特征值



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。

简介编辑

又称 本征值 ，英文名eigen value。“特征”一词译自德语的eigen，由 希尔伯特在1904年首先在这个意义下使用（ 赫尔曼·冯·亥姆霍兹在更早的时候也在类似意义下使用过这一概念）。eigen一词可翻译为“自身的”，“特定于...的”，“有特征的”或者“个体的”—这强调了特征值对于定义特定的变换上是很重要的。 ^[1]  

特征值定义

编辑

特征值基本定义

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。 ^[2]  

A的所有特征值的全体，叫做A的谱，记为

.

特征值广义特征值

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=λ Bν

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-λ B) ν=0，得到det( A-λ B)=0（其中det即行列式）构成形如 A-λ B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。 ^[1]  

特征值计算方法

编辑

求特征值及特征向量

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。

具体操作以右图为例。
　　

关于特征值 (3张)

定义1设 是一个 阶方阵（即使一个n*n的矩阵）， 是一个数，如果方程

(1)

存在非零解向量 ，则称 为 的一个特征值，相应的非零解向量 称为属于特征值 的特征向量．

（1）式也可写成，

(2)

这是 个未知数 个方程的齐次线性方程组，它有非零解的充分必要条件是系数行列式

, (3)

即

上式是以 为未知数的一元 次方程，称为方阵 的特征方程．其左端 是 的 次多项式，记作 ，称为方阵 的特征多项式．

= =

=

显然， 的特征值就是特征方程的解．特征方程在复数范围内恒有解，其个数为方程的次数（重根按重数计算），因此， n阶矩阵 有n个特征值．

设 阶矩阵 的特征值为 由多项式的根与系数之间的关系，不难证明

（Ⅰ）

（Ⅱ）

若 为 的一个特征值，则 一定是方程 的根,因此又称特征根，若 为方程 的 重根，则 称为 的 重特征根．方程 的每一个非零解向量都是相应于 的特征向量，于是我们可以得到求矩阵 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.

由以上讨论可知，对于方阵 的每一个特征值，我们都可以求出其全部的特征向量．但对于属于不同特征值的特征向量，它们之间存在什么关系呢？这一问题的讨论在对角化理论中有很重要的作用．对此我们给出以下结论：

定理1　属于不同特征值的特征向量一定线性无关.

特征值基本应用

编辑

特征值求特征向量

设 A为n阶 矩阵，根据关系式 Ax=λx，可写出(λ E- A)x=0，继而写出 特征多项式|λ E- 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(λi E- A)x=0，所求 解向量x就是对应的特征值λi的特征向量。

特征值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|=|λ E-B|；

3、 A的 迹等于 B的迹——tr A=tr B/

，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)。 ^[2]  

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。

特征值判断矩阵可对角化的充要条件

相似对角化

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）。 ^[2]  

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）

特征值更多应用

编辑

量子力学：

设A是 向量空间的一个 线性变换，如果空间中某一 非零向量通过A变换后所

奇异矩阵特征值

得到的向量和X仅差一个常数因子，即AX=kX ，则称k为A的特征值，X称为A的属于特征值k的 特征向量或 特征矢量(eigenvector)。如在求解薛定谔波动方程时，在 波函数满足 单值、有限、连续性和 归一化条件下，势场中运动粒子的总能量(正)所必须取的特定值，这些值就是正的 本征值。

设M是n阶 方阵， I是 单位矩阵， 如果存在一个数λ使得 M-λI 是 奇异矩阵（即不 可逆矩阵， 亦即 行列式为零）， 那么λ称为M的特征值。

在A变换的作用下， 向量ξ仅仅在尺度上变为原来的λ倍。称ξ是A 的一个特征向量，λ是对应的特征值（本征值）,是（实验中）能测得出来的量，与之对应在量子力学理论中，很多量并不能得以测量，当然，其他理论领域也有这一现象。