返回 线性代数

电子科技大学

第五章 特征值与特征向量

本章学习特征值与特征向量的计算、矩阵的相似与可对角化、n 维向量的内积和正交性,以及实对称矩阵的正交对角化。

开始本章挑战

完成本章挑战后,会在这里保留最近一次结果。

本章从一个问题开始

线性变换中,有没有一些怎么变都不跑偏的方向?

特征向量给出稳定方向,特征值给出缩放方式;相似与正交对角化把复杂变换换成容易理解的坐标描述。

  1. 01

    特征值:找稳定方向

  2. 02

    相似对角化:换基化简

  3. 03

    正交性:让坐标彼此垂直

从“特征值与特征向量”开始

讲座提炼

把“听过”变成可复习的线索

从特征方向到二次型:把交叉项化成主方向

特征向量给出线性变换的稳定方向;实对称矩阵的正交对角化则把二次型换到更容易判断的平方项坐标中。

  • 特征向量必须非零;先解特征值,再解对应齐次方程组。
  • 实对称矩阵可以正交对角化,得到的对角元就是特征值。
  • 判断正定时先确认对应对称矩阵,再看每个主方向上的系数是否为正。
微型例题:标准形 d₁y₁²+d₂y₂² 中 d₁、d₂ 都为正,能说明什么?
切入点:非零 Y 至少有一个分量非零,平方项和严格为正,因此该二次型正定。

知识点

先选一个小点开始

5.1 特征值与特征向量的概念与计算

5.1 特征值与特征向量的概念与计算

特征值与特征向量

特征向量在矩阵变换后方向不变,只被相应的特征值缩放。

草稿
single_choicetrue_false

5.1 特征值与特征向量的概念与计算

特征多项式、迹与行列式

特征多项式的根给出特征值,而特征值的和与积分别连接到矩阵的迹和行列式。

草稿
single_choicetrue_false

5.2 矩阵的相似对角化

5.2 矩阵的相似对角化

相似矩阵与可对角化

相似矩阵表示同一个线性变换在不同基下的矩阵,而对角化能把计算集中到各个特征值上。

草稿
single_choicetrue_false

5.3 n 维向量空间的正交性

5.3 n 维向量空间的正交性

内积、范数与正交性

内积把向量的长度和夹角代数化,正交向量组让表示与计算更清楚。

草稿
single_choicetrue_false

5.3 n 维向量空间的正交性

施密特正交化与标准正交组

施密特正交化逐步减去已有方向上的投影,把线性无关向量组变成张成同一空间的正交组。

草稿
single_choicetrue_false

5.4 实对称矩阵的相似对角化

5.4 实对称矩阵的相似对角化

实对称矩阵的正交对角化

实对称矩阵总能用一组标准正交特征向量对角化,这是二次型化简的重要基础。

草稿
single_choicetrue_false