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。对多数向量x而言,经过Ax的转换后将得到不同方向的向量,但总有一些特殊的向量,它的方向和Ax方向相同,即Ax平行于x,这些特殊的向量就是特征向量。
平行的向量用方程来表示比较简单:
其中A是方阵,x≠0。λ是一个系数,被称为特征系数或特征值;x和λx平行,方程的解x就是A的特征向量。
这里需要对“方向相同”做出一些特殊的解释,它也包括正好相反的方向和无方向,所以λ的值可以取0或负数。
求解特征向量
现在的问题是,给定矩阵A,如果求解A的特征向量?这里没有Ax = b这样的方程,只有Ax=λx,其中λ和x都是未知数,如何求解呢?在解释之前,先看看投影矩阵的特征向量。
投影矩阵的特征向量
假设有个一个平面,给定投影矩阵P,投影矩阵的特征向量有哪些?特征值又是什么?
这实际上是在回答那些向量的投影和向量本身平行,像下面这样随意投影肯定不行:
x在平面的投影是Px,二者的方向不相同,因此图中的x不是P的特征向量。
如果x正好在平面上,那么它的投影就是x本身,所以位于平面上的所有向量都是P的特征向量,此时特征值λ=1,Px=x (Ax=λx, A=P, λ=1)。此外,垂直于平面的向量在平面上的投影是零向量,即Px = 0 = 0x (Ax=λx, A=P, λ=0),这相当于特征值λ=0,所以垂直于平面的向量也是P的特征向量。
矩阵的迹
再看一个特例:
A乘以什么样的向量将得到一个同方向的向量?即A的特征值和特征向量是什么?
很容易看出:
A还有其它的特征值:
上面的答案符合两个关于特征值的性质:
- n×n矩阵有n个特征值。
- 矩阵的所有特征值之和等于该矩阵的主对角线元素之和,这个和数叫做A的迹。
特征方程
现在到了面对Ax=λx的时候,弄清楚如何求解λ和x。
解决的方法是将λx移到等式左侧:
更进一步,可以利用λx = λIx将λ向量化,变成:
复习一下零空间,对于Ax = 0来说,如果A的各列是线性无关的,意味着方程组只有一个全零解。把这句话放到新方程中,如果(A-λI) 的各列是线性无关的,意味着只有一个解,x=0。但是特征向量不能是零向量,所以需要新方程还有其它解,这意味着(A-λI) 的各列是线性相关的,即A-λI是一个奇异矩阵。由于奇异矩阵的行列式是0,因此可以得到结论:
这就没x什么事了,得到了一个关于λ的方程,该方程叫做特征方程或特征值方程。可以根据特征方程先求解出λ,当然,对于n阶方阵会求出n个λ。知道λ后就容易多了,把每个λ代入(A-λI)x=0,然后找出它的零空间。(关于零空间,可参考《线性代数笔记12——列空间和零空间》)
来看一个示例:
先求解A的特征值:
A的迹是所有特征值之和,它等于主对角线元素之和,这可以用来作为特征值求解的初步验证。接下来求解每个特征值对应的特征向量:
容易判断零空间的基是:
这也是特征值λ1对应的特征向量,实际上零空间中的所有向量都是λ1对应的特征向量。
用同样的方法求出λ2对应的特征向量:
复数特征值
值得注意的是,特征值未必是实数,比如下面的矩阵:
此时特征值是复数,λ=±i
综合示例
召唤一个矩阵A:
找出A,A2,A-1的特征值和特征向量。
先看简单的,求解A的特征值比较容易:
第一列中有两个0,所以将这个行列式以第一列展开:
三个特征值之和等于A的主对角元素之和。
接下来求解特征值:
方程的一组解就是特征向量:
接下来求出另外两个特征向量:
找出对应的零空间,先化简为行阶梯矩阵:
当x3 = 1时,将得到一组特征向量:
继续计算λ3的特征向量:
当x3 = 1时,将得到一组特征向量:
接下来计算A2的特征值,这将是个浩大的工程,我们更想让它变得容易一点,已知Ax=λx,现在将A再左乘一个A变成A2:
等式的源头是Ax=λx,假设x是已知的,它已经被求得,因此这个式子告诉我们,如果已知A的特征向量,那么它也是A2的特征向量,只不过特征值换成了λ2。
类似地,A-1x也可以做一些演变:
A-1的特征值就是1/λ,,它的特征值和A的特征值相同。
作者:我是8位的
出处:http://www.cnblogs.com/bigmonkey
本文以学习、研究和分享为主,如需转载,请联系本人,标明作者和出处,非商业用途!
扫描二维码关注公众号“我是8位的”
线性代数笔记22——特征值和特征向量相关推荐
- 线性代数:04 特征值与特征向量 -- 矩阵的相似对角化
本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习. 本章主要介绍特征值与特征向量的知识,前一章我们介绍了线性变换可以把一个向量映射到 ...
