第 21 课 特征值和特征向量
特征值与特征向量初探
给定矩阵 ,矩阵 乘以向量 ,就像是使用矩阵 作用在向量 上,最后得到新的向量 。在这
里,矩阵 就像是一个函数,接受一个向量 作为输入,给出向量 作为输出。
在这一过程中,我们对一些特殊的向量很感兴趣,也即 和 始终保持同一个方向,这是比较特殊
的,因为在大多情况下, 与 指向不同的方向。
在这种特殊的情况下, 平行于 ,我们把满足这个条件的非零向量 称为 特征向量,而 为
的特征值。这个平行条件用方程表示就是:
对这个式子,我们试着计算特征值为 的特征向量,易得 ,因此,特征值为 的特征向
量位于 的零空间中。
显然对于奇异矩阵(不可逆),必然存在非零向量使得 ,所以若矩阵是奇异的,那么它有一个
特征值为 。
我们先来看投影矩阵 的特征值和特征向量。
用向量 乘以投影矩阵 得到投影向量 ,在这个过程中,只有当 本身已经处于投影平
面(即 的列空间)中时, 才可能与 是同向的,此时 投影前后完全相同(
)。因此,投影平面( 的列空间)中的所有向量都是投影矩阵的特征向量,且它们的特征
值为 。
再来观察投影平面的法向量,也即向量 。既然向量 与投影平面垂直,那么必然有
,任何向量都与 向量是同向的。因此,投影平面的所有法向量( 的左零空间)也
同样是投影矩阵的特征向量,且它们的特征值为 。
综上可知,投影矩阵 的特征值为 。
再看另外一个例子,二阶置换矩阵 ,经过这个矩阵处理的二维向量 ,其元素会互
相交换,即: 会变为 。若交换后的 是初始向量 与一个因子的乘积,那
么根据特征值和特征向量的定义可知:
有特征值为 的特征向量(即经过矩阵交换元素前后仍然不变),型为 。
有特征值为 的特征向量(即经过矩阵交换元素前后方向相反),型为 。
就此例,我们提前说一些特征值的性质:
评论0