< Return to Video

Linear Algebra: Introduction to Eigenvalues and Eigenvectors

  • 0:01 - 0:06
    對於任意的變換從Rn到Rn
  • 0:06 - 0:08
    我們已經做完了
  • 0:08 - 0:11
    但是對於我們來講 求向量
  • 0:11 - 0:13
    本質上通過變換就是放縮 還是很吸引人的
  • 0:13 - 0:16
    因此這個向量有這樣的形式
  • 0:16 - 0:19
    這個向量變換就等於
  • 0:19 - 0:22
    按某個比例放大一個向量
  • 0:22 - 0:24
    如果這個對你來講看起來不太熟悉
  • 0:24 - 0:25
    我可以慢慢觸動你的記憶
  • 0:25 - 0:28
    當時我們在找基向量
  • 0:28 - 0:29
    對於變換的時候 我把它畫下來
  • 0:29 - 0:31
    這是從R2到R2
  • 0:31 - 0:36
    我來把R2畫在這
  • 0:36 - 0:44
    比方說我有這個向量v1等於
  • 0:44 - 0:46
    向量[1;2]
  • 0:46 - 0:49
    我們就有由這個向量張成的直線
  • 0:49 - 0:52
    我們在幾次影片之前做過這個問題
  • 0:52 - 0:54
    我有這樣的變換
  • 0:54 - 0:56
    可以翻過這條直線
  • 0:56 - 0:59
    因此如果我們稱這條線爲l的話 T就是這個變換
  • 0:59 - 1:05
    從R2到R2翻過這條線
  • 1:05 - 1:13
    因此它翻過l
  • 1:13 - 1:15
    如果你能記起那個變換
  • 1:15 - 1:18
    如果我有某個隨機向量像這樣
  • 1:18 - 1:20
    比方說那是c 那是向量x
  • 1:20 - 1:22
    那麽這個變換作用於x看起來就是這樣
  • 1:22 - 1:24
    它就是翻過那條線
  • 1:24 - 1:27
    那就是這個變換作用於x
  • 1:27 - 1:29
    如果你還記得那次影片 我們當時正在找
  • 1:29 - 1:32
    基的一種變換可以允許我們至少
  • 1:32 - 1:34
    算出這個變換的對應矩陣
  • 1:34 - 1:36
    至少在一個改變的基下
  • 1:36 - 1:37
    然後我們可以算出矩陣
  • 1:37 - 1:39
    針對這個變換在一組標準基下
  • 1:39 - 1:42
    我們選取的這個基就是基向量
  • 1:42 - 1:45
    不會隨著這個變換改變太多
  • 1:45 - 1:47
    或者基向量通過變換這是按比例被放大
  • 1:47 - 1:50
    舉個例子 當我們對v1做這個變換
  • 1:50 - 1:54
    它就等於v1
  • 1:54 - 2:00
    或者我們可以說v1在這個變換下就
  • 2:00 - 2:03
    等於1乘以v1
  • 2:03 - 2:07
    因此如果你只是按照這個形式
  • 2:07 - 2:09
    我建立的這個 λ 在這種情況下就是1
  • 2:09 - 2:11
    當然 在這種情況下這個向量是v1
  • 2:11 - 2:15
    這個變換只是給v1按比例1變化
  • 2:15 - 2:19
    在那個相同的問題中 我們有另一個向量
  • 2:19 - 2:21
    我們也在看著的
  • 2:21 - 2:28
    它是向量減 比方說它是向量v2
  • 2:28 - 2:32
    就是 比方說它是[2;-1]
  • 2:32 - 2:34
    然後如果你計算它的變換
  • 2:34 - 2:37
    既然它垂直於這條直線
  • 2:37 - 2:39
    它就會像這樣被翻
  • 2:39 - 2:40
    那也是一個非常有意思的向量力
  • 2:40 - 2:46
    因爲v2的這個變換在這種情形下
  • 2:46 - 2:47
    等於什麽?
  • 2:47 - 2:49
    就是-v2
  • 2:49 - 2:51
    它等於-v2
  • 2:51 - 2:54
    或者你可以說v2的這個變換
  • 2:54 - 2:58
    等於-1乘以v2
  • 2:58 - 3:01
    這些對於我們來說很有意思
  • 3:01 - 3:03
    因爲當我們定義一個新的基
  • 3:03 - 3:06
    用作爲基向量的這些向量
  • 3:06 - 3:09
    計算我們的變換矩陣就變得非常簡單
  • 3:09 - 3:12
    實際上那個基很容易算
  • 3:12 - 3:14
    我們也將在未來進一步探討這些
  • 3:14 - 3:16
    但是希望你們能夠意識到
  • 3:16 - 3:17
    這些是很有意思的向量
  • 3:17 - 3:19
    也有這樣的情形
  • 3:19 - 3:23
    我們有被某些向量張成的平面
  • 3:23 - 3:25
    然後我們又有另一個向量
  • 3:25 - 3:27
    像這樣跳出這個平面
  • 3:27 - 3:30
    我們變換通過算鏡像
  • 3:30 - 3:32
    穿過這個 在這個變換中
  • 3:32 - 3:35
    這些紅向量一點也不會改變
  • 3:35 - 3:36
    並且這個向量翻轉過去
  • 3:36 - 3:38
    也許那些向量會很好的成爲基
  • 3:38 - 3:40
    或者那些向量會很好的成爲基向量
  • 3:41 - 3:42
    事實上是這樣的
  • 3:42 - 3:45
    所以一般地 我們總是關心這種向量
  • 3:45 - 3:47
    通過一個變換只是比例上發生變化
  • 3:47 - 3:49
    它不會成爲所有的向量 對吧?
  • 3:49 - 3:51
    這個我畫的向量 這個向量x
