通过滑块控制2×2矩阵的各元素，实时观看二维网格旋转、缩放、剪切的动画效果。直观理解特征向量为何在变换中方向不变，深刻掌握线性代数的几何本质。
蓝色：变换前网格 / 红色：变换后网格 / 黄色箭头：特征向量
$\det(A) = ad - bc$（面积缩放因子）
特征值：$\lambda = \dfrac{(a+d) \pm \sqrt{(a-d)^2+4bc}}{2}$
$A\mathbf{v}= \lambda\mathbf{v}$ — 特征方程
核心的控制方程是特征方程，它定义了在矩阵变换中那些方向不变的向量（特征向量）及其缩放倍数（特征值）。
$$A\mathbf{v}= \lambda\mathbf{v}$$其中，$A$ 是2×2变换矩阵 $\begin{bmatrix}a & b \\ c & d \end{bmatrix}$，$\mathbf{v}$ 是特征向量（非零向量），$\lambda$ 是特征值（标量）。这个方程的意思是：矩阵 $A$ 作用在向量 $\mathbf{v}$ 上，效果等同于只是把 $\mathbf{v}$ 拉长或缩短 $\lambda$ 倍。
另一个关键量是行列式，它直接给出了矩阵变换对平面面积的总体缩放效应。
$$\det(A) = ad - bc$$$\det(A)$ 就是面积缩放因子。如果 $\det(A)=2$，意味着任何区域的面积都变成了原来的2倍；$\det(A)=0$ 意味着整个平面被压缩成了一条线或一个点（矩阵奇异）；$\det(A)\lt 0$ 则意味着平面的“手性”或方向发生了翻转。
结构工程与有限元分析：在分析桥梁或建筑的固有振动时，结构的刚度矩阵和质量矩阵的特征值分析直接给出了结构的固有频率（特征值）和对应的振动模式（特征向量）。行列式为零意味着结构不稳定，存在可移动的机构。
计算机视觉与图像处理：主成分分析（PCA）的核心就是协方差矩阵的特征值分解。最大的几个特征值对应的特征向量指明了数据变化最主要的几个方向，用于降维和人脸识别等。
材料力学与应力分析：材料内部一点的应力状态可以用一个2×2（平面问题）的应力张量（矩阵）表示。其特征值就是主应力，特征向量的方向就是主应力的方向，即材料内部只有正应力而无剪应力的方向，这对于判断材料是否屈服至关重要。
控制系统与机器人学：系统状态矩阵的特征值决定了系统的稳定性。如果所有特征值的实部都为负，系统就是稳定的；反之，系统可能会发散。这在设计机器人控制器时是必须检查的。
开始使用本可视化工具时，有几个容易陷入的误区需要注意。首先，请记住“调整矩阵元素时，变换总是以原点为中心发生”。例如，当你移动旋转滑块时，整个网格会围绕原点旋转对吧？在实际工程中，若想实现“围绕特定点旋转”，仅靠这种基本变换是不够的，还需要平移（仿射变换）的知识。其次，不要误以为特征向量总是相互垂直。虽然旋转矩阵或对称矩阵的特征向量确实正交，但对于像 a=1, b=1, c=0, d=2 这样的通用矩阵，红蓝箭头（特征向量）只会斜向相交。这正是“主轴”不垂直的变形实例。最后，注意行列式(det)趋近于0时的行为。当 ad-bc 值为0时，面积缩放倍率归零，意味着二维平面被压缩成一维的线或点（即“退化”）。例如，设置 a=1, b=2, c=2, d=4 会使行列式变为0，此时可以观察到所有点都被映射到直线 y=2x 上。这种状态对应着方程组无解或系统失控的情况，在实际工程中是需要绝对避免的。
设a=2, b=1, c=0, d=1.5构造旋转-缩放混合矩阵。计算det(A)=2×1.5-1×0=3，表示面积扩大3倍。特征方程det(A-λI)=0展开为λ²-3.5λ+3=0，求得λ₁≈2.78、λ₂≈1.08。特征向量v₁对应λ₁方向在变换中保持方向不变，仅按λ₁倍数伸缩。迹tr(A)=2+1.5=3.5等于两特征值之和。