Для вещественных матриц и векторов условие эрмитовости сводится к тому, чтобы быть симметричный, а сопряжение транспонирует в обычное transpose . Обратите внимание, что для любого ненулевого скаляра c. Напомним, что эрмитова (или вещественная симметричная) матрица диагонализуема только с действительными собственными значениями. Можно показать, что для данной матрицы коэффициент Рэлея достигает минимального значения (наименьшее собственное значение of M), когда x равен (соответствующий собственный вектор ). Аналогично, и .
Диапазон отношения Рэлея (для любой матрицы, не обязательно эрмитовой) называется числовым диапазоном и содержит его спектр. Когда матрица эрмитова, числовой диапазон равен спектральной норме. Еще в функциональном анализе известен как спектральный радиус. В контексте C * -алгебр или алгебраической квантовой механики функция, которая связывает с M фактор Рэлея – Ритца R (M, x) для фиксированного x и M, изменяющегося через алгебру, будет называться «векторным состоянием» алгебра.
Если мы зафиксируем комплексную матрицу M, то результирующая карта отношений Рэлея (рассматриваемая как функция от x) полностью определяет M через поляризационное тождество ; действительно, это остается верным, даже если мы позволим M быть неэрмитовым. (Однако, если мы ограничим поле скаляров действительными числами, то фактор Рэлея определяет только симметричную часть M.)
Границы эрмитова
Как указано во введении, для любого вектора x , где - соответственно наименьшее и наибольшее собственные значения . Это происходит сразу после наблюдения, что фактор Рэлея представляет собой средневзвешенное значение собственных значений M:
где - это -я собственная пара после ортонормировки и - это -я координата x в собственном базисе. Затем легко проверить, что границы достигаются на соответствующих собственных векторах .
Тот факт, что частное является средневзвешенным собственных значений можно использовать для идентификации второго, третьего,... наибольших собственных значений. Пусть - собственные значения в порядке убывания. Если и ограничено, чтобы быть ортогональным , в этом случае , тогда имеет максимальное значение , который достигается, когда .
Особый случай ковариационных матриц
Эмпирическая ковариационная матрица может быть представлен как продукт матрицы данных , предварительно умноженное на его транспонирование . Будучи положительной полуопределенной матрицей, имеет неотрицательные собственные значения и ортогональные (или ортогонализуемые) собственные векторы, что можно продемонстрировать следующим образом.
Во-первых, собственные значения неотрицательны:
Во-вторых, собственные векторы ортогональны друг другу:
если собственные значения разные - в случае множественности базис может быть ортогонализирован.
Теперь, чтобы установить, что коэффициент Рэлея максимизируется собственным вектором с наибольшим собственным значением, рассмотрим разложение произвольного вектора на основе собственных векторов :
где
- координата , ортогонально проецируемая на . Следовательно, имеем:
который в силу ортонормированности собственных векторов становится:
Последнее представление устанавливает, что фактор Рэлея представляет собой сумму квадратов косинусов углов, образованных вектором и каждым собственным вектором , взвешенный по соответствующим собственным значениям.
Если вектор максимизирует , то любое ненулевое скалярное кратное также максимизирует , поэтому проблема может быть сведена к Задача Лагранжа максимизации при ограничении .
Определите: . Тогда это становится линейной программой, которая всегда достигает своего максимума в одном из углов области. Максимальная точка будет иметь и для всех (когда собственные значения упорядочены по убывающей величине).
Таким образом, собственный вектор Рэлея максимизируется с помощью наибольшее собственное значение.
Формулировка с использованием множителей Лагранжа
В качестве альтернативы этот результат может быть получен методом множителей Лагранжа. Первая часть - показать, что частное постоянна при масштабировании , где - скаляр
Из-за этой инвариантности достаточно изучить частный случай . Тогда задача состоит в том, чтобы найти критические точки функции
- ,
с учетом ограничения В другом словами, это найти критические точки
, где - множитель Лагранжа. Стационарные точки находятся в
и
Следовательно, собственные векторы of - критические точки отношения Рэлея и соответствующие им собственные значения - это стационарные значения . Это свойство является основой для анализа главных компонент и канонической корреляции.
Использование в теории Штурма – Лиувилля
теория Штурма – Лиувилля касается действия линейного оператора
на внутреннее пространство продукта определяется как
функций, удовлетворяющих некоторому заданному граничные условия в точках a и b. В этом случае фактор Рэлея равен
Иногда это представляется в эквивалентной форме, полученной путем разделения интеграла в числителе и использования интегрирование по частям :
Обобщения
- Для данной пары (A, B) матриц и данного ненулевого вектора x обобщенное частное Рэлея определяется как:
- Обобщенный коэффициент Рэлея можно уменьшить до коэффициента Рэлея через преобразование где - это Разложение Холецкого эрмитовой положительно определенной матрицы B.
- Для данной пары (x, y) ненулевых векторов и данной эрмитовой матрицы H обобщенное частное Рэлея можно определить как:
- , который совпадает с R (H, x), когда x = y. В квантовой механике эта величина называется «матричным элементом» или иногда «амплитудой перехода».
См. Также
Ссылки
- ^Также известно как отношение Рэлея – Ритца ; назван в честь Вальтера Ритца и лорда Рэлея.
- ^Хорна, Р. А.; Джонсон, К. А. (1985). Матричный анализ. Издательство Кембриджского университета. С. 176–180. ISBN 0-521-30586-1.
- ^Парлетт Б. Н. (1998). Симметричная проблема собственных значений. Классика прикладной математики. СИАМ. ISBN 0-89871-402-8.
- ^Костин, Родика Д. (2013). «Среднесрочные заметки» (PDF). Математика 5102 Линейная математика в бесконечных измерениях, конспекты лекций. Университет штата Огайо.
Дополнительная литература