พิมพ์คำที่ต้องการค้นหา ทั้งภาษาไทยและอังกฤษ

  1. หน้าแรก
  2. คลังความรู้
  3. พีชคณิตเชิงเส้น
  4. ค่าเฉพาะและเวกเตอร์เฉพาะ

// บทที่ 7.6 · พีชคณิตเชิงเส้น · Eigenvalues & Eigenvectors

ค่าเฉพาะและเวกเตอร์เฉพาะ (Eigenvalues & Eigenvectors)

เมทริกซ์ส่วนใหญ่หมุนและบิดเวกเตอร์ แต่จะมีบางทิศที่ถูกยืดหรือหดอย่างเดียวโดยไม่เปลี่ยนแนว ทิศนั้นคือเวกเตอร์เฉพาะ อัตราการยืดคือค่าเฉพาะ ในวงจรไฟฟ้าค่าเฉพาะคือขั้วที่กำหนดว่าระบบตอบสนองเร็วแค่ไหน แกว่งหรือไม่ และเสถียรไหม หน้านี้พาไปตั้งแต่วิธีหาแบบโจทย์สอบจนถึง eAte^{At} สูตรใช้รหัส E

เขียนโดย อาจารย์มดอัปเดต
สรุปใน 30 วินาที
  • Av=λv, v≠0A\mathbf v = \lambda\mathbf v,\ \mathbf v \ne \mathbf 0: v\mathbf v ไม่เปลี่ยนแนว ถูกคูณด้วย λ\lambda อย่างเดียว
  • หา λ\lambda จาก det⁡(A−λI)=0\det(A - \lambda I) = 0 แล้วหา v\mathbf v จาก (A−λI)v=0(A - \lambda I)\mathbf v = \mathbf 0
  • 2×2: λ2−(tr⁡A)λ+det⁡A=0\lambda^2 - (\operatorname{tr}A)\lambda + \det A = 0 · ตรวจ: ∑λ=tr⁡A\sum\lambda = \operatorname{tr}A, ∏λ=det⁡A\prod\lambda = \det A
  • มีเวกเตอร์เฉพาะอิสระครบ nn ตัว ทำ A=PDP−1A = PDP^{-1} ได้ แล้ว Ak=PDkP−1A^k = PD^kP^{-1}
ระดับพื้นฐาน ม.ปลาย · ปี 1กลาง ป.ตรี วิศวกรรมขั้นสูง ป.โท · งานวิจัย
อ่านวิธีทำค่า λตัวหลัก (pivot)เวกเตอร์เฉพาะสูตรที่ใช้

ความหมาย: ทิศที่ไม่ถูกหมุน พื้นฐาน

ลองลากเวกเตอร์ v\mathbf v (ดำ) ไปรอบวงกลม แล้วดูผล AvA\mathbf v (ส้ม) ส่วนใหญ่ AvA\mathbf v ชี้ไปคนละทิศกับ v\mathbf v แต่จะมีบางทิศที่ AvA\mathbf v อยู่บนเส้นเดียวกับ v\mathbf v พอดี เส้นประสีเขียวคือทิศเหล่านั้น

กำลังโหลดแล็บ ลากจุดดำบนวงกลมเพื่อหมุน v หรือลากหัวลูกศรของหลัก เพื่อเปลี่ยนเมทริกซ์

E1 Eigenvalue and eigenvector นิยามค่าเฉพาะและเวกเตอร์เฉพาะ

Av=λv,v≠0A\mathbf v = \hlC{\lambda}\mathbf v, \qquad \mathbf v \ne \mathbf 0

λ\lambda (แลมบ์ดา) คือค่าเฉพาะ หรือค่าลักษณะเฉพาะ (eigenvalue) · v\mathbf v คือเวกเตอร์เฉพาะ (eigenvector) · λ>1\lambda \gt 1 ยืด · 0<λ<10 \lt \lambda \lt 1 หด · λ<0\lambda \lt 0 กลับทิศ · λ=0\lambda = 0 บีบเป็นศูนย์ · เวกเตอร์เฉพาะคูณค่าคงที่ไม่เป็นศูนย์ใด ๆ ยังเป็นเวกเตอร์เฉพาะ

สมการลักษณะเฉพาะ พื้นฐาน

ย้ายข้างได้ Av−λv=(A−λI)v=0A\mathbf v - \lambda\mathbf v = (A - \lambda I)\mathbf v = \mathbf 0 นี่คือระบบเอกพันธ์ ต้องการคำตอบที่ v≠0\mathbf v \ne \mathbf 0 ซึ่งมีได้ก็ต่อเมื่อเมทริกซ์ A−λIA - \lambda I ไม่มีอินเวอร์ส (L7) นั่นคือดีเทอร์มิแนนต์ต้องเป็นศูนย์

