伍
Chapter Five · Eigenvalues

第五章 · 特征值与特征向量

寻找矩阵的「不变方向」:在这个方向上,矩阵的作用只是简单的伸缩——伸缩倍数是特征值,方向本身是特征向量。

核心要点

求特征值就是解特征方程 |A − λE| = 0,求特征向量就是解齐次方程组 (A − λE)x = 0 的基础解系——「特征值问题」本质是「方程组问题」。对角化的判定只看一件事:n 个线性无关的特征向量;而实对称矩阵天然满足它,还能正交对角化。

定义与求法

若存在数 λ 与非零向量 x 满足 Ax = λx,则 λ 称为 A 的特征值,x 为对应于 λ 的特征向量。几何含义:x 方向经 A 变换后保持不变,仅被伸缩 λ 倍。移项 (A − λE)x = 0 有非零解 ⟺ 系数行列式为零:

f(λ) = |A − λE| = 0 特征方程(n 次多项式,n 个根,计重数)
1

算特征多项式

写出行列式 |A − λE|,用行变换/展开定理化简因式分解。

↓
2

解特征方程

求出全部根 λ₁, …, λn(重根按重数计,复系数矩阵也照做)。

↓
3

逐个求特征向量

对每个 λi,解 (A − λiE)x = 0 的基础解系;k 重根的特征向量基础解系至多含 k 个。

例 1完整流程

A = 2112,求特征值与特征向量。

解

|A − λE| = (2−λ)² − 1 = (1−λ)(3−λ) ⟹ λ₁ = 1,λ₂ = 3。

λ₁ = 1:A − E = 1111 ⟹ x₁ + x₂ = 0 ⟹ 特征向量 p₁ = (1, −1)ᵀ(全体 c₁p₁, c₁≠0)。

λ₂ = 3:A − 3E = −111−1 ⟹ x₁ = x₂ ⟹ 特征向量 p₂ = (1, 1)ᵀ。

特征值的性质

迹
Σλi = tr A(对角元之和)。算完特征值用迹验算,一秒抓计算错误。
积
∏λi = |A|。推论:A 可逆 ⟺ 特征值全不为零;0 是特征值 ⟺ |A| = 0。
多项式
λ 是 A 的特征值 ⟹ φ(λ) 是 φ(A) 的特征值:A² → λ²,A⁻¹ → 1/λ,kA+E → kλ+1;|φ(A)| = ∏φ(λi)。
转置
A 与 Aᵀ 有相同特征值(特征方程相同),但特征向量一般不同。
无关
不同特征值对应的特征向量线性无关——对角化判定的基石。
例 2性质的组合应用

3 阶方阵 A 的特征值为 1, 2, 3。求 |A|、tr A、|A*| 与 |A² + 2A + 3E|。

解

|A| = 1×2×3 = 6;tr A = 1+2+3 = 6(两数互验:迹等于行列式只是巧合,不是规律)。

|A*| = |A|² = 36。

A² + 2A + 3E 的特征值为 λ² + 2λ + 3:取 1, 2, 3 得 6, 11, 18 ⟹ 行列式 = 6×11×18 = 1188。

相似与对角化

若存在可逆矩阵 P 使 P⁻¹AP = B,称 A 与 B 相似。相似矩阵保持:特征值、迹、行列式、秩(反之不然,这些只是必要条件)。最重要的相似目标是对角矩阵 Λ——「对角化」:

P⁻¹AP = Λ = diag(λ₁, …, λn) ⟺ AP = PΛ(P 的列是 n 个线性无关特征向量)

判定定理链(从弱到强):

  • A 可对角化 ⟺ A 有 n 个线性无关的特征向量;
  • 充分条件:n 个互异特征值 ⟹ 必可对角化(但反之不成立:互异不是必要条件);
  • 精细判定:每个 ki 重特征值恰提供 ki 个无关特征向量(即 n − r(A − λiE) = ki 对每个 i 成立)。
例 3可对角化与否的两个典型

① A = 3103 ② B = 0110,判断可否对角化。

解

① f(λ) = (3−λ)² ⟹ λ = 3(二重)。A − 3E = 0100,r = 1 ⟹ 无关特征向量只有 2 − 1 = 1 个 < 2 ⟹ 不可对角化。

② f(λ) = λ² − 1 ⟹ λ = 1, −1 互异 ⟹ 必可对角化。λ=1:(1,1)ᵀ;λ=−1:(1,−1)ᵀ;P = 111−1。

对角化的三大用途:算矩阵幂 Aᵏ = P Λᵏ P⁻¹;判相似(两矩阵可对角化到同一 Λ ⟦不计对角元次序⟧ 则相似);为第六章正交变换化二次型提供引擎。逆命题反例要有存货:A = 1101(若尔当块)与 E = 1001 特征值全为 1,但一个可对角化(E 本身)、一个不可。

