特征值与特征向量

8.1 特征值和特征向量的基本概念

定义

对于一个方阵 $ A $，如果存在一个非零向量 $ \mathbf{v} $ 和一个标量 $ \lambda $，使得：

A \mathbf{v} = \lambda \mathbf{v}

那么 $ \lambda $ 称为矩阵 $ A $ 的特征值，$ \mathbf{v} $ 称为对应于 $ \lambda $ 的特征向量。

特征方程

要找特征值 $ \lambda $，需解特征方程：

\text{det}(A - \lambda I) = 0

其中 $ I $ 是单位矩阵，$ \text{det} $ 表示行列式。

特征向量的计算

对于每个特征值 $ \lambda $，求解：

(A - \lambda I) \mathbf{v} = 0

得到对应的特征向量 $ \mathbf{v} $。

8.2 特征值的计算方法

步骤

构造特征方程：计算 $ A - \lambda I $ 的行列式。
求解特征方程：得到特征值 $ \lambda $ 的代数方程。
求解特征向量：对于每个特征值 $ \lambda $，解 $ (A - \lambda I) \mathbf{v} = 0 $ 找到特征向量。

示例

对于矩阵

A = \begin{pmatrix} 2 & 1 \ 1 & 2 \end{pmatrix}

计算特征方程：

\text{det}(A - \lambda I) = \text{det} \begin{pmatrix} 2 - \lambda & 1 \ 1 & 2 - \lambda \end{pmatrix} = (2 - \lambda)^2 - 1 = \lambda^2 - 4 \lambda + 3

解方程 $ \lambda^2 - 4 \lambda + 3 = 0 $ 得到特征值 $ \lambda = 1 $ 和 $ \lambda = 3 $。对应的特征向量可以通过代入特征值求解。

8.3 特征值与特征向量的性质

性质

特征值的和：特征值之和等于矩阵的迹（主对角线元素的和）。
特征值的积：特征值之积等于矩阵的行列式。
相似矩阵：如果矩阵 $ A $ 和 $ B $ 相似，即 $ B = P^{-1}AP $，则 $ A $ 和 $ B $ 具有相同的特征值。
正定矩阵：一个对称矩阵 $ A $ 是正定的当且仅当它的所有特征值都大于零。

对称矩阵的特征值和特征向量

对称矩阵的特征值是实数，且可以找到一组正交的特征向量。

8.4 特征值与特征向量的应用

数据分析

主成分分析（PCA）：用于降维和特征提取，通过计算数据的协方差矩阵的特征值和特征向量来确定数据的主要方向。

动态系统

稳定性分析：通过分析系统矩阵的特征值来评估系统的稳定性。

振动分析

固有频率：在结构振动分析中，通过求解系统的特征值来找到固有频率和振动模式。

经济学中的应用

经济模型的稳定性分析：使用特征值分析经济模型的动态稳定性。
优化问题：特征值用于分析优化问题中的二次型形式，帮助确定最优化的方向和步长。

例子

二维平面旋转：对于旋转矩阵

R(\theta) = \begin{pmatrix} \cos\theta & -\sin\theta \ \sin\theta & \cos\theta \end{pmatrix}

当 $ \theta \neq 0, \pi $ 时，它在实数范围内通常没有非零实特征向量；若在复数范围内讨论，则其特征值为 $ e^{i\theta} $ 和 $ e^{-i\theta} $。

8.5 这章在经济学里回答什么问题

问题 1：一个动态系统会稳定、震荡还是发散

在线性化后的动态模型中，特征值决定均衡点附近的运动方向和稳定性。

问题 2：多维数据里最重要的变化方向是什么

特征向量给出主要方向，特征值衡量这些方向的重要程度，这就是 PCA 等方法的基础。

问题 3：一个二次型是“向上弯”“向下弯”还是方向不一致

这关系到最优化里的二阶条件，也关系到风险和波动结构的分析。

特征值与特征向量在数学和实际应用中都扮演着重要的角色，它们不仅帮助我们理解矩阵的性质，还在各个科学和工程领域提供了强大的工具。