E2 Characteristic equation สมการลักษณะเฉพาะ

det⁡(A−λI)=0,p(λ)=det⁡(λI−A)=λn−(tr⁡A)λn−1+⋯+(−1)ndet⁡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

A−λIA - \lambda I คือลบ λ\lambda ออกจากเส้นทแยงหลักเท่านั้น · พหุนามดีกรี nn จึงมีราก nn ตัว (นับซ้ำ รวมจำนวนเชิงซ้อน)

E3 2×2 shortcut สูตรลัด 2×2

λ2−(tr⁡A) λ+det⁡A=0 ⇒ λ=tr⁡A±(tr⁡A)2−4det⁡A2\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}

สำหรับ A=(abcd)A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}: tr⁡A=a+d, det⁡A=ad−bc\operatorname{tr}A = a + d,\ \det A = ad - bc · ตัวในรากเป็นบวก: ค่าจริงต่างกัน · เป็นศูนย์: ค่าซ้ำ · เป็นลบ: ค่าเชิงซ้อนคู่สังยุค

E4 2×2 eigenvector shortcut เวกเตอร์เฉพาะ 2×2 แบบเร็ว

v=(bλ−a) (b≠0)หรือv=(λ−dc) (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)

ได้จากแถวแรกของ (A−λI)v=0(A - \lambda I)\mathbf v = \mathbf 0: (a−λ)v1+bv2=0(a - \lambda)v_1 + bv_2 = 0 · ถ้า b=c=0b = c = 0 เมทริกซ์เป็นทแยงมุม เวกเตอร์เฉพาะคือ (1,0)(1,0) และ (0,1)(0,1)

วิธีหาทีละขั้น พื้นฐาน

ขั้น 1เขียน A−λIA - \lambda I
ขั้น 2det⁡=0\det = 0 แก้หา λ\lambda
ขั้น 3แต่ละ λ\lambda ลดแถว (A−λI)v=0(A - \lambda I)\mathbf v = \mathbf 0

ขั้นที่ 4 ที่ห้ามข้าม: ตรวจ Av=λvA\mathbf v = \lambda\mathbf v และ ∑λ=tr⁡A\sum\lambda = \operatorname{tr}A ใช้เวลาไม่ถึงนาทีแต่จับข้อผิดพลาดได้เกือบทุกจุด

ตัวอย่าง E-1 · 2×2 ครบทุกขั้น

หาค่าเฉพาะและเวกเตอร์เฉพาะของ A=(4123)A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix}

  1. tr⁡A=4+3=7, det⁡A=12−2=10\operatorname{tr}A = 4 + 3 = 7,\ \det A = 12 - 2 = 10 แทนสูตรลัด E3

    λ2−7λ+10=0 ⇒ (λ−5)(λ−2)=0 ⇒ λ1=5, λ2=2\lambda^2 - 7\lambda + 10 = 0 \ \Rightarrow\ (\lambda - 5)(\lambda - 2) = 0 \ \Rightarrow\ \hlC{\lambda_1 = 5},\ \hlC{\lambda_2 = 2}
  2. λ1=5\lambda_1 = 5: ลบ 5 ออกจากทแยงแล้วลดแถว ต้องได้แถวศูนย์

    A−5I=(−112−2)→R2←R2+2R1(−1100) ⇒ −v1+v2=0 ⇒ v1=(11)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}}
  3. λ2=2\lambda_2 = 2

    A−2I=(2121)→R2←R2−R1(2100) ⇒ 2v1+v2=0 ⇒ v2=(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}}
  4. ตรวจด้วยการคูณจริง

    Av1=(55)=5v1✓,Av2=(2−4)=2v2✓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 ✓

λ=5\lambda = 5 คู่กับ (1,1)(1, 1) และ λ=2\lambda = 2 คู่กับ (1,−2)(1, -2) (หรือพหุคูณใดก็ได้ เช่น (−1,2)(-1, 2))

ตรวจเร็ว: 5+2=7=tr⁡A5 + 2 = 7 = \operatorname{tr}A ✓ · 5×2=10=det⁡A5 \times 2 = 10 = \det A ✓ · ใช้สูตรลัด E4: λ=5\lambda = 5 ได้ (b,λ−a)=(1,1)(b, \lambda - a) = (1, 1) ✓

ตัวอย่าง 3×3 ค่าเฉพาะต่างกันทั้งหมด กลาง

3×3 ได้พหุนามดีกรีสาม เทคนิคสำคัญคืออย่ากระจายทุกอย่างทันที ให้หาตัวร่วมระหว่างทาง และถ้าแยกตัวประกอบไม่ออก ให้ลองแทนตัวหารของพจน์คงที่ (ทฤษฎีบทรากตรรกยะ)

ตัวอย่าง E-2 · 3×3

หาค่าเฉพาะและเวกเตอร์เฉพาะของ A=(1216−10−1−2−1)A = \begin{pmatrix} 1 & 2 & 1 \\ 6 & -1 & 0 \\ -1 & -2 & -1 \end{pmatrix}

