恰在 達到;最小值為 ,在和為零的平面內所有單位向量上達到,等價地 ,。重複特徵值給出一整個圓的最小值方向,而不是唯一的特徵向量。
例題 7.1.8
(單位圓上的極值)
設 ,則 。特徵值為 ()與 ()。由極值定理, 在單位向量上的最大值是 ,在 處取得;最小值是 ,在 處取得。以 驗算:,值域為 ,在 時等於 ,在 時等於 。
常見錯誤
常見錯誤
(相同特徵值的特徵向量不一定垂直)
對 , 與 都是特徵值 的特徵向量(例如 ),但它們的點積是 。對稱性只保證不同特徵值之間的正交;在同一特徵空間內必須另選標準正交基。
練習
快速檢查
(為甚麼 不能正交對角化?)
解答 · 引導解答
若 , 正交、 對角,則 ,即 會是對稱的。但 。其實 連對角化也不行:它唯一的特徵值是 ,而 的秩為 ,特徵空間只是一條直線。
快速檢查
(對 ,求 在單位向量 上的最大值與最小值,以及取得它們的向量。)
解答 · 引導解答
特徵值為 ()與 ()(跡為 ,行列式為 )。所以最大值是 ,在 處取得;最小值是 ,在 處取得。驗算:對 ,。
快速檢查
(在歸納步驟中,當 對稱時,為甚麼矩陣 也對稱?)
解答 · 答案
轉置會反轉因子的次序:,這裏用到 。