特徵值與特徵向量

特徵值(eigenvalue)

如果說特徵向量是矩陣不會旋轉的特殊方向,那麼特徵值就是它在這個方向上拉伸的精確倍數。我們記作 lambda,整個關係寫成 A*v = lambda*v:用矩陣作用,等同於只乘以一個數 lambda。

lambda 的大小和符號講述了全部故事。lambda > 1 把向量拉長;0 < lambda < 1 把它縮短;負的 lambda 讓它翻轉指向相反方向;lambda = 0 則表示矩陣把這個方向壓成零,於是 v 落在零空間裡。

例:對 A = [[2,0],[0,3]],A*(1,0) = (2,0) = 2*(1,0),所以方向 (1,0) 對應的 lambda = 2。一般要求特徵值,就解 det(A - lambda*I) = 0。

A*v = lambda*v ; solve det(A - lambda*I) = 0

lambda 是沿特徵向量 v 的拉伸倍數;其取值是 det(A - lambda*I) = 0 的根。

特徵值可以是負數、零,甚至是複數;複特徵值意味著變換中含有真正的旋轉。

又稱
characteristic valuelambda特征根本征值特徵根本徵值