【特征向量怎么求】在数学中，特别是线性代数领域，特征向量是一个非常重要的概念。它用于描述矩阵在特定方向上的“伸缩”行为。特征向量的求解是理解矩阵变换性质的关键步骤之一。本文将简要总结如何求解一个矩阵的特征向量，并以表格形式进行归纳。

一、什么是特征向量？

对于一个方阵 $ A $，如果存在一个非零向量 $ \mathbf{v} $ 和一个标量 $ \lambda $，使得：

$$

A\mathbf{v} = \lambda \mathbf{v}

$$

那么，$ \mathbf{v} $ 就被称为矩阵 $ A $ 的特征向量，而 $ \lambda $ 被称为对应的特征值。

二、特征向量的求解步骤

以下是求解特征向量的基本步骤：

三、示例说明

假设我们有一个矩阵：

$$

A = \begin{bmatrix}

2 & 1 \\

1 & 2

\end{bmatrix}

$$

第一步：求特征多项式

$$

\det(A - \lambda I) = \det\left( \begin{bmatrix}

2 - \lambda & 1 \\

1 & 2 - \lambda

\end{bmatrix} \right) = (2 - \lambda)^2 - 1 = \lambda^2 - 4\lambda + 3

$$

第二步：解特征方程

$$

\lambda^2 - 4\lambda + 3 = 0 \Rightarrow (\lambda - 1)(\lambda - 3) = 0

$$

所以特征值为：$ \lambda_1 = 1 $，$ \lambda_2 = 3 $

第三步：求对应特征向量

- 当 $ \lambda = 1 $ 时：

$$

(A - I)\mathbf{v} = \begin{bmatrix}

1 & 1 \\

1 & 1

\end{bmatrix} \mathbf{v} = 0

$$

解得：$ v_1 + v_2 = 0 \Rightarrow v_1 = -v_2 $，因此特征向量可以表示为：

$$

\mathbf{v}_1 = k \begin{bmatrix}

1 \\

-1

\end{bmatrix}, \quad k \neq 0

$$

- 当 $ \lambda = 3 $ 时：

$$

(A - 3I)\mathbf{v} = \begin{bmatrix}

-1 & 1 \\

1 & -1

\end{bmatrix} \mathbf{v} = 0

$$

解得：$ -v_1 + v_2 = 0 \Rightarrow v_2 = v_1 $，因此特征向量可以表示为：

$$

\mathbf{v}_2 = k \begin{bmatrix}

1 \\

1

\end{bmatrix}, \quad k \neq 0

$$

四、总结

通过以上步骤，我们可以系统地求出矩阵的特征向量。理解这一过程有助于深入掌握矩阵的几何意义和实际应用。