## 一、知识框架### 1.1 定义已核实对方阵 $A$若存在**非零**向量 $\boldsymbol v$ 与数 $\lambda$ 使$$A\boldsymbol v \lambda \boldsymbol v$$则 $\lambda$ 称为 $A$ 的**特征值eigenvalue**$\boldsymbol v$ 为对应的**特征向量eigenvector**。**本质直觉**$A$ 作用于 $\boldsymbol v$ 只做**伸缩**比例 $\lambda$而不改变方向$\lambda0$ 表示方向翻转的负伸缩。特征向量就是该线性变换的主轴方向。### 1.2 特征方程与二阶求法已核实改写定义$(A - \lambda I)\boldsymbol v \boldsymbol 0$ 有非零解 $\iff$ 系数矩阵奇异 $\iff$$$\det(A - \lambda I) 0 \qquad (\textbf{特征方程})$$**对 $2\times2$ 矩阵 $A \begin{pmatrix}ab\\cd\end{pmatrix}$**已核实$$\det(A-\lambda I) \begin{vmatrix} a-\lambda b\\ c d-\lambda\end{vmatrix} (a-\lambda)(d-\lambda) - bc \lambda^2 - (ad)\lambda (ad-bc)$$即$$\boxed{\lambda^2 - \mathrm{tr}(A)\,\lambda \det(A) 0},\qquad \mathrm{tr}(A)ad$$**韦达两式记忆锚点已核实**$$\lambda_1 \lambda_2 \mathrm{tr}(A) \ (\text{迹} \text{对角元之和}),\qquad \lambda_1\lambda_2 \det(A)$$**验证技巧**解出 $\lambda$ 后回代和 $$ 迹、积 $$ 行列式两式即可快速自检。### 1.3 求特征向量消元法对每个 $\lambda$解**齐次**线性方程组 $(A-\lambda I)\boldsymbol v \boldsymbol 0$ 的非零解1. 写出矩阵 $(A - \lambda I)$2. 找满足第一行的任意非零向量二阶时一个方程两个未知数**必有自由变量**3. 检验第二行也满足或两行成比例后只看一行。 特征向量不唯一$k\boldsymbol v$$k\neq0$都是特征向量考试给出一个非零的即可。### 1.4 两类必背特殊情形**(A) 对角矩阵** $\mathrm{diag}(h_1, h_2)$ 的特征值**就是对角元** $h_1, h_2$特征向量即坐标轴单位向量。- 典型应用$f(x,y) x^2 4y^2$ 的 Hessian $H \mathrm{diag}(2, 8)$特征值直接为 $2$ 与 $8$本卷第 7 题。**(B) 对角占优对称型 $\begin{pmatrix}pq\\qp\end{pmatrix}$**几何意义关于直线 $yx$ 对称的复合变换$$\det(A-\lambda I)(p-\lambda)^2 - q^2 0 \;\Longrightarrow\; \lambda p\pm q$$- 特征向量$\lambda pq \to (1,1)$沿对称轴$\lambda p-q \to (1,-1)$垂直对称轴。- 本卷第 9 题 $p4,q1$$\lambda 5, 3$第 24 题 $p3,q1$$\lambda4, 2$。### 1.5 特征值与 Hessian极值类型的判定串联笔记 04/06/33在临界点处Hessian $H$ 的特征值刻画曲面各方向的曲率已核实| Hessian 特征值 | 临界点类型 | 直观形状 ||---|---|---|| 全部 $0$正定 | 局部**极小** | 碗底 || 全部 $0$负定 | 局部**极大** | 倒扣碗 || 有正有负不定 | **鞍点** | 马鞍 || 含 $0$ | 需更高阶分析 | 退化 |**对称矩阵的优良性质**实对称阵谱定理已核实实对称矩阵的特征值必为**实数**且不同特征值的特征向量**正交**。