MIT18.06线性代数课程笔记21:特征向量、特征值简介、求法与性质

课程简介

18.06是Gilbert Strang教授在MIT开的线性代数公开课,课程视频以及相关资料请见https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/index.htm

课程笔记

1. 特征值与特征向量的定义

Ax=λx 成立,则称 λ 为特征值, x 为特征向量。对于某一特征值,可以有无数多个特征向量,我们通常关心其中线性无关的有限个。

2. 几个小例子

  1. 投影矩阵P,输出任意向量投影到该子空间的向量。特征值为1或者0,。特征值为1时的特征向量为子空间的一组基,特征值为0时的特征向量为null space的一组基。

    • 置换矩阵,具体的,二维置换矩阵 A=[0,11,0] 。特征值为1或-1。特征值为1时的特征向量为 [1,1]T ,特征值为0时的特征向量为 [1,1]T
    • 3. 通过行列式求解特征值与特征向量

      具体的,观察 Ax=λx 的成立条件等价于 (AλI)x=0 成立,即 AλI 奇异,等价于 det(AλI)=0 。展开此公式可以得到 λ n 阶多项式(ARn×n, xRn ),有 n 个解。求解出λ之后再求解 AλI 的null space。

      4. 行列式的性质

      1. 对称矩阵的特征值均为实数(未证明)。
      2. 所有特征值的和等于矩阵对角线上元素的和, λi=trace(A) (未证明)。
      3. 所有特征值的乘积等于矩阵行列式, λi=det(A) (未证明)。
      4. A+aI A 的特征向量相同,特征值加a(考虑行列式求解方法)。
      5. 三角矩阵的特征向量为矩阵对角线上的元素,即 λi=Aii AλI 的行列式仅为对角线上元素乘积)。

      5. 几种特殊的特征值与特征向量

      1. 特征值为复数,例如旋转矩阵 A=[0,11,0] (旋转向量90°),特征值为 i i
      2. 特征值重复,例如 A=[3,10,3] ,特征值为 3 ,且A3I的null space维度为1。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值