实对称矩阵的正交对角化

实对称矩阵是「天生好命」的矩阵,两条定理:

实性
特征值全是实数——特征方程不会逼你进复数域。
正交
不同特征值的特征向量不仅无关,而且正交(内积为零)。

因此实对称矩阵必可正交对角化:Q⁻¹AQ = QᵀAQ = Λ,其中 Q 是正交矩阵(QᵀQ = E)。求 Q 的流程:求特征值 → 各特征值解特征向量 → 同一特征值内的无关向量施密特正交化 → 全部单位化 → 按列排成 Q。重根特征值的向量组需先正交化再单位化,不同特征值的向量之间天然正交、只需单位化。

例 4正交对角化全流程

A = 0110,求正交矩阵 Q 使 QᵀAQ 为对角阵。

解

λ = 1, −1(例 3 ②),特征向量 (1,1)ᵀ 与 (1,−1)ᵀ 天然正交(内积 1−1 = 0)。

单位化:q₁ = 1√2(1,1)ᵀ,q₂ = 1√2(1,−1)ᵀ。

Q = 1√2111−1,QᵀAQ = 100−1。

常见错误

✕把零向量算作特征向量。
✓定义要求非零:Ax = λx 对 x = 0 对一切 λ 成立,零向量会「稀释」特征值概念,故被定义排除。
✕「特征值互异」当作可对角化的必要条件,遇到重根直接判「不可对角化」。
✓重根也可对角化——只要每个 k 重根拿出 k 个无关特征向量(实对称矩阵必然做到)。判定的唯一标准是 n 个无关特征向量。
✕P 的列与 Λ 的对角元「各写各的」,顺序不对应。
✓P 第 i 列的特征向量必须对应 Λ 第 i 个对角元。验算口诀:乘一下 AP,看是否等于 PΛ。

章节练习题

练习 1计算

求 A = 200001010 的特征值与特征向量,并判断可否对角化。

分块看:f(λ) = (2−λ)·(λ² − 1) = 0 ⟹ λ₁ = 2,λ₂ = 1,λ₃ = −1 三个互异 ⟹ 必可对角化。

λ=2:(A−2E)x = 0 ⟹ 只有 x 轴方向 ⟹ p₁ = (1,0,0)ᵀ。

λ=1:−x₁ = 0,x₃ = x₂ ⟹ p₂ = (0,1,1)ᵀ;λ=−1:−3x₁ = 0,−x₃ = x₂ ⟹ p₃ = (0,1,−1)ᵀ。

验算迹:2 + 0 + 0 = 2 = 2+1−1 ✓。

练习 2计算

设 3 阶方阵 A 的特征值为 1, −1, 2。求 |A|、tr A、A⁻¹ 的特征值以及 |A² − 3A + 2E|。

|A| = 1×(−1)×2 = −2;tr A = 1−1+2 = 2。

A⁻¹ 的特征值:1, −1, 1/2(各取倒数)。

A² − 3A + 2E 的特征值:λ² − 3λ + 2 = (λ−1)(λ−2):λ = 1 → 0;λ = −1 → 6;λ = 2 → 0 ⟹ |A²−3A+2E| = 0×6×0 = 0。

(顺带注意:λ = 1 是 A 的特征值 ⟹ A − E 不可逆 ⟹ A² − 3A + 2E = (A−E)(A−2E) 也不可逆,行列式必为零,与计算一致。)

练习 3证明

证明:若 A² = A(幂等矩阵),则 A 的特征值只能是 0 或 1。

设 Ax = λx(x ≠ 0)。左乘 A:

A²x = A(Ax) = A(λx) = λAx = λ²x 又 A²x = Ax = λx

于是 λ²x = λx,即 (λ² − λ)x = 0。x ≠ 0 ⟹ λ² − λ = 0 ⟹ λ = 0 或 λ = 1。∎

练习 4证明

证明:实对称矩阵不同特征值对应的特征向量互相正交。

设 Aᵀ = A,Ax₁ = λ₁x₁,Ax₂ = λ₂x₂,λ₁ ≠ λ₂。考察

λ₁(x₁ᵀx₂) = (λ₁x₁)ᵀx₂ = (Ax₁)ᵀx₂ = x₁ᵀAᵀx₂ = x₁ᵀ(Ax₂) = x₁ᵀ(λ₂x₂) = λ₂(x₁ᵀx₂)

移项:(λ₁ − λ₂)(x₁ᵀx₂) = 0。λ₁ ≠ λ₂ ⟹ x₁ᵀx₂ = 0,即正交。∎

(关键一步是 (Ax₁)ᵀ = x₁ᵀAᵀ = x₁ᵀA——对称性正是用在这里。)