先修:內積與正交投影及伴隨算子與特殊算子。
矩陣可以表示一個算子,但它亦可以是矩陣所組成的向量空間中的一個向量。第二種觀點讓我們可以問:與給定矩陣最接近的對稱矩陣是甚麼?答案來自正交分解,而不是改變原本算子的特徵值。我們先在 R 上處理,然後再解釋 Hermitian 矩陣所需的不同純量約定。
Frobenius 內積
定義 3.5.1
(Frobenius 內積與範數)
在 Mm,n(R) 上定義
⟨A,B⟩F=tr(BTA)=i=1∑mj=1∑naijbij,∥A∥F=⟨A,A⟩F1/2.對複矩陣採用對第一個變量線性的約定 ⟨A,B⟩F=tr(B∗A)=i,j∑aijbij。
由於 BTA 是 n×n 矩陣,所以跡是有定義的。展開它的對角元素就得到上述的和,因此雙線性和對稱性都是即時可見的。此外 ⟨A,A⟩F=∑aij2≥0,而等號成立當且僅當每個元素都是零。因此這是一個內積,其範數為 ∥A∥F=(∑aij2)1/2。它量度的是矩陣的所有元素,而不是矩陣把單位向量拉伸的最大幅度。
對於複矩陣,共軛是必不可少的:對於非零的複矩陣,tr(ATA) 可以是零。範數為 ∥A∥F2=∑∣aij∣2。矩陣空間上的一個線性映射是否自伴,與某個個別矩陣 A 是否 Hermitian,是兩個不同的問題。
對單位矩陣 I2,每個單位向量的長度都保持為一,所以最大拉伸因子是 1,但 ∥I2∥F=12+12=2。Frobenius 範數是把所有元素的平方加起來;只有對特殊的矩陣,例如只有一個非零元素的矩陣,它才等於算子範數。
對稱部分與反對稱部分
對任何實方陣 A,設
S=2A+AT,K=2A−AT.
那麼 ST=S、KT=−K,且 A=S+K。這個分解是唯一的:一個既對稱又反對稱的矩陣滿足 X=−X,因此在 R 上 X=0。
設 A 為實方陣,S=(A+AT)/2,K=(A−AT)/2。則 S 是在 Frobenius 範數下與 A 最接近的唯一對稱矩陣,距離為 ∥A−S∥F=∥K∥F。
證明
(兩部分正交,再用畢氏(Pythagoras)定理)
這兩個子空間在 Frobenius 內積下互相垂直。事實上,若 ST=S 且 KT=−K,則
tr(STK)=tr(SK)=tr((SK)T)=tr(−KS)=−tr(SK).最後一步用到 tr(KS)=tr(SK)。因此內積為零。對任何對稱矩陣 X,A−X=(S−X)+K 是一個正交和,所以
∥A−X∥F2=∥S−X∥F2+∥K∥F2.第一項非負,並且只在 X=S 時為零。因此在 Frobenius 範數下,S 是與 A 最接近的唯一對稱矩陣;距離為 ∥K∥F。
證明透視
是甚麼支撐了對所有對稱矩陣的最小化
這個證明並沒有在對稱矩陣之中逐一搜尋,而是一次過把誤差拆開。兩個要素起作用。第一,對每個對稱的 X,S−X 都是對稱的,因為對稱矩陣構成子空間;所以 S−X 與 K 之間的交叉項對所有 X 同時消失。第二,消失本身來自單一的跡恆等式:tr(SK) 等於它自己的相反數,只用到轉置和跡的循環性。
內積的正定性再把「第一項非負」變成唯一性:∥S−X∥F=0 迫使 X=S。因此最小值是在整個對稱子空間上確立的,而不只是在幾個例子之中。域的作用藏在「X=−X 蘊涵 X=0」之中:在特徵為二的域上,同樣的分解並不存在。
複矩陣需要一個實子空間
每個 A∈Mn(C) 同樣可以寫成
A=H+L,H=2A+A∗,L=2A−A∗,
其中 H∗=H 而 L∗=−L。然而,Hermitian 矩陣並不構成一個複向量子空間:I 是 Hermitian,但 iI 不是。它們的確構成 Mn(C) 的一個實子空間,這裏把 Mn(C) 視為實向量空間,並配備內積
(A,B)R=Retr(B∗A).
由於 (A,A)R=∑∣aij∣2,這個內積是正定的。Hermitian 的 H 與反 Hermitian 的 L 在這個實內積下互相垂直:tr(HL) 是純虛數,因為它的複共軛是 tr((HL)∗)=tr(L∗H∗)=−tr(LH)=−tr(HL)。因此,同樣的畢氏(Pythagoras)定理論證使 (A+A∗)/2 成為在 Frobenius 範數下唯一最接近的 Hermitian 矩陣。這並不表示兩部分之間的完整複內積為零。
反例模式
Hermitian 矩陣不是複子空間,而且複內積不為零
命題:Hermitian 矩陣構成複子空間,所以 H 與 L 的複 Frobenius 內積為零。取 n=2 及 Hermitian 矩陣 H=I。則 (iI)∗=−iI=iI,所以 Hermitian 矩陣的複倍數不再是 Hermitian。反 Hermitian 矩陣 L=iI 有 ⟨H,L⟩F=tr(L∗H)=tr(−iI)=−2i=0。只有它的實部為零:(H,L)R=Re(−2i)=0。修正:在 Hermitian 矩陣所構成的實子空間上使用實內積。
詳解例子
例題 3.5.3
(2×2 矩陣最近的對稱矩陣)
若 A=(2−134),則
S=(2114),K=(0−220),∥K∥F2=8.最近的對稱矩陣是 S,它與 A 的距離是 22。取上三角部分並把它複製到下三角,會得到 X=(2334),它雖然對稱,但並不是最近的那一個:A−X=(0−400) 有 ∥A−X∥F2=16>8。取平均是正交分解所迫使的。
設 A=(1021)。則 S=(1111),K=(0−110),所以到對稱矩陣的距離為 ∥K∥F=2。對 X=I 以畢氏定理驗算:S−X=(0110) 有 ∥S−X∥F2=2,而 ∥A−I∥F2=(0020)F2=4=2+∥K∥F2。
例題 3.5.5
(最近的 Hermitian 矩陣)
設 A=(10i2),則 A∗=(1−i02)。於是 H=21(A+A∗)=(1−i/2i/22),L=21(A−A∗)=(0i/2i/20),且 L∗=−L。唯一最近的 Hermitian 矩陣是 H,Frobenius 距離為 ∥L∥F=1/4+1/4=1/2。A 的對角線元素本來已是實數,保持不變;非對角元素 i 與 0 被換成共軛的一對 i/2 與 −i/2。
小測
快速檢查
(對 A=(1324) 與 B=(0110),計算 ⟨A,B⟩F。)
解答 · 答案
把對應元素的乘積相加:1⋅0+2⋅1+3⋅1+4⋅0=5。
快速檢查
(求最接近 A=(0010) 的對稱矩陣及其與 A 的距離。)
解答 · 答案
S=(01/21/20),K=(0−1/21/20),所以距離為 ∥K∥F=1/4+1/4=1/2。
快速檢查
(當 n=3 時,實對稱矩陣與實反對稱矩陣的維數各是多少?為何它們相加等於 dimM3(R)?)
解答 · 答案
對稱矩陣由對角線及其上方的六個元素決定,所以維數為 6;反對稱矩陣的對角線為零,由其上方的三個元素決定,所以維數為 3。由唯一分解 A=S+K 知 M3(R)=對稱⊕反對稱,所以維數相加:6+3=9。