1,特征值分解
在数学上,一些个体的性质可以被理解的很好,如果可以把这个个体分解为要素。一个例子是素因数分解。假设有一个数
,它可以被素因数分解为
。从这个分解中,我们可以很清楚的知道,
不能被
整除,但是可以被
或者
整除。
矩阵也是一样的,通过一些分解方法,把矩阵分解为特殊的形式,可以使人们清楚的知道矩阵的性质。
满足下式的向量
称为矩阵的特征向量,
称为矩阵的特征值。特征向量和特征值是成对出现的。下式表明了特征向量的物理意义,即,矩阵对特征向量做线性变换时,向量只发生了伸缩变化而方向保持不变。
因为
对任意的
都成立。因此对一个矩阵来说的特征值和特征向量有无数对。但在分析中人们只对模为
的特征向量和他对应的特征值感兴趣。
假设矩阵
有
个
相互独立的特征向量
和