目录
1. 定义
大多数向量和矩阵相乘后会改变方向,但某些特定的向量
和
在同一方向上,这些特定的向量
就是特征向量(Eigenvector),
就是特征值(Eigenvalue)。
是非零向量。
- 特征值可能为任意的实数。特征值为0时,对应的特征向量在
的零空间(Nullspace)中。也就是说,如果矩阵是奇异的,它将有一个特征值为0。
,矩阵平方,特征值也平方,特征向量不变。
,矩阵“平移”几个单位阵,特征值就“平移”几,特征向量不变。
2. 计算
特征向量组成的零空间。上式称为特征方程(Characteristic Equation),如果有非零解,则
不可逆,其行列式一定为0。
上式是关于的特征多项式,与
无关。对每个特征值
,解
或者
得到相应的特征向量。
3. 性质
3.1 特征值的和等于矩阵的迹
证明:
由韦达定理和行列式定义可证。
3.2 特征值的积等于矩阵的行列式
证明:
4. 补充
- 消元(Elimination)不保持特征值。
5. 特殊矩阵的特征值和特征向量
单位阵
马尔科夫矩阵
投影矩阵
旋转矩阵
(待补充)
参考资料
1. Introduction to Linear Algebra, Fifth Edition, Gilbert Strang.
2. MIT线性代数公开课。