หน้าแรก คลังความรู้ พีชคณิตเชิงเส้น ค่าเฉพาะและเวกเตอร์เฉพาะ
Linear Algebra
// บทที่ 7.6 · พีชคณิตเชิงเส้น · Eigenvalues & Eigenvectors
ค่าเฉพาะและเวกเตอร์เฉพาะ (Eigenvalues & Eigenvectors)
เมทริกซ์ส่วนใหญ่หมุนและบิดเวกเตอร์ แต่จะมีบางทิศที่ถูกยืดหรือหดอย่างเดียวโดยไม่เปลี่ยนแนว ทิศนั้นคือเวกเตอร์เฉพาะ อัตราการยืดคือค่าเฉพาะ ในวงจรไฟฟ้าค่าเฉพาะคือขั้วที่กำหนดว่าระบบตอบสนองเร็วแค่ไหน แกว่งหรือไม่ และเสถียรไหม หน้านี้พาไปตั้งแต่วิธีหาแบบโจทย์สอบจนถึง e A t e^{At} e A t สูตรใช้รหัส E
สรุปใน 30 วินาที
A v = λ v , v ≠ 0 A\mathbf v = \lambda\mathbf v,\ \mathbf v \ne \mathbf 0 A v = λ v , v = 0 : v \mathbf v v ไม่เปลี่ยนแนว ถูกคูณด้วย λ \lambda λ อย่างเดียว
หา λ \lambda λ จาก det ( A − λ I ) = 0 \det(A - \lambda I) = 0 det ( A − λ I ) = 0 แล้วหา v \mathbf v v จาก ( A − λ I ) v = 0 (A - \lambda I)\mathbf v = \mathbf 0 ( A − λ I ) v = 0
2×2: λ 2 − ( tr A ) λ + det A = 0 \lambda^2 - (\operatorname{tr}A)\lambda + \det A = 0 λ 2 − ( tr A ) λ + det A = 0 · ตรวจ: ∑ λ = tr A \sum\lambda = \operatorname{tr}A ∑ λ = tr A , ∏ λ = det A \prod\lambda = \det A ∏ λ = det A
มีเวกเตอร์เฉพาะอิสระครบ n n n ตัว ทำ A = P D P − 1 A = PDP^{-1} A = P D P − 1 ได้ แล้ว A k = P D k P − 1 A^k = PD^kP^{-1} A k = P D k P − 1
ระดับ พื้นฐาน ม.ปลาย · ปี 1กลาง ป.ตรี วิศวกรรมขั้นสูง ป.โท · งานวิจัย
อ่านวิธีทำ ค่า λ ตัวหลัก (pivot) เวกเตอร์เฉพาะ สูตรที่ใช้
ค้นหาสูตรในหน้านี้
โหมดฝึกทำ: ซ่อนวิธีทำ
ความหมาย: ทิศที่ไม่ถูกหมุน พื้นฐาน
ลองลากเวกเตอร์ v \mathbf v v (ดำ) ไปรอบวงกลม แล้วดูผล A v A\mathbf v A v (ส้ม) ส่วนใหญ่ A v A\mathbf v A v ชี้ไปคนละทิศกับ v \mathbf v v แต่จะมีบางทิศที่ A v A\mathbf v A v อยู่บนเส้นเดียวกับ v \mathbf v v พอดี เส้นประสีเขียวคือทิศเหล่านั้น
กำลังโหลดแล็บ ลากจุดดำบนวงกลมเพื่อหมุน v หรือลากหัวลูกศรของหลัก เพื่อเปลี่ยนเมทริกซ์
E1 Eigenvalue and eigenvector นิยามค่าเฉพาะและเวกเตอร์เฉพาะ
A v = λ v , v ≠ 0 A\mathbf v = \hlC{\lambda}\mathbf v, \qquad \mathbf v \ne \mathbf 0 A v = λ v , v = 0
λ \lambda λ (แลมบ์ดา) คือค่าเฉพาะ หรือค่าลักษณะเฉพาะ (eigenvalue) · v \mathbf v v คือเวกเตอร์เฉพาะ (eigenvector) · λ > 1 \lambda \gt 1 λ > 1 ยืด · 0 < λ < 1 0 \lt \lambda \lt 1 0 < λ < 1 หด · λ < 0 \lambda \lt 0 λ < 0 กลับทิศ · λ = 0 \lambda = 0 λ = 0 บีบเป็นศูนย์ · เวกเตอร์เฉพาะคูณค่าคงที่ไม่เป็นศูนย์ใด ๆ ยังเป็นเวกเตอร์เฉพาะ
สมการลักษณะเฉพาะ พื้นฐาน
ย้ายข้างได้ A v − λ v = ( A − λ I ) v = 0 A\mathbf v - \lambda\mathbf v = (A - \lambda I)\mathbf v = \mathbf 0 A v − λ v = ( A − λ I ) v = 0 นี่คือระบบเอกพันธ์ ต้องการคำตอบที่ v ≠ 0 \mathbf v \ne \mathbf 0 v = 0 ซึ่งมีได้ก็ต่อเมื่อเมทริกซ์ A − λ I A - \lambda I A − λ I ไม่มีอินเวอร์ส (L7 ) นั่นคือดีเทอร์มิแนนต์ต้องเป็นศูนย์
E2 Characteristic equation สมการลักษณะเฉพาะ
det ( A − λ I ) = 0 , p ( λ ) = det ( λ I − A ) = λ n − ( tr A ) λ n − 1 + ⋯ + ( − 1 ) n det A \det(A - \lambda I) = 0, \qquad p(\lambda) = \det(\lambda I - A) = \lambda^n - (\operatorname{tr}A)\lambda^{n-1} + \cdots + (-1)^n\det A det ( A − λ I ) = 0 , p ( λ ) = det ( λ I − A ) = λ n − ( tr A ) λ n − 1 + ⋯ + ( − 1 ) n det A
A − λ I A - \lambda I A − λ I คือลบ λ \lambda λ ออกจากเส้นทแยงหลักเท่านั้น · พหุนามดีกรี n n n จึงมีราก n n n ตัว (นับซ้ำ รวมจำนวนเชิงซ้อน)
E3 2×2 shortcut สูตรลัด 2×2
λ 2 − ( tr A ) λ + det A = 0 ⇒ λ = tr A ± ( tr A ) 2 − 4 det A 2 \lambda^2 - (\operatorname{tr}A)\,\lambda + \det A = 0 \ \Rightarrow\ \lambda = \frac{\operatorname{tr}A \pm \sqrt{(\operatorname{tr}A)^2 - 4\det A}}{2} λ 2 − ( tr A ) λ + det A = 0 ⇒ λ = 2 tr A ± ( tr A ) 2 − 4 det A
สำหรับ A = ( a b c d ) A = \begin{pmatrix} a & b \\ c & d \end{pmatrix} A = ( a c b d ) : tr A = a + d , det A = a d − b c \operatorname{tr}A = a + d,\ \det A = ad - bc tr A = a + d , det A = a d − b c · ตัวในรากเป็นบวก: ค่าจริงต่างกัน · เป็นศูนย์: ค่าซ้ำ · เป็นลบ: ค่าเชิงซ้อนคู่สังยุค
