Eigenvalues And Eigenvectors

The Definition of Eigenvalues and Eigenvectors

• Definition：
  $$Ax=\lambda x$$

解释：Matrix$A$ 乘以 vector $x$ 得到$\lambda x$ 意味着，A作用于x并没有改变x的方向，只对其做了大小的改变。$x$ 是$A$的特征向量（Eigenvector）,$\lambda$是$A$的特征值（Eigenvalue）

• How to get Eigenvalues and Eigenvectors

1. 首先 $Ax=\lambda x$ ,那么，$Ax-\lambda x=0$ , $(A-\lambda I)x=0$ , 如果$x$非0向量，则$(A-\lambda I)$是singular的。所以det$(A-\lambda I)=0$
2. 然后，根据$|A-\lambda I|$=0 , 求出Eigenvalues $\lambda$ ,然后再根据$(A-\lambda I)x=0$求出Eigenvectors $x$
3. 例子：求A的特征值和特征向量$$A=\left[\begin{array}{cc}.8& .3\\ .2& .7\end{array}\right]$$
   
   解：
   特征值：$$|A-\lambda I|=\left|\begin{array}{cc}.8-\lambda & .3\\ .2& .7-\lambda \end{array}\right|=0$$
   $${\lambda }^2-\frac{3}{2}\lambda +\frac{1}{2}=(\lambda -1)(\lambda -\frac{1}{2})=0{\lambda }_1=1{\lambda }_2=\frac{1}{2}$$
   
   
   特征向量：
   $$\left[\begin{array}{cc}.8-1& .3\\ .2& .7-1\end{array}\right]x=0\left[\begin{array}{cc}.8-\frac{1}{2}& .3\\ .2& .7-\frac{1}{2}\end{array}\right]x=0$$
   $$x_1=(0.6,0.4)x_2=(1,-1)$$
   特征向量有很多，取最容易计算，典型值，其他的都是它的大小缩放。$A^2$的特征向量和A一样，特征值是${\lambda }_1^2{\lambda }_2^2$，即$A^{2}x={\lambda }^{2}x$

• Characteristics And Trick：

Characteristics :

1. 矩阵的对角元素之和（叫做Trace，中文叫做迹） 等于 Eigenvalues的和。
2. 矩阵的Determinant （行列式）等于 Eigenvalues 的积。
3. $(2A-I)x=(2\lambda -1)x$ 意味着： $2A-I$的Eigenvectors 都是$x$，Eigenvalues 变成 $2\lambda -1$。但是将单位阵$I$换成其他矩阵就不一定成立，因为此时的$A$和另一个矩阵的Eigenvectors 不一定都是x
4. 上/下三角、对角矩阵的特征值就是对角线上的元素。
5. $A^2$ 和$A^{-1}$ 和$A$ 的特征向量一样，特征值是${\lambda }^2$和 $\frac{1}{\lambda }$。数学语言：如果$Ax=\lambda x$，那么：$A^{2}x={\lambda }^{2}x和A^{-1}x=\frac{}{\lambda }$