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
若 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
- 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 (A−λI)x=0 成立,即 A−λI 奇异,等价于 det(A−λI)=0 。展开此公式可以得到 λ 的 n 阶多项式(
A∈Rn×n , x∈Rn ),有 n 个解。求解出λ 之后再求解 A−λI 的null space。4. 行列式的性质
- 对称矩阵的特征值均为实数(未证明)。
- 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)。
- 所有特征值的乘积等于矩阵行列式, ∏λi=det(A) (未证明)。
-
A+aI
与
A
的特征向量相同,特征值加
a (考虑行列式求解方法)。 - 三角矩阵的特征向量为矩阵对角线上的元素,即 λi=Aii ( A−λI 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
- 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
与
−i 。 - 特征值重复,例如
A=[3,10,3]
,特征值为
3
,且
A−3I 的null space维度为1。