【线性代数】特征向量与特征值

文章探讨了二维空间中的线性变换,指出某些向量在变换后保持在自己的张成空间内,仅按特征值缩放。特征向量是保持方向不变的特殊向量,与特征值一起构成对角矩阵,简化了多次变换计算,如100次方变换。利用特征基可以更有效地进行矩阵运算。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一个二维空间,对其做线性变换\begin{bmatrix} 3& 1\\ 0& 2 \end{bmatrix},有很多向量都会偏离自己的张成空间(即该向量能达到的一条直线,过原点与自身),而有一些向量会保留在自己的张成空间中,仅仅拉伸为原来的倍数,该倍数就是特征值。

Av = lambda v 对于特征向量做线性变换等于将特征向量缩放特征值倍

特征基

假如某个矩阵做100次方变换,可以用特征基向量来代替基向量,因为在特征基向量下的变换必定是对角矩阵,对角线上是特征值,100次方直接乘积,之后再转换为原基向量下的矩阵。

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值