对于 ,对应一个特征值 的特征向量不唯一;求解特征向量的过程在于求解齐次线性系统,并且由于,所以该线性系统存在一组解,也即特征向量组成了 的零空间(刨除零向量)。
对应特征值的特征向量的解空间又称的特征空间():。
对于一个阶变换矩阵,则其对应求解特征向量的行列式展开后得到的将是一个关于的次方程(在实数域和复数域内,对应个解)。
关于特征值的解的3种情况:
① 在实数域内存在个互不相等的解,,这些特征值称为简单特征值(应用最多);
② 在实数域内存在的个解中包含重复值,,则称这些重复的特征值为多重特征值,使用来描述重复特征值的重复次数;
③ 在实数域内无解,仅在复数域有解,如 ,这种情况称为复数特征值。
如果存在是矩阵的一个特征值,意味着对于线性方程,要使得,则矩阵一定不可逆,所以当矩阵可逆就有。
关于一些特殊矩阵的特征方程求解:
① 对角矩阵
同理可直接求取上三角,下三角形状的变换矩阵的特征值。
关于特征值的一些基本性质:
若是的特征值,则有是的特征值;
数学归纳成立
假设
当时 得证假设。若是的特征值,则有是的特征值(已给出前提矩阵可逆);
由
得证。
在线性代数上的理解:
通过特征值分解可以得到特征值与特征向量,特征值表示的是这个特征到底有多重要,而特征向量表示这个特征是什么,可以将每一个特征向量理解为一个子空间,我们可以利用这些线性的子空间干很多的事情。
线性变换矩阵的特征值和特征空间--几何理解
-
投影变换
在二维空间,把任意向量都投影到所在直线的变换中,变换前后方向保持不变的向量将存在于直线上,且这些向量经投影变换后大小不变即,所以该直线上的所有向量构成了投影矩阵中的解空间。除了直线上的向量,垂直于直线的向量投影到直线上将变成零向量,而与变换前的向量同向,不过长度为零,所以垂直于的直线上的所有向量构成了投影矩阵中的解空间。
- 对称变换
在二位空间中,变化矩阵将平面上的所有向量关于直线 对称变换。那么对处于直线上的任意向量,对称前后将等大同向,所以这些向量构成了 中的解空间。而对于垂直于的直线上的向量,这些向量对称前后将等大反向,因此构成了 中的解空间。
旋转矩阵的特征值和特征空间--几何理解
对于空间中任意一个向量经过旋转变换得到的向量,几何中不会存在任何与向量同向。所以,对于旋转矩阵,如逆时针90°旋转矩阵,求解其特征值将得到,意味着其特征值只能在复数空间寻求解。