敲黑板,敲黑板 。特征向量与特征值在很多地方都有应用,这一将开始讲这一部分的内容,也是线性代数里面很重要的一部分知识了。
这一讲的主要内容:
特征值、特征向量的概念
特征值与特征向量的计算方法
特征向量、特征值的概念
对于矩阵
A
A
A 和向量
x
x
x , 有线性变换:
A
x
Ax
A x , 如果有
λ
\lambda
λ 使得
A
x
=
λ
x
Ax = \lambda x
A x = λ x 成立,则
λ
\lambda
λ 是矩阵的特征值, 向量
x
x
x 称为矩阵
A
A
A 对应于
λ
\lambda
λ 的特征向量,如果直观的理解就是 通过
A
A
A 对向量
x
x
x 的变换 与
x
x
x 平行,也就是
A
x
Ax
A x 平行于
x
x
x 。 例子: 如果矩阵
A
A
A 是一个置换矩阵
(
0
1
1
0
)
\begin{pmatrix} 0 &1 \\ 1 & 0 \end{pmatrix}
( 0 1 1 0 ) ,也就是求解下式:
(
0
1
1
0
)
(
x
1
x
2
)
=
λ
(
x
1
x
2
)
\begin{pmatrix} 0 &1 \\ 1 & 0 \end{pmatrix} \begin{pmatrix} x_{1}\\ x_{2} \end{pmatrix}=\lambda \begin{pmatrix} x_{1}\\ x_{2} \end{pmatrix}
( 0 1 1 0 ) ( x 1 x 2 ) = λ ( x 1 x 2 ) 可以很简单的看出两个
λ
\lambda
λ 的值:
λ
=
1
\lambda = 1
λ = 1 对应的特征向量是
x
=
(
1
1
)
x = \begin{pmatrix} 1\\ 1 \end{pmatrix}
x = ( 1 1 ) 。
λ
=
−
1
\lambda=-1
λ = − 1 对应的特征向量是
(
−
1
1
)
\begin{pmatrix} -1\\ 1 \end{pmatrix}
( − 1 1 ) 。
这里的例子主要是对上面的概念有一个了解
如何计算特征向量和特征值
也就是如何解
A
x
=
λ
x
Ax = \lambda x
A x = λ x ,移项之后可得:
(
A
−
λ
I
)
x
=
0
(A-\lambda I) x= 0
( A − λ I ) x = 0
观察上面的式子,根据之前的齐次方程组的解的特征,我们可以得知,上式有非零解的条件就是
A
−
λ
I
A-\lambda I
A − λ I 是奇异矩阵,也就是它的行列式的值等于零。
举例来说看这个计算过程,假定矩阵
A
=
(
3
1
1
3
)
A = \begin{pmatrix} 3 & 1\\ 1 & 3 \end{pmatrix}
A = ( 3 1 1 3 ) 。也就是:
d
e
t
(
A
−
λ
I
)
=
∣
3
−
λ
1
1
3
−
λ
∣
=
0
det\enspace (A-\lambda I) = \begin{vmatrix} 3-\lambda & 1 \\ 1 & 3-\lambda \\ \end{vmatrix}= 0
d e t ( A − λ I ) = ∣ ∣ ∣ ∣ 3 − λ 1 1 3 − λ ∣ ∣ ∣ ∣ = 0 计算可得两个
λ
\lambda
λ 值分别是 2, 4.计算特征向量,可得:
λ
=
2
\lambda =2
λ = 2 特征向量是
(
−
1
1
)
\begin{pmatrix} -1\\ 1 \end{pmatrix}
( − 1 1 )
λ
=
4
\lambda = 4
λ = 4 特征向量是
(
1
1
)
\begin{pmatrix} 1\\ 1 \end{pmatrix}
( 1 1 )
这里的计算过程不是重点,如果我们将这个例子跟上面的例子对比一下,其实很有特点,都是对称矩阵,并且区别仅仅是对角线上的元素同时加了3,这个改变使得特征值也同时增加了3, 么有改变特征向量。证明过程如下: 对于之前,有:
A
x
=
λ
x
Ax = \lambda x
A x = λ x 成立。 对角线元素同时增加一个数,以3为例:也就是
(
A
+
3
I
)
x
(A+3I)x
( A + 3 I ) x , 化简的:
A
x
+
3
x
Ax + 3x
A x + 3 x 这里使用
λ
x
\lambda x
λ x 替换,得到:
(
λ
+
3
)
x
(\lambda + 3)x
( λ + 3 ) x 而这个形式也就是求特征向量的形式,只不过表示特征值由
λ
\lambda
λ 变成了
λ
+
3
\lambda + 3
λ + 3 .
同时,我们可以通过类似的方式得到两个结论: 对于矩阵
A
A
A 的特征值分别是
λ
1
、
λ
2
、
λ
3
.
.
.
λ
n
\lambda_{1}、\lambda_{2}、\lambda_{3}...\lambda_{n}
λ 1 、 λ 2 、 λ 3 . . . λ n ,对角巷元素分别表示为:
a
11
、
a
22
.
.
.
a
n
n
a_{11}、a_{22}...a_{nn}
a 1 1 、 a 2 2 . . . a n n 可以得到:
λ
1
+
λ
2
+
.
.
.
+
λ
n
=
a
11
+
a
22
+
.
.
.
+
a
n
n
\lambda_{1} + \lambda_{2}+...+\lambda_{n} = a_{11} + a_{22} +...+a_{nn}
λ 1 + λ 2 + . . . + λ n = a 1 1 + a 2 2 + . . . + a n n
d
e
t
A
=
λ
1
λ
2
.
.
λ
n
det \enspace A = \lambda_{1} \lambda_{2}..\lambda_{n}
d e t A = λ 1 λ 2 . . λ n
更具体的内容在下一讲中。
以上~