собственное значение

# тег · @ автор · ! учёный

Собственное значение — скаляр λ, удовлетворяющий уравнению Av = λv, где A — линейное преобразование или матрица, v — ненулевой собственный вектор. Они отражают ключевые свойства преобразования: набор всех собственных значений называется спектром. В физике собственные значения представляют измеримые величины (например, энергия в квантовой механике). След и определитель матрицы равны сумме и произведению собственных значений соответственно.

История

Идея собственных значений восходит к XVIII веку при изучении вращательной механики. Леонард Эйлер и Жозеф Луи Лагранж использовали их для нахождения главных осей твёрдых тел. Термин «собственное значение» (eigenvalue) ввёл Давид Гильберт в начале XX века.

Как работает

Во многих системах существуют особые входные векторы, которые при преобразовании не меняют направление — только удлиняются или сжимаются. Нахождение таких векторов и их масштабных коэффициентов (собственных значений) помогает решать дифференциальные уравнения, моделировать колебания и оценивать устойчивость конструкций — подобно поиску резонансных частот музыкального инструмента.

💡 По собственным значениям квадратичной формы можно определить, является ли фигура эллипсом (оба положительны) или гиперболой (разные знаки).

Собственное значение — это скаляр (число), который при умножении матрицы (сетки чисел) на вектор (список чисел) просто масштабирует этот вектор, не поворачивая его. Такой вектор называется собственным вектором. Фигуристка, вращаясь, меняет скорость при поджатии рук: здесь угловая скорость — это собственное значение оператора инерции, а ось вращения — его собственный вектор.

История

Как работает

💡 Алгоритм PageRank, лежащий в основе поиска Google, вычисляет собственный вектор, соответствующий наибольшему собственному значению (равному 1) огромной матрицы связей между веб-страницами. Так задача о собственных значениях упорядочивает интернет.

В линейной алгебре собственное значение линейного оператора — значение λ, при котором найдётся ненулевой вектор v со свойством Av = λv. Собственные значения могут быть комплексными; их совокупность — спектр. Характеристический полином det(A - λI)=0 даёт собственные значения. Разложение по собственным векторам диагонализует матрицу при наличии полного набора. Применения охватывают физику (уравнение Шрёдингера Hψ = Eψ, где E — собственное значение энергии), инженерию (моды вибраций, анализ устойчивости), анализ данных (PCA) и экономику (модели Леонтьева). Спектральная теорема гарантирует, что симметричные матрицы имеют вещественные собственные значения и ортогональные собственные векторы, что соответствует измеримым величинам в квантовой механике.

История

Задача о собственных значениях возникла у Эйлера при изучении вращения твёрдых тел (1765), где он нашёл главные оси вращения (собственные векторы) и моменты инерции (связанные с собственными значениями). В XIX веке Коши применил собственные значения к квадратичным формам, а Вейерштрасс формализовал теорию. Гильберт ввёл термины «eigenvalue» и «eigenvector» около 1900 года. Связь с квантовой механикой появилась в 1920-х, когда Шрёдингер записал своё волновое уравнение как проблему собственных значений, где собственные значения соответствуют уровням энергии.

Как работает

Для квадратной матрицы A уравнение (A - λI)v = 0 имеет ненулевые решения v, только если определитель (A - λI) равен нулю, откуда получается характеристическое уравнение. Решение этого полиномиального уравнения даёт собственные значения. Для симметричных или эрмитовых матриц собственные векторы ортогональны, а собственные значения вещественны — результат спектральной теоремы. В функциональном анализе задача обобщается на дифференциальные операторы (теория Штурма-Лиувилля). Численно собственные значения вычисляют степенными итерациями и QR-алгоритмом. В квантовой механике наблюдаемые — эрмитовы операторы, а результат измерения — одно из собственных значений, с собственными векторами как состояниями.

A\mathbf{v} = \lambda \mathbf{v}

A — квадратная матрица (линейное преобразование), \mathbf{v} — собственный вектор (ненулевой), \lambda — собственное значение (скаляр).

\det(A - \lambda I) = 0

A — матрица, I — единичная матрица, \lambda — переменная, корни которой — собственные значения.

Открытые проблемы и интересные факты

Эффективное вычисление собственных значений для больших разреженных матриц.; Распределение собственных значений в теории случайных матриц и его связь с квантовым хаосом.; Гипотеза Римана: её можно сформулировать как задачу о собственных значениях некоторого самосопряжённого оператора (гипотеза Гильберта-Пойи).; Нелинейные задачи на собственные значения, возникающие в строительной механике и фотонике.; Туннелирование собственных значений в квантовых системах с несколькими классическими ямами.

Пока нет статей

собственное значение

История

Как работает

История

Как работает

История

Как работает

Открытые проблемы и интересные факты

Статьи по теме