MIT18.06线性代数课程笔记21:特征向量、特征值简介、求法与性质
2017-12-27 20:44
711 查看
课程简介
18.06是Gilbert Strang教授在MIT开的线性代数公开课,课程视频以及相关资料请见https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/index.htm。课程笔记
1. 特征值与特征向量的定义
若Ax=λx成立,则称λ为特征值,x为特征向量。对于某一特征值,可以有无数多个特征向量,我们通常关心其中线性无关的有限个。2. 几个小例子
投影矩阵P,输出任意向量投影到该子空间的向量。特征值为1或者0,。特征值为1时的特征向量为子空间的一组基,特征值为0时的特征向量为null space的一组基。置换矩阵,具体的,二维置换矩阵A=[0,11,0]。特征值为1或-1。特征值为1时的特征向量为[1,1]T,特征值为0时的特征向量为[1,−1]T。
3. 通过行列式求解特征值与特征向量
具体的,观察Ax=λx的成立条件等价于(A−λI)x=0成立,即A−λI奇异,等价于det(A−λI)=0。展开此公式可以得到λ的n阶多项式(A∈Rn×n, x∈Rn),有n个解。求解出λ之后再求解A−λI的null space。4. 行列式的性质
对称矩阵的特征值均为实数(未证明)。所有特征值的和等于矩阵对角线上元素的和, ∑λi=trace(A)(未证明)。
所有特征值的乘积等于矩阵行列式,∏λi=det(A)(未证明)。
A+aI与A的特征向量相同,特征值加a(考虑行列式求解方法)。
三角矩阵的特征向量为矩阵对角线上的元素,即λi=Aii(A−λI的行列式仅为对角线上元素乘积)。
5. 几种特殊的特征值与特征向量
特征值为复数,例如旋转矩阵A=[0,−11,0](旋转向量90°),特征值为i与−i。特征值重复,例如A=[3,10,3],特征值为3,且A−3I的null space维度为1。
相关文章推荐
- MIT18.06线性代数课程笔记9:线性无关、向量拓展空间、空间的基、空间维度
- MIT18.06线性代数课程笔记4b:打乱矩阵集合及相关性质
- MIT18.06线性代数课程笔记1:矩阵和向量相乘的三种解释
- MIT18.06线性代数课程笔记3a:矩阵相乘的五种看待角度
- 【线性代数公开课MIT Linear Algebra】 第二十四课 特征值与特征向量的应用——马尔科夫矩阵、傅里叶级数
- MIT18.06线性代数课程笔记17:正交标准矩阵
- MIT18.06线性代数课程笔记4a:矩阵的LU分解
- MIT18.06线性代数课程笔记19:矩阵行列式公式与代数余子式
- MIT18.06线性代数课程笔记20:矩阵逆元计算、克里默法则 以及 行列式与volume、外积的关系
- MIT18.06线性代数课程笔记15:子空间投影矩阵
- MIT18.06线性代数课程笔记7:使用消元法求解Null space
- MIT18.06线性代数课程笔记8:求解Ax=b、矩阵的秩以及矩阵的逆
- MIT18.06线性代数课程笔记6:vector space,subspace,column space,null space
- MIT18.06线性代数课程笔记2a:矩阵相乘的三种看待角度
- MIT18.06线性代数课程笔记5:矩阵转置,vector space以及subspace
- MIT18.06线性代数课程笔记11:矩阵空间、子空间的交和、秩一矩阵
- MIT18.06线性代数课程笔记12:使用邻接矩阵证明欧拉定理
- MIT18.06线性代数课程笔记14:正交子空间、A^TA的Null Space
- MIT18.06线性代数课程笔记18:矩阵行列式的性质
- 线性代数:特征值&特征向量