  1. กระจาย det⁡(A−λI)\det(A - \lambda I) ตามแถว 1 E2

    ∣1−λ216−1−λ0−1−2−1−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)]
  2. กระจายแล้วรวมพจน์

    =(−λ3−λ2+λ+1)+(12λ+12)+(−λ−13)=−λ3−λ2+12λ= (-\lambda^3 - \lambda^2 + \lambda + 1) + (12\lambda + 12) + (-\lambda - 13) = -\lambda^3 - \lambda^2 + 12\lambda
  3. ดึง −λ-\lambda ออกแล้วแยกตัวประกอบ

    −λ(λ2+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}
  4. λ=3\lambda = 3: ลดแถว A−3IA - 3I L4

    (−2216−40−1−2−4)→⋯→(1010132000)⇒v1=−v3v2=−32v3\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}

    เลือก v3=−2v_3 = -2 ให้เป็นจำนวนเต็ม: v=(2,3,−2)\hlU{\mathbf v = (2, 3, -2)}

  5. ทำแบบเดียวกันกับ λ=0\lambda = 0 และ λ=−4\lambda = -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=3, 0, −4\lambda = 3,\ 0,\ -4 คู่กับ (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=1−1−13 + 0 - 4 = -1 = \operatorname{tr}A = 1 - 1 - 1 ✓ · 3⋅0⋅(−4)=0=det⁡A3\cdot0\cdot(-4) = 0 = \det A ✓ (มีค่าเฉพาะศูนย์ จึงไม่มีอินเวอร์ส) · A(−1,2,1)T=(4,−8,−4)T=−4(−1,2,1)TA(-1, 2, 1)^T = (4, -8, -4)^T = -4(-1, 2, 1)^T ✓

สมบัติที่ใช้ตรวจและลัดคำตอบ กลาง

E6 Trace and determinant ผลบวกและผลคูณของค่าเฉพาะ

λ1+λ2+⋯+λn=tr⁡A,λ1λ2⋯λn=det⁡A\lambda_1 + \lambda_2 + \cdots + \lambda_n = \operatorname{tr}A, \qquad \lambda_1\lambda_2\cdots\lambda_n = \det A

E7 Eigenvalues of related matrices ค่าเฉพาะของเมทริกซ์ที่เกี่ยวข้อง (v\mathbf v เดิม ยกเว้น ATA^T)

เมทริกซ์AAkA−1A+cIkAp(A)ATค่าเฉพาะλλk1/λλ+ckλp(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}

เมทริกซ์สามเหลี่ยมหรือทแยงมุม: ค่าเฉพาะคือสมาชิกบนเส้นทแยงหลักเลย · ATA^T มีค่าเฉพาะเท่าเดิมแต่เวกเตอร์เฉพาะต่างกัน

E13 Similarity invariance เมทริกซ์คล้ายมีค่าเฉพาะเท่ากัน

B=P−1AP ⇒ det⁡(B−λI)=det⁡(A−λI)B = P^{-1}AP \ \Rightarrow\ \det(B - \lambda I) = \det(A - \lambda I)

เปลี่ยนตัวแปรสถานะ (เช่น เลือก iL,vCi_L, v_C หรือ q,iq, i) ค่าเฉพาะ ซึ่งก็คือขั้วของวงจร ไม่เปลี่ยน

E5 Algebraic vs geometric multiplicity ภาวะรากซ้ำเชิงพีชคณิตและเชิงเรขาคณิต

1≤dim⁡N(A−λI)⏟เชิงเรขาคณิต≤จำนวนครั้งที่ราก λ ซ้ำ⏟เชิงพีชคณิต1 \le \underbrace{\dim N(A - \lambda I)}_{\text{เชิงเรขาคณิต}} \le \underbrace{\text{จำนวนครั้งที่ราก } \lambda \text{ ซ้ำ}}_{\text{เชิงพีชคณิต}}

เชิงเรขาคณิต =n−rank⁡(A−λI)= n - \operatorname{rank}(A - \lambda I) = จำนวนเวกเตอร์เฉพาะอิสระของค่านั้น

ค่าเฉพาะซ้ำ: ครบหรือไม่ครบ กลาง

เมื่อรากซ้ำ จำนวนเวกเตอร์เฉพาะอาจเท่ากับจำนวนที่ซ้ำ (ครบ ทำเป็นทแยงมุมได้) หรือน้อยกว่า (ไม่ครบ เรียก defective) ตัดสินด้วยแรงก์ของ A−λIA - \lambda I

ตัวอย่าง E-3 · รากซ้ำที่มีเวกเตอร์ครบ

หาค่าเฉพาะและเวกเตอร์เฉพาะของ A=(−22−321−6−1−20)A = \begin{pmatrix} -2 & 2 & -3 \\ 2 & 1 & -6 \\ -1 & -2 & 0 \end{pmatrix}

