↗️ Власні значення — лінійні перетворення та головні осі

Власне значення λ матриці A — це скаляр, для якого існує ненульовий вектор v такий, що Av = λv. Воно вимірює, наскільки перетворення розтягує (|λ| > 1), стискає (|λ| < 1) або відображає (λ < 0) простір уздовж певного напрямку. Власні значення зустрічаються в квантовій механіці, теорії керування, стисненні зображень та аналізі мереж — практично всюди, де виникають повторювані лінійні відображення.

Розв'яжіть характеристичне рівняння det(A − λI) = 0, яке для матриці 2×2 розкривається до λ² − tr(A)·λ + det(A) = 0. Формула квадратного рівняння дає λ = [tr(A) ± √(tr(A)² − 4·det(A))] / 2. Якщо дискримінант tr² − 4·det від'ємний, власні значення є комплексно спряженими, і перетворення містить обертальну складову.

Матриця 2×2 завжди перетворює одиничне коло на еліпс. Для симетричних матриць півосі еліпса спрямовані вздовж власних векторів і мають довжини, що дорівнюють абсолютним значенням власних чисел. Для несиметричних матриць осі натомість збігаються з сингулярними векторами. Спостереження за деформацією кола — геометричний спосіб побачити дію матриці на всі напрямки одночасно.

Коли tr(A)² − 4·det(A) < 0, власні значення є комплексно спряженими α ± βi. Дійсних власних векторів не існує; натомість перетворення поєднує обертання з масштабуванням. Модуль |λ| = √(α² + β²) показує, чи точки закручуються всередину (|λ| < 1), назовні (|λ| > 1), чи описують еліпси (|λ| = 1). Чисті матриці обертання мають власні значення на одиничному колі з |λ| = 1.

Для будь-якої квадратної матриці сума всіх власних значень дорівнює сліду, а їхній добуток дорівнює визначнику. Для матриці 2×2: λ₁ + λ₂ = tr(A) і λ₁·λ₂ = det(A). Це формули Вієта, застосовані до характеристичного багаточлена, і вони дають швидку перевірку — якщо det(A) = 0, то принаймні одне власне значення дорівнює нулю, тобто перетворення стискає один із вимірів.

Матриця є дефектною, якщо кількість лінійно незалежних власних векторів менша за її розмір. Для матриці 2×2 це трапляється, коли характеристичний багаточлен має кратний корінь, але існує лише один напрямок власного вектора. Класичний приклад — [[2,1],[0,2]]: власне значення 2 (подвійне), але лише один власний вектор [1,0]. Дефектні матриці неможливо діагоналізувати; для них потрібна жорданова нормальна форма.

PCA знаходить ортогональні напрямки максимальної дисперсії в наборі даних. Він розкладає коваріаційну матрицю C = (1/n)·XᵀX на власні складові: власні вектори — це головні компоненти (напрямки дисперсії), а власні значення показують, скільки дисперсії пояснює кожна компонента. Сортування за спаданням власного значення дозволяє залишити лише перші k компонент і все ще пояснити більшу частину даних — це основа розпізнавання облич, візуалізації даних і зменшення шуму.

Для дискретної системи xₙ₊₁ = A·xₙ стійкість вимагає, щоб усі модулі власних значень |λᵢ| < 1. Якщо будь-яке |λᵢ| > 1, система необмежено зростає (нестійка). Для неперервних систем ẋ = Ax критерій зсувається до Re(λᵢ) < 0 для всіх власних значень. Ці факти лежать в основі теорії стійкості Ляпунова, яку використовують у робототехніці, автопілотах літаків та економічних моделях.

Теорема Келі-Гамільтона стверджує, що кожна квадратна матриця задовольняє свій власний характеристичний багаточлен. Якщо p(λ) = det(A − λI), то p(A) = 0. Для матриці 2×2 це означає A² − tr(A)·A + det(A)·I = 0. Теорему використовують у теорії керування для вираження високих степенів A через нижчі степені, спрощуючи аналіз моделей простору станів.

Спектральний радіус ρ(A) = max|λᵢ| — це найбільше за модулем власне значення. Він визначає довгостроковий темп зростання ітеративних відображень — повторне множення на A підсилює вектори приблизно в ρ(A)ⁿ разів після n кроків. У чисельних методах ρ(A) < 1 гарантує збіжність ітеративних розв'язувачів, таких як методи Якобі чи Гаусса-Зейделя. Степенева ітерація Google PageRank збігається, тому що матриця посилань має ρ = 1 з єдиним домінантним власним вектором.

Так. Якщо λ = 0 є власним значенням, то Av = 0 для деякого ненульового v, тобто det(A) = 0 і матриця вироджена (необоротна). Нульовий простір A натягнутий на власні вектори з нульовим власним значенням. Геометрично перетворення стискає принаймні один вимір — матриця 2D із нульовим власним значенням сплющує площину в лінію або точку.