线性代数笔记20--特征值特征向量与旋转矩阵推导

最新推荐文章于 2024-05-01 19:10:24 发布

_不会dp不改名_

最新推荐文章于 2024-05-01 19:10:24 发布

阅读量952

点赞数 18

分类专栏：线性代数文章标签：线性代数笔记矩阵

本文链接：https://blog.csdn.net/bdn_nbd/article/details/136650705

版权

线性代数专栏收录该内容

27 篇文章 2 订阅

订阅专栏

1. 特征向量与特征值

研究对象是一个平面 $A$ ，向量 $X$ 通过 $A$ 变换后仍然平行于 $X$ 。

这样的向量就叫特征向量。
变换后的向量与原向量的比值就是特征值。

$\mathop{//} X\\ AX= \lambda X$

如果矩阵 $A$ 是奇异矩阵，那么 $\lambda=0$ 是一个特征值。

1.1 举例子

投影矩阵
如果 $X$ 在投影平面上 $PX=X,\lambda=1$ ;
如果 $X\perp P$ ,则 $PX=0=0X,\lambda=0$
二阶矩阵
$A=\begin{bmatrix} 0 & 1\\1 & 0 \end{bmatrix}$
$X_1=\begin{bmatrix} 1\\1 \end{bmatrix} \ \lambda_1=1\\ AX=X$
$X_2=\begin{bmatrix} -1\\1 \end{bmatrix} \ \lambda_2=-1\\ AX=-X$
矩阵的迹
$trace=\sum_{i=1}^{n} \lambda_i$
矩阵的迹与对角线元素之和相等
$trace=\sum_{i=1}^{n}a_{ii}=\sum_{i=1}^{n}\lambda_i$

1.2 求解 $AX=\lambda X$

$AX=\lambda X\\ (A-\lambda I)X=0$
要使 $X$ 为不为 $0$ ,则矩阵 $A-\lambda I$ 为奇异矩阵。
所以
$det\ A-\lambda I=0$
就变成了求解 $A-\lambda I$ 的零空间。

举例子
$A=\begin{bmatrix} 3 & 1\\1 & 3 \end{bmatrix}\\ A-\lambda I= \begin{bmatrix} 3-\lambda & 1\\1 & 3-\lambda \end{bmatrix}\\ (3-\lambda)^2-1=0\\ \lambda_1=2\\\lambda_2=4$
6是迹，8是行列式的值。

$\begin{bmatrix} -1 & 1\\1 & -1 \end{bmatrix} \ X_1=\begin{bmatrix} 1 \\1 \end{bmatrix}\\ A-2I= \begin{bmatrix} 1 & 1\\1 & 1 \end{bmatrix} \ X_2=\begin{bmatrix} 1 \\-1 \end{bmatrix}$
我们可以看到两个特征向量与我们的上一个例子中特征向量一样，特征值分别加 $3$ 了。

这是因为
$A+3I=A'\\ AX= \lambda X\\ (A+3I)X=(\lambda+3)X$
但这对两个其他不同矩阵特征值不能应用。
$AX=\alpha X\\BY=\beta Y$
因为不能保证他们的特征向量一致。

举例子，旋转矩阵
$rota=\begin{bmatrix} \cos \theta & -\sin \theta\\ \sin \theta & \cos \theta \end{bmatrix}$

取 $90^{\circ}$ 时旋转矩阵
$\begin{bmatrix} 0 & -1\\ 1 & 0 \end{bmatrix}$

$Q'=Q-\lambda I= \begin{bmatrix} -\lambda & -1\\ 1 & -\lambda \end{bmatrix}\\ det\ Q'= \lambda^2+1=0\\ \lambda_1= i\\\lambda_2=-i$
矩阵越对称，越有实数特征值。否则就是复数特征值。

再一个例子
$A=\begin{bmatrix} 3 & 1\\0 & 3 \end{bmatrix}\\ A'=A-\lambda I= \begin{bmatrix} 3-\lambda & 1 \\ 0 & 3-\lambda \end{bmatrix}\\ det\ A'= \begin{bmatrix} 3-\lambda & 1\\ 0 & 3-\lambda \end{bmatrix}= (\lambda-3)^2=0\\ \lambda_1=\lambda_2=1\\ X_1=\begin{bmatrix} 1 \\ 0 \end{bmatrix}$
重根造成了特征向量的缺失

2. 旋转矩阵的推导

假设在二维平面上向量 $\overrightarrow{OA}=(x,y)$ ，求逆时针旋转 $\theta$ 后的坐标。

假设 $\overrightarrow{OA}$ 的平面角为 $\alpha$ ，则

$x^{2}+y^{2}=r^2$
$r\cos\alpha=x,r\sin\alpha=y$

假设旋转后的角度为 $\beta$ ，则

$\alpha + \theta= \beta\\ \cos \beta= cos(\alpha+\theta)=\cos \theta \cos \alpha-\sin \theta \sin \alpha\\ \sin \beta=\sin(\alpha+\theta)=\sin \theta \cos \alpha+\cos \theta \sin \alpha$
换成矩阵的形式
$\begin{bmatrix} \cos \beta\\ \sin \beta\\ \end{bmatrix}= \begin{bmatrix} \cos \theta &-\sin \theta\\ \sin \theta & \cos \theta\\ \end{bmatrix} \begin{bmatrix} \cos \alpha\\ \sin \alpha\\ \end{bmatrix}$
等式两边同乘向量的模长得到旋转后的坐标
$\begin{bmatrix} \cos \beta\\ \sin \beta\\ \end{bmatrix} \begin{bmatrix} r \end{bmatrix}=\begin{bmatrix} r\cos \beta\\ r\sin \beta\\ \end{bmatrix}= \begin{bmatrix} \cos \theta &-\sin \theta\\ \sin \theta & \cos \theta\\ \end{bmatrix} \begin{bmatrix} \cos \alpha\\ \sin \alpha\\ \end{bmatrix} \begin{bmatrix} r \end{bmatrix}\\= \begin{bmatrix} \cos \theta &-\sin \theta\\ \sin \theta & \cos \theta\\ \end{bmatrix} \begin{bmatrix} r\cos \alpha\\ r\sin \alpha\\ \end{bmatrix}$
整理后得到旋转后坐标与旋转前坐标关系
$\begin{bmatrix} x'\\y' \end{bmatrix}= \begin{bmatrix} \cos \theta &-\sin \theta\\ \sin \theta & \cos \theta\\ \end{bmatrix} \begin{bmatrix} x\\ y\\ \end{bmatrix}$
所以旋转矩阵为
$trans(\theta)=\begin{bmatrix} \cos \theta &-\sin \theta\\ \sin \theta & \cos \theta\\ \end{bmatrix}$