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。