最大特征根和单位化特征向量怎么求 特征向量什么时候需要单位化
\u77e9\u9635\u7684\u6700\u5927\u7279\u5f81\u6839\u548c\u5bf9\u5e94\u7684\u5f52\u4e00\u5316\u7279\u5f81\u5411\u91cf\uff0c\u5728\u7ebf\u6c42\u89e3A
d =
-0.4953 -0.2477 + 0.4290i -0.2477 - 0.4290i
-0.6786 0.6786 0.6786
-0.5423 -0.2712 - 0.4697i -0.2712 + 0.4697i
v =
3.6464 0 0
0 -0.3232 + 1.5009i 0
0 0 -0.3232 - 1.5009i
B:
d =
0.9701 -0.9701
0.2425 0.2425
v =
2 0
0 0
C
d =
0.9923 -0.9923
0.1240 0.1240
v =
2 0
0 0
1\u3001\u5982\u679cA\u662f\u5b9e\u5bf9\u79f0\u77e9\u9635\uff0c\u8981\u6c42\u6c42\u6b63\u4ea4\u77e9\u9635P\uff0c\u4f7fP^T*A*P\u6210\u4e3a\u5bf9\u89d2\u9635\uff0c\u5219\u6c42\u5f97\u7684A\u7684\u7279\u5f81\u5411\u91cf\u8981\u5148\u6b63\u4ea4\u5316\uff08\u5982\u679cA\u6709\u91cd\u7279\u5f81\u503c\uff09\uff0c\u518d\u5355\u4f4d\u5316\uff0c\u7136\u540e\u624d\u53ef\u4ee5\u5199\u51fa\u6b63\u4ea4\u9635P\u3002
2\u3001\u5728\u4e8c\u6b21\u578b\u5316\u4e3a\u6807\u51c6\u5f62\u7684\u9898\u76ee\u91cc\uff0c\u5982\u679c\u8981\u6c42\u6c42\u6b63\u4ea4\u53d8\u6362\uff0c\u5219\u6c42\u5f97\u7684\u4e8c\u6b21\u578b\u77e9\u9635A\u7684\u7279\u5f81\u5411\u91cf\u8981\u5148\u6b63\u4ea4\u5316\uff08\u5982\u679cA\u6709\u91cd\u7279\u5f81\u503c\uff09\uff0c\u518d\u5355\u4f4d\u5316\uff0c\u7136\u540e\u624d\u53ef\u4ee5\u5199\u51fa\u6b63\u4ea4\u53d8\u6362\u7684\u3002
\u4e00\u4e2a\u77e9\u9635A\u7684\u7279\u5f81\u503c\u53ef\u4ee5\u901a\u8fc7\u6c42\u89e3\u65b9\u7a0bpA(\u03bb) = 0\u6765\u5f97\u5230\u3002 \u82e5A\u662f\u4e00\u4e2an\u00d7n\u77e9\u9635\uff0c\u5219pA\u4e3an\u6b21\u591a\u9879\u5f0f\uff0c\u56e0\u800cA\u6700\u591a\u6709n\u4e2a\u7279\u5f81\u503c\u3002
\u53cd\u8fc7\u6765\uff0c\u4ee3\u6570\u57fa\u672c\u5b9a\u7406\u8bf4\u8fd9\u4e2a\u65b9\u7a0b\u521a\u597d\u6709n\u4e2a\u6839\uff0c\u5982\u679c\u91cd\u6839\u4e5f\u8ba1\u7b97\u5728\u5185\u7684\u8bdd\u3002\u6240\u6709\u5947\u6570\u6b21\u7684\u591a\u9879\u5f0f\u5fc5\u6709\u4e00\u4e2a\u5b9e\u6570\u6839\uff0c\u56e0\u6b64\u5bf9\u4e8e\u5947\u6570n\uff0c\u6bcf\u4e2a\u5b9e\u77e9\u9635\u81f3\u5c11\u6709\u4e00\u4e2a\u5b9e\u7279\u5f81\u503c\u3002\u5728\u5b9e\u77e9\u9635\u7684\u60c5\u5f62\uff0c\u5bf9\u4e8e\u5076\u6570\u6216\u5947\u6570\u7684n\uff0c\u975e\u5b9e\u6570\u7279\u5f81\u503c\u6210\u5171\u8f6d\u5bf9\u51fa\u73b0\u3002
