特征空间是线性代数中与特征值密切相关的概念，其定义和性质如下：

一、特征空间的定义

特征空间是线性变换下具有特定性质的向量子空间。具体来说：

定义 ：设 $A$ 是 $n$ 阶方阵，若存在数 $lambda$ 使得 $Amathbf{v} = lambdamathbf{v}$，则向量 $mathbf{v}$ 称为矩阵 $A$ 的对应于特征值 $lambda$ 的特征向量。所有属于同一特征值 $lambda$ 的特征向量构成的集合称为特征空间，记作 $text{span}{mathbf{v} mid Amathbf{v} = lambdamathbf{v}}$。

包含零向量 ：特征空间包含零向量 $mathbf{0}$，但零向量本身通常不被视为特征向量（因为特征向量要求非退化）。

二、特征空间的性质

子空间 ：特征空间是向量空间 $V$ 的子空间，需满足加法封闭性和数乘封闭性。

几何意义 ：特征空间的维数称为特征值的几何重次，反映了该特征值对应的线性无关特征向量的最大数量。

对角化基础 ：在有限维向量空间中，矩阵可对角化的充要条件是其不同特征值对应的特征向量线性无关，此时特征空间构成向量空间的基。

三、示例说明

考虑矩阵 $A = begin{pmatrix} 2 & 1 0 & 2 end{pmatrix}$，其特征值为 $lambda = 2$（二重特征值）。

对应的特征向量为 $begin{pmatrix} x 0 end{pmatrix}$（$x neq 0$），构成一维特征空间 $text{span}left{begin{pmatrix} 1 0 end{pmatrix}right}$。

四、与其他概念的关系

主特征向量 ：对应最大特征值的特征向量；

谱 ：矩阵所有特征值的集合。

通过以上定义和性质，特征空间为理解矩阵的对角化、相似变换等线性代数核心内容提供了重要基础。