Ano ang isang eigenvector? + Halimbawa

Ano ang isang eigenvector? + Halimbawa
Anonim

Sagot:

Kung vector # v # at linear transformation ng isang vector space # A # ay gayon nga #A (v) = k * v # (kung saan pare-pareho # k # ay tinatawag na eigenvalue), # v # ay tinatawag na isang eigenvector ng linear transformation # A #.

Paliwanag:

Isipin ang isang linear na pagbabago # A # ng kahabaan ng lahat ng mga vectors sa pamamagitan ng isang kadahilanan ng #2# sa tatlong-dimensional space. Anumang vector # v # ay magbabago sa # 2v #. Samakatuwid, para sa pagbabagong ito ang lahat ng mga vectors ay eigenvectors may eigenvalue ng #2#.

Isaalang-alang ang isang pag-ikot ng isang tatlong-dimensional space sa paligid ng Z-axis sa pamamagitan ng isang anggulo ng # 90 ^ o #. Malinaw, ang lahat ng mga vectors maliban sa mga kasama sa Z-axis ay magbabago sa direksyon at, samakatuwid, ay hindi maaaring maging eigenvectors. Ngunit ang mga vectors kasama ang Z-aksis (ang kanilang mga coordinate ay sa form # 0,0, z #) ay panatilihin ang kanilang direksyon at haba, samakatuwid sila eigenvectors may eigenvalue ng #1#.

Sa wakas, isaalang-alang ang isang pag-ikot ng # 180 ^ o # sa isang tatlong-dimensional space sa paligid ng Z-aksis. Tulad ng dati, ang lahat ng mga vectors na mahaba ang Z-axis ay hindi magbabago, kaya ang mga ito eigenvectors may eigenvalue ng #1#.

Bilang karagdagan, ang lahat ng mga vectors sa XY-plane (ang kanilang mga coordinate ay sa form # x, y, 0 #) ay magbabago ang direksyon sa kabaligtaran, habang pinapanatili ang haba. Samakatuwid, sila rin eigenvectors may eigenvalues ng #-1#.

Anumang linear na pagbabagong-anyo ng puwang ng vector ay maaaring ipahayag bilang pagpaparami ng isang vector sa pamamagitan ng isang matrix. Halimbawa, ang unang halimbawa ng kahabaan ay inilarawan bilang pagpaparami ng isang matris # A #

| 2 | 0 | 0 |

| 0 | 2 | 0 |

| 0 | 0 | 2 |

Ang gayong isang matrix, na pinarami ng anumang vector # v = {x, y, z} # ay magbubunga # A * v = {2x, 2y, 2z} #

Ito ay malinaw na katumbas ng # 2 * v #. Kaya, mayroon kami

# A * v = 2 * v #, na nagpapatunay na ang anumang vector # v # ay isang eigenvector kasama ang eigenvalue #2#.

Ang pangalawang halimbawa (pag-ikot ng # 90 ^ o # sa paligid ng Z-axis) ay maaaring inilarawan bilang pagpaparami ng isang matris # A #

| 0 | -1 | 0 |

| 1 | 0 | 0 |

| 0 | 0 | 1 |

Ang gayong isang matrix, na pinarami ng anumang vector # v = {x, y, z} # ay magbubunga # A * v = {- y, x, z} #, na maaaring magkaroon ng parehong direksyon bilang orihinal na vector # v = {x, y, z} # kung # x = y = 0 #, kung ang orihinal na vector ay nakadirekta sa Z-axis.