E4 2×2 eigenvector shortcut เวกเตอร์เฉพาะ 2×2 แบบเร็ว
v = ( b λ − a ) ( b ≠ 0 ) หรือ v = ( λ − d c ) ( c ≠ 0 ) \mathbf v = \begin{pmatrix} b \\ \lambda - a \end{pmatrix} \ (b \ne 0) \qquad \text{หรือ} \qquad \mathbf v = \begin{pmatrix} \lambda - d \\ c \end{pmatrix} \ (c \ne 0) v = ( b λ − a ) ( b = 0 ) หรือ v = ( λ − d c ) ( c = 0 )
ได้จากแถวแรกของ ( A − λ I ) v = 0 (A - \lambda I)\mathbf v = \mathbf 0 ( A − λ I ) v = 0 : ( a − λ ) v 1 + b v 2 = 0 (a - \lambda)v_1 + bv_2 = 0 ( a − λ ) v 1 + b v 2 = 0 · ถ้า b = c = 0 b = c = 0 b = c = 0 เมทริกซ์เป็นทแยงมุม เวกเตอร์เฉพาะคือ ( 1 , 0 ) (1,0) ( 1 , 0 ) และ ( 0 , 1 ) (0,1) ( 0 , 1 )
วิธีหาทีละขั้น พื้นฐาน
ขั้น 1 เขียน
A − λ I A - \lambda I A − λ I →
ขั้น 2 det = 0 \det = 0 det = 0 แก้หา
λ \lambda λ →
ขั้น 3 แต่ละ
λ \lambda λ ลดแถว
( A − λ I ) v = 0 (A - \lambda I)\mathbf v = \mathbf 0 ( A − λ I ) v = 0
ขั้นที่ 4 ที่ห้ามข้าม: ตรวจ A v = λ v A\mathbf v = \lambda\mathbf v A v = λ v และ ∑ λ = tr A \sum\lambda = \operatorname{tr}A ∑ λ = tr A ใช้เวลาไม่ถึงนาทีแต่จับข้อผิดพลาดได้เกือบทุกจุด
ตัวอย่าง E-1 · 2×2 ครบทุกขั้น หาค่าเฉพาะและเวกเตอร์เฉพาะของ A = ( 4 1 2 3 ) A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix} A = ( 4 2 1 3 ) ลองในเครื่องคิดเลข
tr A = 4 + 3 = 7 , det A = 12 − 2 = 10 \operatorname{tr}A = 4 + 3 = 7,\ \det A = 12 - 2 = 10 tr A = 4 + 3 = 7 , det A = 12 − 2 = 10 แทนสูตรลัด E3
λ 2 − 7 λ + 10 = 0 ⇒ ( λ − 5 ) ( λ − 2 ) = 0 ⇒ λ 1 = 5 , λ 2 = 2 \lambda^2 - 7\lambda + 10 = 0 \ \Rightarrow\ (\lambda - 5)(\lambda - 2) = 0 \ \Rightarrow\ \hlC{\lambda_1 = 5},\ \hlC{\lambda_2 = 2} λ 2 − 7 λ + 10 = 0 ⇒ ( λ − 5 ) ( λ − 2 ) = 0 ⇒ λ 1 = 5 , λ 2 = 2
λ 1 = 5 \lambda_1 = 5 λ 1 = 5 : ลบ 5 ออกจากทแยงแล้วลดแถว ต้องได้แถวศูนย์
A − 5 I = ( − 1 1 2 − 2 ) → R 2 ← R 2 + 2 R 1 ( − 1 1 0 0 ) ⇒ − v 1 + v 2 = 0 ⇒ v 1 = ( 1 1 ) A - 5I = \begin{pmatrix} -1 & 1 \\ 2 & -2 \end{pmatrix} \xrightarrow{R_2 \leftarrow R_2 + 2R_1} \begin{pmatrix} \hlP{-1} & 1 \\ 0 & 0 \end{pmatrix} \ \Rightarrow\ -v_1 + v_2 = 0 \ \Rightarrow\ \hlU{\mathbf v_1 = \begin{pmatrix} 1 \\ 1 \end{pmatrix}} A − 5 I = ( − 1 2 1 − 2 ) R 2 ← R 2 + 2 R 1 ( − 1 0 1 0 ) ⇒ − v 1 + v 2 = 0 ⇒ v 1 = ( 1 1 )
λ 2 = 2 \lambda_2 = 2 λ 2 = 2
A − 2 I = ( 2 1 2 1 ) → R 2 ← R 2 − R 1 ( 2 1 0 0 ) ⇒ 2 v 1 + v 2 = 0 ⇒ v 2 = ( 1 − 2 ) A - 2I = \begin{pmatrix} 2 & 1 \\ 2 & 1 \end{pmatrix} \xrightarrow{R_2 \leftarrow R_2 - R_1} \begin{pmatrix} \hlP{2} & 1 \\ 0 & 0 \end{pmatrix} \ \Rightarrow\ 2v_1 + v_2 = 0 \ \Rightarrow\ \hlU{\mathbf v_2 = \begin{pmatrix} 1 \\ -2 \end{pmatrix}} A − 2 I = ( 2 2 1 1 ) R 2 ← R 2 − R 1 ( 2 0 1 0 ) ⇒ 2 v 1 + v 2 = 0 ⇒ v 2 = ( 1 − 2 )
ตรวจด้วยการคูณจริง
A v 1 = ( 5 5 ) = 5 v 1 ✓ , A v 2 = ( 2 − 4 ) = 2 v 2 ✓ A\mathbf v_1 = \begin{pmatrix} 5 \\ 5 \end{pmatrix} = 5\mathbf v_1 ✓, \qquad A\mathbf v_2 = \begin{pmatrix} 2 \\ -4 \end{pmatrix} = 2\mathbf v_2 ✓ A v 1 = ( 5 5 ) = 5 v 1 ✓ , A v 2 = ( 2 − 4 ) = 2 v 2 ✓
λ = 5 \lambda = 5 λ = 5 คู่กับ ( 1 , 1 ) (1, 1) ( 1 , 1 ) และ λ = 2 \lambda = 2 λ = 2 คู่กับ ( 1 , − 2 ) (1, -2) ( 1 , − 2 ) (หรือพหุคูณใดก็ได้ เช่น ( − 1 , 2 ) (-1, 2) ( − 1 , 2 ) )
ตรวจเร็ว: 5 + 2 = 7 = tr A 5 + 2 = 7 = \operatorname{tr}A 5 + 2 = 7 = tr A ✓ · 5 × 2 = 10 = det A 5 \times 2 = 10 = \det A 5 × 2 = 10 = det A ✓ · ใช้สูตรลัด E4: λ = 5 \lambda = 5 λ = 5 ได้ ( b , λ − a ) = ( 1 , 1 ) (b, \lambda - a) = (1, 1) ( b , λ − a ) = ( 1 , 1 ) ✓
ตัวอย่าง 3×3 ค่าเฉพาะต่างกันทั้งหมด กลาง
3×3 ได้พหุนามดีกรีสาม เทคนิคสำคัญคืออย่ากระจายทุกอย่างทันที ให้หาตัวร่วมระหว่างทาง และถ้าแยกตัวประกอบไม่ออก ให้ลองแทนตัวหารของพจน์คงที่ (ทฤษฎีบทรากตรรกยะ)
ตัวอย่าง E-2 · 3×3 หาค่าเฉพาะและเวกเตอร์เฉพาะของ A = ( 1 2 1 6 − 1 0 − 1 − 2 − 1 ) A = \begin{pmatrix} 1 & 2 & 1 \\ 6 & -1 & 0 \\ -1 & -2 & -1 \end{pmatrix} A = 1 6 − 1 2 − 1 − 2 1 0 − 1 ลองในเครื่องคิดเลข
