矩阵的特征值和特征向量

定义

线性变换是指一个n维列向量被左乘一个n阶矩阵后得到另一个n维列向量，它是同维向量空间中的把一个向量线性映射成了另一个向量。

即 Y=AX(Y，X∈RnA=(aij)A=(aij)n×n)如果对于数λ，存在一个n维零列向量X(即X∈Rn且X≠0)，使得AX=λX 则称数λ为矩阵A的一个特征值，X为矩阵A对应于λ的特征向量。

数学意义
矩阵乘法对应了一个变换，是把任意一个向量变成另一个方向或长度都大多不同的新向量。
在这个变换的过程中， 原向量主要发生旋转、伸缩的变化。如果矩阵对某一个向量或某些向量只发生伸缩变换，不对这些向量产生旋转的效果，那么这些向量就称为这个矩阵的特征向量，伸缩的比例就是特征值。

对对称矩阵而言，可以求得的特征向量是正交的，就是把矩阵A所代表的空间，进行正交分解，使得A的向量集合可以表示为每个向量a在各个特征向量上面的投影长度。 

例如，对于x,y平面上的一个点(x,y)，我对它作线性变换A，

A =[1  0         [1   0    *  [ X    = [X 

      0   -1],       0  -1]       Y]      -Y]

这个线性变换相当于关于横轴x做镜像。我们可以求出矩阵A的特 征向量有两个[1,0]和[0,1]，也就是x轴和y轴。什么意思呢?在x轴上的投影，经过这个线性变换，没有改变。在y轴上的投影， 乘以了幅度系数-1，并没有发生旋转。两个特征向量说明了这个线性变换矩阵对于x轴和y轴这两个正交基是线性不变的。对于其他的线性变换矩阵，我们也可以找到