\u6269\u5c55\u8d44\u6599
\u4efb\u610f\u7ed9\u5b9a\u4e00\u4e2a\u77e9\u9635A\uff0c\u5e76\u4e0d\u662f\u5bf9\u6240\u6709\u7684x\u5b83\u90fd\u80fd\u62c9\u957f\uff08\u7f29\u77ed\uff09\u3002\u51e1\u662f\u80fd\u88abA\u62c9\u957f\uff08\u7f29\u77ed\uff09\u7684\u5411\u91cf\u79f0\u4e3aA\u7684\u7279\u5f81\u5411\u91cf(Eigenvector)\uff1b\u62c9\u957f\uff08\u7f29\u77ed\uff09\u91cf\u5c31\u4e3a\u8fd9\u4e2a\u7279\u5f81\u5411\u91cf\u5bf9\u5e94\u7684\u7279\u5f81\u503c\uff08Eigenvalue\uff09\u3002
\u503c\u5f97\u6ce8\u610f\u7684\u662f\uff0c\u6211\u4eec\u8bf4\u7684\u7279\u5f81\u5411\u91cf\u662f\u4e00\u7c7b\u5411\u91cf\uff0c\u56e0\u4e3a\u4efb\u610f\u4e00\u4e2a\u7279\u5f81\u5411\u91cf\u968f\u4fbf\u4e58\u4ee5\u4e00\u4e2a\u6807\u91cf\u7ed3\u679c\u80af\u5b9a\u4e5f\u6ee1\u8db3\u4ee5\u4e0a\u65b9\u7a0b\uff0c\u5f53\u7136\u8fd9\u4e24\u4e2a\u5411\u91cf\u90fd\u53ef\u4ee5\u770b\u6210\u662f\u540c\u4e00\u4e2a\u7279\u5f81\u5411\u91cf\uff0c\u800c\u4e14\u5b83\u4eec\u4e5f\u90fd\u5bf9\u5e94\u540c\u4e00\u4e2a\u7279\u5f81\u503c\u3002
\u5982\u679c\u7279\u5f81\u503c\u662f\u8d1f\u6570\uff0c\u90a3\u8bf4\u660e\u4e86\u77e9\u9635\u4e0d\u4f46\u628a\u5411\u91cf\u62c9\u957f\uff08\u7f29\u77ed\uff09\u4e86\uff0c\u800c\u4e14\u8ba9\u5411\u91cf\u6307\u5411\u4e86\u76f8\u53cd\u7684\u65b9\u5411\u3002\u4e00\u4e2a\u77e9\u9635\u53ef\u80fd\u53ef\u4ee5\u62c9\u957f\uff08\u7f29\u77ed\uff09\u597d\u51e0\u4e2a\u5411\u91cf\uff0c\u6240\u4ee5\u5b83\u53ef\u80fd\u5c31\u6709\u597d\u591a\u4e2a\u7279\u5f81\u503c\u3002\u5982\u679cA\u662f\u5b9e\u5bf9\u79f0\u77e9\u9635\uff0c\u90a3\u4e48\u90a3\u4e9b\u4e0d\u540c\u7684\u7279\u5f81\u503c\u5bf9\u5e94\u7684\u7279\u5f81\u5411\u91cf\u80af\u5b9a\u662f\u4e92\u76f8\u6b63\u4ea4\u7684\u3002
\u4e00\u4e2a\u53d8\u6362\u77e9\u9635\u7684\u6240\u6709\u7279\u5f81\u5411\u91cf\u7ec4\u6210\u4e86\u8fd9\u4e2a\u53d8\u6362\u77e9\u9635\u7684\u4e00\u7ec4\u57fa\u3002\u6240\u8c13\u57fa\u53ef\u4ee5\u7406\u89e3\u4e3a\u5750\u6807\u7cfb\u7684\u8f74\u3002\u6211\u4eec\u5e73\u5e38\u7528\u5230\u7684\u5927\u591a\u662f\u76f4\u89d2\u5750\u6807\u7cfb\uff