特征值（数学术语）

由网友(@ 痞子)分享简介：特性值是线性代数中的1个沉要观点。正在数教、物理教、化教、计较机等范畴有着宽泛的使用。设 A 是n阶方阵，要是存留数m以及非0n维列向质x，使患上 Ax=mx 建立，则称 m 是A的1个特性值（characteristic value)或者原征值（eigenvalue)。非0n维列向质x称为矩阵A的属于（对于应于）特性值m的特性...

特征值是线性代数中的一个重要概念。在数学、物理学、化学、计算机等领域有着广泛的应用。设 A 是n阶方阵，如果存在数m和非零n维列向量x，使得 Ax=mx 成立，则称 m 是A的一个特征值（characteristic value)或本征值（eigenvalue)。非零n维列向量x称为矩阵A的属于（对应于）特征值m的特征向量或本征向量，简称A的特征向量或A的本征向量。

中文名

特征值

时间

1904

分类

数学

外文名

Eigen value

提出

希尔伯特

属于

线性代数

简介

特征值是线性代数中的一个重要概念。在数学、物理学、化学、计算机等领域有着广泛的应用。设 A 是n阶方阵，如果存在数m和非零n维列向量 x，使得 Ax=mx 成立，则称 m 是A的一个特征值（characteristic value)或本征值（eigenvalue)。非零n维列向量x称为矩阵A的属于（对应于）特征值m的特征向量或本征向量，简称A的特征向量或A的本征向量。

定义

设A为n阶矩阵，若存在常数λ及n维非零向量x，使得Ax=λx，则称λ是矩阵A的特征值，x是A属于特征值λ的特征向量。^[1]

A的所有特征值的全体，叫做A的谱，记为.

广义特征值

如将特征值的取值扩展到复数领域，则一个广义特征值有如下形式：Aν=λBν

其中A和B为矩阵。其广义特征值（第二种意义）λ 可以通过求解方程(A-λB)ν=0，得到det(A-λB)=0（其中det即行列式）构成形如A-λB的矩阵的集合。其中特征值中存在的复数项，称为一个“丛(pencil)”。

若B可逆，则原关系式可以写作，也即标准的特征值问题。当B为非可逆矩阵（无法进行逆变换）时，广义特征值问题应该以其原始表述来求解。

如果A和B是实对称矩阵，则特征值为实数。这在上面的第二种等价关系式表述中并不明显，因为A矩阵未必是对称的。

计算方法

求n阶矩阵A的特征值的基本方法：

根据定义可改写为关系式，为单位矩阵（其形式为主对角线元素为λ-，其余元素乘以-1）。要求向量具有非零解，即求齐次线性方程组有非零解的值。即要求行列式。解次行列式获得的值即为矩阵A的特征值。将此值回代入原式求得相应的，即为输入这个行列式的特征向量。

求矩阵的全部特征值和特征向量的方法如下：

第一步：计算的特征多项式；

第二步：求出特征方程的全部根，即为的全部特征值；

第三步：对于的每一个特征值，求出齐次线性方程组：

的一个基础解系，则的属于特征值的全部特征向量是

（其中是不全为零的任意实数）．

[注]：若是的属于的特征向量，则也是对应于的特征向量，因而特征向量不能由特征值惟一确定．反之，不同特征值对应的特征向量不会相等，亦即一个特征向量只能属于一个特征值.

基本应用

设A为n阶矩阵，根据关系式Ax=λx，可写出(λE-A)x=0，继而写出特征多项式|λE-A|=0，可求出矩阵A有n个特征值（包括重特征值）。将求出的特征值λi代入原特征多项式，求解方程(λiE-A)x=0，所求解向量x就是对应的特征值λi的特征向量。

判断相似矩阵的必要条件

设有n阶矩阵A和B，若A和B相似（A∽B），则有：

1、A的特征值与B的特征值相同——λ(A)=λ(B)，特别地，λ(A)=λ(Λ)，Λ为A的对角矩阵；

2、A的特征多项式与B的特征多项式相同——|λE-A|=|λE-B|；

3、A的迹等于B的迹——trA=trB/，其中i=1,2,…n（即主对角线上元素的和）；

4、A的行列式值等于B的行列式值——|A|=|B|；

5、A的秩等于B的秩——r(A)=r(B)。^[1]

因而A与B的特征值是否相同是判断A与B是否相似的根本依据。

判断矩阵可对角化的充要条件

矩阵可对角化有两个充要条件：1、矩阵有n个不同的特征向量；2、特征向量重根的重数等于基础解系的个数。对于第二个充要条件，则需要出现二重以上的重特征值可验证（一重相当于没有重根）。^[1]

若矩阵A可对角化，则其对角矩阵Λ的主对角线元素全部为A的特征值，其余元素全部为0。（一个矩阵的对角阵不唯一，其特征值可以换序，但都存在由对应特征向量顺序组成的可逆矩阵P使=Λ）