一個矩陣對應一個線性變換,比如矩陣A與向量v^相乘,實質上就是A對v^的旋轉和伸縮,會使絕大多數向量變得“面目全非”,不能反映出該向量的特徵。例如:
A=[2231],v^=[xy]Av^=[2231][xy]=[2x+3y2x+y]接下來,我來解釋矩陣A與向量v^相乘,爲什麼就是A對v^的旋轉和伸縮。
矩陣與普通向量相乘
例1
A=[2231],v^=[2−1]Av^=[2231][2−1]=[13]顯然,相乘後的結果向量(紅色)相對於向量v^(藍色)既發生旋轉又進行伸縮。
例2
A=[2231],v^=[−23]Av^=[2231][−23]=[5−1]顯然,相乘後的結果向量(紅色)相對於向量v^(藍色)既發生旋轉又進行伸縮。
矩陣與特徵向量相乘
但是,有這麼一類向量,與矩陣相乘後,只是進行了伸縮(包括反向)而不會發生旋轉,那麼這類向量稱爲該矩陣的特徵向量,伸縮比例稱爲特徵值。
本文中的矩陣A的特徵值爲4和-1,對應的特徵向量分別爲[32]和[−11],請讀者自證。
例3
A=[2231],v^=[32]Av^=[2231][32]=[128]=4[32]顯然,相乘後的結果向量(紅色)相對於向量v^(藍色)只是進行了伸縮而不會發生旋轉,伸縮比例爲-1。因此,v^稱爲矩陣A的特徵向量,-1稱爲特徵值。
例4
A=[2231],v^=[−11]Av^=[2231][−11]=[1−1]=−1[−11]顯然,相乘後的結果向量(紅色)相對於向量v^(藍色)只是進行了伸縮而不會發生旋轉,伸縮比例爲-1。因此,v^稱爲矩陣A的特徵向量,-1稱爲特徵值。