线性代数MIT 18.06 记录（二十一）特征值和特征向量

特征向量

一个向量x，乘上矩阵A后的 Ax 中仍然平行于 x的那部分，就是特征向量

特征值

这个$\lambda$ 就是特征值

例子：投影矩阵、置换矩阵

fact

sum of the 特征值 is sum down the diagnal of A

如何求特征值

由于这个 $A-\lambda I$必须是奇异矩阵，所以特征值为0
这就是特征值方程

例子

下一步：


这里的这个六，就是迹（trace），对角线的和

这里的这个八，就是$A$行列式的值

这里对比上面的，特征值，会根据矩阵的变化而变化

矩阵的行列式的值，是行列式的积

旋转矩阵的问题

复数出现了

fact

如果矩阵是对称的，那么就不会有复数特征值
如果矩阵是反对称的，那么就不会有实数特征值

fact

如果矩阵的是上三角矩阵，那么对角线上的值就是特征值
但是这是一个退化矩阵

重复的特征值导致矩阵会有缺失的特征向量