M06 · 特征值

一句话：矩阵会把大多数方向拧弯，只有少数方向保持方向不变；找到这些方向，就能把矩阵的幂、微分方程、二次型和迭代过程全部拆成「一维的伸缩」。

这个模块解决什么

学完前面几个模块，你会算矩阵乘法、行列式、秩，也能解线性方程组。但还有一类问题没有回答：

• 反复用一个矩阵乘向量，最后会停在哪里？为什么？
• 一个 $1000\times 1000$ 的矩阵，能不能用几个数概括它的「本质」？
• 为什么对称矩阵总有互相垂直的主方向？
• 损失函数在极小点附近，怎么判断它是一个碗还是马鞍？
• 几十亿个网页，怎么在不求逆的前提下排出名次？

这些问题的共同答案是特征分解。本模块从 $A\mathbf{v}=\lambda \mathbf{v}$ 出发，依次建立：

1. 特征值与特征向量的定义、几何与动力系统解释（6.1）；
2. 特征多项式、迹、行列式与重数（6.2）；
3. 对角化与矩阵幂（6.3）；
4. 对称矩阵的谱定理（6.4）；
5. 二次型、正定性与 Cholesky（6.5）；
6. 幂迭代、马尔可夫链与 PageRank（6.6）；
7. 不可对角化时的 Jordan 标准形与矩阵函数（6.7）。

本模块的现实问题

1. 行人步频 2.0 Hz，为什么能让人行桥的 1.8 Hz 模态共振？装 TMD 还是限流？（6.1）
2. 反应釜从 24 h 缩到 12 h 出料，收率会掉多少？能不能从矩阵对角元直接读出来？（6.2）
3. 5 亿元的组合，卖空 6.3% 到底能省多少波动？为什么优化器给出的答案可能不可信？（6.5）
4. 5 000 万个节点的引用图，PageRank 要迭代几轮、每轮多少成本？（6.6）

概念地图

实线是建议阅读顺序，虚线是概念上的复用关系。

学习顺序

总时长约 260 分钟。建议顺序阅读 6.1–6.6；6.7 是进阶内容，可以第二轮再读。

本模块的大模型钩子

• 稳定性：残差流/循环层线性化后，谱半径决定信号指数增长还是衰减（6.1）
• 谱与条件数：Hessian、协方差矩阵的特征值给出曲率、总方差与条件数（6.2、6.4）
• 解耦：$A=PD{P}^{-1}$ 把耦合系统拆成独立模式，状态空间模型靠它并行扫描（6.3）
• 损失曲面：正定 Hessian $\iff$ 严格凸；${\lambda }_{\max }$ 决定学习率上限（6.5）
• 幂迭代：估计谱范数、求主奇异向量，是谱归一化的核心循环（6.6）
• PageRank 类稳态：图上的随机游走收敛到平稳分布，阻尼因子控制收敛速度（6.6）
• 矩阵指数：Neural ODE 与连续时间模型的解，非正规矩阵可能瞬态增长（6.7）

自测（读完再做）

1. 特征值定义中为什么要求 $\mathbf{v}\ne 0$？$\lambda =0$ 意味着什么？
2. 对 $A=\left[\begin{array}{cc}2& 1\\ 1& 2\end{array}\right]$，求特征值、特征向量，并写出 $A=PD{P}^{-1}$。
3. 一个 $3\times 3$ 矩阵的迹为 6、行列式为 6，两个特征值是 1 和 2，第三个是多少？为什么？
4. 判断 $A=\left[\begin{array}{cc}1& 1\\ 0& 1\end{array}\right]$ 能否对角化；若不能，Jordan 形是什么？
5. 对 $A=\left[\begin{array}{cc}2& 2\\ 2& -1\end{array}\right]$，求正交矩阵 $Q$ 与对角阵 $\Lambda$，使 $A=Q\Lambda Q^{\top }$。
6. 对 $A=\left[\begin{array}{cc}3& 1\\ 1& 3\end{array}\right]$，从 ${\mathbf{x}}_0=(1,0)$ 做一次幂迭代；收敛比是多少？PageRank 的阻尼因子 $d$ 起什么作用？

习题与实验

• 习题：m06-习题 ｜ m06-答案
• 实验：lab06 特征值与幂迭代 —— NumPy 复核本模块所有手算例子，并观察收敛比与 PageRank 迭代。

做习题前建议先合上文档，自己把 6.1–6.5 的手算例子重做一遍；算错的步骤比读十遍更有价值。

下一篇 → 6.1 特征值与特征向量：不转向的方向