特征值 - 专知主题

在数学上，特别是线性代数中，对于一个给定的线性变换，它的特征向量（eigenvector，也譯固有向量或本征向量）经过这个线性变换[1]之后，得到的新向量仍然与原来的保持在同一條直線上，但其长度或方向也许會改变。即，為純量，即特征向量的长度在该线性变换下缩放的比例，称为其特征值（本征值）。如果特徵值為正，则表示在经过线性变换的作用后方向也不变；如果特徵值為負，说明方向会反转；如果特征值为0，则是表示缩回零点。但无论怎样，仍在同一条直线上。图1给出了一个以著名油画《蒙娜丽莎》为题材的例子。在一定条件下（如其矩阵形式为实对称矩阵的线性变换），一个变换可以由其特征值和特征向量完全表述，也就是說：所有的特徵向量組成了這向量空間的一組基底。一个特征空间(eigenspace)是具有相同特征值的特征向量与一个同维数的零向量的集合，可以证明该集合是一个线性子空间，比如即為線性變換中以為特徵值的特徵空間。这些概念在纯数学和应用数学的众多领域中都有重要的应用。在线性代数和泛函分析之外，甚至在一些非线性的情况下，这些概念都是十分重要的。「特征」一詞譯自德语的eigen，由希尔伯特在1904年首先在这个意义下使用（赫尔曼·冯·亥姆霍兹在更早的时候也在类似意义下使用过这一概念）。eigen一詞可翻译为“自身的”，“特定于...的”，“有特征的”或者“个体的”—这强调了特征值对于定义特定的变换上是很重要的。