特征值

特征值 (Eigenvalue)

特征值 (Eigenvalue) 是线性代数的核心概念，亦称为特征根或本征值。对于表示线性变换的方阵，特征值刻画该变换的缩放特性。若存在非零向量 $\mathbf{v}$ 使得 $A\mathbf{v} = \lambda\mathbf{v}$，则标量 $\lambda$ 称为 $A$ 的特征值，$\mathbf{v}$ 为对应特征向量。几何上，特征向量方向在变换下保持不变（或反向），仅被缩放 $\lambda$ 倍。"Eigen" 源自德语，意为"固有的"，表明特征值是矩阵内在的属性。

求解特征值：特征方程

由 $A\mathbf{v} = \lambda\mathbf{v}$ 可得 $(A - \lambda I)\mathbf{v} = \mathbf{0}$。为存在非零解，矩阵 $A - \lambda I$ 须为奇异矩阵，即其行列式为零：

此即特征方程，其左侧为 $n$ 次多项式，称为特征多项式，其所有根即为特征值。例如，对 $A = \begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix}$，特征方程为 $(2-\lambda)^2 - 1 = 0$，解得 $\lambda_1 = 1$ 和 $\lambda_2 = 3$。

重要性质

• 迹与行列式：所有特征值之和等于矩阵的迹，之积等于行列式。示例中 $1 + 3 = 4 = \operatorname{tr}(A)$，$1 \cdot 3 = 3 = \det(A)$。
• 矩阵幂：若 $\lambda$ 是 $A$ 的特征值，则 $\lambda^k$ 是 $A^k$ 的特征值，对应同一特征向量。
• 可逆性：矩阵可逆当且仅当所有特征值非零；此时 $\lambda^{-1}$ 是 $A^{-1}$ 的特征值。
• 转置：$A$ 与 $A^T$ 有相同的特征值。
• 三角矩阵：上三角或下三角矩阵的特征值即对角元。
• 实对称矩阵：特征值均为实数，不同特征值对应的特征向量彼此正交。

几何直观与应用

• 几何变换：$\lambda > 1$ 沿特征向量方向拉伸，$0 < \lambda < 1$ 压缩，$\lambda < 0$ 反向缩放，$\lambda = 0$ 将向量压缩至原点（降维）。
• 动力系统：在差分方程 $x_{t+1} = Ax_t$ 中，所有 $|\lambda| < 1$ 时系统收敛至稳态，任一 $|\lambda| > 1$ 则发散。这一性质在经济学动态分析中至关重要。
• 主成分分析：PCA 计算数据协方差矩阵的特征值，其大小表示对应特征向量方向上方差的大小，用于降维时保留最大特征值对应的主成分。
• 量子力学：物理量对应算符，其可能测得的数值即算符的特征值。
• 振动分析：工程结构中，特征值对应系统的固有频率，特征向量对应振型。

复数特征值

即使矩阵元素全为实数，特征值也可能为复数，且以共轭对形式出现。复数特征值对应变换中的旋转分量。例如二维纯旋转矩阵（非0°或180°）无实特征值，但有一对共轭复特征值。