线性代数复习七——特征向量

定义：
为矩阵，为非零向量，若存在数使成立，则称为的特征值，称为对应于的特征向量
假设和是矩阵，如果存在可逆矩阵，使得，则称相似于

定理：
三角矩阵的主对角线的元素是其特征值
是矩阵相异的特征值，是与相应的特征向量，那么集合线性无关
是可逆的当且仅当0不是的特征值
数是矩阵的特征值的充要条件是是特征方程的根
若矩阵和是相似的，那么它们有相同的特征多项式，从而有相同的特征值（和相同的重数）
矩阵可对角化的充分条件是有个线性无关的特征向量

注：
相似性和行等价不是一回事，对矩阵做行变换通常会改变矩阵的特征值

意义：
讲意义之前的一些准备工作，由于打出来不太方便，就直接拍图了，作为意义的证明（不感兴趣不需要看，直接看意义即可）





总的来说，上面的一堆图说明的就是：
你可以把矩阵看成在我们一般选取的标准正交基下的一个变换矩阵，当然，这个矩阵可能比较复杂，可能包含旋转啊、缩放啊多种变换，但是！如果你换一个角度，选取矩阵的特征向量作为正交基的话，那么，在这组正交基的刻画下，这个变换矩阵只是描述了一个缩放变换，而且是在特征向量的方向上进行的放缩，其放缩的比例就是每个特征向量对应的特征值了，特征值大于1，就是放大喽，小于1，自然就是缩小了。

意义的拓展：
我们这里求的特征值，都是实数，其实，我们不妨在复数域内求解特征方程，我们自然能够得到相应的复特征值，那么这些特征值表示什么意义呢？拿简单一点的矩阵来说吧，这里给出一个结论
设是实矩阵，有复特征值及对应中的复特征向量，那么
,其中，
此变换为旋转和倍乘变换复合而成，逆时针旋转的角度为(0,0)到(a,b)射线的夹角，倍乘的幅值为复特征值的模。
应用这些意义，我们可以解决马尔科夫链的一些简单问题，预测未来的最终结果，应用于一些离散的动力系统，得到他们原点的属性，吸引子对应实特征值小于1（轨迹趋于0），排斥子对应实特征值大于1（轨迹远离0），鞍点对应特征值既有小于1的，也有大于1的（轨迹为马鞍形），螺线极点对应特征值为复特征值，实部为正，向外旋转，为负则向内旋转，为0的轨迹即为椭圆。

这一次的复习就到这里，下次我们继续！