到底什么是特征向量？#

想象你手里有一根箭，你对它施加一个线性变换（矩阵乘法）。大多数情况下，箭的方向会改变——它会旋转、翻转。但有些特殊的箭，变换之后方向完全不变，只是长度被拉长或缩短了。

这，就是特征向量。

用数学语言来说，对于方阵 $A$，如果存在非零向量 $\mathbf{v}$ 和标量 $\lambda$，满足：

$A\mathbf{v} = \lambda\mathbf{v}$

那么 $\mathbf{v}$ 就是 $A$ 的特征向量，$\lambda$ 就是对应的特征值。

从几何上看#

假设你有一面哈哈镜——一个椭圆形的拉伸镜。当你照镜子时，水平方向被拉长了 2 倍，垂直方向被压缩了 0.5 倍。这个变换的矩阵是：

$A = \begin{pmatrix} 2 & 0 \\ 0 & 0.5 \end{pmatrix}$

它的特征向量是什么？水平方向的单位向量 $(1, 0)^T$ 乘以 $A$ 得到 $(2, 0)^T$——方向没变，只是长度翻倍，所以 $\lambda = 2$，$\mathbf{v} = (1, 0)^T$。同理，垂直方向 $(0, 1)^T$ 是 $\lambda = 0.5$ 的特征向量。

特征向量就是你施加矩阵变换后，它还在原地「指着一个方向」的那个向量。 它不随变换而动摇方向，只改变大小。

为什么特征值这么重要？#

一个实用的计算方法#

给定 $2 \times 2$ 矩阵 $A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$，特征多项式为：

$\det(A - \lambda I) = \begin{vmatrix} a - \lambda & b \\ c & d - \lambda \end{vmatrix} = \lambda^2 - \text{tr}(A)\lambda + \det(A)$

其中 $\text{tr}(A) = a + d$ 是迹（特征值之和），$\det(A) = ad - bc$ 是行列式（特征值之积）。这两个量在所有基底下都不变，这就是「相似不变量」。

YuKi 的小感悟#

特征向量教会我们一件事：在变换中保持方向不变，本身就是一种强大的力量。 就像在生活中，不是每个人都能影响大局，但只要找准自己的方向坚持走下去，你就是那个不会被外界「旋转」的人 💕

好啦～今天的线代小课堂就到这里！下次想听 YuKi 讲什么呀？奇异值分解 (SVD)？还是马尔可夫链？评论区告诉窝～ 🎀✨

参考资料：Gilbert Strang《线性代数及其应用》、Sheldon Axler《线性代数应该这样学》