线代--特征值与特征向量[2]

对于 A\vec u = \lambda \vec u,对应一个特征值\lambda 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(A - \lambda I)\vec u = O,并且由于\vec u != O,所以该线性系统存在一组解[\vec u_1,\vec u_2...],也即特征向量组成了 A - \lambda I的零空间(刨除零向量)。

对应特征值\lambda的特征向量的解空间又称\lambda的特征空间(E_{\lambda}):\ \ E_{\lambda} = \{O\} \cup \{\lambda \small 的特征向量\}

对于一个n阶变换矩阵A,则其对应求解特征向量的行列式\det (A - \lambda I) = O展开后得到的将是一个关于\lambdan次方程(在实数域和复数域内,\lambda对应n个解)。

关于特征值的解的3种情况:

\lambda在实数域内存在n个互不相等的解,n_1 \ \ != n_2 \ \ != ... \ \ != n_n,这些特征值称为简单特征值(应用最多);
\lambda在实数域内存在的n个解中包含重复值,n_i = n_j =... = n_k,则称这些重复的特征值为多重特征值,使用\color {red} {\small 重数}来描述重复特征值的重复次数;
\lambda在实数域内无解,仅在复数域有解,如\det (A - \lambda I) = \lambda ^2 + 1 = 0 \rightarrow \lambda_1 = i ; \lambda_2 = -i ,这种情况称为复数特征值

如果存在\lambda = 0是矩阵A的一个特征值,意味着对于线性方程A\vec u = \lambda \vec u \rightarrow A\vec u = O,要使得\vec u \neq O,则矩阵A一定不可逆,所以当矩阵A可逆就有\lambda \neq 0

关于一些特殊矩阵的特征方程求解:

① 对角矩阵
A =\ \ \ \ \ \ \begin {bmatrix} d_1&0&...&0 \\ 0&d_2&...&0 \\ 0&0&...&d_n \\ \end {bmatrix} \rightarrow \ \ \ \ \ \ \ \ \ \ \ \ \det(A) = d_1*d_2*...*d_n

A-\lambda I = \begin {bmatrix} d_1 - \lambda&0&...&0 \\ 0&d_2 - \lambda&...&0 \\ 0&0&...&d_n - \lambda \\ \end {bmatrix} \rightarrow \det(A-\lambda I) = (d_1 - \lambda)*(d_2 - \lambda)*...*(d_n - \lambda)

\therefore \lambda_1 = d_1;\lambda_2 = d_2;...\lambda_n = d_n

同理可直接求取上三角,下三角形状的变换矩阵A的特征值。

关于特征值的一些基本性质:
  • \lambdaA的特征值,则有\lambda ^mA ^m的特征值(m \ge 1);
    \ \ \ \ \数学归纳\because m =1成立,A\vec u = \lambda \vec u
    \ \ \ \ \ \ \ \ \ \ \ \ \假设\ \ m =k A ^ k\vec u = \lambda ^ k \vec u
    \ \ \ \ \ \ \ \ \ \ \ \ \\ \ \ \ \ m =k+1, A ^ {k+1} \vec u = A * A^k \vec u = A \vec u* \lambda ^ k = \lambda \vec u * \lambda ^ k = \lambda ^ {k+1} \vec {u} 得证假设。

  • \lambdaA的特征值,则有\lambda ^{-1}A ^{-1}的特征值(已给出前提矩阵A可逆);
    \ \ \ \ \\ \ A\vec u = \lambda \vec u
    \ \ \ \ \ \ \ \ \ \ \ A^{-1}* A\vec u = A^{-1}* \lambda \vec u
    \ \ \ \ \ \ \ \ \ \ \ \ \vec u = \lambda*A^{-1}\vec u \rightarrow \vec u \lambda ^{-1} = A^{-1}\vec u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\vec u = (2,1)所在直线的变换中,变换前后方向保持不变的向量A\vec a = \vec a{'}= \lambda \vec a将存在于直线y = 0.5x上,且这些向量经投影变换后大小不变即\lambda = 1,所以该直线上的所有向量构成了投影矩阵A\lambda =1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O,而O与变换前的向量同向,不过长度为零,所以垂直于y = 0.5x的直线上的所有向量构成了投影矩阵A\lambda =0的解空间。
  • 对称变换
    在二位空间中,变化矩阵A= \begin {bmatrix} 0&1 \\ 1&0 \end {bmatrix}将平面上的所有向量关于直线y = x 对称变换。那么对处于y = x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 A\lambda =1的解空间。而对于垂直于y = x的直线y = -x上的向量,这些向量对称前后将等大反向,因此构成了 A\lambda =-1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\vec u经过旋转变换得到的向量\vec v,几何中不会存在任何\vec v与向量\vec u同向。所以,对于旋转矩阵A,如逆时针90°旋转矩阵A= \begin {bmatrix} 0&-1 \\ 1&0 \end {bmatrix},求解其特征值将得到\det(A - \lambda I) = O \rightarrow \lambda ^2 + 1 = 0,意味着其特征值只能在复数空间寻求解。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,456评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,370评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,337评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,583评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,596评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,572评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,936评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,595评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,850评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,601评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,685评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,371评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,951评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,934评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,167评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,636评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,411评论 2 342

推荐阅读更多精彩内容