当前位置:   article > 正文

线性代数笔记20--特征值特征向量与旋转矩阵推导

线性代数笔记20--特征值特征向量与旋转矩阵推导

1. 特征向量与特征值

研究对象是一个平面 A A A,向量 X X X通过 A A A变换后仍然平行于 X X X

这样的向量就叫特征向量。
变换后的向量与原向量的比值就是特征值。

A X / / X A X = λ X AX \mathop{//} X\\ AX= \lambda X AX//XAX=λX

如果矩阵 A A A是奇异矩阵,那么 λ = 0 \lambda=0 λ=0是一个特征值。

1.1 举例子
  • 投影矩阵
    如果 X X X在投影平面上 P X = X , λ = 1 PX=X,\lambda=1 PX=X,λ=1;
    如果 X ⊥ P X\perp P XP,则 P X = 0 = 0 X , λ = 0 PX=0=0X,\lambda=0 PX=0=0X,λ=0
  • 二阶矩阵
    A = [ 0 1 1 0 ] A=
    [0110]
    A=[0110]

    X 1 = [ 1 1 ]   λ 1 = 1 A X = X X_1=
    [11]
    \ \lambda_1=1\\ AX=X
    X1=[11] λ1=1AX=X

    X 2 = [ − 1 1 ]   λ 2 = − 1 A X = − X X_2=
    [11]
    \ \lambda_2=-1\\ AX=-X
    X2=[11] λ2=1AX=X

    矩阵的迹
    t r a c e = ∑ i = 1 n λ i trace=\sum_{i=1}^{n} \lambda_i trace=i=1nλi
    矩阵的迹与对角线元素之和相等
    t r a c e = ∑ i = 1 n a i i = ∑ i = 1 n λ i trace=\sum_{i=1}^{n}a_{ii}=\sum_{i=1}^{n}\lambda_i trace=i=1naii=i=1nλi
1.2 求解 A X = λ X AX=\lambda X AX=λX

A X = λ X ( A − λ I ) X = 0 AX=\lambda X\\ (A-\lambda I)X=0 AX=λX(AλI)X=0
要使 X X X为不为 0 0 0,则矩阵 A − λ I A-\lambda I AλI为奇异矩阵。
所以
d e t   A − λ I = 0 det\ A-\lambda I=0 det AλI=0
就变成了求解 A − λ I A-\lambda I AλI的零空间。

举例子
A = [ 3 1 1 3 ] A − λ I = [ 3 − λ 1 1 3 − λ ] ( 3 − λ ) 2 − 1 = 0 λ 1 = 2 λ 2 = 4 A=

[3113]
\\ A-\lambda I=
[3λ113λ]
\\ (3-\lambda)^2-1=0\\ \lambda_1=2\\\lambda_2=4 A=[3113]AλI=[3λ113λ](3λ)21=0λ1=2λ2=4
6是迹,8是行列式的值。

A − 4 I = [ − 1 1 1 − 1 ]   X 1 = [ 1 1 ] A − 2 I = [ 1 1 1 1 ]   X 2 = [ 1 − 1 ] A-4I=

[1111]
\ X_1=
[11]
\\ A-2I=
[1111]
\ X_2=
[11]
A4I=[1111] X1=[11]A2I=[1111] X2=[11]
我们可以看到两个特征向量与我们的上一个例子中特征向量一样,特征值分别加 3 3 3了。

这是因为
A + 3 I = A ′ A X = λ X ( A + 3 I ) X = ( λ + 3 ) X A+3I=A'\\ AX= \lambda X\\ (A+3I)X=(\lambda+3)X A+3I=AAX=λX(A+3I)X=(λ+3)X
但这对两个其他不同矩阵特征值不能应用。
A X = α X B Y = β Y AX=\alpha X\\BY=\beta Y AX=αXBY=βY
因为不能保证他们的特征向量一致。

举例子,旋转矩阵
r o t a = [ cos ⁡ θ − sin ⁡ θ sin ⁡ θ cos ⁡ θ ] rota=

[cosθsinθsinθcosθ]
rota=[cosθsinθsinθcosθ]

9 0 ∘ 90^{\circ} 90时旋转矩阵
Q = [ 0 − 1 1 0 ] Q=

[0110]
Q=[0110]

Q ′ = Q − λ I = [ − λ − 1 1 − λ ] d e t   Q ′ = λ 2 + 1 = 0 λ 1 = i λ 2 = − i Q'=Q-\lambda I=

