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!