1.4 线性代数基础
特征值与特征向量
重要程度：9 分
<h2>1.4 线性代数基础 - 特征值与特征向量</h2>
<p><strong>定义：</strong>设A是n阶方阵，如果存在数λ和非零向量x，使得Ax=λx，则称λ为矩阵A的一个特征值，x称为A对应于特征值λ的特征向量。</p>
<h3>一、特征值与特征向量的基本性质</h3>
<ul>
<li>若λ是矩阵A的特征值，则kλ（k≠0）也是A的特征值。</li>
<li>属于不同特征值的特征向量线性无关。</li>
<li>如果A有n个不同的特征值，则A可对角化。</li>
</ul>
<h3>二、求解方法</h3>
<p>给定一个n×n矩阵A，要找到它的特征值和对应的特征向量，需要解方程(A-λI)x=0，其中I是单位矩阵。这通常通过首先解出特征多项式det(A-λI)=0来完成，这里的根即为A的所有特征值。对于每个特征值λ，可以通过解齐次线性方程组(A-λI)x=0来找到相应的特征向量。</p>
<h3>三、例题分析</h3>
<ol>
<li>考虑矩阵 A = \(\begin{pmatrix} 4 & -2 \\ 1 & 1 \end{pmatrix}\)。
<ul>
<li>计算特征值：解方程 \(det(A-\lambda I) = 0\) 得到 \((4-\lambda)(1-\lambda)-(-2*1)=0\) 即 \(\lambda^2 - 5\lambda + 6 = 0\)，从而得出 \(\lambda_1 = 2, \lambda_2 = 3\)。</li>
<li>寻找特征向量：
<ul>
<li>对于 \(\lambda_1 = 2\)，解 (A-2I)x=0 得到系统 \(\begin{cases} 2x-2y=0\\ x-y=0 \end{cases}\)，故任取 \(x=1, y=1\) 可得一个特征向量 \(\begin{pmatrix} 1 \\ 1 \end{pmatrix}\)。</li>
<li>对于 \(\lambda_2 = 3\)，解 (A-3I)x=0 得到系统 \(\begin{cases} x-2y=0\\ x-2y=0 \end{cases}\)，因此可以选择 \(x=2, y=1\) 获得另一个特征向量 \(\begin{pmatrix} 2 \\ 1 \end{pmatrix}\)。</li>
</ul>
</li>
</ul>
</li>
</ol>
<h3>四、应用示例</h3>
<p>在实际问题中，比如数据降维技术PCA(主成分分析)就利用了特征值和特征向量的概念。通过计算协方差矩阵的特征值及其对应的特征向量，可以确定数据的主要方向，并据此减少维度而不丢失太多信息。</p>
这段HTML代码简洁地概述了《物流数学》中关于特征值与特征向量的基础知识，包括定义、基本性质、求解步骤以及具体例子，适合自学或教学使用。