线性代数笔记22——特征值和特征向量

特征向量

  函数通常作用在数字上,比如函数f作用在x上,结果得到了f(x)。在线性代数中,我们将x扩展到多维,对于Ax来说,矩阵A的作用就像一个函数,输入一个向量x,通过A的作用,得到向量Ax。对多数向量x而言,经过Ax的转换后将得到不同方向的向量,但总有一些特殊的向量,它的方向和Ax方向相同,即Ax平行于x,这些特殊的向量就是特征向量。

  平行的向量用方程来表示比较简单:

  

  其中A是方阵,x≠0。λ是一个系数,被称为特征系数或特征值;x和λx平行,方程的解x就是A的特征向量。

  这里需要对“方向相同”做出一些特殊的解释,它也包括正好相反的方向和无方向,所以λ的值可以取0或负数。

求解特征向量

  现在的问题是,给定矩阵A,如果求解A的特征向量?这里没有Ax = b这样的方程,只有Ax=λx,其中λ和x都是未知数,如何求解呢?在解释之前,先看看投影矩阵的特征向量。

投影矩阵的特征向量

  假设有个一个平面,给定投影矩阵P,投影矩阵的特征向量有哪些?特征值又是什么?

  这实际上是在回答那些向量的投影和向量本身平行,像下面这样随意投影肯定不行:

  

  x在平面的投影是Px,二者的方向不相同,因此图中的x不是P的特征向量。

  如果x正好在平面上,那么它的投影就是x本身,所以位于平面上的所有向量都是P的特征向量,此时特征值λ=1,Px=x。此外,垂直于平面的向量在平面上的投影是零向量,即Px = 0 = 0x,这相当于特征值λ=0,所以垂直于平面的向量也是P的特征向量。

矩阵的迹

  再看一个特例:

  

  A乘以什么样的向量将得到一个同方向的向量?即A的特征值和特征向量是什么?

  很容易看出:

  

  A还有其它的特征值:

  

  上面的答案符合两个关于特征值的性质:

  1. n×n矩阵有n个特征值。
  2. 矩阵的所有特征值之和等于该矩阵的主对角线元素之和,这个和数叫做A的迹。

特征方程

  现在到了面对Ax=λx的时候,弄清楚如何求解λ和x。

  解决的方法是将λx移到等式左侧:

  

  更进一步,可以利用λx = λIx将λ向量化,变成:

  

  复习一下零空间,对于Ax = 0来说,如果A的各列是线性无关的,意味着方程组只有一个全零解。把这句话放到新方程中,如果(A-λI) 的各列是线性无关的,意味着只有一个解,x=0。但是特征向量不能是零向量,所以需要新方程还有其它解,这意味着(A-λI) 的各列是线性相关的,即A-λI是一个奇异矩阵。由于奇异矩阵的行列式是0,因此可以得到结论:

  

  这就没x什么事了,得到了一个关于λ的方程,该方程叫做特征方程或特征值方程。可以根据特征方程先求解出λ,当然,对于n阶方阵会求出n个λ。知道λ后就容易多了,把每个λ代入(A-λI)x=0,然后找出它的零空间。(关于零空间,可参考《线性代数笔记12——列空间和零空间》)

  来看一个示例:

  

  先求解A的特征值:

  A的迹是所有特征值之和,它等于主对角线元素之和,这可以用来作为特征值求解的初步验证。接下来求解每个特征值对应的特征向量:

  容易判断零空间的基是:

  

  这也是特征值λ1对应的特征向量,实际上零空间中的所有向量都是λ1对应的特征向量。

  用同样的方法求出λ2对应的特征向量:

  

复数特征值

  值得注意的是,特征值未必是实数,比如下面的矩阵:

  

  此时特征值是复数,λ=±i

综合示例

  召唤一个矩阵A

  

  找出AA2A-1的特征值和特征向量。

  先看简单的,求解A的特征值比较容易:

  

  第一列中有两个0,所以将这个行列式以第一列展开:

  

  三个特征值之和等于A的主对角元素之和。

  接下来求解特征值:

  

  方程的一组解就是特征向量:

  

  接下来求出另外两个特征向量:

  

  找出对应的零空间,先化简为行阶梯矩阵:

  

  当x3 = 1时,将得到一组特征向量:

  

  继续计算λ3的特征向量:

  

  当x3 = 1时,将得到一组特征向量:

  

  接下来计算A2的特征值,这将是个浩大的工程,我们更想让它变得容易一点,已知Ax=λx,现在将A再左乘一个A变成A2

  

  等式的源头是Ax=λx,假设x是已知的,它已经被求得,因此这个式子告诉我们,如果已知A的特征向量,那么它也是A2的特征向量,只不过特征值换成了λ2

  类似地,A-1x也可以做一些演变:

  A-1的特征值就是1/λ,,它的特征值和A的特征值相同。

  


   作者:我是8位的

  出处:http://www.cnblogs.com/bigmonkey

  本文以学习、研究和分享为主,如需转载,请联系本人,标明作者和出处,非商业用途! 

  扫描二维码关注公众号“我是8位的”

posted on 2018-12-26 18:53  我是8位的  阅读(25541)  评论(3编辑  收藏  举报

导航