กระจาย det ( A − λ I ) \det(A - \lambda I) det ( A − λ I ) ตามแถว 1 E2
∣ 1 − λ 2 1 6 − 1 − λ 0 − 1 − 2 − 1 − λ ∣ = ( 1 − λ ) ( λ + 1 ) 2 − 2 [ − 6 ( 1 + λ ) ] + 1 [ − 12 − ( 1 + λ ) ] \begin{vmatrix} 1 - \lambda & 2 & 1 \\ 6 & -1 - \lambda & 0 \\ -1 & -2 & -1 - \lambda \end{vmatrix} = (1 - \lambda)(\lambda + 1)^2 - 2\,[-6(1 + \lambda)] + 1\,[-12 - (1 + \lambda)] 1 − λ 6 − 1 2 − 1 − λ − 2 1 0 − 1 − λ = ( 1 − λ ) ( λ + 1 ) 2 − 2 [ − 6 ( 1 + λ )] + 1 [ − 12 − ( 1 + λ )]
กระจายแล้วรวมพจน์
= ( − λ 3 − λ 2 + λ + 1 ) + ( 12 λ + 12 ) + ( − λ − 13 ) = − λ 3 − λ 2 + 12 λ = (-\lambda^3 - \lambda^2 + \lambda + 1) + (12\lambda + 12) + (-\lambda - 13) = -\lambda^3 - \lambda^2 + 12\lambda = ( − λ 3 − λ 2 + λ + 1 ) + ( 12 λ + 12 ) + ( − λ − 13 ) = − λ 3 − λ 2 + 12 λ
ดึง − λ -\lambda − λ ออกแล้วแยกตัวประกอบ
− λ ( λ 2 + λ − 12 ) = − λ ( λ + 4 ) ( λ − 3 ) = 0 ⇒ λ = 0 , 3 , − 4 -\lambda(\lambda^2 + \lambda - 12) = -\lambda(\lambda + 4)(\lambda - 3) = 0 \ \Rightarrow\ \hlC{\lambda = 0,\ 3,\ -4} − λ ( λ 2 + λ − 12 ) = − λ ( λ + 4 ) ( λ − 3 ) = 0 ⇒ λ = 0 , 3 , − 4
λ = 3 \lambda = 3 λ = 3 : ลดแถว A − 3 I A - 3I A − 3 I L4
( − 2 2 1 6 − 4 0 − 1 − 2 − 4 ) → ⋯ → ( 1 0 1 0 1 3 2 0 0 0 ) ⇒ v 1 = − v 3 v 2 = − 3 2 v 3 \begin{pmatrix} -2 & 2 & 1 \\ 6 & -4 & 0 \\ -1 & -2 & -4 \end{pmatrix} \to \cdots \to \begin{pmatrix} \hlP{1} & 0 & 1 \\ 0 & \hlP{1} & \tfrac32 \\ 0 & 0 & 0 \end{pmatrix} \Rightarrow \begin{aligned} v_1 &= -v_3 \\ v_2 &= -\tfrac32v_3 \end{aligned} − 2 6 − 1 2 − 4 − 2 1 0 − 4 → ⋯ → 1 0 0 0 1 0 1 2 3 0 ⇒ v 1 v 2 = − v 3 = − 2 3 v 3
เลือก v 3 = − 2 v_3 = -2 v 3 = − 2 ให้เป็นจำนวนเต็ม: v = ( 2 , 3 , − 2 ) \hlU{\mathbf v = (2, 3, -2)} v = ( 2 , 3 , − 2 )
ทำแบบเดียวกันกับ λ = 0 \lambda = 0 λ = 0 และ λ = − 4 \lambda = -4 λ = − 4
λ = 0 : v = ( 1 , 6 , − 13 ) , λ = − 4 : v = ( − 1 , 2 , 1 ) \lambda = 0:\ \hlU{\mathbf v = (1, 6, -13)}, \qquad \lambda = -4:\ \hlU{\mathbf v = (-1, 2, 1)} λ = 0 : v = ( 1 , 6 , − 13 ) , λ = − 4 : v = ( − 1 , 2 , 1 )
λ = 3 , 0 , − 4 \lambda = 3,\ 0,\ -4 λ = 3 , 0 , − 4 คู่กับ ( 2 , 3 , − 2 ) , ( 1 , 6 , − 13 ) , ( − 1 , 2 , 1 ) (2, 3, -2),\ (1, 6, -13),\ (-1, 2, 1) ( 2 , 3 , − 2 ) , ( 1 , 6 , − 13 ) , ( − 1 , 2 , 1 )
ตรวจ: 3 + 0 − 4 = − 1 = tr A = 1 − 1 − 1 3 + 0 - 4 = -1 = \operatorname{tr}A = 1 - 1 - 1 3 + 0 − 4 = − 1 = tr A = 1 − 1 − 1 ✓ · 3 ⋅ 0 ⋅ ( − 4 ) = 0 = det A 3\cdot0\cdot(-4) = 0 = \det A 3 ⋅ 0 ⋅ ( − 4 ) = 0 = det A ✓ (มีค่าเฉพาะศูนย์ จึงไม่มีอินเวอร์ส) · A ( − 1 , 2 , 1 ) T = ( 4 , − 8 , − 4 ) T = − 4 ( − 1 , 2 , 1 ) T A(-1, 2, 1)^T = (4, -8, -4)^T = -4(-1, 2, 1)^T A ( − 1 , 2 , 1 ) T = ( 4 , − 8 , − 4 ) T = − 4 ( − 1 , 2 , 1 ) T ✓
สมบัติที่ใช้ตรวจและลัดคำตอบ กลาง
E6 Trace and determinant ผลบวกและผลคูณของค่าเฉพาะ
λ 1 + λ 2 + ⋯ + λ n = tr A , λ 1 λ 2 ⋯ λ n = det A \lambda_1 + \lambda_2 + \cdots + \lambda_n = \operatorname{tr}A, \qquad \lambda_1\lambda_2\cdots\lambda_n = \det A λ 1 + λ 2 + ⋯ + λ n = tr A , λ 1 λ 2 ⋯ λ n = det A
E7 Eigenvalues of related matrices ค่าเฉพาะของเมทริกซ์ที่เกี่ยวข้อง (v \mathbf v v เดิม ยกเว้น A T A^T A T )
เมทริกซ์ A A k A − 1 A + c I k A p ( A ) A T ค่าเฉพาะ λ λ k 1 / λ λ + c k λ p ( λ ) λ \begin{array}{c|ccccccc} \text{เมทริกซ์} & A & A^k & A^{-1} & A + cI & kA & p(A) & A^T \\ \hline \text{ค่าเฉพาะ} & \lambda & \lambda^k & 1/\lambda & \lambda + c & k\lambda & p(\lambda) & \lambda \end{array} เมทริกซ์ ค่าเฉพาะ A λ A k λ k A − 1 1/ λ A + c I λ + c k A kλ p ( A ) p ( λ ) A T λ
เมทริกซ์สามเหลี่ยมหรือทแยงมุม: ค่าเฉพาะคือสมาชิกบนเส้นทแยงหลักเลย · A T A^T A T มีค่าเฉพาะเท่าเดิมแต่เวกเตอร์เฉพาะต่างกัน
E13 Similarity invariance เมทริกซ์คล้ายมีค่าเฉพาะเท่ากัน
