Perron-Frobenius定理

概述

Perron-Frobenius定理是非负矩阵谱理论的核心定理，由奥斯卡·佩龙（1907）和格奥尔格·弗罗贝尼乌斯（1908–1912）先后建立。对于元素全正的方阵，存在唯一的最大正实特征值（Perron根），其对应特征向量分量全正，其余特征值绝对值严格更小。 Frobenius随后将结论推广到不可约非负矩阵，并揭示了周期性谱结构。该定理是Markov链、PageRank、Leontief经济模型等现代应用的数学基础，也是概率论"长期行为必趋稳定"直觉的精确表述。

关键内容

Perron定理（1907）：正矩阵版本

设 $A$ 为 $n \times n$ 实方阵，所有元素满足 $a_{ij} > 0$。则：

存在性：$A$ 有唯一最大正实特征值 $r > 0$（称为Perron根，Perron root）
主导性：任意其他特征值 $\lambda$ 满足 $|\lambda| < r$，即 $r = \rho(A)$（谱半径）
单纯性：$r$ 是特征多项式的单根（代数重数 = 几何重数 = 1）
正特征向量：$r$ 对应的特征向量可取为所有分量为正（$v_i > 0$），且在正常数倍意义下唯一

用一句话：正矩阵的谱半径是单纯正实特征值，其特征向量严格正。

Frobenius推广（1908–1912）：非负矩阵版本

格奥尔格·弗罗贝尼乌斯引入关键概念：

不可约（irreducible）：矩阵关联有向图强连通。不可约非负矩阵保留Perron根的存在性和正特征向量。
本原（primitive）：不可约且周期 $h=1$，此时 Perron根严格大于所有其他特征值的模。
周期性结构：若不可约非负矩阵周期为 $h$，则在圆周 $|\lambda|=r$ 上恰有 $h$ 个特征值，均匀分布为 $re^{2\pi ik/h}$（$k=0,\ldots,h-1$）。

| 矩阵类型 | Perron根 $r$ | $|\lambda_2|$ | 正特征向量 | |---------|------------|-------------|---------| | 正矩阵 | 存在，正实，单纯 | $< r$ | 存在且唯一 | | 不可约非负 | 存在，正实，单纯 | $\leq r$，但模 $=r$ 时仅周期性特征值 | 存在，非负 | | 可约非负 | 无保证 | — | — |

证明思路（主要流派）

Perron原始证明（1907）：分析预解式 $R(\lambda) = (\lambda I - A)^{-1}$ 在正实轴上的奇异行为，利用Neumann级数的正性。

Frobenius极大极小证明（1908）：利用极大极小定理的精神，证明 $r = \max_{x>0}\min_i (Ax)_i/x_i$。

Wielandt证明（1950）与Collatz-Wielandt公式：最简洁的现代版本。Wielandt给出了Perron根的变分刻画： $$r = \max_{x \geq 0,\, x \neq 0} \min_{x_i > 0} \frac{(Ax)_i}{x_i}$$ 这一极大极小公式将Perron根化为一个优化问题，既简化了证明，也为数值计算提供了实用算法。

Brouwer不动点证明：正矩阵作用于单纯形（simplex），不动点存在性直接给出Perron向量。

核心应用

Markov链（1908–）：不可约非周期随机矩阵的Perron根 $=1$，对应左特征向量（归一化）即唯一平稳分布 $\pi$；谱间隙 $1 - |\lambda_2|$ 控制收敛速率。

Google PageRank（1998）：将互联网链接结构建模为Google 矩阵（$= \alpha P + (1-\alpha)\mathbf{1}\mathbf{v}^T/n$，$\alpha=0.85$），阻尼因子确保矩阵全正满足Perron条件，Perron特征向量的各分量即为网页排名。约50次幂迭代即可收敛。

Leontief投入产出模型（经济学）：$n$ 部门消耗矩阵 $A$ 可逆且 $(I-A)^{-1} \geq 0$ 的充要条件是 $\rho(A) < 1$（Hawkins-Simon条件），即Perron根严格小于1。

Leslie矩阵（种群生态学）：种群年龄结构矩阵的Perron根给出长期增长率（$r>1$扩张，$r<1$衰退），Perron向量给出稳定年龄分布。

幂法（数值线性代数）：从任意正初始向量出发，迭代 $v_{k+1} = Av_k / |Av_k|$ 以比值 $|\lambda_2|/r$ 的速率收敛到Perron向量。谱间隙 $r - |\lambda_2| > 0$ 是收敛的保证。

Krein-Rutman定理（1948）：Perron定理的无穷维推广：Banach空间中的紧正算子，若谱半径为正，则其为特征值且对应特征向量在正锥中。用于椭圆PDE主特征值理论。

数学意义

Perron-Frobenius定理建立了"矩阵元素的正性"（经济/概率/生态中的自然条件）与谱的定性结构（主特征值存在、唯一、正实）之间的精确联系，使得矩阵理论能够系统应用于以正量为基本变量的科学领域。这一"正性方法"深刻影响了20世纪泛函分析中正算子理论的发展。

局限性

需要不可约性：可约非负矩阵谱结构复杂，定理结论不完整成立
定性而非定量：谱间隙 $r - |\lambda_2|$ 的大小不给出，定量估计（如Cheeger不等式）是独立研究方向
非线性推广困难：张量特征值（超高阶Perron-Frobenius）和非交换情形仍是活跃前沿
逆特征值问题（NIEP）：给定一组复数，判断其能否成为某非负矩阵特征值的完整充要条件，对 $n \geq 5$ 仍是开放问题

来源

raw/books/矩阵分析/07_perron_positive_matrices_1907.md
raw/books/矩阵分析/10_frobenius_nonnegative_matrices_1912.md