本征值与对角化

本征值、本征矢与对角化

物理问题引入：如何找到让复杂系统解耦的最优坐标系？

考察空间中一个任意形状的刚体：在一般的笛卡尔坐标系下，惯量张量矩阵包含大量非对角惯性积：

I = (\begin{matrix} I_{x x} & - I_{x y} & - I_{x z} \\ - I_{y x} & I_{y y} & - I_{y z} \\ - I_{z x} & - I_{z y} & I_{z z} \end{matrix})

I = pmatrix I_xx & -I_xy & -I_xz -I_yx & I_yy & -I_yz -I_zx & -I_zy & I_zz pmatrix

当你绕某个轴自转时，角动量 $L = I ω$ L = Iomega 居然不与角速度平行，产生强烈的轴承偏心力矩．是否存在一组最特殊的「天选坐标轴」，使得矩阵所有非对角项全部为零？在理论力学中，这叫惯量主轴；在振动理论中，这叫 简正坐标；在量子力学中，这叫 力学量本征态！寻找这些最优方向的数学工具，就是 本征值与对角化理论．

1. 本征值与本征矢的数学定义

设 $\hat{T}$ T 为线性空间 $V$ V 上的线性算符．若存在一个非零向量 $| v ⟩ \neq 0$ |vrangle != 0 和一个标量 $λ$ lambda，满足：

\hat{T} | v ⟩ = λ | v ⟩

T|vrangle = lambda |vrangle

则称 $λ$ lambda 为算符 $\hat{T}$ T 的 特征值（本征值，Eigenvalue）；非零向量 $| v ⟩$ |vrangle 称为属于本征值 $λ$ lambda 的 特征向量（本征矢，Eigenvector）．

几何图像：一般线性变换会对空间向量既做拉伸又做旋转．而本征矢代表了空间中那些 方向在变换下保持不变（仅模长被纯缩放 $λ$ lambda 倍）的特殊纯粹方向！

2. 特征方程与求解范式

在选定基底后，算符写为矩阵 $A$ A：

A | v ⟩ = λ | v ⟩ ⟹ (A - λ I) | v ⟩ = 0

A |vrangle = lambda |vrangle implies (A - lambda I)|vrangle = 0

为了使齐次线性方程组存在非零解 $| v ⟩ \neq 0$ |vrangle != 0，系数行列式必须为零，由此得到著名的 特征方程（Characteristic Equation）：

\det (A - λ I) = 0

det(A - lambda I) = 0

展开左端得到关于 $λ$ lambda 的 $n$ n 次代数多项式 $P (λ)$ P(lambda)（特征多项式）．解出多项式的 $n$ n 个根 $λ_{1}, \dots, λ_{n}$ lambda_1, dots, lambda_n 即为本征值．将求得的每一个本征值代回齐次方程组 $(A - λ_{k} I) v_{k} = 0$ (A - lambda_k I)v_k = 0，即可解出对应的一维或多维本征空间．

3. 矩阵对角化定理

设 $n \times n$ n * n 方阵 $A$ A 拥有 $n$ n 个线性无关的特征向量 ${| v_{1} ⟩, \dots, | v_{n} ⟩}$ |v_1rangle, dots, |v_nrangle，对应的特征值为 $λ_{1}, \dots, λ_{n}$ lambda_1, dots, lambda_n．构造特征向量拼接而成的过渡矩阵：

P = (| v_{1} ⟩ | v_{2} ⟩ \dots | v_{n} ⟩)

P = Big( |v_1rangle quad |v_2rangle quad dots quad |v_nrangle Big)

则 $A$ A 可通过相似变换严格转化为 对角矩阵（Diagonal Matrix）：

P^{- 1} A P = Λ = (\begin{matrix} λ_{1} & 0 & \dots & 0 \\ 0 & λ_{2} & \dots & 0 \\ ⋮ & ⋮ & ⋱ & ⋮ \\ 0 & 0 & \dots & λ_{n} \end{matrix})

P^-1 A P = Lambda = pmatrix lambda_1 & 0 & dots & 0 0 & lambda_2 & dots & 0 vdots & vdots & ddots & vdots 0 & 0 & dots & lambda_n pmatrix