B = P − 1 A P ⇒ det ( B − λ I ) = det ( A − λ I ) B = P^{-1}AP \ \Rightarrow\ \det(B - \lambda I) = \det(A - \lambda I) B = P − 1 A P ⇒ det ( B − λ I ) = det ( A − λ I )
เปลี่ยนตัวแปรสถานะ (เช่น เลือก i L , v C i_L, v_C i L , v C หรือ q , i q, i q , i ) ค่าเฉพาะ ซึ่งก็คือขั้วของวงจร ไม่เปลี่ยน
E5 Algebraic vs geometric multiplicity ภาวะรากซ้ำเชิงพีชคณิตและเชิงเรขาคณิต
1 ≤ dim N ( A − λ I ) ⏟ เชิงเรขาคณิต ≤ จำนวนครั้งที่ราก λ ซ้ำ ⏟ เชิงพีชคณิต 1 \le \underbrace{\dim N(A - \lambda I)}_{\text{เชิงเรขาคณิต}} \le \underbrace{\text{จำนวนครั้งที่ราก } \lambda \text{ ซ้ำ}}_{\text{เชิงพีชคณิต}} 1 ≤ เชิงเรขาคณิต dim N ( A − λ I ) ≤ เชิงพีชคณิต จำนวนครั้งที่ราก λ ซ้ำ
เชิงเรขาคณิต = n − rank ( A − λ I ) = n - \operatorname{rank}(A - \lambda I) = n − rank ( A − λ I ) = จำนวนเวกเตอร์เฉพาะอิสระของค่านั้น
ค่าเฉพาะซ้ำ: ครบหรือไม่ครบ กลาง
เมื่อรากซ้ำ จำนวนเวกเตอร์เฉพาะอาจเท่ากับจำนวนที่ซ้ำ (ครบ ทำเป็นทแยงมุมได้) หรือน้อยกว่า (ไม่ครบ เรียก defective) ตัดสินด้วยแรงก์ของ A − λ I A - \lambda I A − λ I
ตัวอย่าง E-3 · รากซ้ำที่มีเวกเตอร์ครบ หาค่าเฉพาะและเวกเตอร์เฉพาะของ A = ( − 2 2 − 3 2 1 − 6 − 1 − 2 0 ) A = \begin{pmatrix} -2 & 2 & -3 \\ 2 & 1 & -6 \\ -1 & -2 & 0 \end{pmatrix} A = − 2 2 − 1 2 1 − 2 − 3 − 6 0 ลองในเครื่องคิดเลข
สมการลักษณะเฉพาะ (กระจายแล้ว)
− λ 3 − λ 2 + 21 λ + 45 = 0 -\lambda^3 - \lambda^2 + 21\lambda + 45 = 0 − λ 3 − λ 2 + 21 λ + 45 = 0
ลองแทนตัวหารของ 45: λ = 5 \lambda = 5 λ = 5 ได้ − 125 − 25 + 105 + 45 = 0 -125 - 25 + 105 + 45 = 0 − 125 − 25 + 105 + 45 = 0 ✓ หารสังเคราะห์ออก
− ( λ − 5 ) ( λ 2 + 6 λ + 9 ) = − ( λ − 5 ) ( λ + 3 ) 2 ⇒ λ = 5 , λ = − 3 ( ซ้ำสองครั้ง ) -(\lambda - 5)(\lambda^2 + 6\lambda + 9) = -(\lambda - 5)(\lambda + 3)^2 \ \Rightarrow\ \hlC{\lambda = 5},\ \hlC{\lambda = -3\ (\text{ซ้ำสองครั้ง})} − ( λ − 5 ) ( λ 2 + 6 λ + 9 ) = − ( λ − 5 ) ( λ + 3 ) 2 ⇒ λ = 5 , λ = − 3 ( ซ้ำสองครั้ง )
λ = − 3 \lambda = -3 λ = − 3 : ทุกแถวของ A + 3 I A + 3I A + 3 I เป็นพหุคูณของแถวแรก แรงก์ 1 จึงมีตัวแปรอิสระ 3 − 1 = 2 3 - 1 = 2 3 − 1 = 2 ตัว E5
A + 3 I = ( 1 2 − 3 2 4 − 6 − 1 − 2 3 ) → ( 1 2 − 3 0 0 0 0 0 0 ) ⇒ v 1 = − 2 v 2 + 3 v 3 A + 3I = \begin{pmatrix} 1 & 2 & -3 \\ 2 & 4 & -6 \\ -1 & -2 & 3 \end{pmatrix} \to \begin{pmatrix} \hlP{1} & 2 & -3 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix} \Rightarrow v_1 = -2v_2 + 3v_3 A + 3 I = 1 2 − 1 2 4 − 2 − 3 − 6 3 → 1 0 0 2 0 0 − 3 0 0 ⇒ v 1 = − 2 v 2 + 3 v 3
v = v 2 ( − 2 1 0 ) + v 3 ( 3 0 1 ) \hlU{\mathbf v = v_2\begin{pmatrix} -2 \\ 1 \\ 0 \end{pmatrix} + v_3\begin{pmatrix} 3 \\ 0 \\ 1 \end{pmatrix}} v = v 2 − 2 1 0 + v 3 3 0 1
λ = 5 \lambda = 5 λ = 5 : ลดแถว A − 5 I A - 5I A − 5 I ได้ v = ( 1 , 2 , − 1 ) \hlU{\mathbf v = (1, 2, -1)} v = ( 1 , 2 , − 1 )
λ = − 3 \lambda = -3 λ = − 3 ซ้ำสองครั้งและมีเวกเตอร์เฉพาะอิสระสองตัว ( − 2 , 1 , 0 ) , ( 3 , 0 , 1 ) (-2,1,0), (3,0,1) ( − 2 , 1 , 0 ) , ( 3 , 0 , 1 ) ส่วน λ = 5 \lambda = 5 λ = 5 คู่กับ ( 1 , 2 , − 1 ) (1, 2, -1) ( 1 , 2 , − 1 ) ครบ 3 ตัว ทำเป็นทแยงมุมได้
ตรวจ: 5 − 3 − 3 = − 1 = tr A 5 - 3 - 3 = -1 = \operatorname{tr}A 5 − 3 − 3 = − 1 = tr A ✓ · 5 ( − 3 ) ( − 3 ) = 45 = det A 5(-3)(-3) = 45 = \det A 5 ( − 3 ) ( − 3 ) = 45 = det A ✓
ตัวอย่าง E-4 · รากซ้ำที่เวกเตอร์ไม่ครบ (defective) เทียบ A = ( 2 1 0 2 ) A = \begin{pmatrix} 2 & 1 \\ 0 & 2 \end{pmatrix} A = ( 2 0 1 2 ) กับ B = ( 2 0 0 2 ) B = \begin{pmatrix} 2 & 0 \\ 0 & 2 \end{pmatrix} B = ( 2 0 0 2 )
ทั้งคู่เป็นสามเหลี่ยม ค่าเฉพาะคือเส้นทแยง: λ = 2 \lambda = 2 λ = 2 ซ้ำสองครั้ง E7
A − 2 I = ( 0 1 0 0 ) A - 2I = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix} A − 2 I = ( 0 0 1 0 ) แรงก์ 1 ได้ v 2 = 0 v_2 = 0 v 2 = 0 เวกเตอร์เฉพาะมีแค่ ( 1 , 0 ) (1, 0) ( 1 , 0 ) แนวเดียว
B − 2 I = O B - 2I = O B − 2 I = O แรงก์ 0 ทุกเวกเตอร์เป็นเวกเตอร์เฉพาะ ได้สองตัวอิสระ
