如何计算矩阵的特征值：手工与软件两套方案

如何计算矩阵的特征值，核心思路是求解特征方程det(A−λE)=0，λ即为特征值；手工计算适合2阶、3阶方阵，4阶及以上方阵手工展开行列式计算量陡增，容易出现代数运算失误，矩阵元素含参数时也可使用该方程推导，数值矩阵阶数大于等于4，优先用MATLAB、Python等工具数值求解。特征方程由特征向量定义Ax=λx变形得到，A是原矩阵，E是同阶单位矩阵，det代表行列式运算，解出来的λ可以是实数或者复数；实对称矩阵的特征值一定为实数，非对称实矩阵可能出现共轭复数特征值。该方法适用边界是，你必须掌握行列式展开、一元多项式求根，无多项式求根能力时，无法完成手工求解。

矩阵的特征值手工计算流程

你先写出矩阵A，构造A减去λ乘以单位矩阵E，单位矩阵只有主对角线元素为1，其余全部为0，矩阵阶数和A保持一致。这个新矩阵A−λE被称为特征矩阵，你要计算它的行列式，行列式计算结果会得到关于λ的一元n次多项式，n等于方阵阶数，这个多项式就是特征多项式。把特征多项式设置等于0，得到特征方程，对多项式因式分解，求解方程的根，得到的全部根就是矩阵A的所有特征值，重根要按重数保留。2阶矩阵的特征多项式是二次多项式，求根操作简单；3阶矩阵展开后是三次多项式，因式分解难度明显上升。

算2阶矩阵是手工计算最简单场景，举矩阵A=[[1,2],[3,4]]，构造A−λE=[[1−λ,2],[3,4−λ]]，行列式等于(1−λ)(4−λ)−6，展开化简得到λ²−5λ−2=0，套用一元二次求根公式，就能算出两个特征值。

重根处理不能省略。如果特征方程存在重根，对应的特征值称为重特征值，代数重数等于根的重数，几何重数是独立特征向量数量，几何重数小于或者等于代数重数。判断矩阵能否对角化时，这个关系是核心判断依据。

矩阵的特征值软件数值计算

高阶矩阵放弃手工计算，改用数值算法，工业、科研场景大多使用QR迭代算法求解特征值，该算法不直接构造特征多项式，规避高阶多项式求根带来的数值误差。Python的numpy库中，numpy.linalg.eig函数可以同时输出特征值与对应特征向量；MATLAB中直接调用eig(A)，返回矩阵全部特征值。浮点数计算会存在微小舍入误差，结果需要结合精度要求取舍。

复数特征值只会出现在非对称实方阵中。

你可以用迹和行列式快速校验结果。矩阵所有特征值相加等于矩阵的迹，迹就是主对角线元素之和；矩阵所有特征值相乘等于矩阵行列式的值。算出特征值之后，用这两个等式检验，快速排查计算错误，比如2阶矩阵算出两个特征值，求和对照迹，乘积对照行列式，不相等就说明计算存在错误。一个典型错误操作是，构造特征矩阵时把单位矩阵写成全1矩阵，会直接得到完全错误的特征多项式，最终特征值全部失效。

部分特殊矩阵可以直接读取特征值，不用完整求解特征方程。对角矩阵、上三角矩阵、下三角矩阵，特征值就是主对角线上的所有元素，你可以直接摘抄，省去行列式求解步骤。实对称矩阵除了特征值全为实数，还能保证不同特征值对应的特征向量相互正交。

特征值有基础运算性质，方便简化计算。矩阵A的k倍，特征值是原特征值的k倍；A的m次幂，特征值是原特征值的m次幂；A可逆时，A逆矩阵的特征值等于原特征值的倒数。这些性质可以在不重新求解特征方程的前提下，直接推导相关矩阵特征值，减少重复计算工作量。