0c\u5728\u7ebf\u5f62\u4ee3\u6570\u4e2d\u53ef\u4ee5\u628a\u8fd9\u4e2a\u5750\u6807\u7cfb\u626d\u66f2\u3001\u62c9\u4f38\u3001\u65cb\u8f6c\uff0c\u79f0\u4e3a\u57fa\u7684\u53d8\u6362\u3002\u6211\u4eec\u53ef\u4ee5\u6309\u6211\u4eec\u7684\u9700\u6c42\u53bb\u8bbe\u5b9a\u57fa\uff0c\u4f46\u662f\u57fa\u7684\u8f74\u4e4b\u95f4\u5fc5\u987b\u662f\u7ebf\u5f62\u65e0\u5173\u7684\u3002
\u4e5f\u5c31\u662f\u4fdd\u8bc1\u5750\u6807\u7cfb\u7684\u4e0d\u540c\u8f74\u4e0d\u8981\u6307\u5411\u540c\u4e00\u4e2a\u65b9\u5411\u6216\u53ef\u4ee5\u88ab\u522b\u7684\u8f74\u7ec4\u5408\u800c\u6210\uff0c\u5426\u5219\u7684\u8bdd\u539f\u6765\u7684\u7a7a\u95f4\u5c31\u201c\u6491\u201d\u4e0d\u8d77\u6765\u4e86\u3002\u5728\u4e3b\u6210\u5206\u5206\u6790(Principal Component Analysis)\u4e2d\u6211\u4eec\u901a\u8fc7\u5728\u62c9\u4f38\u6700\u5927\u7684\u65b9\u5411\u8bbe\u7f6e\u57fa\uff0c\u5ffd\u7565\u4e00\u4e9b\u5c0f\u7684\u91cf\uff0c\u53ef\u4ee5\u6781\u5927\u5730\u538b\u7f29\u6570\u636e\u800c\u51cf\u5c0f\u5931\u771f\u3002
\u53d8\u6362\u77e9\u9635\u7684\u6240\u6709\u7279\u5f81\u5411\u91cf\u4f5c\u4e3a\u7a7a\u95f4\u7684\u57fa\u4e4b\u6240\u4ee5\u91cd\u8981\uff0c\u662f\u56e0\u4e3a\u5728\u8fd9\u4e9b\u65b9\u5411\u4e0a\u53d8\u6362\u77e9\u9635\u53ef\u4ee5\u62c9\u4f38\u5411\u91cf\u800c\u4e0d\u5fc5\u626d\u66f2\u548c\u65cb\u8f6c\u5b83\uff0c\u4f7f\u5f97\u8ba1\u7b97\u5927\u4e3a\u7b80\u5355\u3002\u6240\u4ee5\u7279\u5f81\u503c\u56fa\u7136\u91cd\u8981\uff0c\u7ec8\u6781\u76ee\u6807\u5374\u662f\u7279\u5f81\u5411\u91cf\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-\u7279\u5f81\u5411\u91cf
若σ是线性空间V的线性变换，σ对V中某非零向量x的作用是伸缩：σ（x）=aζ，则称x是σ的属于a的特征向量，a称为σ的特征值。位似变换σk（即对V中所有a，有σk（a）=kα）使V中非零向量均为特征向量，它们同属特征值k；而旋转角θ（0<θ<π）的变换没有特征向量。可以通过矩阵表示求线性变换的特征值、特征向量。
若A是n阶方阵，I是n阶单位矩阵，则称xI－A为A的特征方阵，xI-A的行列式|xI－A|展开为x的n次多项式fA（x）=xn－（a11+…+ann）xn-1+…+（－1）n|A|，称为A的特征多项式，它的根称为A的特征值。若λ0是A的一个特征值，则以λ0I－A为系数方阵的齐次方程组的非零解x称为A的属于λ的特征向量：Ax=λ0x。
参考资料：百度百科-特征值和特征向量
绛旓細鐗瑰緛鍊鐗瑰緛鍚戦噺鐨勬眰娉曚粙缁嶅涓嬶細鐗瑰緛鍊兼槸鐭╅樀鐨勪竴涓噸瑕佹ц川锛屽彲浠ラ氳繃姹傝В鐗瑰緛鏂圭▼鏉ユ眰寰椼傜壒寰佹柟绋嬫槸鐢辩煩闃靛噺鍘荤壒寰佸间箻浠鍗曚綅鐭╅樀鍐嶆眰琛屽垪寮忓緱鍒扮殑鏂圭▼銆1.鐗瑰緛鍊煎拰鐗瑰緛鍚戦噺鐨勫畾涔夛細鐗瑰緛鍊兼槸鐭╅樀A婊¤冻鏂圭▼Av=位v鐨勬暟位锛屽叾涓璿鏄潪闆跺悜閲忥紝绉颁负瀵瑰簲浜庣壒寰佸嘉荤殑鐗瑰緛鍚戦噺銆傜壒寰佸悜閲忚〃绀哄湪鐭╅樀浣滅敤涓嬪彧...
