严格对角占优矩阵特征值_MIT—线性代数笔记21 特征值和特征向量
第21讲 特征值和特征向量
Eigenvalues and eigenvectors
网易公开课open.163.com
本单元后面的课程主要围绕特征值和特征向量。在这个议题下讨论得都是方阵。
- 特征向量和特征值 Eigenvectors and eigenvalues
将矩阵A与向量x相乘当做是对向量的一种操作或者函数,输入x而输出Ax。特征向量即在特定的向量x方向上输出的Ax平行于x,即为:
其中x为矩阵A的特征向量,而
A的特征值。
如果0是矩阵的特征值,则有Ax=0x=0。特征值0所对应的向量生成了矩阵的零空间。如果矩阵A为不可逆矩阵,则0是其特征值之一。
例1:矩阵P是朝向一个平面的投影矩阵。对于这个平面之内的x,均有Px=x,因此x是特征向量而1为特征值。垂直于该平面的向量x经投影得到Px=0,这个x也是矩阵的特征向量而0为特征值。矩阵P的所有特征向量张成了整个空间。
例2:矩阵A=
x=
x=
任意nxn矩阵A具有n个特征值,并且它们的和等于矩阵对角线上的元素之和,这个数值为矩阵的迹(trace)。对于二阶矩阵,在已知一个特征值的条件下,可以据此得到另一个特征值。
方程
x的方程中,可以解得n个特征值,但是有可能方程有重根,则会得到重复的特征值。
得到特征值之后,可以用消元法解
A的特征向量。
例如:矩阵A=
A的迹,而8是行列式的值。通常一个2阶矩阵的特征值是如下方程的解:
对于上述矩阵A,可以求得特征值
,
,
,
,
与前例中矩阵A=
需要注意的是,两个矩阵的和的特征值不是两特征值直接相加之和,因为特征向量并不相同。
矩阵的迹等于特征值之和:如上所述,将
展开会得到的n阶多项式,多项式的解就是矩阵A 的特征值,根据多项式根与系数的关系,解之和即特征值之和等于
的系数。而行列式展开式中只有对角线的积这一项包含(其它项最高是n-2 次方),而其系数为矩阵A 对角线元素之和,即矩阵A 的迹,因此特征值之和与矩阵的迹相等。对称矩阵的特征向量正交:
和是对称矩阵的两个不同的特征值,对应的特征向量分别为x1 和x2。则有
,左乘x2得
。而又有。因此有,而两特征值不等,所以可得两特征向量正交。
- 复数特征值 Complex eigenvalues
矩阵
可以解得
实数特征值让特征向量伸缩而虚数让其旋转。
对称矩阵永远具有实数的特征值,而反对称矩阵(antisymmetric matrices),即满足
- 三角阵和重特征值 Triangular matrices and repeated eigenvalues
对于如A=
可以解得
x1=
x2。说明A是一个退化矩阵,对应相同的特征值而特征向量短缺。
严格对角占优矩阵特征值_MIT—线性代数笔记21 特征值和特征向量相关推荐
- 线性代数笔记22——特征值和特征向量
特征向量 函数通常作用在数字上,比如函数f作用在x上,结果得到了f(x).在线性代数中,我们将x扩展到多维,对于Ax来说,矩阵A的作用就像一个函数,输入一个向量x,通过A的作用,得到向量Ax.对多数向 ...
- matlab向量与x正方向的夹角_MIT—线性代数笔记25 对称矩阵和正定性
第25讲 对称矩阵和正定性 Symmetric matrices and positive definiteness 网易公开课open.163.com 进入第三单元学习,主题是正定矩阵及其应用.对 ...
- 一般向量空间的基变换_MIT—线性代数笔记30 线性变换及对应矩阵
第30讲 线性变换及对应矩阵 Linear transformations and their matrices 网易公开课open.163.com 线性变换 Linear transformati ...
