特征值和特征向量的几何意义
向量v(-2,2),一个忠心(不变)的矩阵A试图从左边搭讪向量v,于是他们坐在一起得到向量Av
当v去一个地方的时候,Av也陪着她去,就这样(即下图中的向量v从左边移到右边),终于……
向量v和Av共线!向量v多了一份名义,叫做特征向量。
随着时间的流逝(上下移动v)我们还发现,有两条直线上有着v和Av的所有踪迹,这就是他们的生活空间(特征空间)。换句话说,特征空间包含所有的特征向量。
下面的一个类比可以帮助我们更好的理解特征值和特征向量:
如果把矩阵看作是运动,那么特征值就是运动的速度,特征向量就是运动的方向。
特征向量在一个矩阵的作用下作伸缩运动,伸缩的幅度由特征值确定。特征值大于1,所有属于此特征值的特征向量变长;特征值大于0小于1,特征向量缩短;特征值小于0,特征向量缩过了界,反方向到原点那边去了。
(1)首先,我们通过改变向量v的位置,看看向量Av有什么变化(矩阵A不动噢)
(2)然后,我们不要动向量v,改变矩阵A每一列(通过移动a1和a2),再看看向量Av有什么变化
(3)接下来是见证奇迹的时刻!看看超模君的金手指怎么移动向量v使它变成特征向量吧!(不好意思,在上移的时候手抖了一下)
(4)最后,我们改变矩阵A(通过移动a1和a2),重点看看特征空间(S1和S2)是怎么变化(特征值也会发生变化哟)
3
特征值和特征向量的应用
说了这么多,可能有模友会问:到底特征值和特征向量有什么用呢?不会仅仅用来考试吧!
其实,特征值和特征向量在我们的生活中都是非常普遍的。
(1)可以用在研究物理、化学领域的微分方程、连续的或离散的动力系统中。例如,在力学中,惯量的特征向量定义了刚体的主轴。惯量是决定刚体围绕质心转动的关键数据;
(2)数学生态学家用来预测原始森林遭到何种程度的砍伐,会造成猫头鹰的种群灭亡;
(3)著名的图像处理中的PCA方法,选取特征值最高的k个特征向量来表示一个矩阵,从而达到降维分析+特征显示的方法,还有图像压缩的K-L变换。再比如很多人脸识别,数据流模式挖掘分析等方面。
(4)在谱系图论中,一个图的特征值定义为图的邻接矩阵A的特征值,或者(更多的是)图的拉普拉斯算子矩阵,Google的PageRank算法就是一个例子。
有一句话说得好:“只要有振动就有特征值,即振动的自然频率”。如果你曾经弹过吉他,你已经求解了一个特征值问题。。。