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
涉密IT资质笔记1 小时前
2026 涉密资质三类硬性条件对照:军工 / 集成 / 印制参数矩阵与易错点
服务器·线性代数·矩阵·创业创新
BSD_HY2 小时前
薄膜开关矩阵按键的GPIO扩展芯片选型与中断响应延迟
单片机·线性代数·矩阵
数智工坊3 小时前
视觉SLAM第11讲|回环检测:词袋模型、字典构建与相似度计算全解析
人工智能·深度学习·线性代数
数智工坊4 小时前
视觉SLAM第4讲|李群与李代数:位姿优化的数学基石
人工智能·深度学习·线性代数·cnn
数智工坊4 小时前
视觉SLAM第10讲|后端优化(下):位姿图优化、滑动窗口与图优化工程实践
人工智能·深度学习·线性代数·矩阵
数智工坊4 小时前
视觉SLAM第13讲|工程落地:双目视觉里程计系统架构设计与性能优化
人工智能·深度学习·线性代数·性能优化·矩阵·系统架构·机器人
李日华大战鸡红15 小时前
FOC状态空间方程模型推导(学习记录)
python·学习·线性代数
for_ever_love__3 天前
线性代数入门——向量、矩阵与点积,Transformer 的运算本质
线性代数·矩阵·transformer
打工仔折腾 AI3 天前
从零写一个CAD 05:以鼠标为中心的滚轮缩放矩阵顺序不能反
后端·python·线性代数·性能优化·矩阵·计算机外设·ai agent 实战
hai3152475435 天前
文本矩阵化拆解与视频矩阵化构建
线性代数·矩阵·音视频