線性代數的那些事(三)特徵值與正交變換
嗯哼哼
說下變換
為什麼要進行變換
因為變換後,在新空間下運算變得簡單,或者說 在變化下之前複雜難以觀察的規律變得容易觀察了
其實變換的實質就是旋轉與拉伸
(圖片來自:https://www.zhihu.com/question/20501504/answer/174887899)
比如傅立葉變換 k-l變換 希爾伯特空間的正交變換(嗯哼,下篇重點說明)
嗯哼哼 這就引出了相似矩陣
什麼是相似矩陣呢
就是說實現是一個線性變換在不同空間上
嗯哼哼 比如 對v向量進行B的線性變化 可以將其先進行P變化使其對映到新空間的另一個點
而這個點同一個線性變換時的矩陣是A然後再通過P逆使其映射回之前的空間
就說B 和 A相似
但是 有木有發現 本來一個變換 變得要做三個變換 不是得不償失呀
嗯哼哼
雖然說三個變化 但是我們關心的只是A這個變換
而A這個變化 如果變成只是拉伸的對角矩陣的話,那麼 不用求P的話 ,A矩陣也能求出來
也就是說我們的目的只是為了求A而已 再觀察在A的變換下特點
怎麼求A呢
嗯哼哼
這就是引入特徵值和特徵向量
嗯哼哼 通過A變換 相當於對向量v進行伸縮變換
所以 如果相似矩陣可以進行對角化 那麼其對角化上的元素就是其特徵值
證明賊簡單
設B為對角化矩陣
PB = AP
P寫成列向量的形式
會得到
Ax = λx
會發現 一個特別有趣的地方
首先 P是由A的特徵向量構成 哈哈哈哈哈哈
P可逆 所以其列向量x1 ..... xn 線性無關 也就是 A有n個線性無關的特徵向量
嗯哼哼
再來更特殊的
如果P是正交矩陣 那麼其逆一定可逆且為其的轉置
什麼時候P是正交矩陣呢
A為實對稱矩陣的時候(證明百度以下就出來 )
其實首先證明的A是實對稱矩陣,只要特徵值不相同 其對應特徵向量都正交
嗯哼哼
正交的概念 是其內積為0
又因為其特徵向量都是線性無關所以 可將其特徵值相同的特徵向量正交化
所以 就組成一個正交矩陣咯
嗯哼哼 什麼是正交變換
就是說
在正交矩陣的變換下
得出來的還是正交矩陣
正交矩陣的性質
嗯哼哼 且正交矩陣的逆也是正交矩陣
而正交變換有一堆優秀的性質
內積範數(長度)都不變 所以夾角也不變
所以 老是喜歡正交變換
嗯哼哼 還能引出其另一個定義
則 A是正交變換