10 特征向量与特征值（线性代数的本质 3B1B学习笔记）

幸福の西西弗

已于 2024-05-08 21:38:28 修改

阅读量440

点赞数 5

文章标签：学习笔记

于 2024-05-07 10:17:07 首次发布

本文链接：https://blog.csdn.net/2301_79753098/article/details/138412060

版权

10 特征向量与特征值

基变换回顾：不同视角下表示同一变换的方法

举个例子，如何在我们的坐标系下用矩阵表示逆时针旋转90°的变换？只需要一个矩阵 $eq?%5Cbegin%7Bbmatrix%7D%200%20%261%20%5C%5C%20-1%260%20%5Cend%7Bbmatrix%7D$ 。我们的做法是：跟踪在我们坐标系下的基向量，也就是说，我们的基向量本来是i= $eq?%5Cbegin%7Bbmatrix%7D%201%5C%5C%200%20%5Cend%7Bbmatrix%7D$ 和j= $eq?%5Cbegin%7Bbmatrix%7D%200%5C%5C%201%20%5Cend%7Bbmatrix%7D$ ，经过变换之后变为了 $eq?%5Cbegin%7Bbmatrix%7D%200%5C%5C%201%20%5Cend%7Bbmatrix%7D$ 和 $eq?%5Cbegin%7Bbmatrix%7D%20-1%5C%5C%200%20%5Cend%7Bbmatrix%7D$ ，跟踪我们所选的基向量i和j，用我们的坐标进行记录，就可以得到这个变换用矩阵表示的方式： $eq?%5Cbegin%7Bbmatrix%7D%200%20%261%20%5C%5C%20-1%260%20%5Cend%7Bbmatrix%7D$ 。

那么，假设你此时需要在另一个坐标系下，用这个坐标系自己的基向量表示逆时针旋转90°的变换，你该怎么写这个基变换矩阵呢？

不同视角下表示同一变换的实例

举一个简单的例子：

已知在我们自己原本的坐标系下，想要对一个向量完成逆时针旋转90°的变换，可以给让这个向量左乘矩阵M= $eq?%5Cbegin%7Bbmatrix%7D%200%20%261%20%5C%5C%20-1%260%20%5Cend%7Bbmatrix%7D$ ，也就是说，T矩阵代表了在原坐标系视角下逆时针旋转90°的变换，这也就是上一个例子在解释的部分。

此时假设你有一个新的坐标系，这个新坐标系的基变换矩阵A= $eq?%5Cbegin%7Bbmatrix%7D%202%20%26-1%20%5C%5C%201%261%20%5Cend%7Bbmatrix%7D$ ，在这个坐标系下，你有一个向量 $eq?%5Cunderset%7Ba%7D%7B%5Crightarrow%7D$ = $eq?%5Cbegin%7Bbmatrix%7D%20-1%5C%5C%202%20%5Cend%7Bbmatrix%7D$ ，表示注意，此时 $eq?%5Cunderset%7Ba%7D%7B%5Crightarrow%7D$ 的坐标是用新坐标系下的方式表达的。此时我想对 $eq?%5Cunderset%7Ba%7D%7B%5Crightarrow%7D$ 实施逆时针旋转90°的操作，我该用哪个基变换矩阵左乘 $eq?%5Cunderset%7Ba%7D%7B%5Crightarrow%7D$ 呢？

想要完成这个转化，我们的逻辑是：

①得到“用我们语言描述的同一向量”(基变换）

用新坐标系的基变换矩阵对 $eq?%5Cunderset%7Ba%7D%7B%5Crightarrow%7D$ 实施变换，得到 $eq?%5Cunderset%7Ba%7D%7B%5Crightarrow%7D$ 在我们自己原本的坐标系下的表达式，我们把这个表达式记为 $eq?%5Cunderset%7Ba1%7D%7B%5Crightarrow%7D$ ， $eq?%5Cunderset%7Ba1%7D%7B%5Crightarrow%7D$ =A× $eq?%5Cunderset%7Ba1%7D%7B%5Crightarrow%7D$ = $eq?%5Cbegin%7Bbmatrix%7D%202%20%26-1%20%5C%5C%201%261%20%5Cend%7Bbmatrix%7D%20%5Ctimes%20%5Cbegin%7Bbmatrix%7D%20-1%20%5C%5C2%20%5Cend%7Bbmatrix%7D$ ；

