线性代数-特征向量和特征值

二维:

来看一个变换
线性代数-特征向量和特征值_第1张图片
这个变换将空间拉伸,一些向量离开了它原来张成的空间,一些向量还停留在原向量张成的空间

线性代数-特征向量和特征值_第2张图片
发生了线性变换的二维平面,变换后任然停留在原向量张成的空间上(单个向量张成的空间就是一条直线),我们称他为特征向量。

停留在原向量张成空间的向量在变换后被缩放的比例,就是这个特征向量的特征值,
线性代数-特征向量和特征值_第3张图片

如:
线性代数-特征向量和特征值_第4张图片
特征值为负,即表示变换将空间发生了翻转
(这个特征向量发生了翻转,即表明垂直与这个特征向量的向量集合即是旋转轴)

对于三维空间,这一点尤为重要:
线性代数-特征向量和特征值_第5张图片
如果你找到了这个变换的特征向量,也就是你找到了这个变换的旋转轴

如何计算特征向量和特征值
线性代数-特征向量和特征值_第6张图片
向量V经过A所代表的变换,变换后V的基础坐标不变,只是将其缩放了lamda倍

推理:
线性代数-特征向量和特征值_第7张图片
推导过程如下

线性代数-特征向量和特征值_第8张图片

实例:

矩阵 [ 3 1 0 2 ] \begin{bmatrix} 3 & 1 \\ 0 & 2 \\ \end{bmatrix} [3012]代表的变换
线性代数-特征向量和特征值_第9张图片
1.求解特征值 λ \lambda λ
线性代数-特征向量和特征值_第10张图片

线性代数-特征向量和特征值_第11张图片
等式变成二次多项式

线性代数-特征向量和特征值_第12张图片
有上可知 λ \lambda λ=3和 λ \lambda λ=2时等式成立
线性代数-特征向量和特征值_第13张图片
λ \lambda λ=2带入上式
线性代数-特征向量和特征值_第14张图片
求得y=-x
图像:
线性代数-特征向量和特征值_第15张图片
特殊的:
旋转90°的变换不存在特征向量
线性代数-特征向量和特征值_第16张图片
剪切变换的x轴既是特征向量,特征值为1
线性代数-特征向量和特征值_第17张图片

你可能感兴趣的:(线性代数,线性代数)