Введение
Вариационная характеристика собственных значений компактных эрмитовых операторов на гильбертовых пространствах
В линейной алгебре и функциональном анализе теорема мин-макс, или вариационная теорема, или принцип мин-макс Куранта — Фишера — Вейля, является результатом, дающим вариационную характеристику собственных значений компактных эрмитовых операторов на гильбертовых пространствах. Её можно рассматривать как отправную точку для многих результатов аналогичного типа. В данной статье сначала рассматривается конечномерный случай и его приложения, а затем – компактные операторы на бесконечномерных гильбертовых пространствах. Мы увидим, что для компактных операторов доказательство основной теоремы по существу использует ту же идею, что и в конечномерном случае. Если оператор неэрмитов, теорема предоставляет эквивалентную характеристику соответствующих сингулярных чисел. Теорему мин-макс можно обобщить на самосопряженные операторы, ограниченные снизу.
Матрицы
Пусть A — эрмитова матрица размера n × n. Как и во многих других вариационных результатах, связанных с собственными значениями, рассматривается частное Рэйли — Рица RA: 'C'^(n) \ {0} → 'R', определяемое как
где (⋅, ⋅) обозначает евклидово внутреннее произведение в 'C'^(n). Очевидно, что частное Рэйли для собственного вектора равно соответствующему собственному значению. Эквивалентно, частное Рэйли — Рица можно заменить на
Для эрмитовых матриц A область значений непрерывной функции RA(x), или f(x), является компактным интервалом [a, b] на вещественной прямой. Максимальное значение b и минимальное значение a — это наибольшее и наименьшее собственные значения A соответственно. Теорема мин-макс является уточнением этого факта.
Теорема минимума-максимума
Пусть оператор является эрмитовым на внутреннем произведении с размерностью , при этом его спектр упорядочен по убыванию. Пусть – соответствующие ему ортонормированные собственные векторы. Изменим порядок спектра на восходящий, так что .
Let be the corresponding unit length orthogonal eigenvectors. Reverse the spectrum ordering, so that .
Теорема переплетения Коши
Пусть A — симметричная матрица размера n × n. Матрица B размера m × m, где m ≤ n, называется сжатием матрицы A, если существует ортогональная проекция P на подпространство размерности m такая, что PAP* = B. Теорема о чередовании собственных значений Коши утверждает:
Theorem. If the eigenvalues of A are α1 ≤ ≤ αn, and those of B are β1 ≤ ≤ βj ≤ ≤ βm, then for all j ≤ m,
This can be proven using the min max principle. Let βi have corresponding eigenvector bi and Sj be the j dimensional subspace then
According to first part of min max, αj ≤ βj. On the other hand, if we define then
where the last inequality is given by the second part of min max. When , we have αj ≤ βj ≤ αj+1, hence the name interlacing theorem.
Теорема. Если собственные значения A равны α1 ≤ α2 ≤ … ≤ αn, а собственные значения B равны β1 ≤ β2 ≤ … ≤ βm, то для всех j ≤ m,
Theorem. If the eigenvalues of A are α1 ≤ ≤ αn, and those of B are β1 ≤ ≤ βj ≤ ≤ βm, then for all j ≤ m,
This can be proven using the min max principle. Let βi have corresponding eigenvector bi and Sj be the j dimensional subspace then
According to first part of min max, αj ≤ βj. On the other hand, if we define then
where the last inequality is given by the second part of min max. When , we have αj ≤ βj ≤ αj+1, hence the name interlacing theorem.
Это можно доказать, используя принцип максиминов. Пусть βi имеет соответствующий собственный вектор bi, а Sj — j-мерное подпространство. Тогда, согласно первой части принципа максиминов, αj ≤ βj. С другой стороны, если мы определим
Theorem. If the eigenvalues of A are α1 ≤ ≤ αn, and those of B are β1 ≤ ≤ βj ≤ ≤ βm, then for all j ≤ m,
This can be proven using the min max principle. Let βi have corresponding eigenvector bi and Sj be the j dimensional subspace then
According to first part of min max, αj ≤ βj. On the other hand, if we define then
where the last inequality is given by the second part of min max. When , we have αj ≤ βj ≤ αj+1, hence the name interlacing theorem.
где последнее неравенство следует из второй части принципа максиминов. При j = 1, имеем αj ≤ βj ≤ αj+1, отсюда и название — теорема о чередовании собственных значений.
Theorem. If the eigenvalues of A are α1 ≤ ≤ αn, and those of B are β1 ≤ ≤ βj ≤ ≤ βm, then for all j ≤ m,
This can be proven using the min max principle. Let βi have corresponding eigenvector bi and Sj be the j dimensional subspace then
According to first part of min max, αj ≤ βj. On the other hand, if we define then
where the last inequality is given by the second part of min max. When , we have αj ≤ βj ≤ αj+1, hence the name interlacing theorem.