- 已知法向量 求投影_MIT—线性代数笔记15 子空间投影
第15讲 子空间投影 Projections onto subspaces 网易公开课open.163.com 投影(射影)Projections 投影问题的几何解释就是:如何在向量a的方向上寻找与 ...
- 两矩阵相乘的秩的性质_MIT—线性代数笔记04 矩阵的LU分解
第04讲 矩阵的LU分解 Factorization into A=LU 04 A的LU分解v.youku.com 本节的主要目的是从矩阵的角度理解高斯消元法,最后找到所谓的L矩阵,使得矩阵A可以转 ...
- 如何将一个向量投影到一个平面上_MIT—线性代数笔记15 子空间投影
第15讲 子空间投影 Projections onto subspaces 网易公开课open.163.com 投影(射影)Projections 投影问题的几何解释就是:如何在向量a的方向上寻找与 ...
- 列运算_MIT—线性代数笔记06 列空间和零空间
第06讲 列空间和零空间 Column space & Nullspace 网易公开课open.163.com 本节继续研究子空间,特别是矩阵的列空间(column space)和零空间(n ...
- 线性代数笔记21——伴随矩阵和克莱姆法则
伴随矩阵 对于2×2矩阵来说,它的逆矩阵公式: 对于更高阶矩阵,我们也希望使用类似的公式.从2×2的逆矩阵公式可以看出,它的逆矩阵由两部分组成,其一是行列式的倒数,这意味着矩阵可逆的前提是行列式不为0 ...
- 严格对角占优矩阵特征值_电子科技大学矩阵理论复习笔记 第四章 特征值的估计...
4.1 特征值界的估计(详细证明) 掌握定理1 (Shur)的证明 利用第三章给的引理, ,在经过放缩(划线处),最后利用相似得到证明. 4.2 Gerschgorin 圆盘定理(详细证明) 定理1的 ...
- 严格对角占优矩阵特征值_盖尔金圆定理及严格对角占优矩阵(SDD)
盖尔金圆定理(Gersghorin Circle Thorem) 盖尔金圆定理(Gersghorin Circle Thorem)是线性代数中一个有趣而实用的定理,可以用它来描述矩阵的特征值.首先我们 ...
最新文章
- 【金三银四跳槽季】Java工程师如何在1个月内做好面试准备?
- Java基础:Java变量、数据类型、运算符(2)
- CTFshow 命令执行 web30
- NetCore2.x 使用Log4Net(一)
- python输入整数_Python中实现输入一个整数的案例
- 可视化管理_供应链可视化管理的应用与展望
- Qt之QGraphicsView实战篇(很强大)
- Mybatis的动态sql(五)
- java 带超时时间lru_如何在O(1)时间复杂度下实现LRU
- js原生方式实现bind方法
- NFC中国-中国第一NFC论坛,NFC中文论坛+NFC技术社区+NFC_电子发烧友网【申明:来源于网络】...
- java word 添加图片_java如何在word中添加图形?图文详解
- 外卖联盟高级接口 - 美团联盟接口 美团外卖CPS+CPA推广活动推广API接口
- ImGui添加背景图片的两种方式
- ABP VNext学习日记2
- Verilog实现按键计数器
- 【EXP】函数使用技巧
- 十大盗版软件你用了几个?
- Opencv 简单视频播放器
- TFN CK1840B 喇叭天线 定向 18GHz~40GHz
热门文章
- 论文笔记_S2D.51_2016-IEEE TOR_Past, Present, and Future of Simultaneous Localization and Mapping
- Ubuntu18.04下安装配置darknet
- 树莓派4B Ubuntu20.04 ROS2 DSO realsense d455
- base/7/x86_64/filelists_db FAILED
- Mysql添加远程访问权限
- 赵栋 201771010137 《面向对象程序设计(java)》第二周学习总结
- P2P技术简介(包括BT软件的分析)(转)
- 自定义iWatch App点击Glance后的跳转页
- MFC DoDataExchange()绑定技术
- Mongodb源码分析--内存文件映射(MMAP)