  1. สมการลักษณะเฉพาะ (กระจายแล้ว)

    −λ3−λ2+21λ+45=0-\lambda^3 - \lambda^2 + 21\lambda + 45 = 0
  2. ลองแทนตัวหารของ 45: λ=5\lambda = 5 ได้ −125−25+105+45=0-125 - 25 + 105 + 45 = 0 ✓ หารสังเคราะห์ออก

    −(λ−5)(λ2+6λ+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})}
  3. λ=−3\lambda = -3: ทุกแถวของ A+3IA + 3I เป็นพหุคูณของแถวแรก แรงก์ 1 จึงมีตัวแปรอิสระ 3−1=23 - 1 = 2 ตัว E5

    A+3I=(12−324−6−1−23)→(12−3000000)⇒v1=−2v2+3v3A + 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 v=v2(−210)+v3(301)\hlU{\mathbf v = v_2\begin{pmatrix} -2 \\ 1 \\ 0 \end{pmatrix} + v_3\begin{pmatrix} 3 \\ 0 \\ 1 \end{pmatrix}}
  4. λ=5\lambda = 5: ลดแถว A−5IA - 5I ได้ v=(1,2,−1)\hlU{\mathbf v = (1, 2, -1)}

λ=−3\lambda = -3 ซ้ำสองครั้งและมีเวกเตอร์เฉพาะอิสระสองตัว (−2,1,0),(3,0,1)(-2,1,0), (3,0,1) ส่วน λ=5\lambda = 5 คู่กับ (1,2,−1)(1, 2, -1) ครบ 3 ตัว ทำเป็นทแยงมุมได้

ตรวจ: 5−3−3=−1=tr⁡A5 - 3 - 3 = -1 = \operatorname{tr}A ✓ · 5(−3)(−3)=45=det⁡A5(-3)(-3) = 45 = \det A ✓

ตัวอย่าง E-4 · รากซ้ำที่เวกเตอร์ไม่ครบ (defective)

เทียบ A=(2102)A = \begin{pmatrix} 2 & 1 \\ 0 & 2 \end{pmatrix} กับ B=(2002)B = \begin{pmatrix} 2 & 0 \\ 0 & 2 \end{pmatrix}

  1. ทั้งคู่เป็นสามเหลี่ยม ค่าเฉพาะคือเส้นทแยง: λ=2\lambda = 2 ซ้ำสองครั้ง E7

  2. A−2I=(0100)A - 2I = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix} แรงก์ 1 ได้ v2=0v_2 = 0 เวกเตอร์เฉพาะมีแค่ (1,0)(1, 0) แนวเดียว

  3. B−2I=OB - 2I = O แรงก์ 0 ทุกเวกเตอร์เป็นเวกเตอร์เฉพาะ ได้สองตัวอิสระ

AA ไม่ครบ (defective) ทำเป็นทแยงมุมไม่ได้ ต้องใช้รูปแบบจอร์แดน (E18) ส่วน BB ครบ ในวงจร RLC กรณีนี้คือหน่วงวิกฤต (critically damped) ที่ผลตอบสนองมีพจน์ teλtte^{\lambda t}

ค่าเฉพาะเชิงซ้อน: การหมุนและการแกว่ง กลาง

ถ้าตัวในรากของ E3 เป็นลบ ค่าเฉพาะเป็นเชิงซ้อน ไม่มีทิศจริงทิศไหนที่ไม่ถูกหมุน (ลองกด “หมุน” ในแล็บด้านบน) ในวงจรคือระบบที่แกว่ง

E8 Complex eigenvalues of a real matrix ค่าเฉพาะเชิงซ้อนของเมทริกซ์จริง

λ=σ±jω,vλˉ=vλ‾,(σ−ωωσ)=r(cos⁡θ−sin⁡θsin⁡θcos⁡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}

มาเป็นคู่สังยุคเสมอ (เวกเตอร์ก็สังยุคกัน) · ∣λ∣=r|\lambda| = r คืออัตราขยาย θ=arg⁡λ\theta = \arg\lambda คือมุมหมุน · ในระบบพลวัต σ\sigma คืออัตราลด ω\omega คือความถี่แกว่ง (rad/s)

ตัวอย่าง E-5 · ค่าเฉพาะเชิงซ้อน

หาค่าเฉพาะและเวกเตอร์เฉพาะของ A=(1−213)A = \begin{pmatrix} 1 & -2 \\ 1 & 3 \end{pmatrix}

