特徵值與特徵向量

特徵多項式(characteristic polynomial)

到底怎麼把一個矩陣的特徵值找出來?你用矩陣造出一個多項式:det(A - lambda*I)。這就是特徵多項式,它的奧妙在於其根恰好就是特徵值。凡是讓這個多項式等於零的地方,你就找到了一個拉伸倍數 lambda,對應著真正存在的特徵向量。

道理很簡單。A*v = lambda*v 可以整理成 (A - lambda*I)*v = 0。要讓非零的 v 滿足它,矩陣 A - lambda*I 就必須不可逆,而這恰好發生在它的行列式為零時。於是令 det(A - lambda*I) = 0,就把找特徵值變成了解一個方程。

對 n 階矩陣,這個多項式的次數是 n,所以連重數一起算總共有 n 個特徵值,儘管有些可能重複或為複數。例:對 A = [[2,1],[0,3]],det(A - lambda*I) = (2 - lambda)*(3 - lambda),給出 lambda = 2 和 lambda = 3。

A = [[2,1],[0,3]] ; det(A - lambda*I) = (2 - lambda)*(3 - lambda) = 0

根 lambda = 2 與 lambda = 3 就是 A 的特徵值。

由於多項式可能有複根或重根,實矩陣也可能有複特徵值(純旋轉就是典型,它沒有實特徵值)。

又稱
characteristic equation特征方程本征多项式特徵方程本徵多項式