A A A ไม่ครบ (defective) ทำเป็นทแยงมุมไม่ได้ ต้องใช้รูปแบบจอร์แดน (E18) ส่วน B B B ครบ ในวงจร RLC กรณีนี้คือหน่วงวิกฤต (critically damped) ที่ผลตอบสนองมีพจน์ t e λ t te^{\lambda t} t e λ t
ค่าเฉพาะเชิงซ้อน: การหมุนและการแกว่ง กลาง
ถ้าตัวในรากของ E3 เป็นลบ ค่าเฉพาะเป็นเชิงซ้อน ไม่มีทิศจริงทิศไหนที่ไม่ถูกหมุน (ลองกด “หมุน” ในแล็บด้านบน) ในวงจรคือระบบที่แกว่ง
E8 Complex eigenvalues of a real matrix ค่าเฉพาะเชิงซ้อนของเมทริกซ์จริง
λ = σ ± j ω , v λ ˉ = v λ ‾ , ( σ − ω ω σ ) = r ( cos θ − sin θ sin θ cos θ ) \lambda = \sigma \pm j\omega, \qquad \mathbf v_{\bar\lambda} = \overline{\mathbf v_\lambda}, \qquad \begin{pmatrix} \sigma & -\omega \\ \omega & \sigma \end{pmatrix} = r\begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix} λ = σ ± jω , v λ ˉ = v λ , ( σ ω − ω σ ) = r ( cos θ sin θ − sin θ cos θ )
มาเป็นคู่สังยุคเสมอ (เวกเตอร์ก็สังยุคกัน) · ∣ λ ∣ = r |\lambda| = r ∣ λ ∣ = r คืออัตราขยาย θ = arg λ \theta = \arg\lambda θ = arg λ คือมุมหมุน · ในระบบพลวัต σ \sigma σ คืออัตราลด ω \omega ω คือความถี่แกว่ง (rad/s)
ตัวอย่าง E-5 · ค่าเฉพาะเชิงซ้อน หาค่าเฉพาะและเวกเตอร์เฉพาะของ A = ( 1 − 2 1 3 ) A = \begin{pmatrix} 1 & -2 \\ 1 & 3 \end{pmatrix} A = ( 1 1 − 2 3 ) ลองในเครื่องคิดเลข
tr A = 4 , det A = 3 + 2 = 5 \operatorname{tr}A = 4,\ \det A = 3 + 2 = 5 tr A = 4 , det A = 3 + 2 = 5 E3
λ 2 − 4 λ + 5 = 0 ⇒ λ = 4 ± 16 − 20 2 = 2 ± j \lambda^2 - 4\lambda + 5 = 0 \ \Rightarrow\ \lambda = \frac{4 \pm \sqrt{16 - 20}}{2} = \hlC{2 \pm j} λ 2 − 4 λ + 5 = 0 ⇒ λ = 2 4 ± 16 − 20 = 2 ± j
λ = 2 + j \lambda = 2 + j λ = 2 + j ใช้สูตรลัด ( b , λ − a ) (b, \lambda - a) ( b , λ − a ) E4
v = ( − 2 1 + j ) \hlU{\mathbf v = \begin{pmatrix} -2 \\ 1 + j \end{pmatrix}} v = ( − 2 1 + j )
ตรวจแถวที่ 2 ของ ( A − λ I ) v (A - \lambda I)\mathbf v ( A − λ I ) v : 1 ⋅ ( − 2 ) + ( 3 − 2 − j ) ( 1 + j ) = − 2 + ( 1 − j ) ( 1 + j ) = − 2 + 2 = 0 1\cdot(-2) + (3 - 2 - j)(1 + j) = -2 + (1 - j)(1 + j) = -2 + 2 = 0 1 ⋅ ( − 2 ) + ( 3 − 2 − j ) ( 1 + j ) = − 2 + ( 1 − j ) ( 1 + j ) = − 2 + 2 = 0 ✓
λ = 2 ± j \lambda = 2 \pm j λ = 2 ± j · v = ( − 2 , 1 ± j ) \mathbf v = (-2,\ 1 \pm j) v = ( − 2 , 1 ± j ) (เครื่องหมายตรงกัน)
โปรแกรมบางตัวตอบ ( − 1 + j , 1 ) (-1 + j,\ 1) ( − 1 + j , 1 ) ซึ่งเท่ากับ 1 − j 2 \tfrac{1 - j}{2} 2 1 − j คูณคำตอบของเรา จึงถูกทั้งคู่ · ∣ λ ∣ = 5 |\lambda| = \sqrt5 ∣ λ ∣ = 5 การแปลงนี้หมุน arctan ( 1 / 2 ) ≈ 26.6 ∘ \arctan(1/2) \approx 26.6^\circ arctan ( 1/2 ) ≈ 26. 6 ∘ และขยาย 5 \sqrt5 5 เท่าในพิกัดที่เหมาะสม
การทำให้เป็นเมทริกซ์ทแยงมุม และ Aⁿ กลาง
ถ้ามีเวกเตอร์เฉพาะอิสระครบ n n n ตัว ให้ใช้เป็นแกนพิกัดใหม่ ในพิกัดนั้นการแปลง A A A เหลือแค่ยืดหดตามแกน คือเมทริกซ์ทแยงมุม D D D งานยาก ๆ อย่างยกกำลังร้อยครั้งจึงเหลือแค่ยกกำลังตัวเลขบนเส้นทแยง
E9 Diagonalization การทำให้เป็นเมทริกซ์ทแยงมุม
A = P D P − 1 , P = ( ∣ ∣ v 1 ⋯ v n ∣ ∣ ) , D = ( λ 1 ⋱ λ n ) A = PDP^{-1}, \qquad P = \begin{pmatrix} | & & | \\ \mathbf v_1 & \cdots & \mathbf v_n \\ | & & | \end{pmatrix}, \quad D = \begin{pmatrix} \lambda_1 & & \\ & \ddots & \\ & & \lambda_n \end{pmatrix} A = P D P − 1 , P = ∣ v 1 ∣ ⋯ ∣ v n ∣ , D = λ 1 ⋱ λ n
เรียงหลักของ P P P ให้ตรงลำดับกับ λ \lambda λ ใน D D D · ทำได้ก็ต่อเมื่อเวกเตอร์เฉพาะอิสระครบ n n n ตัว · ค่าเฉพาะต่างกันทั้งหมดรับประกันว่าทำได้
E10 Powers via diagonalization ยกกำลังผ่านทแยงมุม
A k = P D k P − 1 = P ( λ 1 k ⋱ λ n k ) P − 1 A^k = PD^kP^{-1} = P\begin{pmatrix} \lambda_1^k & & \\ & \ddots & \\ & & \lambda_n^k \end{pmatrix}P^{-1} A k = P D k P − 1 = P λ 1 k ⋱ λ n k P − 1
ใช้กับ f ( A ) f(A) f ( A ) ใด ๆ ได้ เช่น e A t = P e D t P − 1 e^{At} = Pe^{Dt}P^{-1} e A t = P e D t P − 1 · เมื่อ k k k ใหญ่ ค่าเฉพาะที่ ∣ λ ∣ |\lambda| ∣ λ ∣ ใหญ่สุดครอบงำ (dominant)
ตัวอย่าง E-6 · สูตรทั่วไปของ Aⁿ หา A n A^n A n ของ A = ( 4 1 2 3 ) A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix} A = ( 4 2 1 3 ) (ตัวอย่าง E-1)