  1. tr⁡A=4, det⁡A=3+2=5\operatorname{tr}A = 4,\ \det A = 3 + 2 = 5 E3

    λ2−4λ+5=0 ⇒ λ=4±16−202=2±j\lambda^2 - 4\lambda + 5 = 0 \ \Rightarrow\ \lambda = \frac{4 \pm \sqrt{16 - 20}}{2} = \hlC{2 \pm j}
  2. λ=2+j\lambda = 2 + j ใช้สูตรลัด (b,λ−a)(b, \lambda - a) E4

    v=(−21+j)\hlU{\mathbf v = \begin{pmatrix} -2 \\ 1 + j \end{pmatrix}}
  3. ตรวจแถวที่ 2 ของ (A−λI)v(A - \lambda I)\mathbf v: 1⋅(−2)+(3−2−j)(1+j)=−2+(1−j)(1+j)=−2+2=01\cdot(-2) + (3 - 2 - j)(1 + j) = -2 + (1 - j)(1 + j) = -2 + 2 = 0 ✓

λ=2±j\lambda = 2 \pm j · v=(−2, 1±j)\mathbf v = (-2,\ 1 \pm j) (เครื่องหมายตรงกัน)

โปรแกรมบางตัวตอบ (−1+j, 1)(-1 + j,\ 1) ซึ่งเท่ากับ 1−j2\tfrac{1 - j}{2} คูณคำตอบของเรา จึงถูกทั้งคู่ · ∣λ∣=5|\lambda| = \sqrt5 การแปลงนี้หมุน arctan⁡(1/2)≈26.6∘\arctan(1/2) \approx 26.6^\circ และขยาย 5\sqrt5 เท่าในพิกัดที่เหมาะสม

การทำให้เป็นเมทริกซ์ทแยงมุม และ Aⁿ กลาง

ถ้ามีเวกเตอร์เฉพาะอิสระครบ nn ตัว ให้ใช้เป็นแกนพิกัดใหม่ ในพิกัดนั้นการแปลง AA เหลือแค่ยืดหดตามแกน คือเมทริกซ์ทแยงมุม DD งานยาก ๆ อย่างยกกำลังร้อยครั้งจึงเหลือแค่ยกกำลังตัวเลขบนเส้นทแยง

E9 Diagonalization การทำให้เป็นเมทริกซ์ทแยงมุม

A=PDP−1,P=(∣∣v1⋯vn∣∣),D=(λ1⋱λn)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}

เรียงหลักของ PP ให้ตรงลำดับกับ λ\lambda ใน DD · ทำได้ก็ต่อเมื่อเวกเตอร์เฉพาะอิสระครบ nn ตัว · ค่าเฉพาะต่างกันทั้งหมดรับประกันว่าทำได้

E10 Powers via diagonalization ยกกำลังผ่านทแยงมุม

Ak=PDkP−1=P(λ1k⋱λnk)P−1A^k = PD^kP^{-1} = P\begin{pmatrix} \lambda_1^k & & \\ & \ddots & \\ & & \lambda_n^k \end{pmatrix}P^{-1}

ใช้กับ f(A)f(A) ใด ๆ ได้ เช่น eAt=PeDtP−1e^{At} = Pe^{Dt}P^{-1} · เมื่อ kk ใหญ่ ค่าเฉพาะที่ ∣λ∣|\lambda| ใหญ่สุดครอบงำ (dominant)

ตัวอย่าง E-6 · สูตรทั่วไปของ Aⁿ

หา AnA^n ของ A=(4123)A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix} (ตัวอย่าง E-1)

  1. จาก E-1 วางเวกเตอร์เฉพาะเป็นหลัก E9

    P=(111−2),D=(5002),P−1=1−3(−2−1−11)=13(211−1)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}
  2. ยกกำลังเฉพาะเส้นทแยง E10

    An=(111−2)(5n002n)13(211−1)=13(5n2n5n−2⋅2n)(211−1)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}

An=13(2⋅5n+2n5n−2n2⋅5n−2⋅2n5n+2⋅2n)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}

ตรวจ n=1n = 1: 13(12369)=A\tfrac13\begin{pmatrix} 12 & 3 \\ 6 & 9 \end{pmatrix} = A ✓ · n=3n = 3: (86397847)\begin{pmatrix} 86 & 39 \\ 78 & 47 \end{pmatrix} ตรงกับการคูณตรงสามครั้ง ✓

เมทริกซ์สมมาตรและทฤษฎีบทสเปกตรัม ขั้นสูง

เมทริกซ์สมมาตรพบบ่อยในวิศวกรรม (เมทริกซ์เมชและโนดของวงจรที่ไม่มีแหล่งจ่ายไม่อิสระ เมทริกซ์ความแข็งแกร่ง เมทริกซ์ความแปรปรวนร่วม) และมีสมบัติที่ดีที่สุด

E11 Spectral theorem ทฤษฎีบทสเปกตรัม (A=ATA = A^T)

