特徵值和特徵向量確實有很明確的幾何意義，矩陣（既然討論特徵向量的問題，當然是方陣，這裡不討論廣義特徵向量的概念，就是一般的特徵向量）乘以乙個向量的結果仍是同維數的乙個向量。因此，矩陣乘法對應了乙個變換，把乙個向量變成同維數的另乙個向量。
那麼變換的效果是什麼呢？這當然與方陣的構造有密切的關係，比如可以取適當的二維方陣，使得這個變換的效果就是將平面上的二維變數逆時針旋轉30度。這時，我們可以思考乙個問題，有沒有向量在這個變換下不改變方向呢？可以想一下，除了零向量，沒有其他向量可以在平面上旋轉30度而不改變方向的，所以這個變換對應的矩陣（或者說這個變換自身）沒有特徵向量（注意：特徵向量不能是零向量）。
綜上所述，乙個變換（或者說矩陣）的特徵向量就是這樣一種向量，它經過這種特定的變換後保持方向不變，只是進行長度上的伸縮而已。再想想特徵向量的原始定義：
可以很容易看出，cx是方陣a對向量x進行變換後的結果，顯然cx和x的方向相同。而且x是特徵向量的話，ax也是特徵向量（a是標量且不為零），所以特徵向量不是乙個向量而是乙個向量族。
另外，特徵值只不過反映了特徵向量在變換時的伸縮倍數而已。對乙個變換而言，特徵向量指明的方向才是很重要的，特徵值不那麼重要。雖然我們求這兩個量時先求出特徵值，但特徵向量才是更本質的東西！特徵向量是指經過指定變換（與特定矩陣相乘）後不發生方向改變的那些向量，特徵值是指在經過這些變換後特徵向量的伸縮的倍數。
使用matlab求矩陣的特徵值和特徵向量：
矩陣d的對角線元素儲存的是a的所有特徵值，而且是從小到大排列的。矩陣v的每一列儲存的是相應的特徵向量，因此v的最後一列儲存的就是矩陣a的最大特徵值對應的特徵向量。
性質1. n階方陣a=(aij)的所有特徵根為l1，l2，…, ln(包括重根)，則
性質2. 若 l 是可逆陣a的乙個特徵根，x為對應的特徵向量，則
性質3. 若 l 是方陣a的乙個特徵根，x為對應的特徵向量，則lm是am的乙個特徵根，x仍為對應的特徵向量。
性質4. 設 l1，l2，…, lm是方陣a的互不相同的特徵值。xj是屬於li 的特徵向量( i=1,2,…,m)，則 x1,x2,…,xm線性無關，即不相同特徵值的特徵向量線性無關 。
性質4可推廣為：設 l1，l2，…, lm為方陣a的互不相同的特徵值，x11,x12,…,x1,k1是屬於l1的線性無關特徵向量，……，xm1,xm2,…,xm,k1是屬於lm 的線性無關特徵向量。則向量組 x11,x12,…,x1,k1,…, xm1,xm2,…,xm,k1也是線性無關的。即對於互不相同特徵值，取他們各自的線性無關的特徵向量，則把這些特徵向量合在一起的向量組仍是線性無關的。
對於任意乙個矩陣，不同特徵值對應的特徵向量線性無關。
對於實對稱矩陣或埃爾公尺特矩陣來說，不同特徵值對應的特徵向量必定正交（相互垂直）。
特徵值與特徵向量幾何意義
1.特徵值和特徵向量的幾何意義是什麼？特徵向量的幾何意義 特徵向量確實有很明確的幾何意義，矩陣 既然討論特徵向量的問題，當然是方陣，這裡不討論廣義特徵向量的概念，就是一般的特徵向量 乘以乙個向量的結果仍是同維數的乙個向量，因此，矩陣乘法對應了乙個變換，把乙個向量變成同維數的另乙個向量，那麼變換的效果...
特徵向量的幾何意義
長時間以來一直不了解矩陣的特徵值和特徵向量到底有何意義 估計很多兄弟有同樣感受 知道它的數學公式，但卻找不出它的幾何含義，教科書裡沒有真正地把這一概念從各種角度例項化地進行講解，只是一天到晚地列公式玩理論 有個屁用啊。根據特徵向量數學公式定義，矩陣乘以乙個向量的結果仍是同維數的乙個向量，因此，矩陣乘...
特徵向量的幾何意義
摘自 線性代數的幾何意義 我們知道，矩陣乘法對應了乙個變換，是把任意乙個向量變成另乙個方向或長度都大多不同的新向量。在這個變換的過程中，原向量主要發生旋轉 伸縮的變化。如果矩陣對某乙個向量或某些向量只發生伸縮變換，不對這些向量產生旋轉的效果，那麼這些向量就稱為這個矩陣的特徵向量，伸縮的比例就是特徵值...