Матричный анализ
5.Спектральное разложение функции f(A).
Спектральное разложение для f(A) имеет важное значение и очевидно тесно примыкает к спектральной теореме для простых матриц.
Пусть
дана матрица
и пусть
,
.
Теорема.
Если
,
а функция f(x)
определена
на спектре
матрицы А и
- значение j-й
производной
от f(x) в
собственном
значении
,
где
,
,
то существуют
такие независимые
от f(x) матрицы
,
что (1)
,
при чем
коммутирует
с матрицей А
и образуют
линейно независимую
систему в
пространстве

Доказательство:
заметим,
что
и
,
где
- базисные
многочлены,
принимающие
одинаковые
значения на
спектре матрицы
А,
(3).
Сравнивая (1) и
(2) и учитывая
(3) получим, что
.
Матрицы
называются
компонентами
матрицы А или
компонентными
матрицами.
ЧТД.
Опишем следующие свойств компонентных матриц, которые в некоторой степени обобщают свойства сопровождающих матриц.
Теорема.
Компонентные
матрицы
обладают следующими
свойствами:



.
Замечание. Для того, чтобы найти компонентные матрицы для f(x) определенной на спектре матрицы А необходимо и достаточно знать базисные многочлены, входящие в интерполяционный многочлен, однако нахождение интерполяционного многочлена f(x) связано с некоторыми трудностями, а поэтому будем вычислять компонентные матрицы подбирая соответствующим образом системы функций.
Пример:
Найти компоненты
для матрицы
.
.
Пусть
f(x) определена
на спектре А,
тогда согласно
спектральной
теореме
.
f(x)=1
E=1Z11+0Z12+1Z21=Z11+Z21
f(x)=x-4
A-4E=0Z11+1Z12+(-2)Z21=Z12-2Z21
f(x)=(x-4)2
(A-4E)2=4Z21



.
Таким образом, для любой функции f(x), определенное на спектре матрицы А




.
Пример 2.
Найти компоненты для матрицы
.
Найдем минимальный многочлен матрицы А.






f(x)=1
E=Z11+Z21+Z31
f(x)=x+1
(A+E)=2Z21+Z31+Z12
f(x)=(x+1)2
(A+E)2=4Z21+Z31
f(x)=x-1
A-E=-2Z11+Z12-Z31


1. f(x)=1 E=Z11+Z21+Z31
2. f(x)=x+1 A+E=Z11Z22+2Z31
3. f(x)=(x+1)2 (A+E)2=Z11+4Z31
4. f(x)=x-1 (A-E)=-Z11-2Z21+Z22


Z31=A
-Z22=(A+E)2-E-3A
Z12=Z22
Z11=(E-A)-Z22
6.Определенные матрицы.
Эрмитовы и квадратичные матрицы.
Пусть А – эрмитова матрица (А*=А).
Рассмотрим функцию h(x) – действительная функция комплексного аргумента.
Рассмотрим:

DF.
Функция
,
где А –
эрмитова матрица,
называется
эрмитовой
формой от n
переменных
x1,
…, xn,
где А – матрица
эрмитовой
формы.
Очевидно,
что если А –
действительная
симметрическая
матрица, то в
этом случае
получаем квадратичную
форму
.
Для каждой эрмитовой (квадратичной) формы инвариантами являются: ранг (число не нулевых коэффициентов в квадратичной форме нормального вида совпадающих с рангом матрицы А), p (индекс) – число положительных коэффициентов в квадратичной форме нормального вида, оно совпадает с числом положительных собственных значений, сигнатура. Эти числа r, p, гр-r не зависят от тех преобразований, которые совершаются над данными формами.
В дальнейшем ограничимся рассмотрением только квадратичных форм. Нас интересуют 2 семейства матриц.
DF.
Действительная
симметрическая
матрица А называется
положительно
определенной,
если
для
.
DF.
Действительная
симметрическая
матрица А называется
неотрицательно
определенной,
если
для
.
Оба
типа матриц
относятся к
классу определенных
матриц. Заметим,
что положительно
определенная
матрица невырожденная,
т.е. если предположить,
что она вырожденная,
то
,
,
что противоречит
условию.
Теорема
№ 1. Действительная
симметрическая
матрица n-го
порядка будет
определенной
ранга
тогда и только
тогда , когда
она имеет
r
положительных
собственных
значений, а
остальные (n-r)
– собственные
значения равны
0.
Теорема № 2. Действительная симметрическая матрица положительна определена тогда и только тогда, когда все ее главные миноры положительны.
Теорема № 3. Действительная симметрическая матрица положительно определена тогда и только тогда, когда все ее главные миноры положительны.
7.Неотрицательные матрицы.
DF.
Матрица
называется
неотрицательной,
если каждый
ее элемент
положителен.
Квадратные матрицы такого типа возникают во множестве задач и это определяющее свойство приводит к сильным результатам об их строении. Теорема Фробениуса-Перона является основным результатом для неотрицательных матриц.
Пусть
матрицы
.
Будем говорить,
что
,
если
б
в частности
A>B, если
.
Вспомним
матрицу перестановки
,
т.е. матрицы
перестановки
обязательно
ортогональны.
Произведение
приводит к
перестановке
столбцов матрицы
А.
DF.
При
матрица
называется
приводимой
матрицей,
если существует
такая матрица
перестановки
Р, что
совподает с
матрицей
,
где А11,
А12, А22
– квадратные
матрицы меньшего
чем n
порядка. Если
матрица Р не
существует,
то матрица А
называется
неприводимой.
Понятие
приводимости
имеет значение
при решении
матричных
уравнений
, ибо если Ф –
приводима, то
осуществив
замену переменных,
которую подсказывают
равенства
,
получаем
,
где
,
.
и решаем
матричное
уравнение с
матрицей более
низкого порядка.
Затем,
и решаем матричное
уравнение.
Таким образом,
если А – приводима,
то решение
уравнения
высокого порядка
сводится к
решению уравнений
более низкого
порядка, при
чем собственные
значения матриц
А11 и
А22 в
своей совокупности
составляет
множество
значений матрицы
А.
Интересно, что явление приводимости не связано с величиной матрицы, а зависит лишь от расположения нулевых элементов в матрице.
В связи с этим, используют идею направленного графа матрицы, которую можно взять в качестве характеризации неприводимости матрицы. Наметим первые шаги тоерии и получим вторую характеризацию неприводимости матриц.
DF.
Пусть р1, р2,
…, рn
– n различных
точек комплексной
плоскости и
.
Для каждого
нулевого элемента
матрицы А
составим направленную
линию от рi
к рj
.
Получающаяся
в результате
фигура на комплексной
плоскости
называется
направленным
графом матрицы.

