正性帶來譜的結論
考慮實矩陣
我們直接證明它有一個正特徵向量,對應的實特徵值的絕對值嚴格大於另一特徵值。證明只針對二維,不假設高維 Perron 定理。
定義 7.1.1
(主特徵值與譜隙)
若 矩陣的實特徵值 滿足另一特徵值 的 ,便稱 為主特徵值。比值 是每乘一次矩陣,非主分量相對主分量縮小的倍數。
兩個特徵值
定理 7.1.2
(正矩陣的主特徵值)
設 。則 有兩個不同的實特徵值 ,滿足 ,而且 有一個分量嚴格為正的右特徵向量。
證明
(二次公式,然後是正特徵向量)
特徵方程的根為
由 ,平方根嚴格大於 。故兩根不同且為實數,並有
又 ,所以 。合併得 ,包括 為負或零的情形。
的一個右特徵向量是
兩個分量均嚴格為正。第一行直接驗證特徵值方程:。第二行 就是特徵方程 。一個正的左特徵向量(寫成列向量)是 ,滿足 。
證明透視
為何負特徵值須額外檢查
證明的相異性來自 :沒有它,平方根可以為零,例如對角元素相等的對角矩陣。特徵向量的正性在第一個分量上毫無代價,因為 ;第二個分量 為正,是因為 ,這同樣是 的結果。
是帶符號的比較;單靠它不能排除較大絕對值的負特徵值。正的跡 給出 ,補上絕對值比較所需的另一半。在這裏,以及在 的正性中,證明用到對角元素為正,而不只是 、 為正。
反覆相乘後正規化
由分量嚴格為正、總和為 1 的 開始,定義
定理 7.1.3
(正規化迭代的收斂)
設 如上, 的分量嚴格為正且總和為 1。則 ,並且
證明
(把 按特徵基展開,再除以 )
因 和 的分量皆正,每個分母皆正。歸納可得 。兩個特徵值不同,特徵向量構成基底;寫 。係數 為正:、,而 ,因為對 以兩種方式計算 得 。故 。
分子和分母同除以 ,含 的項有 。分母趨向正數 ,所以 。
比值控制衰減分量;若 為負,該分量可正負交替。結論使用了矩陣嚴格正及所述正初值。
詳解例子
例題 7.1.4
(特徵值為 5 和 2 的矩陣)
取 。其特徵值為 5 和 2,對應特徵向量為 、;公式給出 。從 開始,
繼續計算,,所以 。正規化迭代趨於 ;每次未正規化乘冪時,非主特徵分量相對主分量乘上 。這裏 ,而 ,除以 後與 相符。
例題 7.1.5
(第二個特徵值為負)
取 。特徵多項式為 ,所以 、,且 。此處 ,極限為 。取 。則 ,。再有 ,故 。誤差 每一步都變號,因為沿 的分量帶有因子 ,但它的大小在縮小。
例題 7.1.6
(較小的特徵值為零)
取 ,所有元素皆正。特徵值為 ,所以 , 仍然成立,且 。對任何分量為正且總和為 的初值,,所以 一步便等於極限:衰減分量一步消失。
反例模式
非負比嚴格正弱
命題:結論對每個元素非負的矩陣都成立。單位矩陣的元素非負,但特徵值 1 重複,沒有嚴格譜隙。其正規化迭代使每個初值保持不變:由 出發停在 ,由 出發停在 ,所以並非所有初值都趨於同一方向。置換矩陣 是第二個例子:特徵值為 與 ,故 ;由 出發,迭代在 與 之間交替,不收斂。修正:要求每個元素嚴格為正;若矩陣容許零元素,必須重新檢查結論。
練習與解答
快速檢查
(在第一個例子中驗證 。)
解答 · 答案
。
快速檢查
(證明中為何 為正?)
解答 · 答案
它大於 ,而兩個對角元素均正。
快速檢查
(每個正規化迭代向量的分量和是多少?)
解答 · 答案
是 1,由定義中的分母 可知: 的分量和為 。
快速檢查
(若 為負,證明是否要求它為正?)
解答 · 答案
不要求。證明確立的是 ,所以不論 的符號如何,比值的冪 都趨於零。
快速檢查
(當 時,求 以及 的一個正右特徵向量。)
解答 · 答案
。特徵向量為 ;確實 。