HackerEigenvectors and eigenvalues | Chapter 14, Essence of linear algebra
3Blue1BrownYouTube ↗
延伸阅读 1
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。