定义
矩阵 A 为 n 阶方阵,它的特征向量(eigenvector)v 经过这个线性变化之后,得到的新向量仍然与原来的 v 保持再同一条直线上,但其长度或方向也许会改变。即 ,其中
为标量,即特征向量的长度在该线性变化下缩放比例,称
为其特征值(eigenvalue)。
根据定义,我们需要满足 ,
。使用左手法则,我们可以得到
,对应
,这是关于标量 x 的 n 阶齐次线性方程组,它有非零解的充分必要条件是系数行列式为零,也就是
。
含义
如果特征值为正,则表示 v 在经过线性变换的作用后方向也不变;如果特征值为负,说明方向会反转;如果特征值为 0,则是表示缩回零点。但无论怎么样,仍在同一条直线上。
举例
假设 。求对应的特征向量和特征值。
根据 ,我们可以写出
,也就是
,通过计算对应的行列式为
,也就是
。
这样,我们得到了两个可能的特征值,即。
下面我们将对应的特征值代入 中。
当 ,对应的方程变为
,展开我们可以得到方程
,使用左手法则得到
,每个方程都给出了
,这样我们可以得到一个非零的特征向量,即
。下面我们来验证这个特征向量的正确性,同样代入到方程可得
,验证完毕。
当 ,对应的方程变为
,展开我们可以得到方程
,使用左手法则得到
,每个方程都给出了
,这样我们可以得到一个非零的特征向量,即
。下面我们来验证这个特征向量的正确性,同样代入到方程可得
,验证完毕。