[论文解读] Inverse spectral analysis for finite matrix-valued Jacobi operators

Jochen Brüning, Dmitry Chelkak+1 more|ArXiv.org|Jul 31, 2006

Spectral Theory in Mathematical Physics参考文献 6被引用 4

一句话总结

本文在两种情况下解决了有限矩阵值雅可比算子的逆谱问题：(i) 对称正定非对角矩阵；(ii) 对角线为正的下三角非对角矩阵。证明了谱数据——特征值、其重数，以及相关的谱投影算子与算子——唯一确定雅可比算子，并通过基于矩阵连分数和威尔-蒂彻马什函数的递归算法实现完全重构。

ABSTRACT

Consider the Jacobi operators $\cJ$ given by $(\cJ y)_n=a_ny_{n+1}+b_ny_n+a_{n-1}^*y_{n-1}$, $y_n\in \C^m$ (here $y_0=y_{p+1}=0$), where $b_n=b_n^*$ and $a_n:\det a_n e 0$ are the sequences of $m s m$ matrices, $n=1,..,p$. We study two cases: (i) $a_n=a_n^*>0$; (ii) $a_n$ is a lower triangular matrix with real positive entries on the diagonal (the matrix $\cJ$ is $(2m+1)$-band $mp s mp$ matrix with positive entries on the first and the last diagonals). The spectrum of $\cJ$ is a finite sequence of real eigenvalues $ł_1

研究动机与目标

• 表征对应于具有特定矩阵结构的有限矩阵值雅可比算子的谱数据。
• 建立算子参数 (a, b) 与谱数据之间的一一对应关系。
• 在对称正定与下三角两种情况下，完全解决逆问题。
• 开发一种基于矩阵值威尔-蒂彻马什函数与谱投影算子的递归重构算法。

提出的方法

• 定义特征方程的基本矩阵解 φ(z) 与 χ(z)，分别为次数为 n 与 p+1−n 的矩阵值多项式。
• 引入谱数据：特征值 λ_j，其重数 k_j，投影算子 P_j 到 ker φ_{p+1}(λ_j)，以及相关正算子 g_j。
• 使用矩阵值威尔-蒂彻马什函数 M(z) = −χ_1(z)(χ_0(z))⁻¹，其具有在 λ_j 处的极点与在 E_j 上的留数 B_j = g_j⁻¹。
• 证明谱数据构成一个 p-良态系统，确保由谱测度矩形成的霍尔特矩阵可逆。
• 构建递归重构算法：从威尔函数出发，利用留数结构恢复 b_1 与 a_1，然后通过变换后的威尔函数迭代重构 n ≥ 2 时的 b_n 与 a_n。
• 通过归纳法证明在两种情况下解的唯一性与存在性，利用矩阵 A = ∑ D_s 的正定性与可逆性，以及在情况 (ii) 中唯一下三角平方根的存在性。

实验结果

研究问题

• RQ1 有限矩阵值雅可比算子的逆谱问题是否可在两类不同的非对角矩阵下被完全求解？
• RQ2 从算子参数 (a, b) 到谱数据（特征值、重数、投影算子与 g_j 算子）的映射是否为双射？
• RQ3 在矩阵值情形下，确保逆问题解的唯一性与存在性的条件是什么？
• RQ4 威尔-蒂彻马什函数如何用于从谱数据递归重构雅可比算子？
• RQ5 p-良态条件在确保逆问题可解性方面起什么作用？

主要发现

• 从雅可比算子参数 (a, b) 到谱数据 (λ_j, P_j, g_j) 的映射是双射：既是单射也是满射。
• 在两种情况 (i) 与 (ii) 中，谱数据唯一确定算子，且通过矩阵连分数递归构造解。
• 威尔-蒂彻马什函数 M(z) 是亚纯函数，在特征值 λ_j 处具有单极点，其留数 B_j 在谱子空间 E_j 上为正定。
• 当且仅当由矩 ∑ λ_j^s P_j 构成的霍尔特矩阵为严格正定时，谱数据系统为 p-良态。
• 重构算法从威尔函数开始，利用留数结构恢复 b_1 与 a_1，然后递归重构所有 b_n 与 a_n。
• 在情况 (ii) 中，引理 3.3 保证了存在唯一的下三角矩阵 a_1，其对角线元素为正，且满足 a_1 a_1^* = A，从而确保重构的唯一性。