本文探讨了矩阵特征值的概念，强调了特征值与特征向量的关系，指出特征值的重数决定了对应特征向量的维数。通过分析矩阵的秩与特征值的关系，揭示了矩阵的线性变换能力。文章还讨论了特征值为0的情况，并举例说明了如何通过求解线性方程组找到特征向量。最后，引入了广义特征值问题，指出它衡量的是矩阵A与B的线性变换差异。
特征值问题：
Ax= lamda*x
（A-lamda*I）x = 0
B = A-lamda*I
特征值与特征向量
http://hi.baidu.com/jjgjklk/item/777f24ee79aef2f6e1a5d475
上面这篇文章的重点：
将矩阵A都看做线性变换（这一点在程云鹏的《矩阵论》中也是这么做的），矩阵A左乘一个向量x，就是对这个向量x做线性变换。
对于向量x来说，总是存在那么些线性变换的方法，能够将x的方向不变化（也就是不改变x中元素的相互比例关系，i.e 将向量x进行数乘，也就是缩放）。
对于矩阵A来说，总是有那么些向量 x，在对x做自己所对应的变换之后不改变x的方向，这些 x 就是矩阵A的特征向量，而变换后与原 x 相差的数乘倍数，就是特征值。
有些矩阵“改造能力”比较强，只允许少量的向量在自己的变换之后方向不变。有些则比较“随便”，能允许更多的向量在经过自己的变换之后能够保持方向。
评判标准：将得到的lamda代入B之后，B的秩。
特征值的数目：
求解|B|=0的过程，实际是一个求解1元n次方程(最高次数必然为n，因为对角线上每个元素都含有lamda)的过程，由方程知识可知，1元n次方程有n个解(重解累计计数)。
所以必然有n个特征值。
相同特征值的情况：
求解 |B|=0 的过程中可能会有重根，重根和B的秩有什么关系？
将重根代入B，得到的r(B) = n - 重根的重数。</
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
