特徵理論與對角化
特徵子空間
單個特徵向量只是 A 單純拉伸的一個方向。但若 v 是 lambda 的特徵向量,則 2v 是、-v 是,任何共享這個 lambda 的獨立特徵向量的組合也都是。把它們全部收集起來——所有被 A 按同一個 lambda 伸縮的向量,再加上零向量使之成為子空間——就得到 lambda 的特徵子空間。
確切地說,特徵子空間 E_lambda = ker(A - lambda I) = { v : A v = lambda v }。它是一個真正的子空間:對加法和數乘封閉,且總含有 0。它的維數恰好是 lambda 的幾何重數。E_lambda 中的非零向量正是 lambda 的特徵向量。
特徵子空間是對角化的基石。不同特徵值的特徵子空間彼此獨立(只相交於 0),因此把每個特徵子空間的基拼在一起,就得到一組特徵向量基。當這些基合起來張成整個空間時,A 可對角化,空間分解為特徵子空間的直和。
E_lambda = { v : (A - lambda I) v = 0 } = null space of (A - lambda I)
特徵子空間就是 A - lambda I 的零空間;解這個齊次方程組即可求得。
零向量屬於每個特徵子空間,但從不被稱作特徵向量——按慣例特徵向量必須非零,否則「A 0 = lambda 0」對每個 lambda 都成立。
又稱
另見