← 全部问题为什么特征向量被定义为在线性变换后仍留在其自身张成空间（span）上的非零向量？
特征向量的特殊性在于它们在变换过程中不会偏离原来的直线（即它们的张成空间），只是发生拉伸、压缩或翻转。定义中排除零向量是因为在任何线性变换下，零向量都映射到自身（
A0=0），这无法提供关于变换方向的任何信息。
适用条件
- 向量 v 必须是非零的（v=0）
- 变换是线性的
理解与推导
- 观察大多数向量在矩阵变换时会改变方向。
- 识别那些保持在穿过原点的同一直线上的向量（即它们的张成空间）。
- 注意到这些向量仅仅被因子 λ 缩放。
- 排除零向量，因为其方向未定义，且它对任意 λ 平凡地满足 A0=λ0。
例子
在视频示例中，对于矩阵 [[3, 1], [0, 2]]，向量 [-1, 1] 保持在其对角线上但长度加倍，使其成为特征值为 2 的特征向量。
容易误解的地方
- 认为零向量也是特征向量。
- 认为特征向量必须保持完全相同的长度（它们可以被拉伸或压缩）。
相关问题
判断用途↗ 当且仅当矩阵拥有一组完整的线性无关特征向量（特征基底）时，矩阵才是可对角化的。主要好处是计算效率：计算矩阵的高次幂（例如 A100）变得微不足道，因为你只需将对角线元素（特征值）提升到该次幂，而不是执行重复的矩阵乘法。
适用条件：矩阵在 n 维空间中拥有 n 个线性无关的特征向量；由特征向量构成的基变换矩阵 P 是可逆的
理解原因↗ 90 度旋转会将平面内的每个非零向量从其原始直线（张成空间）上移开。由于特征向量必须留在其张成空间上，因此没有实向量符合条件。
适用条件：矩阵表示二维中的纯 90 度旋转；搜索实值特征向量
掌握方法↗ 从 Av=λv 开始，我们将右边重写为 (λI)v，并将所有项移到一边得到 (A−λI)v=0。由于我们要寻找 v 的非零解，矩阵 (A−λI) 必须将空间挤压到更低的维度（拥有非平凡的零空间）。
适用条件：v 是非零特征向量；A 是方阵；I 是单位矩阵
答案依据视频资料生成并经过独立核验。若有疑问，请核对原视频或联系原作者。