A=QΛQT=∑i=1nλi qiqiT,QTQ=IA = Q\Lambda Q^T = \sum_{i=1}^{n}\lambda_i\,\mathbf q_i\mathbf q_i^T, \qquad Q^TQ = I

ค่าเฉพาะเป็นจำนวนจริงทุกตัว · เวกเตอร์เฉพาะของค่าต่างกันตั้งฉากกัน · ทำเป็นทแยงมุมได้เสมอด้วยเมทริกซ์เชิงตั้งฉาก (ไม่ต้องหาอินเวอร์ส ใช้ทรานสโพส)

E12 Definiteness test ความเป็นบวกแน่นอน

xTAx>0  ∀x≠0  ⟺  ค่าเฉพาะทุกตัวของ A=AT เป็นบวก\mathbf x^TA\mathbf x \gt 0 \ \ \forall\mathbf x \ne \mathbf 0 \iff \text{ค่าเฉพาะทุกตัวของ } A = A^T \text{ เป็นบวก}

กำลังที่ตัวต้านทานในวงจรดูดกลืน P=iTR i>0P = \mathbf i^TR\,\mathbf i \gt 0 เมทริกซ์ความต้านทานเมชของวงจรตัวต้านทานล้วนจึงบวกแน่นอนเสมอ ใช้พิสูจน์ว่าวงจรแบบนี้มีคำตอบเดียวเสมอ

ตัวอย่าง E-7 · แยกสเปกตรัม

เขียน A=(2112)A = \begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix} ในรูป QΛQTQ\Lambda Q^T

  1. λ2−4λ+3=0\lambda^2 - 4\lambda + 3 = 0 ได้ λ=3,1\lambda = 3, 1 คู่กับ (1,1)(1, 1) และ (1,−1)(1, -1) ซึ่งตั้งฉากกันจริง: 1−1=01 - 1 = 0

  2. ทำให้ยาว 1 (หารด้วย 2\sqrt2) แล้ววางเป็นหลักของ QQ E11

    Q=12(111−1),Λ=(3001)Q = \frac{1}{\sqrt2}\begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}, \qquad \Lambda = \begin{pmatrix} 3 & 0 \\ 0 & 1 \end{pmatrix}

A=QΛQTA = Q\Lambda Q^T และเพราะค่าเฉพาะ 3,13, 1 เป็นบวกทั้งคู่ AA จึงบวกแน่นอน E12

ทฤษฎีบทเคย์ลีย์-แฮมิลตัน ขั้นสูง

E14 Cayley–Hamilton theorem เมทริกซ์ทุกตัวเป็นรากของพหุนามลักษณะเฉพาะของตัวเอง

p(λ)=det⁡(λI−A) ⇒ p(A)=O,2×2: A2−(tr⁡A)A+(det⁡A)I=Op(\lambda) = \det(\lambda I - A) \ \Rightarrow\ p(A) = O, \qquad \text{2×2: } A^2 - (\operatorname{tr}A)A + (\det A)I = O

ใช้ลดกำลังสูงให้เหลือดีกรี n−1n - 1 และหาอินเวอร์สโดยไม่ลดแถว I14

ตัวอย่าง E-8 · หา A⁻¹ ด้วยเคย์ลีย์-แฮมิลตัน

ใช้ A=(4123)A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix}

  1. จาก E-1: p(λ)=λ2−7λ+10p(\lambda) = \lambda^2 - 7\lambda + 10 จึง A2−7A+10I=OA^2 - 7A + 10I = O E14

  2. คูณ A−1A^{-1} ทั้งสองข้าง: A−7I+10A−1=OA - 7I + 10A^{-1} = O

    A−1=7I−A10=110(3−1−24)A^{-1} = \frac{7I - A}{10} = \frac{1}{10}\begin{pmatrix} 3 & -1 \\ -2 & 4 \end{pmatrix}

A−1=110(3−1−24)A^{-1} = \tfrac{1}{10}\begin{pmatrix} 3 & -1 \\ -2 & 4 \end{pmatrix} ตรงกับสูตร 2×2 และยังได้ A2=7A−10I=(1871411)A^2 = 7A - 10I = \begin{pmatrix} 18 & 7 \\ 14 & 11 \end{pmatrix} โดยไม่ต้องคูณเมทริกซ์

ค่าเฉพาะกับระบบพลวัต: eAte^{At} และเสถียรภาพ ขั้นสูง

นี่คือเหตุผลหลักที่วิศวกรไฟฟ้าต้องรู้จักค่าเฉพาะ วงจร RLC มอเตอร์ และระบบควบคุมเขียนเป็นสมการสถานะ x˙=Ax\dot{\mathbf x} = A\mathbf x ได้ คำตอบประกอบจาก “โหมด” ซึ่งแต่ละโหมดคือเวกเตอร์เฉพาะที่โตหรือหดตาม eλte^{\lambda t}

