特征值和特征向量

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。。。