- 线性代数:04 特征值与特征向量 -- 特征值与特征向量
本讲义是自己上课所用幻灯片,里面没有详细的推导过程(笔者板书推导)只以大纲的方式来展示课上的内容,以方便大家下来复习. 本章主要介绍特征值与特征向量的知识,前一章我们介绍了线性变换可以把一个向量映射到 ...
- Matlab与线性代数 -- 矩阵的特征值与特征向量
本图文详细介绍了Matlab中求方阵特征值与特征向量的方法.
- 李永乐线性代数手写笔记-特征值和特征向量
李永乐线性代数基础知识,整理放在博客上面,方便自己复习查看. 概览请移步:李永乐线性代数2020年基础课手写笔记汇总 文章目录 一 特征值和特征向量 二 相似矩阵 三 实对称矩阵 一 特征值和特征向量 ...
- 线性代数学习笔记——习题课——特征值与特征向量
1.特征值的判定方法 2. 特征向量的判定方法 3. 特征值.特征向量的计算步骤 4. 特征值的计算技巧 5. 特征值与特征向量的性质 6. 示例
- 2020年李永乐线性代数强化笔记-特征值、特征向量与二次型
文章目录 特征值.特征向量 1 特征值.特征向量 2 相似 3 实对称矩阵(施密特正交化) 二次型 1 标准形.规范形 2 正定 3 合同 特征值.特征向量 1 特征值.特征向量 2 相似 3 实对称 ...
- 线性代数学习笔记7-1:特征值、特征向量、特征值的虚实性、迹、相似不变量
特征向量:经历特定线性变换后,只受到伸缩影响的特殊向量 首先注意前提:特征值和特征向量,仅针对方阵讨论,因为非方阵不可能满足定义式 A v ⃗ = λ v ⃗ \mathbf A \vec v=\la ...
- 特征值与特征向量_机器学习和线性代数 - 特征值和特征向量
特征值和特征向量可能是线性代数中最重要的概念之一.从机器学习.量子计算.物理到许多数学和工程的问题,都可以通过找到一个矩阵的特征值和特征向量来解决. 根据定义(标量λ.向量v是特征值.特征向量A): ...
- 【线性代数】矩阵、向量、行列式、特征值与特征向量(掌握这些概念一篇文章就够了)
在数学领域中,线性代数是一门十分有魅力的学科,首先,它不难学:其次,它能广泛应用于现实生活中:另外,在机器学习越来越被重视的现在,线性代数也能算得上是一个优秀程序员的基本素养吧? 一.线性代数的入门知 ...
最新文章
- 栈和堆的区别(转 知乎)
- 【游戏开发备注之二】配置Xcode版本控制SVN详细步骤内含部分问题解决方案
- 学习笔记之-php编码技巧
- pygame里面物体闪烁运动_利用自闪烁发光二极管探究小车在倾斜轨道上的运动规律...
- [进阶] --- Python3 异步编程详解(史上最全篇)
- 【OpenCV学习笔记】2.1OpenCV基本数据类型
- Mybatis(14)多表查询
- android gps 案例_GPS学习要点10
- SCUT - 240 - 宝华的文件系统 - 模拟
- 危险的SharedPreference操作
- 高分四号(GF4)——预处理(辐射定标、大气校正、正射校正、图像配准)
- 整理Java基础知识--数组2
- 网络模型一般是指 OSI 七层参考模型和 TCP/IP 五层参考模型。
- 2020中兴捧月傅里叶派记录
- 复活吧,我的僵尸路由器们,wrt1041n v2再战江湖,路由器硬改硬刷手把手超详细教学
- 服务器篇 使用Windows Server 2012R2搭建DHCP服务器-01
- 在DX12中使用imgui 鼠标响应问题的解决
- java标签用setbounds,java-摆动setResizable和setBounds
- hfds下的文件导入hive表格
- 阳性,阴性,假阳性,假阴性,敏感度,特异性
热门文章
- 计算机室在初中英语教学中的应用,浅谈信息技术在初中英语教学中的运用
- MG-BERT | 利用 无监督 原子表示学习 预测分子性质 | 在分子图上应用BERT | GNN | 无监督学习(掩蔽原子预训练) | attention
- 质量如何登入大雅之堂
- Delphi-双色球分析软件(1)
- 2021研电赛获奖作品合集
- CO40/CO41转生产订单下达时不能创建采购申请
- 关于官方的fabric-sample项目启动案例简单分析
- iOS:界面适配(二)--Universal通用程序 iPhone、iPad适配(关于xib)
- 计算机都要学高等数学和英语么,大学所有专业都要学英语、高数和大学语文吗?...
- 透过个人ios经验,说下自己的一个实习项目