E15 Solution of ẋ = Ax by modes คำตอบในรูปโหมด

x(t)=eAtx(0)=∑i=1nci eλit vi,x(0)=∑civi  (c=P−1x(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))

eAt=PeDtP−1e^{At} = Pe^{Dt}P^{-1} เมื่อทำเป็นทแยงมุมได้ · ค่าคงตัวเวลาของโหมดจริงคือ τi=−1/λi\tau_i = -1/\lambda_i

E16 Stability criterion เกณฑ์เสถียรภาพ

x˙=Ax เสถียรเชิงเส้นกำกับ  ⟺  Re⁡λi<0 ทุก i\dot{\mathbf x} = A\mathbf x \text{ เสถียรเชิงเส้นกำกับ} \iff \operatorname{Re}\lambda_i \lt 0 \ \text{ทุก } i

ค่าเฉพาะของ AA คือขั้วของฟังก์ชันถ่ายโอน ต้องอยู่ครึ่งระนาบซ้ายของระนาบ s (ระบบไม่ต่อเนื่อง xk+1=Axk\mathbf x_{k+1} = A\mathbf x_k ต้องการ ∣λi∣<1|\lambda_i| \lt 1) ดูภาพขั้วบนระนาบ s ได้ที่ แล็บระบบอันดับสอง

ตัวอย่าง E-9 · แก้ระบบสมการเชิงอนุพันธ์คู่

แก้ x˙=(−311−3)x\dot{\mathbf x} = \begin{pmatrix} -3 & 1 \\ 1 & -3 \end{pmatrix}\mathbf x เมื่อ x(0)=(2,0)\mathbf x(0) = (2, 0)

  1. tr⁡=−6, det⁡=8\operatorname{tr} = -6,\ \det = 8: λ2+6λ+8=0\lambda^2 + 6\lambda + 8 = 0 ได้ λ=−2,−4\lambda = -2, -4 คู่กับ (1,1)(1, 1) และ (1,−1)(1, -1)

  2. กระจายค่าเริ่มต้นบนเวกเตอร์เฉพาะ: c1(1,1)+c2(1,−1)=(2,0)c_1(1,1) + c_2(1,-1) = (2, 0) ได้ c1=c2=1c_1 = c_2 = 1 E15

  3. x(t)=e−2t(11)+e−4t(1−1)\mathbf x(t) = e^{-2t}\begin{pmatrix} 1 \\ 1 \end{pmatrix} + e^{-4t}\begin{pmatrix} 1 \\ -1 \end{pmatrix}

x1=e−2t+e−4t, x2=e−2t−e−4tx_1 = e^{-2t} + e^{-4t},\ x_2 = e^{-2t} - e^{-4t} ทั้งสองโหมดลดลง ระบบเสถียร (λ<0\lambda \lt 0) โหมด (1,1)(1,1) ช้ากว่า (τ=0.5\tau = 0.5) จึงเหลืออยู่นานกว่า

E18 Jordan form (defective case) รูปแบบจอร์แดน

A=PJP−1,J=(λ10λ) ⇒ eJt=eλt(1t01)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}

เมื่อเวกเตอร์เฉพาะไม่ครบ ใช้เวกเตอร์เฉพาะวางนัยทั่วไป (A−λI)w=v(A - \lambda I)\mathbf w = \mathbf v เป็นที่มาของพจน์ teλtte^{\lambda t} ในวงจรหน่วงวิกฤต

E17 Power iteration วิธีกำลัง (หาค่าเฉพาะเด่นเชิงตัวเลข)

xk+1=Axk∥Axk∥ ⟶ vmax⁡,λmax⁡≈xkTAxkxkTxk\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}

ตัวอย่าง A=(4123)A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix} เริ่ม (1,0)(1, 0) อัตราส่วนที่ได้ 4, 4.5, 4.78, 4.91, 4.96→54,\ 4.5,\ 4.78,\ 4.91,\ 4.96 \to 5 ลู่เข้าเร็วตาม ∣λ2/λ1∣=0.4|\lambda_2/\lambda_1| = 0.4 ต่อรอบ หลักการเดียวกับ PageRank ของ Google

ติดตรงไหน ดูตรงนี้

อาการที่พบบ่อยและวิธีแก้
  • ลดแถว A−λIA - \lambda I แล้วไม่มีแถวศูนย์ → λ\lambda ผิด กลับไปตรวจสมการลักษณะเฉพาะ
  • ได้เวกเตอร์เฉพาะ 0\mathbf 0 → ผิดตามนิยาม เลือกตัวแปรอิสระเป็นค่าไม่ศูนย์
  • คำตอบไม่ตรงเฉลย → อาจต่างกันแค่ตัวคูณ ตรวจด้วย Av=λvA\mathbf v = \lambda\mathbf v
  • ลบ λ\lambda ทุกช่อง → ผิด ลบเฉพาะเส้นทแยงหลัก (A−λIA - \lambda I)
  • ผลบวกค่าเฉพาะไม่เท่าเทรซ → มีจุดผิดแน่นอน E6
  • 3×3 แยกตัวประกอบไม่ออก → แทนตัวหารของพจน์คงที่ (±1,±2,… )(\pm1, \pm2, \dots) หาราก แล้วหารสังเคราะห์
  • ค่าเชิงซ้อนแล้วงง → หาเวกเตอร์ของค่าเดียว อีกค่าเป็นสังยุคของมัน E8

