MIT 18.06 linear algebra 第二十一讲笔记
第二十一课课程要点
- Eigenvalue、Eigenvector
- det[A−λI]=0 d e t [ A − λ I ] = 0
- TRACE=λ1+λ2+λ3+⋯+λn T R A C E = λ 1 + λ 2 + λ 3 + ⋯ + λ n
矩阵 A A 特征向量可以使得 Ax A x 平行于 x x 。即。(注:这里讨论的矩阵都为方阵)。
如果 A A 为奇异矩阵,那么0是一个特征值。
下面讨论下,关于投影矩阵的特征值与特征向量。任意向量如果在投影的平面中,那么 Px=x,λ=1 P x = x , λ = 1 ,其中 P P 为投影矩阵。任意垂直于平面,那么它投影到平面上时 Px=0,λ=0 P x = 0 , λ = 0
接下来看一下置换矩阵:
[0110]
[
0
1
1
0
]
,这个矩阵的特征值为
λ1=1,λ2=−1
λ
1
=
1
,
λ
2
=
−
1
,特征向量为
x1=[11]
x
1
=
[
1
1
]
和
x2=[−11]
x
2
=
[
−
1
1
]
。
关于矩阵的特征值有一些重要的性质:
- n×n n × n 的矩阵有 n n 个特征值。
- 特征值的和等于矩阵的迹(即,对主角线元素之和)。
- 特征值的积等于行列式的值
怎么解决,可以通过 (A−λI)x=0 ( A − λ I ) x = 0 来求解。如果有非零的 x x 向量存在,这说明是一个奇异矩阵。
称 det(A−λI)=0 d e t ( A − λ I ) = 0 为特征方程。我可通过这个方程求出相应的特征值。例如 [3113] [ 3 1 1 3 ] , det(A−λI)=∣∣∣3−λ113−λ∣∣∣ d e t ( A − λ I ) = | 3 − λ 1 1 3 − λ | 。可以求出 λ1=2,λ2=4 λ 1 = 2 , λ 2 = 4 ,将其特征值代入后我们就可以求出相应的特征向量为 x1=[11] x 1 = [ 1 1 ] 和 x2=[−11] x 2 = [ − 1 1 ] 。就此可以看出特征值此处的矩阵 A A 和前面的矩阵只是加了 3I 3 I 而已。两个矩阵的特征值差了3。但是特征向量并没有变。
如果一个矩阵满足 Ax=λx A x = λ x ,那么 (A+3I)x=λx+3x=(λ+3)x ( A + 3 I ) x = λ x + 3 x = ( λ + 3 ) x 。这就是上面特征值加了3的原因。
一般而言, A+B A + B 或者 AB A B 的特征值并不等于 A A 的特征值加上的特征值,或 AB A B 特征值的乘积。
接下来看一下 [01−10] [ 0 − 1 1 0 ] ,这个矩阵的行列式的值为1,迹为0,因此可以知道特征值 λ1=−i,λ2=i λ 1 = − i , λ 2 = i 。这里的特征是为复数。
一般而言,如果矩阵是对称的,那么矩阵的特征值是实数,如果矩阵月不对称,那么矩阵的特征值就越有可能是复数。
反对称矩阵的矩阵的特征值为纯虚数(注:反对称阵: QT=−Q Q T = − Q , [01−10] [ 0 − 1 1 0 ] 就是反对称阵)。
在看一下上三角矩阵 [3013] [ 3 1 0 3 ] ,其中 λ1+λ2=6 λ 1 + λ 2 = 6 , λ1×λ2=9 λ 1 × λ 2 = 9 ,因此可以解出 λ1 λ 1 和 λ2 λ 2 都等于3。将解出来的 λ λ 代入 det(A−λI)=∣∣∣0010∣∣∣ d e t ( A − λ I ) = | 0 1 0 0 | 。解得 x=[10] x = [ 1 0 ] 。这个矩阵的两个特征向量是相同的。因此找不到第二个与第一个无关的特征向量。因此我们又称这种矩阵为退化矩阵。这个矩阵只有在一个方向上的特征向量,而非两个。对于这种对角阵,特征值就在对角线上。