如果矩阵可对角化并且知道所有的特征值及对应的特征向量，那么可以用这些信息来还原矩阵 因为Ap1=p1λ1, ... Apn=pnλn A[p1,...,pn]=[p1,...,pn]diag{λ1,...,λn} A=[p1,...,pn]diag{λ1,...,λn}[p1,...,pn]^{-1}
特征值是线性代数中的一个重要概念。在数学、物理学、化学、计算机等领域有着广泛的应用。设 A 是n阶方阵，如果存在数m和非零n维列向量 x，使得 Ax=mx 成立，则称 m 是A的一个特征值（characteristic value)或本征值（eigenvalue)。非零n维列向量x称为矩阵A的属于（对应于）特征值m的特征向量或本征向量，简称A的特征向量或A的本征向量。
如将特征值的取值扩展到复数领域，则一个广义特征值有如下形式：Aν=λBν
其中A和B为矩阵。其广义特征值（第二种意义）λ 可以通过求解方程(A-λB)ν=0，得到det(A-λB)=0（其中det即行列式）构成形如A-λB的矩阵的集合。其中特征值中存在的复数项，称为一个“丛(pencil)”。
若B可逆，则原关系式可以写作 ，也即标准的特征值问题。当B为非可逆矩阵（无法进行逆变换）时，广义特征值问题应该以其原始表述来求解。