绛旓細闃胯礉灏旓紞椴佽垂灏煎畾鐞嗘樉绀洪珮娆★紙5娆℃垨鏇撮珮锛夊椤瑰紡鐨勬牴鏃犳硶鐢╪娆℃柟鏍规潵绠鍗曡〃杈俱傚浜庝及绠楀椤瑰紡鐨勬牴鐨勬湁鏁堢畻娉曟槸鏈夌殑锛屼絾鐗瑰緛鍊肩殑灏忚宸彲浠ュ鑷鐗瑰緛鍚戦噺鐨勫法澶ц宸傛眰鐗瑰緛澶氶」寮忕殑闆剁偣锛屽嵆鐗瑰緛鍊肩殑涓鑸畻娉曪紝鏄凯浠ｆ硶銆傛渶绠鍗曠殑鏂规硶鏄箓娉曪細鍙栦竴涓殢鏈哄悜閲弙锛岀劧鍚庤绠椾竴绯诲垪鍗曚綅鍚戦噺銆
绛旓細鐗瑰緛鍚戦噺鏄笉鍙互鍋氭浜ゅ寲鐨勶紝褰撲綘鐨勯渶姹傛槸鎵句竴涓厜闃礟浣垮緱P^{-1}AP鏄瑙掗樀鏃舵墠闇瑕佸仛杩欎簺浜嬨鍗曚綅鍖灏辨槸鏍囧噯鍖栵紝涔熷彨褰掍竴鍖栥傜嚎鎬у彉鎹㈢殑涓荤壒寰佸悜閲忔槸鏈澶х壒寰鍊煎搴旂殑鐗瑰緛鍚戦噺銆傜壒寰佸肩殑鍑犱綍閲嶆鏄浉搴旂壒寰佺┖闂寸殑缁存暟銆傛湁闄愮淮鍚戦噺绌洪棿涓婄殑涓涓嚎鎬у彉鎹㈢殑璋辨槸鍏舵墍鏈夌壒寰佸肩殑闆嗗悎銆備緥濡傦紝涓夌淮绌洪棿...
绛旓細鑻ノ0鏄疉鐨勭壒寰佸硷紝涓旀槸鐗瑰緛澶氶」寮忕殑k閲嶆牴锛屽洜涓篈鍙瑙掑寲锛屾墍浠ョ壒寰佹柟绋嬧攤A-位0鈹=0鐨勫熀纭瑙ｇ郴蹇呭寘鍚玨涓В鍚戦噺锛屽垯杩檏杩欎釜鐗瑰緛鍚戦噺蹇呴』鏂藉瘑鐗规浜ゅ寲鐒跺悗鍐鍗曚綅鍖銆傛湁瀹氱悊锛氱煩闃礎鍙瑙掑寲鐨勫厖鍒嗗繀瑕佹潯浠舵槸A鐨勬瘡涓壒寰佸肩殑浠ｆ暟閲嶆暟绛変簬鍏跺嚑浣曢噸鏁帮紝鍗矨鏈夊畬鍏ㄧ壒寰佸悜閲忕郴銆傚彧鏈夊瑙掔嚎涓婃湁闈0鍏冪礌鐨勭煩闃...
