1、如果A是实对称矩阵，要求求正交矩阵P，使P^T*A*P成为对角阵，则求得的A的特征向量要先正交化（如果A有重特征值），再单位化，然后才可以写出正交阵P。
2、在二次型化为标准形的题目里，如果要求求正交变换，则求得的二次型矩阵A的特征向量要先正交化（如果A有重特征值），再单位化，然后才可以写出正交变换的。
一个矩阵A的特征值可以通过求解方程pA(λ) = 0来得到。 若A是一个n×n矩阵，则pA为n次多项式，因而A最多有n个特征值。
反过来，代数基本定理说这个方程刚好有n个根，如果重根也计算在内的话。所有奇数次的多项式必有一个实数根，因此对于奇数n，每个实矩阵至少有一个实特征值。在实矩阵的情形，对于偶数或奇数的n，非实数特征值成共轭对出现。
扩展资料
任意给定一个矩阵A，并不是对所有的x它都能拉长（缩短）。凡是能被A拉长（缩短）的向量称为A的特征向量(Eigenvector)；拉长（缩短）量就为这个特征向量对应的特征值（Eigenvalue）。
值得注意的是，我们说的特征向量是一类向量，因为任意一个特征向量随便乘以一个标量结果肯定也满足以上方程，当然这两个向量都可以看成是同一个特征向量，而且它们也都对应同一个特征值。
如果特征值是负数，那说明了矩阵不但把向量拉长（缩短）了，而且让向量指向了相反的方向。一个矩阵可能可以拉长（缩短）好几个向量，所以它可能就有好多个特征值。如果A是实对称矩阵，那么那些不同的特征值对应的特征向量肯定是互相正交的。
一个变换矩阵的所有特征向量组成了这个变换矩阵的一组基。所谓基可以理解为坐标系的轴。我们平常用到的大多是直角坐标系，在线形代数中可以把这个坐标系扭曲、拉伸、旋转，称为基的变换。我们可以按我们的需求去设定基，但是基的轴之间必须是线形无关的。
也就是保证坐标系的不同轴不要指向同一个方向或可以被别的轴组合而成，否则的话原来的空间就“撑”不起来了。在主成分分析(Principal Component Analysis)中我们通过在拉伸最大的方向设置基，忽略一些小的量，可以极大地压缩数据而减小失真。
变换矩阵的所有特征向量作为空间的基之所以重要，是因为在这些方向上变换矩阵可以拉伸向量而不必扭曲和旋转它，使得计算大为简单。所以特征值固然重要，终极目标却是特征向量。
参考资料来源：百度百科-特征向量