参考答案
内容深度:适中 · 无代码示例 · 来源:外部链接 · 未复核 · 75 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解
定义:对方阵 A,若存在非零向量 v 与标量 λ 使
$$A\,v=\lambda\,v$$
则 v 为特征向量,λ 为特征值。
几何意义:特征向量是线性变换 A 下方向不变、仅被拉伸/压缩 λ 倍的特殊向量;λ>1 拉伸,0<λ<1 压缩,λ<0 反向。
求解:
- 解特征方程 $\det(A-\lambda I)=0$ 得特征值 λ;
- 对每个 λ 解 $(A-\lambda I)v=0$ 得特征向量(零空间)。
应用
- 矩阵对角化:若 A 有 n 个线性无关特征向量,$A=P\Lambda P^{-1}$,便于快速计算 $A^k=P\Lambda^k P^{-1}$。
- PCA(主成分分析):数据协方差矩阵的特征向量 = 主轴方向,特征值 = 该方向方差大小;取最大特征值对应特征向量作为第一主成分,实现降维。
- 稳定性/动力系统:λ 模长决定迭代收敛或发散。