绛旓細寰桝鐨勫睘浜庣壒寰佸-4鐨鐗瑰緛鍚戦噺 a1=(1,-2,3)^T.鍗曚綅鍖寰 b1=(1/鈭14,-2/鈭14,3/鈭14)^T A-2E= 1 2 -1 -2 -4 2 3 6 -3 --> 1 2 -1 0 0 0 0 0 0 寰桝鐨勫睘浜庣壒寰佸2鐨勭壒寰佸悜閲 a2=(1,0,1)^T,a3=(1,-2,-1)^T.鍗曚綅鍖栧緱 b2=(1/鈭2,0,1/...
绛旓細1. 姹傝В鐗瑰緛鍚戦噺鐨勫墠鎻愭槸鍏堟眰鍑虹壒寰佸笺傝鐭╅樀A涓簄闃舵柟闃碉紝鍒欑壒寰佸嘉绘弧瓒冲涓嬬壒寰佹柟绋嬶細| A - 位I | = 0锛屽叾涓璉涓鍗曚綅鐭╅樀锛岃寍 A - 位I |鍒欎负鐭╅樀A - 位I鐨勮鍒楀紡锛屾眰瑙ｈ繖涓柟绋嬪彲浠ュ緱鍒扮煩闃礎鐨勬墍鏈夌壒寰佸嘉1銆佄2銆...銆佄籲銆2. 瀵逛簬姣忎竴涓壒寰佸嘉籭锛岄兘鏈夊搴旂殑鐗瑰緛鍚戦噺ui锛屽嵆...
绛旓細浠A-位E|=0锛屾眰鍑何诲笺侫鏄痭闃剁煩闃碉紝Ax=位x锛屽垯x涓鐗瑰緛鍚戦噺锛屛讳负鐗瑰緛鍊
绛旓細寰桝鐨勫睘浜庣壒寰佸-4鐨鐗瑰緛鍚戦噺 a1=(1,-2,3)^T.鍗曚綅鍖寰 b1=(1/鈭14,-2/鈭14,3/鈭14)^T A-2E= 1 2 -1 -2 -4 2 3 6 -3 --> 1 2 -1 0 0 0 0 0 0 寰桝鐨勫睘浜庣壒寰佸2鐨勭壒寰佸悜閲 a2=(1,0,1)^T,a3=(1,-2,-1)^T.鍗曚綅鍖栧緱 b2=(1/鈭2,0,1/...
绛旓細浠庡畾涔夊嚭鍙戯紝Ax=cx锛欰涓虹煩闃碉紝c涓虹壒寰佸硷紝x涓鐗瑰緛鍚戦噺銆傜煩闃礎涔樹互x琛ㄧず锛屽鍚戦噺x杩涜涓娆¤浆鎹紙鏃嬭浆鎴栨媺浼革級锛堟槸涓绉嶇嚎鎬ц浆鎹級锛岃岃杞崲鐨勬晥鏋滀负甯告暟c涔樹互鍚戦噺x锛堝嵆鍙繘琛屾媺浼革級銆傞氬父姹傜壒寰佸煎拰鐗瑰緛鍚戦噺鍗充负姹傚嚭璇ョ煩闃佃兘浣垮摢浜涘悜閲忥紙褰撶劧鏄壒寰佸悜閲忥級鍙彂鐢熸媺浼革紝浣垮叾鍙戠敓鎷変几鐨勭▼搴﹀浣曪紙鐗瑰緛鍊...
绛旓細鍦ㄩ鐩姹傛浜ょ煩闃礟鏃, 鐗瑰緛鍚戦噺闇姝ｄ氦鍖鍜屽崟浣嶅寲.涓涓悜閲忕殑鍗曚綅鍖栧氨鏄箻姝ゅ悜閲忕殑闀垮害鐨勫掓暟 濡 (1,1,1)^T 鍗曚綅鍖栦负 (1/鈭3)(1,1,1)^T
