矩阵的特征分解

将矩阵作用于向量,相当于对该向量进行了线性变换,如果线性变换后的结果与向量平行,即对K向量只有拉伸压缩,则将定义为特征向量(Eigenvector),拉伸压缩倍数为特征值(Eigenvalue),特征值为正,表示正向拉伸压缩,特征值为负,表示反向拉伸压缩。

的特征向量,则有:

作用于任一向量,可以先将在特征向量上进行分解得到系数:,然后按照特征值对系数进行缩放,再按照缩放后的系数重新组合特征向量。

,则

,所以矩阵可以分解为特征向量矩阵与特征值矩阵相关的表达式,这对于求解非常方便。


实对称矩阵,即

所以实对称矩阵特征向量相互正交,正交矩阵的逆的等于其转置,所以

参考资料:

【无痛线代】特征值究竟体现了矩阵的什么特征?