29.1 什么是瑞利商？
瑞利商（Rayleigh Quotient）定义为：
其中Q是对称矩阵，x是非零向量。分子xTQx是标量，分母xTx也是标量。
📐 二元函数形式
对于2×2矩阵Q = [[a,c],[c,b]]，瑞利商是二元函数：
f(x₁,x₂) = (ax₁² + 2cx₁x₂ + bx₂²) / (x₁² + x₂²)
🎯 关键性质
• λmin ≤ R(x) ≤ λmax
• 在特征向量方向取得极值
• 与特征值分解密切相关
29.2 二元瑞利商
对于2×2对称矩阵Q，瑞利商可以看成是一个二元函数。 通过可视化等高线和3D曲面，直观看到不同矩阵Q如何影响瑞利商的形状。
📈 二元瑞利商可视化
R(x) = x^T Q x / x^T x，观察不同矩阵Q如何影响瑞利商的形状
开口朝上正椭圆面（正定）
矩阵Q: [[1, 0], [0, 2]]
特征值: λ₁ = 2.00, λ₂ = 1.00
瑞利商范围: [1.00, 2.00]
🔵 正定/负定
所有特征值同号，椭圆面。 瑞利商始终为正或负。
⭕ 半正定/半负定
有零特征值，山谷或山脊。 某方向瑞利商为0。
🔄 不定
特征值有正有负，双曲面。 瑞利商可正可负。
29.3 在单位圆上看二元瑞利商
在单位圆 x₁² + x₂² = 1 上，使用极坐标表示：
瑞利商成为角度θ的函数：R(θ) = xT Q x（单位圆约束下）
💡 极坐标视角下，瑞利商随方向变化的规律一目了然！
29.4 在单位球上看三元瑞利商
三维情况下，在单位球面 x₁² + x₂² + x₃² = 1 上， 瑞利商 R(x) = xT Q x 直接等于二次型值。
x₁ = sin(θ)cos(φ), x₂ = sin(θ)sin(φ), x₃ = cos(θ)
θ ∈ [0, π]（极角），φ ∈ [0, 2π]（方位角）
💡 通过颜色映射球面，可以看到瑞利商在不同方向的分布，识别特征向量的大致方向！
🌐 三元瑞利商在单位球面上
在单位球面上：R(x) = x^T Q x（因为||x||=1），用颜色映射瑞利商值
正定矩阵
特征值: λ₁=1, λ₂=2, λ₃=3
瑞利商范围: [1, 3]
球面上每个点的颜色表示该方向的瑞利商值
✅ 正定/半正定
瑞利商≥0，球面颜色偏暖色。 半正定时某方向值为0（冷色）。
❌ 负定/半负定
瑞利商≤0，球面颜色偏冷色。 半负定时某方向值为0。
🔄 不定
瑞利商可正可负，球面呈现 冷暖色混合分布。
💡 几何意义：单位球面上每个点x对应一个方向。瑞利商R(x) = x^T Q x告诉我们沿该方向的"二次型能量"。 最大值λ_max和最小值λ_min分别对应Q的最大和最小特征值，出现在对应的特征向量方向。
29.5 平面上看三元瑞利商
将球面展开到θ-φ平面，类似地图的圆柱形投影。 这种展开让我们能够在平面上用散点图展示瑞利商分布。
展开映射：球面(θ,φ) → 平面矩形
• 横轴φ: [0, 2π] → [0°, 360°] (方位角)
• 纵轴θ: [0, π] → [0°, 180°] (极角)
29.5 平面上看三元瑞利商（球面展开）
将球面x₁²+x₂²+x₃²=1展开到(θ,φ)矩形平面
🗺️ 球面展开原理
球坐标(θ,φ)自然映射到矩形：
• 横轴φ: 方位角 [0, 2π] → [0°, 360°]
• 纵轴θ: 极角 [0, π] → [0°, 180°]
• 类似地图的圆柱形投影
📊 可视化优势
• 平面展示便于识别周期性模式
• 等高线清晰显示极值位置
• 可以精确测量角度关系
• 补充3D球面的信息
# 球面网格 theta = np.linspace(0, np.pi, 101) phi = np.linspace(0, 2*np.pi, 101) Theta, Phi = np.meshgrid(theta, phi) # 计算瑞利商 X = np.sin(Theta) * np.cos(Phi) Y = np.sin(Theta) * np.sin(Phi) Z = np.cos(Theta) R = X*(Q[0,0]*X + Q[0,1]*Y + Q[0,2]*Z) + ... # 平面展开图 plt.pcolormesh(Phi, Theta, R, cmap='RdYlBu_r') plt.contour(Phi, Theta, R, levels=12, colors='white')
29.6 球面等高线展示三元瑞利商
在单位球面上直接绘制等高线，连接瑞利商值相等的点。 这些曲线揭示了二次型能量的"等势线"。
🎨 两种等高线方式
- 球面白色等高线：在彩色球面上叠加白色等值线
- 球面彩色等高线：等高线本身用颜色编码
- 提取φ-θ平面等高线，映射回3D球面
- 技术路线：contour → 坐标变换 → 3D投影
💡 等高线的意义
- 连接所有具有相同瑞利商值的方向
- 在特征向量方向，等高线最密集（梯度最大）
- 等高线分布揭示矩阵Q的定性（正定/负定/不定）
- 帮助识别极值点和鞍点
可视化策略：球面等高线与平面展开图互补—— 球面版保留几何直觉，平面版便于精确测量。RayleighQuotient3DExplorer组件已包含球面颜色渲染，SphereUnfoldingDemo组件提供平面等高线视图。
🎯 核心洞察与应用
几何直觉
- 瑞利商将抽象的特征值问题转化为几何优化问题
- 在单位球/圆上，R(x)的最大值=λmax，最小值=λmin
- 正定矩阵→山丘，负定→盆地，不定→鞍形
- 半定矩阵在某些方向为零（山谷/山脊底部）
实际应用
- PCA主成分分析：最大化瑞利商找数据方差最大方向
- 谱聚类：最小化归一化拉普拉斯矩阵的瑞利商
- 量子力学：基态能量通过最小化哈密顿量的瑞利商估计
- 变分原理：Rayleigh-Ritz定理的几何理解
多视角可视化：从单位圆到单位球，从等高线到色彩映射，从球面到平面展开， 不同维度的可视化互补揭示瑞利商的几何结构，让抽象的代数概念变得触手可及。