标签：Eigenvectors 特征值 特征向量 boldsymbol 矩阵 2.8 bmatrix Eigenvalues 向量
特征值和特征向量
reference的内容为唯一教程，接下来的内容仅为本人的课后感悟，对他人或无法起到任何指导作用。
Reference
- Course website: Eigenvalues and Eigenvectors | Unit II: Least Squares, Determinants and Eigenvalues | Linear Algebra | Mathematics | MIT OpenCourseWare
- Course video: 【完整版-麻省理工-线性代数】全34讲 配套教材_哔哩哔哩_bilibili
- Course summary: Lecture 21: Eigenvalues and eigenvectors (mit.edu)
- Extra Reading: Section 6.1 in Introduction to Linear Algebra, Fifth Edition by Gilbert Strang.
本节开始开特征值 (Eigenvalues) 和特征向量 (Eigenvectors).
Definition, Example, and Properties
如果一个非零向量 x, 经过方阵 A 的线性变换后, 满足 Ax = λx, 则 x 为方阵 A 的特征向量. 此时可能有 Ax ∥ x 为什么是可能呢??????(因为λ可能是复数)
性质: (可以简易计算特征向量)
- n 阶方阵有 n 个特征值
- 特征值的和为矩阵的迹 (对角线元素和)
- 特征值的积为矩阵的行列式
- 三角矩阵的特征值为对角线元素
举例:
- 对于奇异方阵 A, Ax = 0 有解, 因此 λ = 0 是一个特征值.
- 对于投影方阵 P
- 如果被投向量 x ∈ 平面, 则 Px = x, λ = 1
- 如果被投向量 x ⊥ 平面, 则 Px = 0, λ = 0
- 对于置换矩阵 P = \(\begin{bmatrix}
0 & 1 \\ 1 & 0
\end{bmatrix}\), 代表对二维向量交换元素, 如果向量仍然平行, 只有两种情况:
- 向量两个元素相同, x = (1, 1), λ = 1
- 向量两个元素反号, x = (1, -1), λ = -1
Solve
如何求解特征值? 我们并不能直接用消元法了, 因为等式右侧也有变量. 这个应该不少人都能碰出来:
如果
\[\boldsymbol{Ax}=\lambda\boldsymbol{x} \]则有
\[(\boldsymbol{A}-\lambda\boldsymbol{I})\boldsymbol{x}=\boldsymbol{0} \]如果存在非零解, 则 \(\boldsymbol{A}-\lambda\boldsymbol{I}\) 奇异, 则有:
\[\det(\boldsymbol{A}-\lambda\boldsymbol{I})=0 \]此时便能求出 λ 并且得到 A-λI.
这时再通过消元法求出每个特征值对应的齐次线性方程的 Special solution 非零解, 作为特征向量即可.
然后特征值和特征向量这一部分就结束了. 才怪
Example
试着求 P' = \(\begin{bmatrix} 3&1\\1&3 \end{bmatrix}\) 的特征值和特征向量, 求了半天发现特征值和上面置换矩阵 P = \(\begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix}\) 的特征向量一样, 对应特征值却比原来 +3 了, 为什么呢?
原来是因为 P' = P + 3I, 所以 det(P'-λ'I) = det(P-(λ'-3)I) = det(P-λI), 所以 λ'-3 = λ, 新的特征值比原来的多了 3.
所以加了几I, 特征值加几, 特征向量不变.
注意: 可能让人有个错觉, 矩阵相加特征值也相加, 因为 Ax = λx, Bx = αx, (A + B)x = (λ + α)x. 但是 Ax 和 Bx 的 x 可能不一样, 因此不成立!
Complex Eigenvalues
特征值可能是复数. 比如旋转矩阵 Q = \(\begin{bmatrix} 0 & -1 \\ 1 & 0 \end{bmatrix}\), 学过线性变换应该知道这个矩阵会让向量逆时针旋转 90°, 除了零向量哪个向量旋转 90° 能和自己平行呢? 这可能吗?
利用特征值的性质算特征向量. λ1+λ2=0, λ1.λ2=1 → λ=±i
定义也没说是平行啊哈哈哈. 好家伙实矩阵也能有复特征值. 这个矩阵 Q 是反对称的, 满足 QT=-Q. 给出结论实对称矩阵的特征值一定是实数.
Degenerate matrix
还有一种情况叫做退化矩阵. 比如这个三角矩阵 \(\begin{bmatrix} 3&1\\0&3 \end{bmatrix}\), 它代表对向量进行一个 shear 操作, 则 λ1 = λ2 = 3, 结果解特征向量发现:
\[\begin{bmatrix} 0&1\\0&0 \end{bmatrix}\boldsymbol{x}=\boldsymbol{0} \]解为 (1, 0), 只有 1 个独立特征向量, 也就是除了 x 轴以外的向量在变换之后无法保持平行, 但是却有两个特征值.
标签：Eigenvectors,特征值,特征向量,boldsymbol,矩阵,2.8,bmatrix,Eigenvalues,向量 来源： https://www.cnblogs.com/wind2375like/p/16145254.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。