MIT线性代数公开课学习笔记第21~25课

二十一、特征值和特征向量

1、特征值和特征向量的定义、求解

给出\(n\)阶方阵\(A\),若存在\(n\)维列向量\(x\)和标量\(\lambda\),有\(Ax=\lambda x\),则\(x\)\(A\)的一个特征向量,\(\lambda\)\(A\)对应于特征向量\(x\)的特征值。

需要注意的是,特征向量一定是非零向量,但特征值可以为0(可以为实数,也可以为虚数、复数)

国内线代教材都有特征值和特征向量的求解方法,这里不再赘述

2、特征值和特征向量的几何意义

对于\(Ax=\lambda x\)\(Ax\)可以视为对向量\(x\)的一个线性变换,则该式表明\(x\)经线性变换\(A\)后得到的\(Ax\)仍与\(x\)共线,且\(Ax\)\(x\)数乘标量\(\lambda\)后得到的向量

对于某矩阵\(A\)而言,设\(C(A)\)空间对应的投影矩阵为\(P\),则:

  • (1)\(\forall x\in C(A)\),因为\(x\)在该空间内,所以\(Px=x\)\(x\)是一个特征向量,对应于其的特征值为1

  • (2)\(\forall x\perp C(A)\),因为\(x\)垂直于该空间,所以\(Px=0\),则\(x\)是一个特征向量,其特征值为0

猜你喜欢

转载自www.cnblogs.com/qpswwww/p/9069968.html