第21课特征值和特征向量

2019-11-02 本文已影响0人 rascalpotato

特征向量

什么是特征向量？给定矩阵 $A$ 使得 $Ax//x$

矩阵有什么作用？

它作用在向量上，矩阵乘以向量 $x$ ,结果得到向量 $Ax$ ，就像一个函数，微积分中的函数，表示作用在数字 $x$ 上得到 $f(x)$ 。线性代数扩展到多维，这些向量使人感兴趣的是那些变换前后方向一致的向量，这些是比较特殊的向量，多数向量而言， $Ax$ 是不同方向的，有特定的向量使得 $Ax$ 平行于 $x$ ，这些就是特征向量

$Ax=\lambda x(\lambda为一系数)$

$\lambda$ 可为任意一数，当 $\lambda$ 为0时 $x$ 为零空间的向量

如果 $A$ 为奇异， $A$ 作用列向量 $x$ 后得到零向量，即可把一个非零向量 $x$ 转化为零向量
$\underbrace{A}_{奇异阵} x=0$
$\lambda=0$ 是一个特征值，需要研究所有的特征值

$\lambda=0$ 不再特殊该怎么求得这些向量 $x$ 和所有 $\lambda$ 值？

没有类似 $Ax=b$ 的方程，

不能利用消元法，

两个未知数，它们相乘作为一项， $\lambda$ 和 $x$ 都是未知数

投影矩阵的特征向量有哪些？特征值 $\lambda$ 是什么？
$P_投=A(A^TA)^{-1}A^T\\ P_投X=X \rightarrow \lambda=1 \\ P_投X=0X \rightarrow \lambda=0$
置换矩阵：
$A=\begin{bmatrix}0&1\\1&0\end{bmatrix} \\ x=\begin{bmatrix}1\\1\end{bmatrix} \rightarrow Ax=\begin{bmatrix}1\\1\end{bmatrix} \rightarrow \lambda=1 \\ x=\begin{bmatrix}-1\\1\end{bmatrix} \rightarrow Ax=\begin{bmatrix}1\\-1\end{bmatrix} \rightarrow \lambda = -1$
特征值性质：

$n \times n$ 矩阵有 $n$ 个特征值
特征值的和等于对角线元素和，这个和数叫做"迹"
$迹=a_{11}+a_{22}+a_{33+\dots+a_{nn}}$

求解： $Ax=\lambda x$ 的特征值和特征向量
$Ax=\lambda x \rightarrow \underbrace{(A-\lambda I)}_{奇异阵}x=0$

该式不含x，称作特征方程或特征值方程：
$det(A-\lambda I)=0$

例：
$A=\begin{bmatrix}3&1\\1&3\end{bmatrix}\\ det(A-\lambda I)= \begin{vmatrix} \begin{bmatrix}3&1\\1&3\end{bmatrix}- \begin{bmatrix}\lambda&0\\0&\lambda\end{bmatrix} \end{vmatrix}= \begin{vmatrix}3-\lambda&1\\1&3-\lambda\end{vmatrix}=(3-\lambda)^2-1=0\\ \rightarrow \lambda^2-6\lambda+9-1=\lambda^2-6\lambda+8=0\\ \rightarrow (\lambda-4)(\lambda-2)=0\\ \rightarrow \lambda_1=4;\lambda_2=2$
方程中的6代表 $A$ 的迹

方程中的8代表 $A$ 的行列式

求特征向量： $A-\lambda I$ 变为奇异矩阵

$\lambda = 4$
$A-\lambda I = A-4I=\begin{bmatrix}3-4&1\\1&3-4\end{bmatrix}= \underbrace{\begin{bmatrix}-1&1\\1&-1\end{bmatrix}}_{奇异}\\ (A-4I)x=0 \rightarrow \begin{bmatrix}-1&1\\1&-1\end{bmatrix}x=0\\ \rightarrow \begin{bmatrix}-x_1+x_2=0&x_1+x_2=0\\x_1+x_2=0&-x_1+x_2=0\end{bmatrix}\\ \rightarrow x=\begin{bmatrix}x_1=1\\x_2=1\end{bmatrix}$
$\lambda = 2$
$A-2I=\begin{bmatrix}3-2&1\\1&3-2\end{bmatrix}= \begin{bmatrix}1&1\\1&1\end{bmatrix} \\ \rightarrow \begin{bmatrix}1&1\\1&1\end{bmatrix}x=0\\ \rightarrow x=\begin{bmatrix}-1\\1\end{bmatrix}$

如果矩阵 $A$ 加上 $\lambda I$ ，那么它的特征向量保持不变，特征值加 $\lambda$

推导过程：如果 $Ax=\lambda x$ 可得结果如下
$(A+3I)x = Ax+3Ix = \lambda x+3x =(\lambda+3)x$

如果 $Ax=\lambda x,B$ 的特征值为 $\alpha_1$ , $A+B=?$

特征值不满足线性关系或乘积点积，因为特征向量不同，无法判断 $A+B$

如果 $B$ 是单位阵的倍数，则没有问题， $A+B$ 是可以的

旋转矩阵

将向量旋转 $90^\circ$
$\underbrace{Q}_{正交矩阵}=\begin{bmatrix}cos90^\circ&-sin90^\circ\\sin90^\circ&cos90^\circ\end{bmatrix}= \begin{bmatrix}0&-1\\1&0\end{bmatrix}$
特征值之积等于行列式

特征值之和等于迹

$迹=\underbrace{a_{11}+a_{22}}_{A对角线之和} = \underbrace{\lambda_1+\lambda_2}_{特征值之和} = 0+0 = 0$

特征值成对出现，它们是复数，一对共轭复数，它们是完全实矩阵的特征值，如果矩阵是对阵，就会有复数特征值，如果矩阵是对阵的或接近对称的，那么特征值是实数， $Q=-Q^T$ ，称为反对阵，这种矩阵特征值为纯虚数，所以这属极端情况，介于对称和反对称之间的矩阵，部分对称，部分反对称
$det(Q)=1=\lambda_1\lambda_2\\ det(Q+\lambda I) \rightarrow \lambda^2=-1\rightarrow\lambda_1=i;\lambda_2=-i$

例：
$A=\begin{bmatrix}3&1\\0&3\end{bmatrix}\\ det(A-\lambda I) = \begin{vmatrix}3-\lambda&1\\0&3-\lambda\end{vmatrix} = (3-\lambda)(3-\lambda) \rightarrow \lambda_1=3;\lambda_2=3\\ (A-\lambda I)x=0 \rightarrow \begin{bmatrix}0&1\\0&0\end{bmatrix}x=0\\ \rightarrow x_1=\begin{bmatrix}1\\0\end{bmatrix};x_2=\begin{bmatrix}1\\0\end{bmatrix}$
没有第二个无关特征向量，此矩阵是一个退化矩阵，只是一个方向上特征向量，而不是两个

第21课特征值和特征向量

特征向量

旋转矩阵

猜你喜欢

热点阅读

第21课 特征值和特征向量

特征向量

旋转矩阵

猜你喜欢

热点阅读

第21课特征值和特征向量