特徵理論與對角化
特徵方程
特徵方程是一舉產生全部特徵值的那一個方程:det(A - lambda I) = 0。它形式化地陳述了:何時一個數 lambda 能讓 A - lambda I 把某個方向壓成零——也就是 A 何時真有對應 lambda 的特徵向量。求解它,是手算特徵值的教科書路徑。
推理很短。A v = lambda v 且 v 非零,意味著 (A - lambda I) v = 0 有非零解,這恰發生在 A - lambda I 奇異之時,而這又恰發生在其行列式為零之時。所以 det(A - lambda I) = 0 正是 lambda 為特徵值的精確條件。展開這個行列式得到一個關於 lambda 的多項式——特徵多項式——其次數等於矩陣的維數 n。
由於方程次數為 n,n 階矩陣有按重數計算的 n 個特徵值(在 C 上)。根可以重複(給出重數),即便對實矩陣也可以是複數。求解特徵方程對小型或有結構的矩陣尚可,但對大型矩陣在數值上不穩定;實用軟件改用迭代方法求特徵值,絕不會真的去對這個多項式求根。
det(A - lambda I) = 0 => polynomial of degree n in lambda; its roots are the eigenvalues
令 A - lambda I 的行列式為零,得到一個 n 次方程,其根即特徵值。
有些書寫成 det(lambda I - A) = 0 而非 det(A - lambda I) = 0。兩者的根完全相同;兩個多項式只相差一個因子 (-1)^n,故此選擇純屬外觀。det(lambda I - A) 形式使多項式首一(最高次係數為 1)。
又稱
另見