特征值与特征向量

前几章都在问”这个变换把空间变成了什么样”，本章换一个问题：有没有哪些特殊的向量，在变换前后方向不变？ 答案是有的——它们就是特征向量，而缩放倍数就是特征值。

这个视角的价值在于：它把”矩阵运算”翻译成了”变换的本质结构”。一个矩阵最难的地方是它把每个方向都拉伸成不同长度、旋转到不同角度；但特征向量告诉我们，在某个方向上变换只做了单纯的缩放。特征值刻画了这些缩放倍数，也就刻画了这个变换”拉伸或压缩”的整体倾向。

本章从特征值与特征向量的基本概念出发，用可视化让你直观看到”某些方向在变换中保持不变”；接着讲相似与对角化——如果矩阵能对角化，那么原来的复杂变换就变成了各坐标轴上互不干扰的独立缩放，计算量大幅下降；最后讨论实对称矩阵，它的特殊性质保证了特征值全为实数且特征向量两两正交，这是实对称矩阵在物理与数值计算中格外重要的原因。