Например:

DF.
Говорят, что
любой направленный
граф связен,
если для каждой
пары точек
существует
направленный
путь
.
Легко доказать, что квадратная матрица неприводима тогда и только тогда, когда ее граф является связным.
8.Теорема Фробениуса-Перона.
Очевидно,
что если
,
то для
.
Более того, мы
покажем, что
для достаточно
больших p
.
Лемма
№ 1. Если
матрица
неотрицательна
и неприводима,
то
.
Доказательство:
Если взять
произвольный
вектор
и
,
то
.
И пусть вектор
имеет место,
очевидно, что
Z имеет по
крайней мере
столько же
нулевых положительных
элементов, что
и y. В самом
деле, если
предположить,
что Z имеет
меньше нулевых
компонент, то
обозначим
,
тогда
и разбив матрицу
А на блоки следующим
образом
мы будем иметь
.
Учитывая,
что
,
то
,
тогда получаем,
что
,
что противоречит
неприводимости
матрицы.
Для следующего
вектора повторим
рассуждения
и т.д. В итоге
получим, что
для некоторого
ненулевого
вектора y
.
ЧТД.
Для ненулевой
неприводимой
матрицы А рассмотрим
действительную
функцию r(x),
определенную
для ненулевых
векторов
следующим
образом:
,
(Ax)i
– i-я координата
вектора Ах.
.
Из определения
следует, что
и кроме того,
r(x) –такое
наименьшее
значение
,
что
.
Очевидно,
что r(x) инвариантна
относительна
замены x на
,
поэтому в дальнейшем
можно рассматривать
замкнутое
множество
,
такое
.
Однако,
r(x) может
иметь разрывы
в точках, где
координата
x обращается
в 0, поэтому
рассмотрим
множество
векторов
и обозначим
.
По лемме № 1 каждый
вектор из N
будет положительным,
а поэтому
т.е.
для
.
Обозначим
через
наибольшее
число, для которого
,
.
– спектральный
радиус матрицы
А. Если
Можно показать,
что существует
вектор y,
что
.
Замечание. Могут существовать и другие векторы в L для которых r(x) принимает значение r, поэтому любой такой вектор называется экстремальным для матрицы А (Az=rz).
Интерес к числу r объясняется следующим результатом.
Лемма
№ 2. Если матрица
неотрицательна
и неприводима,
то число

является собственным
значением
матрицы А, кроме
того каждый
экстремальный
вектор для А
положителен
и является
правым собственным
вектором для
А, отвечающим
собственному
значению r.
Основным результатом является теорема Фробениуса-Перона для непрерывных матриц.
Теорема
Фробениуса-Перона.
Если матрица
неотрицательна
и неприводима,
то:
А имеет положительное собственное значение, равное спектральному радиусу матрицы А;
существует положительный правый собственный вектор, соответствующий собственному значению r.
собственное значение имеет алгебраическую кратность равную 1.
Эта теорема была опубликована в 1912 году Фробениусом и явилась обобщением теоремы Перона, которая является следствием.
Теорме Перона (следствие). Положительная квадратная матрица А имеет положительное и действительное собственное значение r, имеющее алгебраическую кратность 1 и превосходит модули всех других собственных значений матрицы А. Этому r соответствует положительный собственный вектор.
Используя теорему Фробениуса-Перона, можно найти максимальное действительное значение матрицы, не используя характеристического многочлена матрицы.