จาก E-1 วางเวกเตอร์เฉพาะเป็นหลัก E9
P = ( 1 1 1 − 2 ) , D = ( 5 0 0 2 ) , P − 1 = 1 − 3 ( − 2 − 1 − 1 1 ) = 1 3 ( 2 1 1 − 1 ) P = \begin{pmatrix} 1 & 1 \\ 1 & -2 \end{pmatrix}, \quad D = \begin{pmatrix} 5 & 0 \\ 0 & 2 \end{pmatrix}, \quad P^{-1} = \frac{1}{-3}\begin{pmatrix} -2 & -1 \\ -1 & 1 \end{pmatrix} = \frac13\begin{pmatrix} 2 & 1 \\ 1 & -1 \end{pmatrix} P = ( 1 1 1 − 2 ) , D = ( 5 0 0 2 ) , P − 1 = − 3 1 ( − 2 − 1 − 1 1 ) = 3 1 ( 2 1 1 − 1 )
ยกกำลังเฉพาะเส้นทแยง E10
A n = ( 1 1 1 − 2 ) ( 5 n 0 0 2 n ) 1 3 ( 2 1 1 − 1 ) = 1 3 ( 5 n 2 n 5 n − 2 ⋅ 2 n ) ( 2 1 1 − 1 ) A^n = \begin{pmatrix} 1 & 1 \\ 1 & -2 \end{pmatrix}\begin{pmatrix} 5^n & 0 \\ 0 & 2^n \end{pmatrix}\frac13\begin{pmatrix} 2 & 1 \\ 1 & -1 \end{pmatrix} = \frac13\begin{pmatrix} 5^n & 2^n \\ 5^n & -2\cdot2^n \end{pmatrix}\begin{pmatrix} 2 & 1 \\ 1 & -1 \end{pmatrix} A n = ( 1 1 1 − 2 ) ( 5 n 0 0 2 n ) 3 1 ( 2 1 1 − 1 ) = 3 1 ( 5 n 5 n 2 n − 2 ⋅ 2 n ) ( 2 1 1 − 1 )
A n = 1 3 ( 2 ⋅ 5 n + 2 n 5 n − 2 n 2 ⋅ 5 n − 2 ⋅ 2 n 5 n + 2 ⋅ 2 n ) A^n = \dfrac13\begin{pmatrix} 2\cdot5^n + 2^n & 5^n - 2^n \\ 2\cdot5^n - 2\cdot2^n & 5^n + 2\cdot2^n \end{pmatrix} A n = 3 1 ( 2 ⋅ 5 n + 2 n 2 ⋅ 5 n − 2 ⋅ 2 n 5 n − 2 n 5 n + 2 ⋅ 2 n )
ตรวจ n = 1 n = 1 n = 1 : 1 3 ( 12 3 6 9 ) = A \tfrac13\begin{pmatrix} 12 & 3 \\ 6 & 9 \end{pmatrix} = A 3 1 ( 12 6 3 9 ) = A ✓ · n = 3 n = 3 n = 3 : ( 86 39 78 47 ) \begin{pmatrix} 86 & 39 \\ 78 & 47 \end{pmatrix} ( 86 78 39 47 ) ตรงกับการคูณตรงสามครั้ง ✓
เมทริกซ์สมมาตรและทฤษฎีบทสเปกตรัม ขั้นสูง
เมทริกซ์สมมาตรพบบ่อยในวิศวกรรม (เมทริกซ์เมชและโนดของวงจรที่ไม่มีแหล่งจ่ายไม่อิสระ เมทริกซ์ความแข็งแกร่ง เมทริกซ์ความแปรปรวนร่วม) และมีสมบัติที่ดีที่สุด
E11 Spectral theorem ทฤษฎีบทสเปกตรัม (A = A T A = A^T A = A T )
A = Q Λ Q T = ∑ i = 1 n λ i q i q i T , Q T Q = I A = Q\Lambda Q^T = \sum_{i=1}^{n}\lambda_i\,\mathbf q_i\mathbf q_i^T, \qquad Q^TQ = I A = Q Λ Q T = i = 1 ∑ n λ i q i q i T , Q T Q = I
ค่าเฉพาะเป็นจำนวนจริงทุกตัว · เวกเตอร์เฉพาะของค่าต่างกันตั้งฉากกัน · ทำเป็นทแยงมุมได้เสมอด้วยเมทริกซ์เชิงตั้งฉาก (ไม่ต้องหาอินเวอร์ส ใช้ทรานสโพส)
E12 Definiteness test ความเป็นบวกแน่นอน
x T A x > 0 ∀ x ≠ 0 ⟺ ค่าเฉพาะทุกตัวของ A = A T เป็นบวก \mathbf x^TA\mathbf x \gt 0 \ \ \forall\mathbf x \ne \mathbf 0 \iff \text{ค่าเฉพาะทุกตัวของ } A = A^T \text{ เป็นบวก} x T A x > 0 ∀ x = 0 ⟺ ค่าเฉพาะทุกตัวของ A = A T เป็นบวก
กำลังที่ตัวต้านทานในวงจรดูดกลืน P = i T R i > 0 P = \mathbf i^TR\,\mathbf i \gt 0 P = i T R i > 0 เมทริกซ์ความต้านทานเมชของวงจรตัวต้านทานล้วนจึงบวกแน่นอนเสมอ ใช้พิสูจน์ว่าวงจรแบบนี้มีคำตอบเดียวเสมอ
ตัวอย่าง E-7 · แยกสเปกตรัม เขียน A = ( 2 1 1 2 ) A = \begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix} A = ( 2 1 1 2 ) ในรูป Q Λ Q T Q\Lambda Q^T Q Λ Q T ลองในเครื่องคิดเลข
λ 2 − 4 λ + 3 = 0 \lambda^2 - 4\lambda + 3 = 0 λ 2 − 4 λ + 3 = 0 ได้ λ = 3 , 1 \lambda = 3, 1 λ = 3 , 1 คู่กับ ( 1 , 1 ) (1, 1) ( 1 , 1 ) และ ( 1 , − 1 ) (1, -1) ( 1 , − 1 ) ซึ่งตั้งฉากกันจริง: 1 − 1 = 0 1 - 1 = 0 1 − 1 = 0
ทำให้ยาว 1 (หารด้วย 2 \sqrt2 2 ) แล้ววางเป็นหลักของ Q Q Q E11
Q = 1 2 ( 1 1 1 − 1 ) , Λ = ( 3 0 0 1 ) Q = \frac{1}{\sqrt2}\begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}, \qquad \Lambda = \begin{pmatrix} 3 & 0 \\ 0 & 1 \end{pmatrix} Q = 2 1 ( 1 1 1 − 1 ) , Λ = ( 3 0 0 1 )
A = Q Λ Q T A = Q\Lambda Q^T A = Q Λ Q T และเพราะค่าเฉพาะ 3 , 1 3, 1 3 , 1 เป็นบวกทั้งคู่ A A A จึงบวกแน่นอน E12
ทฤษฎีบทเคย์ลีย์-แฮมิลตัน ขั้นสูง
E14 Cayley–Hamilton theorem เมทริกซ์ทุกตัวเป็นรากของพหุนามลักษณะเฉพาะของตัวเอง
p ( λ ) = det ( λ I − A ) ⇒ p ( A ) = O , 2×2: A 2 − ( tr A ) A + ( det A ) I = O p(\lambda) = \det(\lambda I - A) \ \Rightarrow\ p(A) = O, \qquad \text{2×2: } A^2 - (\operatorname{tr}A)A + (\det A)I = O p ( λ ) = det ( λ I − A ) ⇒ p ( A ) = O , 2×2: A 2 − ( tr A ) A + ( det A ) I = O
