Eigenvectors and eigenvalues | Chapter 14, Essence of linear algebra
3Blue1Brown在 YouTube 播放 ↗
字幕解读
线性变换通常会把向量带离原来的直线；特征向量揭示变换下仍保持的方向，特征值给出缩放倍数。视频将 Av=λv 改写为寻找 A−λI 的非零零空间，用降维说明行列式条件为何出现，再以旋转、剪切和均匀缩放辨别容易混淆的情况。若能选出一组特征基，反复施加变换就化成对角元素的幂。
创作者仓库发布的英文字幕 ↗ · 引文按字幕原文展示，可点时间戳回看片段。
内容要点
- 特征向量保持在自己张成的直线上，变换对它的作用等同于按特征值缩放。
- 求特征值可寻找使 A−λI 降维的 λ，此时存在非零向量被送到零。
- 观察三维旋转中保持不动的方向，可找到其特征值为 1 的旋转轴。
视频章节 4
- 哪些向量保持所在直线
- 为什么要求零行列式
- 旋转、剪切与重根
- 特征基如何简化矩阵幂
具体观点与证据 4
特征向量保持在自己张成的直线上，变换对它的作用等同于按特征值缩放。
要求向量非零；负特征值可反转方向。
some special vectors do remain on their own span求特征值可寻找使 A−λI 降维的 λ，此时存在非零向量被送到零。
零行列式施加在 A−λI 上，原矩阵 A 自身不必奇异。
make this determinant zero, meaning the tweaked transformation squishes space into a lower dimension观察三维旋转中保持不动的方向，可找到其特征值为 1 的旋转轴。
对非平凡三维正交旋转，需找特征值为 1 的固定方向；恒等变换没有唯一轴。
what you have found is the axis of rotation当特征向量张成全空间时，先换到特征基可把反复施加矩阵化为对各特征值求幂。
剪切变换可能缺少足够特征向量，此法有适用条件。
change to an eigenbasis, compute the 100th power in that system, then convert back解读边界
二维例子主要在实数域讨论。对角化要求有足够多线性无关的特征向量。
相关视频与证据 2
原理与应用从空间降维理解特征方程
行列式一课把零行列式解释为空间被压入低维；求特征值时，把同一判据应用到 A−λI，就得到存在非零特征向量的条件。
The determinant | Chapter 6, Essence of linear algebra ↗
三阶矩阵的行列式为零时，整个空间的像落入平面、直线或一点，三维体积消失。
A determinant of 0 would mean that all of space is squished onto something with 0 volume▶ 6:32–6:42 · 观看片段Eigenvectors and eigenvalues | Chapter 14, Essence of linear algebra
求特征值可寻找使 A−λI 降维的 λ，此时存在非零向量被送到零。
make this determinant zero, meaning the tweaked transformation squishes space into a lower dimension适用边界 A 本身可以满秩；要使行列式为零的是移去 λI 后的矩阵。
维度与表示的对照三维固定轴与四维旋转平面分别描述什么？
特征向量一课用三维旋转中的固定轴理解变换；四元数一课描述四维左乘时直接跟踪两组垂直的旋转平面。合读可以区分旋转维度和用来解释它的几何对象。
Eigenvectors and eigenvalues | Chapter 14, Essence of linear algebra
观察三维旋转中保持不动的方向，可找到其特征值为 1 的旋转轴。
what you have found is the axis of rotationVisualizing the 4d numbers Quaternions ↗
单位四元数左乘可理解为四维中两个互相垂直平面上的同步旋转。
two separate 2D rotations, happening perpendicular to and in sync with each other▶ 23:19–23:34 · 观看片段适用边界 四维单位四元数的左乘与三维向量的共轭旋转是两种作用。不能把任意四维旋转都套用这一同步模型。