对角化的物理魔力：全自由度瞬间解耦

原本相互纠缠的联立微分方程组 $\dot{x} = A x$ x = A x，通过引入本征坐标 $y = P^{- 1} x$ y = P^-1x，瞬间解耦为 $n$ n 个完全独立的单变量一阶方程 ${\dot{y}}_{k} = λ_{k} y_{k}$ y_k = lambda_k y_k！复杂的物理动力学演化被彻底分解为各自独立的纯粹本征模态．

4. 物理实战：两质点耦合微振动简正模

考虑两质量均为 $m$ m 的质点被三个劲度系数均为 $k$ k 的弹簧连接在线性轨道上．牛顿运动方程联立为：

m {\ddot{x}}_{1} = - k x_{1} + k (x_{2} - x_{1}) = - 2 k x_{1} + k x_{2}

m x_1 = -k x_1 + k(x_2 - x_1) = -2k x_1 + k x_2

m {\ddot{x}}_{2} = - k (x_{2} - x_{1}) - k x_{2} = k x_{1} - 2 k x_{2}

m x_2 = -k(x_2 - x_1) - k x_2 = k x_1 - 2k x_2

写成矩阵形式，设固有角频率试探解 $\ddot{x} = - ω^{2} x$ x = -omega^2 x：

(\begin{matrix} 2 k / m & - k / m \\ - k / m & 2 k / m \end{matrix}) (\begin{matrix} x_{1} \\ x_{2} \end{matrix}) = ω^{2} (\begin{matrix} x_{1} \\ x_{2} \end{matrix})

pmatrix 2k/m & -k/m -k/m & 2k/m pmatrix pmatrix x_1 x_2 pmatrix = omega^2 pmatrix x_1 x_2 pmatrix

令特征矩阵行列式为零求特征值 $λ = ω^{2}$ lambda = omega^2：

\det (\begin{matrix} 2 ω_{0}^{2} - λ & - ω_{0}^{2} \\ - ω_{0}^{2} & 2 ω_{0}^{2} - λ \end{matrix}) = (2 ω_{0}^{2} - λ)^{2} - ω_{0}^{4} = 0 (ω_{0} = \sqrt{k / m})

det pmatrix 2omega_0^2 - lambda & -omega_0^2 -omega_0^2 & 2omega_0^2 - lambda pmatrix = (2omega_0^2 - lambda)^2 - omega_0^4 = 0 quad (omega_0 = k/m)

直接解出两个特征值与对应的特征向量：

同向简正模： $λ_{1} = ω_{1}^{2} = ω_{0}^{2} ⟹ v_{1} = \frac{1}{\sqrt{2}} (\begin{matrix} 1 \\ 1 \end{matrix})$ lambda_1 = omega_1^2 = omega_0^2 implies v_1 = 12pmatrix 1 1 pmatrix（两质点保持间距同向同相振动，中间弹簧不发生形变）；
反向简正模： $λ_{2} = ω_{2}^{2} = 3 ω_{0}^{2} ⟹ v_{2} = \frac{1}{\sqrt{2}} (\begin{matrix} 1 \\ - 1 \end{matrix})$ lambda_2 = omega_2^2 = 3omega_0^2 implies v_2 = 12pmatrix 1 -1 pmatrix（两质点反向相向运动，中间弹簧剧烈压缩伸长，振动频率提高 $\sqrt{3}$ 3 倍）．

定义简正坐标 $η_{1} = \frac{x_{1} + x_{2}}{\sqrt{2}}$ eta_1 = x_1 + x_2/2 和 $η_{2} = \frac{x_{1} - x_{2}}{\sqrt{2}}$ eta_2 = x_1 - x_2/2，原本耦合的振动彻底解耦为两个独立的谐振子！

5. 学习衔接

下一节：定义复空间向量点乘与几何度量，进入内积空间与正交归一化；
量子力学前置：实特征值与保内积变换，参见厄米算符、酉变换与谱分解．

本页面最近更新：2026/10/1 10:49:01，更新历史
发现错误？想一起完善？在 GitHub 上编辑此页！
本页面贡献者：Leafuke, Physics Learning Wiki Team
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用