特征值和特征向量

特征值和特征向量（wikipka）

对于一个给定的方阵A，它的特征向量（eigenvector，也译固有向量、本征向量）经过这个线性变换之后，得到的新向量仍然与原来的保持在同一条直线上，但其长度或方向也许会改变。

为标量，即特征向量的长度在该线性变换下缩放的比例，称 为其特征值（eigenvalue，也译固有值、本征值）。如果特征值为正，则表示v 在经过线性变换的作用后方向也不变；如果特征值为负，说明方向会反转；如果特征值为0，则是表示缩回零点。

特征值

特征值：特征值为一个数值类型的变量，特征值一共有n个。（n为矩阵的秩），而且为特征向量上的元素。

特征向量

特征向量：特征向量一个向量，代表的是一个矩阵在某一个坐标体系上进行了缩放。具体例子如图所示，这里参考了知乎的博主（我认为比较通俗易懂）

特征指和特征向量的求解方法

主要是根据第一个公式进行变化，先求解特征值，之后再求解特征向量。实操方法简单易懂。

python代码

python里面主要通过numpy.linalg.eig（）方法实现。具体代码和输出如图所示。

import numpy as np
A = np.array([[1,3],[2,4]])   #建立一个二维数组,而且要保证最后的两个维度相同
B = np.array([[1,2,3],[2,3,4]],dtype=int)  #可以输出指定数据类型
A_eig_value, A_eig_vector = np.linalg.eig(A)   #返回矩阵A的特征值与特征向量
print('A_eig_value:', A_eig_value, '\n')
print('A_eig_vector:', A_eig_vector)

# output：
A_eig_value: [-0.37228132  5.37228132] 

A_eig_vector: [[-0.90937671 -0.56576746]
 [ 0.41597356 -0.82456484]]

参考

https://zhuanlan.zhihu.com/p/95836870

https://zh.wikipedia.org/wiki/%E7%89%B9%E5%BE%81%E5%80%BC%E5%92%8C%E7%89%B9%E5%BE%81%E5%90%91%E9%87%8F