线性代数-3Blue1Brown《线性代数的本质》特征向量与特征值(12)

本文是3B1B 《线性代数的本质》系列视频之 征向量与特征值 的学习笔记。

1、几何理解

特征向量是线性变换中方向始终不变,只发生伸缩(或反向)的非零向量。特征值则描述了该方向被拉伸或压缩的倍数。

特征向量是在变换中只被拉伸或压缩,而不被旋转出自身直线的向量。

线性变换时,特征向量拒绝"转向",只接受"伸缩"或"反向"(反向是伸缩倍数为负数的伸缩,方向依然在同一条直线上)

特征值λ是特征向量的伸缩系数,λ>0时,向量与原方向同向,|λ|>1拉伸,|λ|<1缩短;λ<0时,向量与原方向反向,|λ|决定伸缩幅度;λ=0时,向量被压缩到原点(无意义)。

形象比喻

  • 地球仪旋转:地轴方向就是特征方向
  • 在一个画满箭头的画布,拉伸画布,箭头方向不变,长度放大的箭头就是特征向量箭头

缩放

矩阵 A = 3 0 0 2 A = \begin{bmatrix}3 & 0 \\0 & 2\end{bmatrix} A=3002

  • 特征向量就是坐标轴方向
  • x方向拉伸3倍,特征值=3
  • y方向拉伸2倍,特征值=2

旋转90°

A = 0 − 1 1 0 A = \begin{bmatrix} 0 & -1 \\ 1 & 0 \end{bmatrix} A=01−10

所有向量旋转90°,所有方向都改变,无特征向量。

2、特征方程

1.对于一个 n × n n×n n×n 方阵 A A A,如果存在 非零向量 v v v 和 标量 λ λ λ 使得: A v = λ v Av=λv Av=λv

  • λ λ λ 称为特征值(标量)
  • v v v 称为对应 λ λ λ 的特征向量

2.移项: A v − λ v = 0 Av-λv=0 Av−λv=0

3.插入单位矩阵 I I I: A v − λ I v = 0 Av-λIv=0 Av−λIv=0

为什么需要 λ I λI λI 而不是 λ λ λ?

因为 A A A 是矩阵, λ λ λ 是标量,不能直接相减

通过单位矩阵 I I I 将 λ λ λ 转换为矩阵形式:
λ 0 0 0 λ 0 0 0 λ \begin{bmatrix} λ & 0 & 0 \\ 0 & λ & 0 \\ 0 & 0 & λ\end{bmatrix} λ000λ000λ

4.提取 v v v: ( A − λ I ) v = 0 (A-λI)v = 0 (A−λI)v=0

5.要有非零解 v v v,得到特征方程: d e t ( A − λ I ) = 0 det(A - λ I) = 0 det(A−λI)=0

线性代数-3Blue1Brown《线性代数的本质》行列式(7)

相关推荐
不辣的皮蛋君1 天前
2026年短视频矩阵系统实战:如何用工具实现多平台一键分发,效率提升300%
人工智能·线性代数·矩阵
じ☆冷颜〃2 天前
Picard-Lindelöf 定理的多视角证明、推广与加权范数方法
经验分享·笔记·线性代数·数学建模
San813_LDD2 天前
[量化]《从 L1/L2 缓存到 SIMD:矩阵乘法性能优化完全指南》
线性代数·矩阵·架构
AI科技星3 天前
精细结构常数α的多维度物理比值特性及空间螺旋模型研究
人工智能·线性代数·架构·概率论·学习方法
AI科技星3 天前
基于奇合数边界的离散解析数论与双螺旋宇大统一体系(中英文双语纯净终稿)
人工智能·线性代数·架构·概率论·学习方法
写代码写到手抽筋3 天前
PMI预编码矩阵全解:矩阵含义\+系统作用\+实战案例
线性代数·矩阵·预编码算法
chsmiao3 天前
深度学习之线性代数
人工智能·深度学习·线性代数
Eloudy4 天前
光子的单缝衍射模型
线性代数·机器学习·概率论
2601_957879334 天前
基于LBS位置服务与跨域OpenAPI的同城矩阵系统:边缘裂变与数据网关架构实践
线性代数·矩阵·架构
lqjun08274 天前
Hessian 矩阵(海森矩阵)及其应用
线性代数·矩阵