  • 3:51 - 3:54
    它不只是比例發生變化 它實際上已經改變了
  • 3:54 - 3:56
    這個方向都改變了
  • 3:56 - 3:59
    這個向量改變大小可能改變方向
  • 3:59 - 4:02
    可能從這個方向改變到那個方向
  • 4:03 - 4:04
    或許它們改變到那
  • 4:04 - 4:07
    也許那是x 然後x的這個變換
  • 4:07 - 4:09
    可能是x比例的變化
  • 4:09 - 4:10
    也許是那樣
  • 4:10 - 4:17
    我猜實際的它們張成的那條直線不會改變
  • 4:17 - 4:19
    這就是我們一直關心的問題
  • 4:19 - 4:21
    這些有一個特殊的名字
  • 4:21 - 4:24
    它們有一個特殊的名字 我想
  • 4:24 - 4:25
    是這個變得清楚一些因爲它們真的很有用
  • 4:25 - 4:28
    它不是簡單的我們在玩的數學遊戲
  • 4:28 - 4:30
    盡管有時候我們確實會掉入到那個陷阱中
  • 4:30 - 4:31
    但是事實上它們很有用
  • 4:32 - 4:35
    它們對於定義基很有用因爲在那些基下
  • 4:35 - 4:36
    計算變換矩陣就變得很簡單了
  • 4:37 - 4:39
    它們是更自然的座標係統
  • 4:39 - 4:42
    時常地 在那些基下的這個變換矩陣
  • 4:42 - 4:43
    更容易計算
  • 4:43 - 4:46
    因此這些有特殊的名字
  • 4:46 - 4:50
    任意向量滿足這個等式
  • 4:50 - 4:56
    被稱爲這個變換的一個特征向量
  • 4:56 - 5:01
    這個λ 這個倍數它成爲
  • 5:01 - 5:13
    這是這個特征向量所對應的特征值
  • 5:13 - 5:20
    所以在這個例子中我就給你這個變換是
  • 5:20 - 5:24
    翻過這條直線 v1 這個向量[1;2]是
  • 5:24 - 5:26
    我們變換的一個特征向量
  • 5:26 - 5:32
    所以[1;2]就是一個特征向量
  • 5:32 - 5:36
    並且它對應的特征值是1
  • 5:36 - 5:44
    這個向量也是一個特征向量
  • 5:44 - 5:45
    這個向量[2;-1]
  • 5:45 - 5:47
    它也是一個特征向量
  • 5:47 - 5:50
    一個很有意思的單詞 但是它的所有意義是一個向量
  • 5:50 - 5:52
    通過一個變換大小發生變化
  • 5:52 - 5:55
    沒有哪個向量的變化
  • 5:55 - 5:56
    比按比例發生變化更有意義
  • 5:56 - 6:03
    它對應特征值是-1
  • 6:03 - 6:06
    如果這個變換 我不知道
  • 6:06 - 6:07
    它的變換矩陣是什麽?
  • 6:07 - 6:09
    我忘了它是什麽
  • 6:09 - 6:10
    我們實際上之前算出來過
  • 6:10 - 6:16
    如果這個變換矩陣可以表示爲
  • 6:16 - 6:18
    一個矩陣向量乘積 它應該可以
  • 6:18 - 6:21
    它是一個線性變換 那麽任意v
  • 6:21 - 6:24
    滿足這個變換
  • 6:24 - 6:30
    我想說v的這個變換等於λv
  • 6:30 - 6:32
    也同樣是
  • 6:32 - 6:34
    你知道 這個變換
  • 6:34 - 6:35
    會是Av
  • 6:35 - 6:39
    這些也可以稱是A的特征值
  • 6:39 - 6:42
    因爲A確實是
  • 6:42 - 6:43
    這個變換的方陣表現
  • 6:43 - 6:51
    在這種情況下 這就是A的一個特征向量
  • 6:51 - 6:53
    而且這就是這個特征值
  • 6:53 - 6:55
    對應於這個特征向量
  • 6:55 - 7:00
    所以如果你給我一個矩陣
  • 7:00 - 7:02
    表示某個線性變換
  • 7:02 - 7:04
    你也可以把這些算出來
  • 7:04 - 7:07
    下次影片我將
  • 7:07 - 7:08
    找到一種方法把這些算出來
  • 7:08 - 7:11
    但是我想讓你在這次影片中學習的是
  • 7:11 - 7:14
    簡單的說 就是這個向量
  • 7:14 - 7:15
    不會改變太多
  • 7:15 - 7:17
    但是我想讓你明白它是什麽意思
  • 7:17 - 7:18
    它實際上就是大小發生變化
  • 7:18 - 7:20
    或者可能它們被翻轉了
  • 7:20 - 7:22
    它們的方向或者它們張成的這些線
  • 7:22 - 7:24
    根本上沒變
  • 7:24 - 7:26
    爲什麽它們能夠吸引我們的注意
  • 7:26 - 7:29
    一個方面的原因爲什麽它們吸引我們就是
  • 7:29 - 7:33
    它們做了一組很有意思的基向量 那些基向量
  • 7:33 - 7:36
    可以使變換矩陣可能在計算上
  • 7:36 - 7:38
    更簡單
  • 7:38 - 7:41
    或者它會給我們提供更好的座標係
Title:
Linear Algebra: Introduction to Eigenvalues and Eigenvectors
Description:

What eigenvectors and eigenvalues are and why they are interesting

more » « less
Video Language:
English
Duration:
07:43
David Chiu added a translation

Chinese, Traditional subtitles

Revisions