ใช้ลดกำลังสูงให้เหลือดีกรี n − 1 n - 1 n − 1 และหาอินเวอร์สโดยไม่ลดแถว I14
ตัวอย่าง E-8 · หา A⁻¹ ด้วยเคย์ลีย์-แฮมิลตัน ใช้ A = ( 4 1 2 3 ) A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix} A = ( 4 2 1 3 )
จาก E-1: p ( λ ) = λ 2 − 7 λ + 10 p(\lambda) = \lambda^2 - 7\lambda + 10 p ( λ ) = λ 2 − 7 λ + 10 จึง A 2 − 7 A + 10 I = O A^2 - 7A + 10I = O A 2 − 7 A + 10 I = O E14
คูณ A − 1 A^{-1} A − 1 ทั้งสองข้าง: A − 7 I + 10 A − 1 = O A - 7I + 10A^{-1} = O A − 7 I + 10 A − 1 = O
A − 1 = 7 I − A 10 = 1 10 ( 3 − 1 − 2 4 ) A^{-1} = \frac{7I - A}{10} = \frac{1}{10}\begin{pmatrix} 3 & -1 \\ -2 & 4 \end{pmatrix} A − 1 = 10 7 I − A = 10 1 ( 3 − 2 − 1 4 )
A − 1 = 1 10 ( 3 − 1 − 2 4 ) A^{-1} = \tfrac{1}{10}\begin{pmatrix} 3 & -1 \\ -2 & 4 \end{pmatrix} A − 1 = 10 1 ( 3 − 2 − 1 4 ) ตรงกับสูตร 2×2 และยังได้ A 2 = 7 A − 10 I = ( 18 7 14 11 ) A^2 = 7A - 10I = \begin{pmatrix} 18 & 7 \\ 14 & 11 \end{pmatrix} A 2 = 7 A − 10 I = ( 18 14 7 11 ) โดยไม่ต้องคูณเมทริกซ์
ค่าเฉพาะกับระบบพลวัต: e A t e^{At} e A t และเสถียรภาพ ขั้นสูง
นี่คือเหตุผลหลักที่วิศวกรไฟฟ้าต้องรู้จักค่าเฉพาะ วงจร RLC มอเตอร์ และระบบควบคุมเขียนเป็นสมการสถานะ x ˙ = A x \dot{\mathbf x} = A\mathbf x x ˙ = A x ได้ คำตอบประกอบจาก “โหมด” ซึ่งแต่ละโหมดคือเวกเตอร์เฉพาะที่โตหรือหดตาม e λ t e^{\lambda t} e λ t
E15 Solution of ẋ = Ax by modes คำตอบในรูปโหมด
x ( t ) = e A t x ( 0 ) = ∑ i = 1 n c i e λ i t v i , x ( 0 ) = ∑ c i v i ( c = P − 1 x ( 0 ) ) \mathbf x(t) = e^{At}\mathbf x(0) = \sum_{i=1}^{n}c_i\,e^{\lambda_it}\,\mathbf v_i, \qquad \mathbf x(0) = \sum c_i\mathbf v_i \ \ (\mathbf c = P^{-1}\mathbf x(0)) x ( t ) = e A t x ( 0 ) = i = 1 ∑ n c i e λ i t v i , x ( 0 ) = ∑ c i v i ( c = P − 1 x ( 0 ))
e A t = P e D t P − 1 e^{At} = Pe^{Dt}P^{-1} e A t = P e D t P − 1 เมื่อทำเป็นทแยงมุมได้ · ค่าคงตัวเวลาของโหมดจริงคือ τ i = − 1 / λ i \tau_i = -1/\lambda_i τ i = − 1/ λ i
E16 Stability criterion เกณฑ์เสถียรภาพ
x ˙ = A x เสถียรเชิงเส้นกำกับ ⟺ Re λ i < 0 ทุก i \dot{\mathbf x} = A\mathbf x \text{ เสถียรเชิงเส้นกำกับ} \iff \operatorname{Re}\lambda_i \lt 0 \ \text{ทุก } i x ˙ = A x เสถียรเชิงเส้นกำกับ ⟺ Re λ i < 0 ทุก i
ค่าเฉพาะของ A A A คือขั้วของฟังก์ชันถ่ายโอน ต้องอยู่ครึ่งระนาบซ้ายของระนาบ s (ระบบไม่ต่อเนื่อง x k + 1 = A x k \mathbf x_{k+1} = A\mathbf x_k x k + 1 = A x k ต้องการ ∣ λ i ∣ < 1 |\lambda_i| \lt 1 ∣ λ i ∣ < 1 ) ดูภาพขั้วบนระนาบ s ได้ที่ แล็บระบบอันดับสอง
ตัวอย่าง E-9 · แก้ระบบสมการเชิงอนุพันธ์คู่ แก้ x ˙ = ( − 3 1 1 − 3 ) x \dot{\mathbf x} = \begin{pmatrix} -3 & 1 \\ 1 & -3 \end{pmatrix}\mathbf x x ˙ = ( − 3 1 1 − 3 ) x เมื่อ x ( 0 ) = ( 2 , 0 ) \mathbf x(0) = (2, 0) x ( 0 ) = ( 2 , 0 )
tr = − 6 , det = 8 \operatorname{tr} = -6,\ \det = 8 tr = − 6 , det = 8 : λ 2 + 6 λ + 8 = 0 \lambda^2 + 6\lambda + 8 = 0 λ 2 + 6 λ + 8 = 0 ได้ λ = − 2 , − 4 \lambda = -2, -4 λ = − 2 , − 4 คู่กับ ( 1 , 1 ) (1, 1) ( 1 , 1 ) และ ( 1 , − 1 ) (1, -1) ( 1 , − 1 )
กระจายค่าเริ่มต้นบนเวกเตอร์เฉพาะ: c 1 ( 1 , 1 ) + c 2 ( 1 , − 1 ) = ( 2 , 0 ) c_1(1,1) + c_2(1,-1) = (2, 0) c 1 ( 1 , 1 ) + c 2 ( 1 , − 1 ) = ( 2 , 0 ) ได้ c 1 = c 2 = 1 c_1 = c_2 = 1 c 1 = c 2 = 1 E15
x ( t ) = e − 2 t ( 1 1 ) + e − 4 t ( 1 − 1 ) \mathbf x(t) = e^{-2t}\begin{pmatrix} 1 \\ 1 \end{pmatrix} + e^{-4t}\begin{pmatrix} 1 \\ -1 \end{pmatrix} x ( t ) = e − 2 t ( 1 1 ) + e − 4 t ( 1 − 1 )
x 1 = e − 2 t + e − 4 t , x 2 = e − 2 t − e − 4 t x_1 = e^{-2t} + e^{-4t},\ x_2 = e^{-2t} - e^{-4t} x 1 = e − 2 t + e − 4 t , x 2 = e − 2 t − e − 4 t ทั้งสองโหมดลดลง ระบบเสถียร (λ < 0 \lambda \lt 0 λ < 0 ) โหมด ( 1 , 1 ) (1,1) ( 1 , 1 ) ช้ากว่า (τ = 0.5 \tau = 0.5 τ = 0.5 ) จึงเหลืออยู่นานกว่า
E18 Jordan form (defective case) รูปแบบจอร์แดน
