現在可能隻講一下特征值，可能會有一點點深，不過還挺好理解，

　　接著前面講的反稱張量，給出特征值的來源閔可夫斯基空間，說一下折騰出來的思路，之前提到過矩陣的時空特性，列的時間性和行的空間性，那麽就順著這個思路，將這個特性稱呼為張量場，每列的特性都一樣所以考慮行了，要是將不同的張量空間放在一起，就可以形成曲度空間或者說是叫流形，引入流形後，可以解釋為什麽這個特征值的不同，接下來就是解釋特征值，f(a，b，c)將用複數表示虛數部分就是(ki，wi，zi)，發現(k，w，z)就是趨勢，也可以說是這個點上的微分後的一個趨勢，像是加速度這些都是趨勢，是不是發現這個趨勢更像是微分，沒錯。

　　這個就是複數域中提取出來的虛數矩陣，也可以叫做閔可夫斯基空間。(ki，wi，zi)這個形式是坐標的形式，寫成基的形式就是空間的矩陣寫法，

　　假設有矩陣F，按照之前的說法取其中一行就足夠了，為啥要用一個矩陣來算，因為特征雖然是足夠了，但是空間就無法張成，起碼也得是一個F的同構體，而這特征值，行向量的線上還是不同方向，那麽這個線所在的空間就不是直線，這個空間就不屬於歐式空間，雖然這個線在空間上，但不能繼續展開那樣就會脫離歐式空間了，不過依然屬於希爾伯特空間，計算啥的還沒有啥影響。

　　F-λE這個非常有意思的，物理裡面會用電場和磁場來推導，這裡之所以用矩陣來推導，因為物理學的不好，

　　還是利用複數張成空間，這裡有兩個用途。

　　第一個將實數部分清除，所以矩陣的值會等於0，因為實數的張成空間已經沒了，自然就是0，裡面剩下的都是虛數或者說是一個驅動特性，這個時候就可以可以得到裡面的特征值

　　那麽一個流形的空間，構成一個矩陣，就會有兩個參數，之前是一個參數，可以同時包含時間空間，但畢竟不是完全一樣，那麽用兩個參數，F(x，a，b)，x是矩陣的坐標，a，b是時間空間的參數，也可以叫時間空間特征值，或者時間空間特征值的趨勢，矩陣的結構有進一步解釋啦，這樣行向量和列向量的差別就又減少了，

　　大吉大利，雖然距離解釋完整還是遙遙無期。

　　F(x，a，b)因為時間的不可逆，因為用不到可逆的情況，所以剩下a的就是勢能場，每一個點都有唯一的空間特性，虛數矩陣表示的場的思路，

　　接著是將特征值代入，現在矩陣裡面就只剩下虛數部分的張量了，剩下的矩陣就是全部由趨勢構成的矩陣，這個時候如果將該矩陣當做列向量，還是用F(x，a)函數理解，那麽列就有了時間一直的特性，所以列就是一個坐標又回到矩陣的乘法了，每個列就是新的基，又因為特性和基所以這個矩陣可以說是一個縮放矩陣，

　　突然想致敬一下3blue1brown

　　稍微解釋一下特征向量

　　特征向量是為了將矩陣中的列空間所張成的張量空間中不含有成分，或者是讓張成空間的成分小於該測度的最小的勢(阿列夫0)，達到不可測的目的。

　　第二個原因要是深入還得講到李群代數，偷個懶。以後再說。