[λ11λ]
\\ det\ Q'= \lambda^2+1=0\\ \lambda_1= i\\\lambda_2=-i Q=QλI=[λ11λ]det Q=λ2+1=0λ1=iλ2=i
矩阵越对称,越有实数特征值。否则就是复数特征值。

再一个例子
A = [ 3 1 0 3 ] A ′ = A − λ I = [ 3 − λ 1 0 3 − λ ] d e t   A ′ = [ 3 − λ 1 0 3 − λ ] = ( λ − 3 ) 2 = 0 λ 1 = λ 2 = 1 X 1 = [ 1 0 ] A=

[3103]
\\ A'=A-\lambda I=
[3λ103λ]
\\ det\ A'=
[3λ103λ]
= (\lambda-3)^2=0\\ \lambda_1=\lambda_2=1\\ X_1=
[10]
A=[3013]A=AλI=[3λ013λ]det A=[3λ013λ]=(λ3)2=0λ1=λ2=1X1=[10]
重根造成了特征向量的缺失

2. 旋转矩阵的推导

假设在二维平面上向量 O A → = ( x , y ) \overrightarrow{OA}=(x,y) OA =(x,y),求逆时针旋转 θ \theta θ后的坐标。

假设 O A → \overrightarrow{OA} OA 的平面角为 α \alpha α,则

x 2 + y 2 = r 2 x^{2}+y^{2}=r^2 x2+y2=r2
r cos ⁡ α = x , r sin ⁡ α = y r\cos\alpha=x,r\sin\alpha=y rcosα=x,rsinα=y

假设旋转后的角度为 β \beta β,则

α + θ = β cos ⁡ β = c o s ( α + θ ) = cos ⁡ θ cos ⁡ α − sin ⁡ θ sin ⁡ α sin ⁡ β = sin ⁡ ( α + θ ) = sin ⁡ θ cos ⁡ α + cos ⁡ θ sin ⁡ α \alpha + \theta= \beta\\ \cos \beta= cos(\alpha+\theta)=\cos \theta \cos \alpha-\sin \theta \sin \alpha\\ \sin \beta=\sin(\alpha+\theta)=\sin \theta \cos \alpha+\cos \theta \sin \alpha α+θ=βcosβ=cos(α+θ)=cosθcosαsinθsinαsinβ=sin(α+θ)=sinθcosα+cosθsinα
换成矩阵的形式
[ cos ⁡ β sin ⁡ β ] = [ cos ⁡ θ − sin ⁡ θ sin ⁡ θ cos ⁡ θ ] [ cos ⁡ α sin ⁡ α ]

[cosβsinβ]
=
[cosθsinθsinθcosθ]
[cosαsinα]
[cosβsinβ]=[cosθsinθsinθcosθ][cosαsinα]
等式两边同乘向量的模长得到旋转后的坐标
[ cos ⁡ β sin ⁡ β ] [ r ] = [ r cos ⁡ β r sin ⁡ β ] = [ cos ⁡ θ − sin ⁡ θ sin ⁡ θ cos ⁡ θ ] [ cos ⁡ α sin ⁡ α ] [ r ] = [ cos ⁡ θ − sin ⁡ θ sin ⁡ θ cos ⁡ θ ] [ r cos ⁡ α r sin ⁡ α ]
[cosβsinβ]
[r]
=
[rcosβrsinβ]
=
[cosθsinθsinθcosθ]
[cosαsinα]
[r]
\\=
[cosθsinθsinθcosθ]
[rcosαrsinα]
[cosβsinβ][r]=[rcosβrsinβ]=[cosθsinθsinθcosθ][cosαsinα][r]=[cosθsinθsinθcosθ][rcosαrsinα]

整理后得到旋转后坐标与旋转前坐标关系
[ x ′ y ′ ] = [ cos ⁡ θ − sin ⁡ θ sin ⁡ θ cos ⁡ θ ] [ x y ]
[xy]
=
[cosθsinθsinθcosθ]
[xy]
[xy]=[cosθsinθsinθcosθ][xy]

所以旋转矩阵为
t r a n s ( θ ) = [ cos ⁡ θ − sin ⁡ θ sin ⁡ θ cos ⁡ θ ] trans(\theta)=
[cosθsinθsinθcosθ]
trans(θ)=[cosθsinθsinθcosθ]

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/菜鸟追梦旅行/article/detail/261630?site
推荐阅读
相关标签
  

闽ICP备14008679号