A = P J P − 1 , J = ( λ 1 0 λ ) ⇒ e J t = e λ t ( 1 t 0 1 ) A = PJP^{-1}, \quad J = \begin{pmatrix} \lambda & 1 \\ 0 & \lambda \end{pmatrix} \ \Rightarrow\ e^{Jt} = e^{\lambda t}\begin{pmatrix} 1 & t \\ 0 & 1 \end{pmatrix} A = P J P − 1 , J = ( λ 0 1 λ ) ⇒ e J t = e λ t ( 1 0 t 1 )
เมื่อเวกเตอร์เฉพาะไม่ครบ ใช้เวกเตอร์เฉพาะวางนัยทั่วไป ( A − λ I ) w = v (A - \lambda I)\mathbf w = \mathbf v ( A − λ I ) w = v เป็นที่มาของพจน์ t e λ t te^{\lambda t} t e λ t ในวงจรหน่วงวิกฤต
E17 Power iteration วิธีกำลัง (หาค่าเฉพาะเด่นเชิงตัวเลข)
x k + 1 = A x k ∥ A x k ∥ ⟶ v max , λ max ≈ x k T A x k x k T x k \mathbf x_{k+1} = \frac{A\mathbf x_k}{\lVert A\mathbf x_k\rVert} \ \longrightarrow\ \mathbf v_{\max}, \qquad \lambda_{\max} \approx \frac{\mathbf x_k^TA\mathbf x_k}{\mathbf x_k^T\mathbf x_k} x k + 1 = ∥ A x k ∥ A x k ⟶ v m a x , λ m a x ≈ x k T x k x k T A x k
ตัวอย่าง A = ( 4 1 2 3 ) A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix} A = ( 4 2 1 3 ) เริ่ม ( 1 , 0 ) (1, 0) ( 1 , 0 ) อัตราส่วนที่ได้ 4 , 4.5 , 4.78 , 4.91 , 4.96 → 5 4,\ 4.5,\ 4.78,\ 4.91,\ 4.96 \to 5 4 , 4.5 , 4.78 , 4.91 , 4.96 → 5 ลู่เข้าเร็วตาม ∣ λ 2 / λ 1 ∣ = 0.4 |\lambda_2/\lambda_1| = 0.4 ∣ λ 2 / λ 1 ∣ = 0.4 ต่อรอบ หลักการเดียวกับ PageRank ของ Google
ติดตรงไหน ดูตรงนี้
อาการที่พบบ่อยและวิธีแก้
ลดแถว A − λ I A - \lambda I A − λ I แล้วไม่มีแถวศูนย์ → λ \lambda λ ผิด กลับไปตรวจสมการลักษณะเฉพาะ
ได้เวกเตอร์เฉพาะ 0 \mathbf 0 0 → ผิดตามนิยาม เลือกตัวแปรอิสระเป็นค่าไม่ศูนย์
คำตอบไม่ตรงเฉลย → อาจต่างกันแค่ตัวคูณ ตรวจด้วย A v = λ v A\mathbf v = \lambda\mathbf v A v = λ v
ลบ λ \lambda λ ทุกช่อง → ผิด ลบเฉพาะเส้นทแยงหลัก (A − λ I A - \lambda I A − λ I )
ผลบวกค่าเฉพาะไม่เท่าเทรซ → มีจุดผิดแน่นอน E6
3×3 แยกตัวประกอบไม่ออก → แทนตัวหารของพจน์คงที่ ( ± 1 , ± 2 , … ) (\pm1, \pm2, \dots) ( ± 1 , ± 2 , … ) หาราก แล้วหารสังเคราะห์
ค่าเชิงซ้อนแล้วงง → หาเวกเตอร์ของค่าเดียว อีกค่าเป็นสังยุคของมัน E8
เครื่องคิดเลขค่าเฉพาะแสดงวิธีทำ
ใส่เมทริกซ์ 2×2 ถึง 4×4 เครื่องจะหาพหุนามลักษณะเฉพาะแบบแม่นตรง หารากตรรกยะแบบแม่นตรง (รากอื่นแสดงเป็นรูปรากที่สองหรือทศนิยม รวมค่าเชิงซ้อน) และหาเวกเตอร์เฉพาะด้วยการลดแถว A − λ I A - \lambda I A − λ I พร้อมบอกภาวะรากซ้ำทั้งสองแบบ
ต่อยอดไปหน้าถัดไป
ตัวอย่างวงจรจริงที่ใช้ค่าเฉพาะ ตั้งแต่วงจร RLC ที่ค่าเฉพาะบอกว่าหน่วงเกิน หน่วงวิกฤต หรือแกว่ง ไปจนถึงองค์ประกอบสมมาตรในระบบสามเฟส ซึ่งแท้จริงคือเวกเตอร์เฉพาะของเมทริกซ์อิมพีแดนซ์ อยู่ในหน้า ประยุกต์ในวิศวกรรมไฟฟ้า
คำถามที่พบบ่อย หาเวกเตอร์เฉพาะแล้วลดแถวได้ทุกแถวไม่เป็นศูนย์ ทำอย่างไร? แปลว่าค่า λ \lambda λ ที่ใช้ผิด เพราะเมื่อ λ \lambda λ เป็นค่าเฉพาะจริง det ( A − λ I ) = 0 \det(A - \lambda I) = 0 det ( A − λ I ) = 0 ลดแถวแล้วต้องมีแถวศูนย์อย่างน้อยหนึ่งแถวเสมอ ให้กลับไปตรวจสมการลักษณะเฉพาะและการแยกตัวประกอบ
เวกเตอร์เฉพาะที่ได้ไม่ตรงกับเฉลย ผิดไหม? ไม่จำเป็นต้องผิด เวกเตอร์เฉพาะคูณด้วยค่าคงที่ใด ๆ ที่ไม่เป็นศูนย์ก็ยังเป็นเวกเตอร์เฉพาะ เช่น ( 1 , 2 ) (1, 2) ( 1 , 2 ) , ( 2 , 4 ) (2, 4) ( 2 , 4 ) และ ( − 1 , − 2 ) (-1, -2) ( − 1 , − 2 ) ใช้แทนกันได้ ตรวจด้วย A v = λ v A\mathbf v = \lambda\mathbf v A v = λ v จะรู้ทันที
ค่าเฉพาะเป็นศูนย์ได้ไหม แล้วเวกเตอร์เฉพาะเป็นศูนย์ได้ไหม? ค่าเฉพาะเป็นศูนย์ได้ (แปลว่าเมทริกซ์ไม่มีอินเวอร์ส) แต่เวกเตอร์เฉพาะเป็นเวกเตอร์ศูนย์ไม่ได้ตามนิยาม เพราะ A 0 = λ 0 A\mathbf 0 = \lambda\mathbf 0 A 0 = λ 0 จริงกับทุก λ \lambda λ จึงไม่ให้ข้อมูลอะไร
ค่าเฉพาะเกี่ยวกับวงจรไฟฟ้าอย่างไร? ค่าเฉพาะของเมทริกซ์สถานะ A A A คือขั้ว (poles) ของวงจร ส่วนจริงบอกอัตราการลดลง ส่วนจินตภาพบอกความถี่การแกว่ง ถ้าทุกค่ามีส่วนจริงเป็นลบ วงจรเสถียร ค่าเฉพาะจริงสองตัวคือหน่วงเกิน ค่าเชิงซ้อนคู่คือหน่วงน้อยแบบแกว่ง
มด
อาจารย์มด · ธีรวุฒิ แสวงบุญ อาจารย์สาขาวิชาวิศวกรรมไฟฟ้า มหาวิทยาลัยราชภัฏธนบุรี สมุทรปราการ · ดูโปรไฟล์
บทความอ่านง่ายเกี่ยวกับหัวข้อนี้
ดูบทความทั้งหมด →