Featured image of post 視覺化的理解特徵向量(Eigenvector)、特徵根(Eigenvalue)

視覺化的理解特徵向量(Eigenvector)、特徵根(Eigenvalue)

不要去想,去感受

使用網站 https://www.geogebra.org/m/JP2XZpzV

何謂特徵根、特徵向量

Eigen是德文的一個詞彙,意即「自己的」,而中文翻譯成特徵根、特徵向量確實有點摸不著頭腦。所謂特徵根以及特徵向量,代表的是一個向量,經過線性轉換(Linear Transformation)後,向量的方向不會改變,可以看這張圖

這張圖相當於是說,將向量(0.71,0.71)與矩陣 $$ \begin{bmatrix} -3&0\\
0&1 \\
\end{bmatrix} $$

相乘後,該向量會指向什麼哪裏、長度多少

image-20231010182110039

下圖中黑色的部分是線性轉換之前的向量,而紅色則是線性變換之後的位置

image-20231010181705279

那什麼是特徵向量呢,所謂的特徵向量,就是指那些經過線性變換後,向量方向不變(只有長度、正負號)改變的向量,就叫特徵向量,舉個最簡單的例子,假設現在有個線性變換是這樣

$$ \begin{bmatrix} 2&0\\
0&2 \\
\end{bmatrix} $$

也就說把每個單位向量都拉伸兩倍,那麼它實際看起來就會像是這個樣子

iShot_2023-10-10_18.26.23

我們會發現它的每一個向量,經過線性變換後,都和它原先的向量只差一倍,那這個一倍的值就是它的特徵根(EigenValue)

以畫面來表示特徵根、特徵向量

比如說現在有一個線性變化如下

$$ \begin{bmatrix} 1&2\\
2&1 \\
\end{bmatrix} $$

(1,0)轉換的結果就像紅色的那樣

iShot_2023-10-10_18.37.09

我們觀察上圖可以發現,是不是在某些時候,紅色跟黑色的線是共線的情形

image-20231010183922178

(▲長度相差3倍)

image-20231010183957973

(▲長度相差-1倍)

像這樣的情況

(0.71,0.71)、(-0.7,0.71)就是特徵向量(不只一組),而3、-1就是特徵值

Licensed under CC BY-NC-SA 4.0