有趣的对话
数学是干什么的?
特征值和特征向量
特征值和特征向量到底是干什么的?为啥这样写就能算出来你想要的特征值和特征向量?
1.预备知识
2.直观的描述他俩的意义
有的向量线性变换后离开了原来的张成空间
还有的向量留在了以前的张成空间,只是被拉伸了。其他向量都是旋转了
有向量旋转了,有向量只是拉伸。只是拉伸的就是特征向量,而拉伸长度就是特征值。
3.用途举例
特征向量可以帮我们找到旋转轴,红色为其旋转轴,也是特征向量。注意旋转过程中向量大小没变。
特征值大小为1,因为三维空间上的任何向量并没有拉伸。但一般的线性变换倒经常拉伸向量。
如下,用特征向量描述旋转简单多了
而用矩阵描述则很麻烦
4.更好的理解线性变换的方式
更好的理解线性变换的方式不是通过变换的坐标系
更好的方式是 通过特征值和特征向量
原坐标系下的某些向量
对应的线性变换后的向量,明显被拉伸了
5.求解特征值与特征向量
如果理解了特征值和特征向量的几何意义,那么下面的公式顺理成章
化简如下,
当张成空间不降维时,输入向量和输出向量一一对应,所以v向量只能为零向量;
当张成空间降维时,会多对1,所以v向量至少有一个(但是解出的向量是共线的)。
例如A-入I=,这时化简得2x+y=0; 所以共线。
要想有非零解,得降维,行列式得等于0,这时变换的基向量会共线
特征值可能有两个,所以会有两条不共线的特征向量
入=2的情况,所有解都在一条直线上
------------------------------------------------------------------------------------------------------------------------------
在减去特征值的左边矩阵的作用下,特征向量会变换到零向量。
在变换矩阵作用下,特征向量拉伸2倍。
可以发现,特征向量在俩变换矩阵的效果是不同的
------------------------------------------------------------------------------------------------------------------------------
6.一定存在特征值吗?
几何上看,如下图的90度旋转,变换前
变换后,所有向量都旋转了
计算其行列式,表明没有特征值
7.属于某个特征值的特征向量一定共线吗?
剪切变换计算特征值为1,所有特征向量都在一条直线上
伸缩变换的所有特征值都是2,但是所有向量都是特征向量(特征向量是原空间的),这些向量不共线
8.特征基
就是基向量是特征向量,包含特征基的变换有个特点,就是是个对角阵。而对角线上的值就是特征值
对角矩阵变换是把老的基向量和特征值相乘就是新的基向量,所以经过连续那么多次变换,基向量就是幂次方。
但是基向量同时也是特征向量发生的概率不是太大,我们可以把一般的变换再转成是特征基的变换
9.向特征基变换转化
如果你的特征向量多到能够刻画全部的张成空间(张成空间是指矩阵列向量刻画的空间)。那么就可以转成
过程
基变换就是改变了基,就是一般的线性变换;而在另一坐标系中表达当前坐标系的变换 是 基变换矩阵的逆×变换矩阵×基变换矩阵
取出想做新基的基向量的坐标 作为基变换矩阵
乘一次矩阵变一次基向量,从右到左乘了三次: 就是第一次新基 第二次新基 第三次新基
乘出来之后,构成新的基向量。这个矩阵必然是对角的,对角元是中间矩阵的特征值。
从几何上解释为啥是这样? 从右到左开始,乘以基变换矩阵后(即我们语言描述的詹尼佛基向量),新基就是基变换矩阵描述的基;乘以中间的变换矩阵再乘以基变换矩阵的逆后(先在我们的空间变换了基向量,又回到詹尼佛语言描述的詹尼佛基向量),因为变换矩阵对特征向量的作用就是扩大特征值倍数,所以在詹尼佛空间就只是扩大三倍詹尼佛基向量,所以最后的变换矩阵为【下图=右边】。
下面画的线的基向量为詹尼佛空间,不是我们的空间。
用途就是算对角矩阵更容易,但是怎么转回来啊?
是直接再左乘吗?错了,没这么简单。应该先由我们的空间进入詹尼佛空间,再在詹尼佛空间变换,再转回我们的空间。
解释:从右到左,乘以P逆,是詹尼佛语言描述的我们的基向量,乘以变换矩阵然后在詹尼佛空间进行很多次旋转,乘以P是我们语言描述的我们的基向量。理解的根源是基变换那章好好看看悟悟。