เครื่องคิดเลขค่าเฉพาะแสดงวิธีทำ

ใส่เมทริกซ์ 2×2 ถึง 4×4 เครื่องจะหาพหุนามลักษณะเฉพาะแบบแม่นตรง หารากตรรกยะแบบแม่นตรง (รากอื่นแสดงเป็นรูปรากที่สองหรือทศนิยม รวมค่าเชิงซ้อน) และหาเวกเตอร์เฉพาะด้วยการลดแถว A−λIA - \lambda I พร้อมบอกภาวะรากซ้ำทั้งสองแบบ

ต่อยอดไปหน้าถัดไป

ตัวอย่างวงจรจริงที่ใช้ค่าเฉพาะ ตั้งแต่วงจร RLC ที่ค่าเฉพาะบอกว่าหน่วงเกิน หน่วงวิกฤต หรือแกว่ง ไปจนถึงองค์ประกอบสมมาตรในระบบสามเฟส ซึ่งแท้จริงคือเวกเตอร์เฉพาะของเมทริกซ์อิมพีแดนซ์ อยู่ในหน้า ประยุกต์ในวิศวกรรมไฟฟ้า

ต่อยอด: ค่าเฉพาะในระบบควบคุมสมัยใหม่

ค่าเฉพาะของเมทริกซ์ A คือขั้วของระบบ ดูต่อที่ปริภูมิสถานะและ e^(At) ความสามารถควบคุมได้และสังเกตได้ (แรงก์) และการวางขั้วด้วยป้อนกลับสถานะ ซึ่งใช้เคย์ลีย์-แฮมิลตันในสูตรแอคเคอร์มันน์

คำถามที่พบบ่อย

หาเวกเตอร์เฉพาะแล้วลดแถวได้ทุกแถวไม่เป็นศูนย์ ทำอย่างไร?

แปลว่าค่า λ\lambda ที่ใช้ผิด เพราะเมื่อ λ\lambda เป็นค่าเฉพาะจริง det⁡(A−λI)=0\det(A - \lambda I) = 0 ลดแถวแล้วต้องมีแถวศูนย์อย่างน้อยหนึ่งแถวเสมอ ให้กลับไปตรวจสมการลักษณะเฉพาะและการแยกตัวประกอบ

เวกเตอร์เฉพาะที่ได้ไม่ตรงกับเฉลย ผิดไหม?

ไม่จำเป็นต้องผิด เวกเตอร์เฉพาะคูณด้วยค่าคงที่ใด ๆ ที่ไม่เป็นศูนย์ก็ยังเป็นเวกเตอร์เฉพาะ เช่น (1,2)(1, 2), (2,4)(2, 4) และ (−1,−2)(-1, -2) ใช้แทนกันได้ ตรวจด้วย Av=λvA\mathbf v = \lambda\mathbf v จะรู้ทันที

ค่าเฉพาะเป็นศูนย์ได้ไหม แล้วเวกเตอร์เฉพาะเป็นศูนย์ได้ไหม?

ค่าเฉพาะเป็นศูนย์ได้ (แปลว่าเมทริกซ์ไม่มีอินเวอร์ส) แต่เวกเตอร์เฉพาะเป็นเวกเตอร์ศูนย์ไม่ได้ตามนิยาม เพราะ A0=λ0A\mathbf 0 = \lambda\mathbf 0 จริงกับทุก λ\lambda จึงไม่ให้ข้อมูลอะไร

ค่าเฉพาะเกี่ยวกับวงจรไฟฟ้าอย่างไร?

ค่าเฉพาะของเมทริกซ์สถานะ AA คือขั้ว (poles) ของวงจร ส่วนจริงบอกอัตราการลดลง ส่วนจินตภาพบอกความถี่การแกว่ง ถ้าทุกค่ามีส่วนจริงเป็นลบ วงจรเสถียร ค่าเฉพาะจริงสองตัวคือหน่วงเกิน ค่าเชิงซ้อนคู่คือหน่วงน้อยแบบแกว่ง

อาจารย์มด · ธีรวุฒิ แสวงบุญ
อาจารย์สาขาวิชาวิศวกรรมไฟฟ้า มหาวิทยาลัยราชภัฏธนบุรี สมุทรปราการ · ดูโปรไฟล์