【第十章 线性代数之 特征向量与特征值】3Blue1Brown

10.特征向量与特征值

10.1特征值和特征向量性质

**只有对前面讲的内容有充分的几何直观，你才能真正理解特征向量与特征值。**其中最重要的是了解如何将矩阵看作线性变换。当然也需要熟悉行列式，线性方程组，基变换等。

下面考虑一个二维空间中的变换（原来的基向量通过左上角矩阵变换成右下角对应的向量。）：

通过上面的图，我们非常容易看出来，之前相互垂直的向量发生了变化。那么相比较之前的空间（原来的平面直角坐标系），现在的向量方向可能发生了变化。那么经过变换之后，是否存在一些变量只在长度上发生了变化，方向并未发生改变呢？当然啦，上图中基向量由原来的（1，0）变为（3，0）就是这种情况，不过请看下面这张图还有其他向量处于这种状态：

上图中黄线表示出的向量，它在原空间（平面直角坐标系）中对应的就是在灰色网格的对角线上，经过变换之后依然在对角线上。这意味左上角的矩阵对它的作用仅仅是拉伸或者是压缩而已，如同一个标量。这个向量留在了它所张成的空间里。

那么在这个空间中有只有两类向量方向没有发生变化如下图：

• 横轴上的向量
• 对角线上的向量
  **这些特殊向量就被称为变换的 “特征向量”。**每个特征向量都有一个所属的值，被称为“特征值”。
  

特征值：衡量特征向量在变换中拉伸或压缩比例的因子。

当然，拉伸或者压缩的特征值刚好为正并没有什么特殊的地方。
但是有的特征值为负数。

这意味，这个向量被反向了，并且压缩为原来的1/2

• 变换前：
• 变换后：
  
  但是重点在于：它停留在它张成的直线上，并未发生旋转。

10.2特征值和特征向量的作用

比如在三维空间中寻找旋转轴（其他向量都在改变方向），注意在这种情况下特征值一定是1。因为单纯的旋转不会对向量进行拉伸或者是压缩。

10.3 特征值和特征计算的要点

上面就是求解时的计算方程。一个变换矩阵和一个向量的乘积，等于一个数字和这个向量的乘积。

• 我们可以利用单位矩阵，对上式进行移项：
  
• 接下来就是寻找一个向量V，使得这个新矩阵与V相乘结果为0向量。
  
  如果v本身是零向量的话，等式恒成立。但是这样没意思，我们需要的是一个非零特征向量。通过第五章和第六章的学习，我们知道：**当且仅当矩阵代表的变换将空间压缩到更低维度时，才会存在一个非零向量，使得矩阵和它的乘积为零向量。**而空间的压缩对应的就是矩阵的行列式为零。

完整推导过程如下：

但是**特征向量并不一定存在。**比如，平面直角坐标系逆时针旋转一周。

计算得出来的结果是这样的：

显然这个方程是没有解的，也就是特征向量并不存在。

注意：可能会出现只有一个特征值，但是特征向量不在一条直线上的情况。
比如这个：一个简单的例子是将所有的向量都变成两倍。这种情况下唯一的特征值是2，但是平面内每一个向量都是属于这个特征值的特征向量。

10.4 特征基

如果我们的基向量恰好是特征向量，会怎样？
比如：从上方的矩阵中我们可以看到，除了对角元素意外其他元素均为0，这种矩阵也被称为对角矩阵。解读它的方法是：所有基向量都是特征向量。矩阵的对角元就是他们所属的特征值。

ps:原来的基向量（以2维举例，那么他原本的基向量对角全是1，变换矩阵就是变换之后的基向量，那么对应的元素就是变换为原来的多少倍，也就是特征值！）