---## 二、重点公式速查| 公式 | 内容 ||---|---|| 定义 | $Av\lambda v,\ v\ne 0$ || 特征方程 | $\det(A-\lambda I)0$ || 二阶展开 | $\lambda^2 - \mathrm{tr}(A)\lambda \det(A) 0$ || 迹与行列式 | $\sum\lambda_i\mathrm{tr}(A)$$\prod\lambda_i\det(A)$ || 对角阵 | 特征值 对角元 || $\begin{pmatrix}pq\\qp\end{pmatrix}$ | $\lambda p\pm q$特征向量 $(1,1),(1,-1)$ || 极值判别 | 特征值全正 → 极小全负 → 极大有正有负 → 鞍点 |---## 三、试卷题目精讲### 选择题 7Hessian 的特征值答案A**题**$f(x,y) x^2 4y^2$ 的 Hessian二阶偏导矩阵的特征值是——**解**$$\frac{\partial^2 f}{\partial x^2} 2,\qquad \frac{\partial^2 f}{\partial y^2} 8,\qquad \frac{\partial^2 f}{\partial x\partial y} 0$$$$H \begin{pmatrix} 2 0\\ 0 8 \end{pmatrix} \mathrm{diag}(2, 8)$$对角矩阵的特征值就是**对角元**$\lambda_1 2,\ \lambda_2 8$。**自检**韦达式迹 $ 28 10$行列式 $ 16$则 $\lambda^2 - 10\lambda 16 0$根恰为 $2$ 与 $8$ ✓。 引申特征值全正正定⟹ $f$ 是开口向上的椭圆抛物面碗原点为全局极小——这正是 $x^2 4y^2$ 的椭圆等高线在两个主轴方向曲率不同$2$ 与 $8$的根源。### 选择题 9对称矩阵的特征值答案A**题**对称矩阵第一行为 $(4, 1)$、第二行为 $(1, 4)$即 $A\begin{pmatrix}41\\14\end{pmatrix}$。它的特征值是——**解**法一特征方程$$\det(A - \lambda I) \begin{vmatrix}4-\lambda 1\\ 1 4-\lambda\end{vmatrix} (4-\lambda)^2 - 1 0$$$$4-\lambda \pm 1 \;\Longrightarrow\; \lambda_1 41 5,\quad \lambda_2 4-1 3$$**解**法二韦达速算迹 $ 44 8$行列式 $ 16-1 15$找两数和为 $8$、积为 $15$$5$ 与 $3$ ✓。### 简答题 24特征值 特征向量全流程**题**矩阵两行分别为 $(3, 1)$ 与 $(1, 3)$即 $A\begin{pmatrix}31\\13\end{pmatrix}$。求全部特征值并为每个特征值给出一个非零特征向量。**解****第 1 步特征方程。**$$\det(A-\lambda I) \begin{vmatrix}3-\lambda 1\\ 1 3-\lambda\end{vmatrix} (3-\lambda)^2 - 1 0$$$$3-\lambda \pm 1 \;\Longrightarrow\; \lambda_1 4,\quad \lambda_2 2$$**第 2 步$\lambda_1 4$ 的特征向量。** 解 $(A-4I)\boldsymbol v \boldsymbol 0$$$A - 4I \begin{pmatrix}-1 1\\ 1 -1\end{pmatrix} \xrightarrow{\text{第一行}} -x y 0 \Rightarrow y x$$取 $x1$$\boldsymbol v_1 (1, 1)$任意非零倍均可。**检验**$A\boldsymbol v_1 \begin{pmatrix}31\\13\end{pmatrix}\begin{pmatrix}1\\1\end{pmatrix} \begin{pmatrix}4\\4\end{pmatrix} 4\begin{pmatrix}1\\1\end{pmatrix}$ ✓**第 3 步$\lambda_2 2$ 的特征向量。** 解 $(A-2I)\boldsymbol v \boldsymbol 0$$$A - 2I \begin{pmatrix}1 1\\ 1 1\end{pmatrix} \xrightarrow{\text{任一行}} x y 0 \Rightarrow y -x$$取 $x1$$\boldsymbol v_2 (1, -1)$。**检验**$A\boldsymbol v_2 \begin{pmatrix}31\\13\end{pmatrix}\begin{pmatrix}1\\-1\end{pmatrix} \begin{pmatrix}2\\-2\end{pmatrix} 2\begin{pmatrix}1\\-1\end{pmatrix}$ ✓$$\boxed{\lambda_1 4,\ \boldsymbol v_1 (1,1);\qquad \lambda_2 2,\ \boldsymbol v_2 (1,-1)}$$ 韦达自检和 $426\mathrm{tr}$ ✓积 $4\times28\det(9-1)$ ✓。