2. 线性代数基础回顾

特征值计算不是孤立的公式游戏，它建立在向量空间与矩阵运算的语言之上。本节把后续模态分析真正会用到的线性代数工具串成一条线：向量空间提供“对象”，矩阵提供“变换”，特征值与特征向量刻画变换中“方向不变、只被伸缩”的特殊成分，特征多项式给出求解途径，相似变换与对角化说明“换一组基能否让问题变简单”，实对称矩阵的性质则保证工程振动问题中结果具有良好的实数性与正交性。理解这条线索，才能在后面把刚度矩阵、质量矩阵与模态坐标联系起来。

向量空间与矩阵：描述“对象”和“作用”

向量空间是对一类对象的统一描述：向量可以相加、可以数乘，并满足封闭性与若干公理。工程中最常用的是实数域上的 Rⁿ，一个 n 维向量既可表示 n 个自由度的位移，也可表示一组载荷。向量空间的核心概念包括线性组合、张成、线性无关、基与维数。若一组向量线性无关且能张成整个空间，它们就是一组基；同一向量在不同基下的坐标不同，但向量本身不变——这一点是后面相似变换的根源。

矩阵则是对向量的线性作用。对 n×n 方阵 A，Ax 把输入向量映射为输出向量。需要熟练掌握的运算包括：矩阵乘法（不满足交换律，AB≠BA）、转置、逆（仅当行列式非零）、行列式与迹。两个关键恒等式在特征值讨论中反复出现：det(AB)=det(A)det(B)，以及 tr(A) 等于全部特征值之和、det(A) 等于全部特征值之积。此外，若 A 可逆，则 A⁻¹ 的特征值是 A 特征值的倒数，特征向量不变。

特征值与特征向量的定义

对 n 阶方阵 A，若存在非零向量 x 和标量 λ 满足

A x = λ x，  x ≠ 0

则称 λ 为 A 的特征值，x 为对应于 λ 的特征向量。几何含义是：矩阵作用在 x 上不改变其方向（λ 为负时反向），只把长度伸缩 |λ| 倍。注意 x≠0 是定义的一部分，零向量对任何 λ 都成立，没有信息量。同一特征值对应的特征向量全体加上零向量构成一个子空间，称为特征子空间，其维数称为该特征值的几何重数。

把定义式移项得 (A−λI)x=0。要让这个齐次方程有非零解，系数矩阵必须奇异，即 det(A−λI)=0。这就是特征方程，其左端 p(λ)=det(A−λI) 称为特征多项式，是 λ 的 n 次多项式。n 阶矩阵在复数域内恰有 n 个特征值（按代数重数计）。代数重数指 λ 在特征多项式中的根的重数，几何重数指对应特征子空间的维数，恒有 1 ≤ 几何重数 ≤ 代数重数。

手算示例：一个 2×2 矩阵的完整流程

取 A = [[4, 1], [2, 3]]。先写特征多项式：

det(A − λI) = det([[4−λ, 1], [2, 3−λ]])
            = (4−λ)(3−λ) − 2
            = λ² − 7λ + 10
            = (λ−5)(λ−2)

特征值为 λ₁=5、λ₂=2。代回求特征向量：对 λ₁=5，解 (A−5I)x=0，即 [[−1,1],[2,−2]]x=0，得 x₁=x₂，取 v₁=(1,1)ᵀ；对 λ₂=2，解 [[2,1],[2,1]]x=0，得 2x₁+x₂=0，取 v₂=(1,−2)ᵀ。校验：tr(A)=7=5+2，det(A)=10=5×2，与特征值之和、之积一致，这是最省时的自检手段。特征向量只能确定到非零常数倍，实际计算中常归一化为单位向量。

相似变换与对角化

若存在可逆矩阵 P 使 B=P⁻¹AP，则称 A 与 B 相似。相似矩阵具有相同的特征多项式，因而特征值完全相同；特征向量则按 x→P⁻¹x 的规则变换。相似的本质是“换一组基描述同一个线性变换”。

若 A 有 n 个线性无关的特征向量，把它们按列排成 P=[v₁,…,vₙ]，则

P⁻¹ A P = Λ = diag(λ₁, …, λₙ)

此时称 A 可对角化。可对角化的充分条件是 n 个特征值互异；更一般的判据是每个特征值的几何重数等于代数重数。若某个特征值代数重数大于几何重数（称为亏损），则不能对角化，只能化为 Jordan 标准形。对角化的工程价值在于把耦合的矩阵运算变成各分量独立运算，例如 Aᵏ=PΛᵏP⁻¹，这正是模态叠加法“解耦”的代数原型。

实对称矩阵的特征值性质

工程振动中的刚度矩阵 K、质量矩阵 M 通常是对称的，这带来一组非常强的结论，是模态分析可靠性的基础：

• 特征值全为实数。不会出现复数频率，物理上对应稳定的实模态。
• 不同特征值对应的特征向量相互正交。即 vᵢᵀvⱼ=0（i≠j）。即使存在重特征值，也可在特征子空间内选出一组正交基，因此实对称矩阵一定可以正交对角化：存在正交矩阵 Q（QᵀQ=I）使 QᵀAQ=Λ。
• 特征值符号反映定性性质。全正定对应正定矩阵（如无约束系统的刚度矩阵），有零特征值对应刚体模态，有负特征值则提示矩阵非正定，需检查建模或约束。
• Rayleigh 商 R(x)=xᵀAx/xᵀx 的值落在最小与最大特征值之间，且在各特征向量处取到特征值，可用于估算基频。

需要区分的是，一般矩阵的特征值可能为复数，特征向量也可能为复向量；而实对称矩阵的优良性质不能随意套用到非对称矩阵上，例如含陀螺效应或非比例阻尼的系统会出现复模态。

面向后续模态分析的实操要点

把上述知识落到计算上，建议形成固定习惯。第一，先做量纲与规模检查：n 阶矩阵应有 n 个特征值，手算小矩阵时用 tr 与 det 校验；第二，优先利用对称性，对称矩阵可用正交变换化为三对角再求解，数值上更稳定；第三，特征向量务必归一化，并检查正交性 vᵢᵀvⱼ≈0，这是判断数值结果是否可信的实用指标；第四，遇到重根要单独检查几何重数，若几何重数不足则矩阵亏损，不能对角化，此时应回到物理模型确认是否存在重复模态或建模退化。

掌握这些内容后，后续把 Kφ=λMφ 化为标准特征值问题、用模态坐标解耦方程时，每一步都能对应回本节的概念：向量空间是解所在的空间，相似变换是换基，对角化是解耦，实对称性则保证频率为实、模态正交。线性代数在这里不是抽象预备知识，而是模态分析的计算骨架。