②对“用我们语言描述的同一向量”实施变换（线性变换）

对 $eq?%5Cunderset%7Ba1%7D%7B%5Crightarrow%7D$ 进行逆时针旋转90°的变换，具体做法是，用代表着“逆时针旋转90°”的基变换矩阵T左乘 $eq?%5Cunderset%7Ba1%7D%7B%5Crightarrow%7D$ 。因为 $eq?%5Cunderset%7Ba1%7D%7B%5Crightarrow%7D$ 是一个原坐标系下的向量表达，所以自然可以用原坐标系下的基变换矩阵T，去对它完成旋转操作，得到用原坐标系下语言描述的旋转后的向量 $eq?%5Cunderset%7Ba2%7D%7B%5Crightarrow%7D$ 。此时的表达式可以写成： $eq?%5Cunderset%7Ba2%7D%7B%5Crightarrow%7D$ =M× $eq?%5Cunderset%7Ba1%7D%7B%5Crightarrow%7D$ = $eq?%5Cbegin%7Bbmatrix%7D%200%20%26-1%20%5C%5C%201%260%20%5Cend%7Bbmatrix%7D%20%5Ctimes%20%5Cbegin%7Bbmatrix%7D%202%261%20%5C%5C%20-1%261%20%5Cend%7Bbmatrix%7D%20%5Ctimes%20%5Cbegin%7Bbmatrix%7D%20-1%5C%5C%202%20%5Cend%7Bbmatrix%7D$ ； $eq?%5Cunderset%7Ba2%7D%7B%5Crightarrow%7D$ 是 $eq?%5Cunderset%7Ba1%7D%7B%5Crightarrow%7D$ 逆时针旋转90°后得到的向量，并且是用原坐标系下的语言描述的；

③将描述语言转化成新坐标系下的语言（基变换的逆）

现在我们已经得到了 $eq?%5Cunderset%7Ba1%7D%7B%5Crightarrow%7D$ 逆时针旋转90°后得到的向量 $eq?%5Cunderset%7Ba2%7D%7B%5Crightarrow%7D$ ，但问题在于， $eq?%5Cunderset%7Ba2%7D%7B%5Crightarrow%7D$ 是用原坐标系下的语言表达的，要想把 $eq?%5Cunderset%7Ba2%7D%7B%5Crightarrow%7D$ 的表达式转化成新坐标系下的语言，我们就需要给 $eq?%5Cunderset%7Ba2%7D%7B%5Crightarrow%7D$ 左乘上 $eq?A%5E%7B%5E%7B-1%7D%7D$ ，把原坐标系的语言，转化成新坐标系下的语言。此时我们就得到了用新坐标系下语言描述的旋转后的向量 $eq?%5Cunderset%7Ba3%7D%7B%5Crightarrow%7D$ ， $eq?%5Cunderset%7Ba3%7D%7B%5Crightarrow%7D$ = $eq?A%5E%7B%5E%7B-1%7D%7D$ × $eq?%5Cunderset%7Ba2%7D%7B%5Crightarrow%7D$ = $eq?%5Cbegin%7Bbmatrix%7D%202%26-1%20%5C%5C%201%261%20%5Cend%7Bbmatrix%7D%5E%7B-1%7D%20%5Ctimes%20%5Cbegin%7Bbmatrix%7D%200%20%26-1%20%5C%5C%201%260%20%5Cend%7Bbmatrix%7D%20%5Ctimes%20%5Cbegin%7Bbmatrix%7D%202%261%20%5C%5C%20-1%261%20%5Cend%7Bbmatrix%7D%20%5Ctimes%20%5Cbegin%7Bbmatrix%7D%20-1%5C%5C%202%20%5Cend%7Bbmatrix%7D$ ；

总结一下这个变换过程,即为： $eq?%5Cunderset%7Ba3%7D%7B%5Crightarrow%7D$ =( $eq?A%5E%7B%5E%7B-1%7D%7D$ $eq?M$ $eq?A$ ) $eq?%5Cunderset%7Ba1%7D%7B%5Crightarrow%7D$

相似矩阵

上述变换过程依次运用了三种变换：①基变换；②线性变换；③基变换的逆。写出这个变换过程的表达式： $eq?A%5E%7B_%7B-1%7D%7DMA$ ，结合上面的实例，这个表达式的含义是一种视角上的变化。 $eq?A%5E%7B_%7B-1%7D%7DMA$ 代表的矩阵变换和 $eq?M$ 代表的矩阵变换实际上是：同一个变换在不同坐标系下的不同表达。