高等数学 / 系统课时

理解实对称矩阵的谱结构

理解实对称矩阵的谱结构

实对称矩阵不仅容易计算,它还拥有非常规整的谱结构:全部特征值都是实数,并且可以选出一组两两正交的特征向量。掌握这一点后,就能把复杂线性变换理解成沿互相垂直方向分别缩放。

学习目标

  • 说明实对称矩阵为什么只产生实特征值
  • 证明不同特征值对应的特征向量彼此正交
  • 使用谱定理把对称矩阵写成正交对角化形式

对称性带来什么特殊结构

实对称矩阵满足

AT=A.A^T=A.

它最重要的谱性质有三条:所有特征值都为实数;属于不同特征值的特征向量彼此正交;整个空间都能找到一组标准正交特征向量作为基。

因此存在正交矩阵 QQ 和实对角矩阵 Λ\Lambda,使得

A=QΛQT,A=Q\Lambda Q^T,

其中 QTQ=IQ^TQ=I,QQ 的列就是单位特征向量,Λ\Lambda 的对角元就是对应特征值。这就是实对称矩阵的谱定理。

为什么特征值一定是实数

设 Ax=λxAx=\lambda x,允许特征向量 xx 暂时取复数。因为实对称矩阵同时也是 Hermitian 矩阵,有

x∗Ax=λx∗x.x^*Ax=\lambda x^*x.

另一方面,x∗Axx^*Ax 等于它自己的复共轭,所以它是实数;而 x∗x>0x^*x>0。因此

λ=x∗Axx∗x\lambda=\frac{x^*Ax}{x^*x}

必为实数。

这个结论很关键:对称矩阵不会出现复特征值带来的旋转型谱行为,它的作用可以完全分解成若干互相垂直方向上的实数缩放。

为什么不同特征方向正交

设 Au=λuAu=\lambda u、Av=μvAv=\mu v,且 λ≠μ\lambda\ne\mu。利用 AT=AA^T=A,

uTAv=(Au)Tv.u^TAv=(Au)^Tv.

左边等于 μuTv\mu u^Tv,右边等于 λuTv\lambda u^Tv,所以

(μ−λ)uTv=0.(\mu-\lambda)u^Tv=0.

由于 λ≠μ\lambda\ne\mu,只能有 uTv=0u^Tv=0。也就是说,不同特征值对应的特征向量必然正交。

如果某个特征值重复出现,它的特征空间内部可能先得到多组不正交的向量,但可以在这个子空间中做正交归一化,最终仍能得到整组标准正交特征向量。

实对称矩阵的正交谱分解

用一个二维矩阵看谱分解

取

A=[2112].A=\begin{bmatrix}2&1\\1&2\end{bmatrix}.

它的两个特征值是 33 和 11,可选择单位特征向量

q1=12[11],q2=12[1−1].q_1=\frac{1}{\sqrt{2}}\begin{bmatrix}1\\1\end{bmatrix},\qquad q_2=\frac{1}{\sqrt{2}}\begin{bmatrix}1\\-1\end{bmatrix}.

于是

Q=12[111−1],Λ=[3001],Q=\frac{1}{\sqrt{2}}\begin{bmatrix}1&1\\1&-1\end{bmatrix},\qquad \Lambda=\begin{bmatrix}3&0\\0&1\end{bmatrix},

并且 A=QΛQTA=Q\Lambda Q^T。

从几何上看,QTQ^T 先把坐标轴旋到两个正交特征方向,Λ\Lambda 再沿第一个方向放大 3 倍、沿第二个方向保持不变,最后由 QQ 旋回原坐标。复杂矩阵作用因此被拆成了“旋转到主轴—独立缩放—旋转回来”。

谱定理为什么重要

正交矩阵的逆就是转置,所以 Q−1=QTQ^{-1}=Q^T,既简化了理论推导,也通常带来更好的数值稳定性。许多工程问题中的矩阵天然对称,例如二次型、协方差矩阵、惯性矩阵以及大量离散化后的能量算子。

对于二次型 xTAxx^TAx,谱分解还能直接说明各主方向上的强弱:在特征向量坐标中,它变成各坐标平方乘对应特征值的加权和。若所有特征值都非负,矩阵就是半正定的;若都为正,则是正定的。

看到实对称矩阵时,最值得优先利用的不是一般矩阵的复杂技巧,而是它的正交谱结构:先找到互相垂直的特征方向,再分别研究这些方向上的实数缩放。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

理解实对称矩阵的谱结构

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通