0、前言
MIT线性代数课程精细笔记[第二十课]笔记见
忆臻:克莱姆法则、逆矩阵、体积[MIT线代第二十课]该笔记是连载笔记,本文由坤博所写,希望对大家有帮助。
一、知识概要
本节课讨论了特征值与特征向量。主要目的是掌握求特征值的技巧并对一些特 别的情况进行说明。本节内容比较基础。
二.特征值与特征向量
2.1 释义
首先给出特征值与特征向量的定义:对矩阵 A,若有
则 x 为矩阵 A 的特征向量,λ为矩阵的特征值。那么如何理解特征值与特征向量 所代表的意义呢?
我们来看 Ax 这个式子,对于不同的向量 x,Ax 这个式子像是一个函数,输 入一个向量 x,则输出一个向量 Ax。而在我们输入的众多向量 x 生成的 Ax 中, 会有这样的向量 Ax,它们平行于 x,我们即用上面这个式子: 来表示 这个关系。
特别注意下特征值为 0 的情况。此时会有:AX = 0。我们可以发现 A 如果是 不可逆矩阵,则正好满足此性质。
- 如果对任意平面上的 来说,投影矩阵根本不会影响它的大小所以就有: 恒成立。此时得到一个 为1
- 如果对任意平面上的 来说,投影矩阵作用在此向量之后始终会有: 恒成立。如此即得到第二个 为0
2.2 求解方法
接下来我们给出特征值,特征向量的一般求解方法。我们对方程进行一些处理:
如上即为求解特征值的步骤。n 阶一共应该有 n 个特征值。
求解特征向量只需要取求解出的一个特征值λ,此时 A-λI 是一个不可逆矩 阵,利用(A-λI)X = 0 求解零空间中的向量即为矩阵的特征向量。
2.3 特殊情况说明
我们通过两个例题说明下这部分求解中可能遇到的特殊情况。
启示:我们发现 Q 是反对称矩阵( ),而我们之前求的都是对称矩阵的 特征值,也就是说,对称矩阵的特征值为实数,而反对称矩阵的特征值为虚数, 这是两个极端。
思路:
这是个上三角矩阵,求解 A-λI 行列式时会发现, ,这时的 特征向量只会有一个,也就是说,三角矩阵的结构的特殊性导致了其行列式为对 角线上元素,而如果对角线上两个元素相等,那么就会造成特征向量短缺情况。
三、学习感悟
本节内容不是很困难,重点在于特征值与特征向量的求解,其实只要使用 A- λx 求解就没错,特别注意一下虚数情况就好了。重点是理解特征值如何求解以 及特征值到底代表着什么。