UK 
EnglishТипова
Polski📐 Власні Числа та Вектори — Візуалізатор Лінійних Перетворень
Інтерактивний візуалізатор матричних перетворень 2×2. Перетягуйте записи матриці та спостерігайте за власними векторами, характеристичним поліномом і детермінантом.
Схожі симуляції
Про Візуалізатор власних чисел і векторів
Матриця A розміром 2×2 діє на вектори площини, зазвичай обертаючи й розтягуючи їх. Власні вектори — особливі напрямки, які лише масштабуються під цим перетворенням: Av = λv, де скаляр λ — власне значення. Одиничне коло відображається в еліпс, півосі якого збігаються з власними векторами й мають довжини |λ₁| та |λ₂|. Власні значення знаходять, розв'язуючи характеристичний поліном det(A − λI) = λ² − tr(A)λ + det(A) = 0. Ця схема центральна в квантовій механіці (енергетичні рівні — власні значення гамільтоніана), інженерії конструкцій (моди вібрації — власні вектори) і науці про дані (PCA знаходить власні вектори коваріаційної матриці).
Редагуйте чотири елементи матриці, щоб побачити, як одиничне коло деформується в еліпс у реальному часі. Власні вектори виділені як стійкі напрямки; від'ємні власні значення спричиняють віддзеркалення; комплексні власні значення (від'ємний дискримінант) створюють перетворення лише-обертання без дійсних власних векторів.
Часті запитання
Що таке власний вектор і чим він особливий?
Власний вектор v матриці A — це ненульовий вектор, множення якого на A лише масштабує його: Av = λv. Кожен інший вектор площини обертається і масштабується під дією A, але власні вектори залишаються на своїй прямій — вони вказують у тому самому напрямку до і після перетворення (або точно в протилежному, якщо λ < 0). Власне значення λ показує, наскільки: |λ| > 1 розтягує, |λ| < 1 стискає, λ < 0 віддзеркалює, λ = 0 обертає вектор у нуль.
Як знайти власні значення матриці 2×2?
Для A = [[a,b],[c,d]] розв'язуємо det(A − λI) = 0: (a−λ)(d−λ) − bc = 0, що дає λ² − (a+d)λ + (ad−bc) = 0. Формула квадратного рівняння дає λ = [tr(A) ± √(tr(A)²−4det(A))]/2. Якщо дискримінант додатний — два дійсних власних значення; якщо нуль — одне повторюване; якщо від'ємний — два комплексно спряжених значення.
Що означає, коли власні значення комплексні?
Комплексні власні значення λ = α ± βi (з β ≠ 0) вказують, що жоден дійсний вектор не зберігає напрямок — матриця діє як обертання зі стисненням/розтягом. Модуль |λ| = √(α²+β²) — коефіцієнт масштабування; аргумент arg(λ) = arctan(β/α) — кут обертання за одне застосування A. Ці випадки виникають в аналізі вібрацій і теорії керування.
Що таке діагоналізація і коли вона можлива?
Матриця A діагоналізовна, якщо має n лінійно незалежних власних векторів — тоді A = PDP⁻¹, де D діагональна з власними значеннями, а стовпці P — власні вектори. Це розкладає складне перетворення на прості масштабування у власному базисі. Дійсна матриця 2×2 діагоналізовна над ℝ, коли має два різних дійсних власних значення, над ℂ — завжди (крім дефектних матриць).
Яка геометрична інтерпретація детермінанта?
Детермінант матриці 2×2 дорівнює коефіцієнту зміни площі перетворення: det(A) = λ₁λ₂. Одиничний квадрат відображається в паралелограм площею |det(A)|. Якщо det(A) = 0, перетворення стискає площину до прямої чи точки (принаймні одне власне значення нульове). Якщо det(A) < 0, перетворення включає віддзеркалення.
Як PCA пов'язаний із власними значеннями?
Метод головних компонент (PCA) знаходить напрямки найбільшої дисперсії в наборі даних, обчислюючи власні значення й вектори коваріаційної матриці C = (1/n)XᵀX. Власний вектор із найбільшим власним значенням — перша головна компонента; наступні вектори ортогональні та пояснюють меншу частку дисперсії. Це основа стиснення зображень, розпізнавання облич та зменшення розмірності в машинному навчанні.
Які власні значення має матриця обертання?
2D-матриця обертання R(θ) = [[cos θ, −sin θ],[sin θ, cos θ]] має детермінант 1 і слід 2cos θ. Її характеристичний поліном λ² − 2cos(θ)λ + 1 = 0 дає власні значення e^(±iθ) — завжди комплексні для θ ≠ 0, π. Це підтверджує, що чисте обертання не зберігає жодного дійсного напрямку.
Що таке спектральна теорема?
Спектральна теорема стверджує, що будь-яка дійсна симетрична матриця (або комплексна ермітова) діагоналізовна з дійсними власними значеннями та взаємно ортогональними власними векторами. Це фундаментально в квантовій механіці: спостережувані величини представлені ермітовими операторами, а їхні власні значення — єдино можливі результати вимірювання.
Що таке степеневий метод обчислення власних векторів?
Степеневий метод багаторазово ітерує v ← Av/|Av| з довільного початкового вектора. Напрямок збігається до власного вектора з найбільшим |λ|, оскільки повторне множення експоненційно підсилює домінантну компоненту. Обернений степеневий метод (з A⁻¹) збігається до найменшого власного значення. Це ефективно для дуже великих розріджених матриць.
Як власні значення використовуються в диференціальних рівняннях?
Для системи ẋ = Ax загальний розв'язок x(t) = Σ cₖ vₖ e^(λₖt), де vₖ — власні вектори, а λₖ — власні значення. Якщо всі Re(λₖ) < 0, кожен розв'язок згасає до нуля (стійка рівновага). Якщо будь-яке Re(λₖ) > 0, розв'язки зростають експоненційно (нестійкість). Цей критерій лежить в основі проєктування систем керування та аналізу нормальних мод.
Що таке число обумовленості матриці?
Число обумовленості κ(A) = |λ_max|/|λ_min| вимірює, наскільки чутливі розв'язки Ax = b до збурень. Якщо κ ≫ 1, матриця погано обумовлена: мала похибка в b призводить до великої похибки в x. У візуалізаторі майже вироджена матриця (власне значення близьке до нуля) розтягує одиничне коло у видовжений еліпс — візуальний аналог поганої обумовленості.