引言
在矩阵理论中，特征值和特征向量是矩阵理论的核心概念之一。它们不仅对于理解矩阵的几何意义至关重要，而且在许多领域，如线性代数、量子力学、工程学等都有广泛的应用。本篇文章将解析特征值与特征向量的基本性质，并给出相应的证明。
特征值与特征向量的定义
假设 ( A ) 是一个 ( n \times n ) 的方阵，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} )，则称 ( \lambda ) 为矩阵 ( A ) 的一个特征值，而 ( \mathbf{v} ) 是对应于 ( \lambda ) 的一个特征向量。
特征值与特征向量的基本性质
性质一：唯一性
对于一个给定的特征值 ( \lambda )，对应的特征向量可能不唯一。事实上，对于任何非零特征向量 ( \mathbf{v} )，所有与 ( \mathbf{v} ) 平行的向量也是 ( A ) 的特征向量，对应的特征值均为 ( \lambda )。
证明： 设 ( \mathbf{v} ) 是 ( A ) 对应于 ( \lambda ) 的特征向量，则 ( A\mathbf{v} = \lambda \mathbf{v} )。若 ( \mathbf{w} ) 是 ( \mathbf{v} ) 的任意倍数，即 ( \mathbf{w} = k\mathbf{v} )（其中 ( k \neq 0 )），则 [ A\mathbf{w} = A(k\mathbf{v}) = kA\mathbf{v} = k\lambda \mathbf{v} = \lambda (k\mathbf{v}) = \lambda \mathbf{w} ] 因此，( \mathbf{w} ) 也是 ( A ) 的特征向量，对应的特征值为 ( \lambda )。
性质二：非零特征向量
如果 ( \lambda ) 是 ( A ) 的一个特征值，那么 ( A ) 对应于 ( \lambda ) 的特征向量 ( \mathbf{v} ) 必须是非零向量。
证明： 假设 ( \mathbf{v} ) 是 ( A ) 对应于 ( \lambda ) 的特征向量，且 ( \mathbf{v} = \mathbf{0} )。则 [ A\mathbf{v} = A\mathbf{0} = \mathbf{0} ] 根据特征向量的定义，我们有 ( \mathbf{0} = \lambda \mathbf{0} )，这意味着 ( \lambda = 0 )。这与 ( \lambda ) 是 ( A ) 的特征值的假设矛盾。因此，( \mathbf{v} ) 必须是非零向量。
性质三：特征值与特征向量的乘积
若 ( \mathbf{v} ) 是 ( A ) 对应于 ( \lambda ) 的特征向量，那么对于任意标量 ( k )，( k\mathbf{v} ) 也是 ( A ) 的特征向量，对应的特征值为 ( k\lambda )。
证明： 设 ( \mathbf{v} ) 是 ( A ) 对应于 ( \lambda ) 的特征向量，则 [ A(k\mathbf{v}) = kA\mathbf{v} = k\lambda \mathbf{v} = (k\lambda)(k\mathbf{v}) ] 因此，( k\mathbf{v} ) 是 ( A ) 的特征向量，对应的特征值为 ( k\lambda )。
结论
通过以上解析和证明，我们可以更好地理解特征值与特征向量的基本性质。这些性质在解决实际问题中具有重要的作用，特别是在矩阵分析、几何变换等领域。