MIT 線性代數導論 第二十講:特徵值與特徵向量
阿新 • • 發佈:2018-12-16
敲黑板,敲黑板 。特徵向量與特徵值在很多地方都有應用,這一將開始講這一部分的內容,也是線性代數裡面很重要的一部分知識了。
這一講的主要內容:
- 特徵值、特徵向量的概念
- 特徵值與特徵向量的計算方法
特徵向量、特徵值的概念
對於矩陣 和向量 , 有線性變換: , 如果有 使得 成立,則 是矩陣的特徵值, 向量 稱為矩陣 對應於 的特徵向量,如果直觀的理解就是 通過 對向量 的變換 與 平行,也就是 平行於 。 例子: 如果矩陣 是一個置換矩陣 ,也就是求解下式: 可以很簡單的看出兩個 的值:
- 對應的特徵向量是 。
- 對應的特徵向量是 。
這裡的例子主要是對上面的概念有一個瞭解
如何計算特徵向量和特徵值
也就是如何解 ,移項之後可得:
觀察上面的式子,根據之前的齊次方程組的解的特徵,我們可以得知,上式有非零解的條件就是 是奇異矩陣,也就是它的行列式的值等於零。
舉例來說看這個計算過程,假定矩陣 。也就是: 計算可得兩個 值分別是 2, 4.計算特徵向量,可得:
- 特徵向量是
- 特徵向量是
這裡的計算過程不是重點,如果我們將這個例子跟上面的例子對比一下,其實很有特點,都是對稱矩陣,並且區別僅僅是對角線上的元素同時加了3,這個改變使得特徵值也同時增加了3, 麼有改變特徵向量。證明過程如下: 對於之前,有: 成立。 對角線元素同時增加一個數,以3為例:也就是 , 化簡的: 這裡使用 替換,得到: 而這個形式也就是求特徵向量的形式,只不過表示特徵值由 變成了 .
同時,我們可以通過類似的方式得到兩個結論: 對於矩陣 的特徵值分別是 ,對角巷元素分別表示為: 可以得到:
更具體的內容在下一講中。
以上~