特征值怎么求特征向量：代入齐次方程组求解基础解系

最开始学线性代数的时候，卡在特征值怎么求特征向量这个问题上好久，对着课本公式死记硬背，做题还是频繁出错，总搞混计算步骤和取舍条件。

当时做题有个特别蠢的习惯，算出矩阵的特征值之后，直接随便套公式，跳过了化简矩阵的步骤，直接列方程求解。第一次算二阶矩阵的时候侥幸对了，就以为方法没问题，结果碰到三阶实对称矩阵，算出来的特征向量永远和标准答案对不上，要么分量数值错了，要么向量维度不对，白白浪费了好几道大题的时间。

拿到任意一个已经求出特征值的方阵，第一步要做的不是解方程，而是构造特征矩阵。就是用原矩阵A减去当前对应的特征值λ乘以单位矩阵E。很多人包括我之前会偷懒，省略单位矩阵，直接用原矩阵减λ，这一步偷懒就是所有计算错误的根源，尤其是非对角矩阵，少了单位矩阵的修正，矩阵所有对角线元素都会算错。

把特征矩阵构造完成后，必须做初等行变换，把矩阵化简为行最简形。之前一直敷衍，只化简到行阶梯形就停手，觉得能列方程就行。但行阶梯形存在冗余方程，会导致求解出来的自由未知量数量出错，最后求出的特征向量多余或者缺失，完全不符合矩阵对应的特征空间维度。

化简完行最简形矩阵后，就能直接写出对应的齐次线性方程组。方程组的非零解，就是这个特征值对应的全部特征向量。这里有个很容易忽略的点，单个特征值对应的特征向量不是唯一的，所有非零常数倍的解向量，都是有效特征向量，不用纠结和标准答案的数值完全一致。

做题的时候踩过一个很具体的错误，重特征值的处理方式和单特征值一模一样，结果算出来的特征向量个数不够。二重特征值化简后的秩如果是n-2，就会有两个线性无关的特征向量，秩如果是n-1，就只有一个特征向量，不能强行凑解，也不能漏解。

随手翻了之前的错题本，几乎所有失分题，都是因为固定了死板的计算步骤，不根据矩阵秩的变化调整求解逻辑。单纯背步骤没用，每一步的化简结果，都直接决定最后特征向量的数量和形式。

算完基础解系之后，不用刻意整理最简形式，只要向量满足方程组、非零、线性无关，就是正确答案。考场做题不用追求标准答案的排版，重点保证每一步矩阵化简无计算失误，自由未知量选取合理。

最后做完一道三阶矩阵真题，核对步骤，逐一检查特征矩阵构造、行变换化简、方程组列写、自由未知量取值四个关键步骤，确认所有操作没有遗漏和失误。