两特征向量内积 $(1)(1)(1)(-1)0$**正交**——实对称矩阵谱定理的实例§1.5。 与第 33 题 $H\mathrm{diag}(2,-2)$ 对照其特征值 $2,-2$ 一正一负不定故原点是 $x^2-y^2$ 的鞍点特征向量恰是 $x$ 轴与 $y$ 轴谷方向与脊方向。---## 四、易错点提醒1. **特征方程别漏 $I$**是 $\det(A - \lambda I)$不是 $\det(A)$也不是 $A - \lambda$标量减矩阵无意义。2. **迹与行列式的混合**$\lambda^2 - \mathrm{tr}\lambda \det$ 中**迹带负号、行列式为常数项**写成 $\lambda^2 - \det\lambda \mathrm{tr}$ 会全军覆没。3. **特征向量必须非零**$\boldsymbol 0$ 恒满足 $Av\lambda v$写零向量不给分要给出任意一个非零的并最好检验。4. **对角阵特征值对号入座**每个特征值对应**它的那一列**对角元位置$\mathrm{diag}(2,8)$ 的特征值是 $2$、$8$ 本身不必再解方程但可用来速验。5. **$(p\ q;\,q\ p)$ 型两根**$\lambda p \pm q$ 都要写易丢 $p-q$两特征向量 $(1,1)$ 与 $(1,-1)$ 的配对别交叉。6. **特征值符号与极值配对**综合题用Hessian 特征值**全正**才极小一个正一个负是鞍点含零时不能下结论。第 33 题 $H\mathrm{diag}(2,-2)$ 若答极小即掉入圈套。---## 五、与计算机科学的联系- **PCA 主成分分析**协方差矩阵的特征向量 数据方差最大的方向主成分特征值 该方向的方差。降维 保留大特征值对应的主成分这也是第 7/24 题找主轴的实战场景。- **PageRank**网页重要度向量是 Google 矩阵的最大特征值$1$对应的特征向量幂迭代法高效求解。- **谱图理论**图的邻接矩阵/拉普拉斯矩阵特征值刻画图连通性与社区结构谱聚类直接以特征向量做嵌入。- **深度学习中的曲率**损失面 Hessian 的特征谱最大特征值/最小特征值 条件数预测训练稳定性——太大就梯度爆炸/震荡这也是锐度感知最小化SAM等优化器的动机。- **马尔可夫链稳态**转移矩阵的平稳分布是特征值 $1$ 的特征向量——推荐系统与排队论的核心。- **数值库**numpy.linalg.eigh实对称、eig一般基于 QR 迭代矩阵对角化 $A PDP^{-1}$ 把矩阵幂运算 $A^k PD^kP^{-1}$ 降为对角元逐个取幂是斐波那契快速计算与图可达性的经典技巧。---## 六、参考来源联网核实1. 百度教育——特征值/特征向量的定义与 $2\times2$ 矩阵完整求解过程$\det(A-\lambda I)0$展开 $\lambda^2-\dots$https://easylearn.baidu.com/edu-page/tiangong/questiondetail?id18161478879869990692. 百度教育——二阶矩阵特性迹 $ad$ 为特征值之和逆矩阵存在条件$\det\neq0$等https://easylearn.baidu.com/edu-page/tiangong/questiondetail?id18332178473074138703. CSDNflyfish——求矩阵特征值与特征向量的步骤整理特征向量非零、含 $0$ 特征值的处理https://flyfish.blog.csdn.net/article/details/1546018654. CSDN——行列式从几何直观到工程计算特征方程 $\det(A-\lambda I)$ 的构建、正定性判定https://blog.csdn.net/weixin_29278805/article/details/1679802575. CSDN——矩阵四大核心指标行列式、迹、特征值与韦达定理$\lambda_1\lambda_2\mathrm{tr}$、$\lambda_1\lambda_2\det$ 的工程解读https://blog.csdn.net/weixin_30985047/article/details/1677795846. 百度百科科普中国的特征值eigenvalue词条——特征方程与控制理论/量子力学应用https://baike.baidu.com/item/eigenvalue/528694967. CSDN——Hessian 矩阵详解与应用正定 ⟺ 所有特征值大于 0临界点类型判定表https://blog.csdn.net/Shockang/article/details/146354162---