特征值与特征向量：变换的不变方向

03-特征值与对角化核心约 30 分钟 #特征值#特征向量#特征多项式#不变方向更新 2026-10-02

当前状态：未学

本文基于模型知识整理（生成时未联网核对），关键结论建议对照 Axler 第 5 章 / Strang §6.1 复核。

一句话定义

特征向量 $v\ne0$ 是变换 $A$ 下"只被缩放不被掰弯"的方向：$Av=\lambda v$，缩放系数 $\lambda$ 即特征值；它们是特征方程 $\det(A-\lambda I)=0$ 的根，是矩阵隐藏的"骨架方向"——找齐它们，矩阵的作用就一目了然。

特征值是"系统语言"：弹簧振子频率、马尔可夫链稳态（λ=1）、主成分方向（kp-020）、PageRank 权重、图聚类（谱方法）、矩阵幂的渐进行为（最大特征值统治，kp-013）——凡"演化与稳定性"问题，答案都写在谱里。它是线代从计算走向建模的枢纽概念。

kp-006/007（变换与复合）、kp-011（特征多项式的载体）。

定义：$Av = \lambda v$，$v\ne0$。几何：v 方向上 A 的作用=纯缩放（λ 可负可零；负值=反向，复数=旋转成分）。
求法：$Av-\lambda v=0 \Rightarrow (A-\lambda I)v=0$ 有非零解 ⟺ $\det(A-\lambda I)=0$（特征多项式，n 次方程，n 个复根计重数）。
求特征向量：对每个 λ 解 $(A-\lambda I)v=0$——就是求特征空间的零空间基（kp-008）。
谱：全体特征值的集合；$\sum\lambda_i = \text{tr}(A)$（迹）、$\prod\lambda_i = \det A$——两条快速校验线。
几何重数 ≤ 代数重数：每个 λ 的独立特征向量数 ≤ 其作为根的重数；相等与否决定可对角化（kp-013）。

为什么特征向量是"骨架"：在特征基下，$A$ 的动作 = 沿各特征方向分别缩放 $\lambda_i$——矩阵的全部行为被 n 个数概括。对角化（kp-013）把这个观察公式化：$A=P\Lambda P^{-1}$。理解一个复杂变换的捷径 = 换到它的特征坐标系。

实矩阵的复特征值：实系数多项式的复根成共轭对；对应"平面内的旋转-缩放"动作（如旋转矩阵特征值 $e^{\pm i\theta}$）。工程意义：复特征值 ↔ 振荡模态（kp-026 的 ODE 解振荡项）。

对称矩阵的特别优待（谱定理预告）：实对称矩阵特征值全实、特征向量可取正交标准基——谱定理（kp-015）保证其"无病态"，这也是 PCA、二次型分析都偏好对称矩阵的原因。

极端情形：投影矩阵特征值只有 0 和 1（压没的与保留的方向）；旋转矩阵（非 ±180°）实空间无实特征向量（没有不被掰弯的方向）——不是所有矩阵都" behave 完美"，这正是 kp-017 若尔当形与 kp-018 SVD 存在的理由。

特征方程：$\det(A-\lambda I) = 0$
2×2 示例：$A=\begin{bmatrix}3&1\\0&2\end{bmatrix}$，$p(\lambda)=(3-\lambda)(2-\lambda)$，$\lambda=3,2$；对应 $v=(1,0),(1,-1)$。
校验：$\lambda_1+\lambda_2=5=\text{tr}A$；$\lambda_1\lambda_2=6=\det A$。

每个变换都有"顺风方向"：风只吹大（或吹反）而不拐弯的方向就是特征方向，吹多少倍就是特征值。看懂一个变换 = 找出所有顺风方向及倍率；对称矩阵的顺风方向互相垂直（好脾气），歪矩阵可能根本没有足够多的顺风方向（坏脾气，kp-017）。

答：$p(\lambda)=\lambda^2-7\lambda+10=(\lambda-5)(\lambda-2)$，$\lambda=5,2$（校验：tr=7，det=10 ✓）。

答：解 $(A-5I)v=0$：$\begin{bmatrix}-1&1\\2&-2\end{bmatrix}v=0$ → $v=(1,1)$ 方向。

答：投影两次等于投影一次 $P^2=P$，两边作用特征向量得 $\lambda^2=\lambda$ → λ∈{0,1}；0=被压没的部分，1=被保留的部分。