特征值究竟体现了矩阵的什么特征?

特征值究竟体现了矩阵的什么特征?

简单来说就是x经过矩阵A映射后和自己平行

希尔伯特第一次提出eigenvalue,这里的eigen就是自己的 。所以eigenvalue也称作本征值

特征值和特征向量刻画了矩阵变换空间的特征

对平面上的任意向量可以如法炮制,把他在特征向量的坐标系下分解。分别在每个轴上伸缩,再用平行四边形法则加起来。就可以轻松确定任何一个向量被映射后到底在哪里

可以说,矩阵特征向量的变化很好的描述了矩阵对空间的影响

将以上总结为3步

  1. 把向量分解为特征向量的线性组合

  2. 根据特征值分别缩放每个特征向量,两个特征值分别是2和3,所以两个系数就变成了两倍和三倍

  3. 重新将这些特征向量组合起来,将变换后的这些组合的系数向量使用线性映射P再变回去,就得到了原始空间的最终结果

经过以上3步就得到了A作用于一个向量映射的整个过程。

我们为什么要费这么大的劲求这个分解呢?

  1. 计算简便

其中求特征值,利用特征多项式来求

线性空间当中几乎所有向量,经过某个线性映射的反复迭代以后,都会趋近于特征值最大的一个方向。

为什么要讲相似矩阵?

P这个矩阵承担着两个视角(默认视角和特征向量视角)之间的转换。

使用不同的视角 来观察同一个线性映射。会得到不同的矩阵,于是这些矩阵叫做相似矩阵

头尾两个矩阵,就是这两个视角的转移矩阵

这个映射具有的性质,就被所有能够用相似变换所观察到的其他矩阵所共有。在某些方向上,方向不变时,伸长的倍数是保持的。这就是为什么**所有相似矩阵,他们特征值的集合是一样的。**而特征向量不一样

在特征向量的视角下,矩阵的迭代累乘变得特别简单,才使得我们可以用特征分解快速的计算出一个矩阵的幂次

一些结论

1.矩阵所有特征值的乘积等于行列式

2.几何重数不会超过代数重数

视频链接:

https://www.bilibili.com/video/BV1TH4y1L7PV/?spm_id_from=333.788\&vd_source=8272bd48fee17396a4a1746c256ab0ae

相关推荐
HelloDam1 分钟前
基于元素小组的归并排序算法
后端·算法·排序算法
HelloDam2 分钟前
基于连贯性算法的多边形扫描线生成(适用于凸多边形和凹多边形)【原理+java实现】
算法
uhakadotcom1 小时前
Apache Airflow入门指南:数据管道的强大工具
算法·面试·github
跳跳糖炒酸奶1 小时前
第四章、Isaacsim在GUI中构建机器人(2):组装一个简单的机器人
人工智能·python·算法·ubuntu·机器人
绵绵细雨中的乡音2 小时前
动态规划-第六篇
算法·动态规划
程序员黄同学2 小时前
动态规划,如何应用动态规划解决实际问题?
算法·动态规划
march_birds2 小时前
FreeRTOS 与 RT-Thread 事件组对比分析
c语言·单片机·算法·系统架构
斯汤雷3 小时前
Matlab绘图案例,设置图片大小,坐标轴比例为黄金比
数据库·人工智能·算法·matlab·信息可视化
云 无 心 以 出 岫3 小时前
贪心算法QwQ
数据结构·c++·算法·贪心算法
俏布斯3 小时前
算法日常记录
java·算法·leetcode