发帖
雷达卡
特征向量（eigenvector），矩阵理论上一个非常重要的概念，被广泛的应用于各个领域。
数学上，线性变换的特征向量（本征向量）是一个非简并的向量，其方向在该变换下不变，该向量在此变换下缩放的比例称为其特征值（本征值）。
特征值也有翻译成本征值，特征值在微分方程里描述了状态变量的变化规律。
矩阵A当然是一个变换，然后这个变换的特殊之处是当它作用在特征向量u上的时候， u只发生了缩放变换，它的方向并没有改变，并没有旋转。
特征向量是经过了变换，这个向量可能会 scale， 但是仍旧保持其原有的方向，与特定的特征值对应。所以特征向量某种意义上展示了这个变换的‘特征’。
特征值是为两个，可以是复数，特征向量也可以包含复数(其实如果我们看3d的旋转，会更加的清楚，旋转轴就是旋转矩阵的特征向量。
wikipedia上一些常见的变换对应的特征向量如下：
从这个图当中，我们可以得到一些结论。
scaling: 特征值虽然只有一个（当然严密一点也可以说两个相等），但是对应的特征向量可以有无数个；
rotation：特征值是为两个，可以是复数，特征向量也可以包含复数(其实如果我们看3d的旋转，会更加的清楚，旋转轴就是旋转矩阵的特征向量。)；
horizontal shear：特征值一个，特征向量一个。
| 相关帖子DA内容精选 |
京公网安备 11010802022788号
