คำถามยอดนิยม
ไทมไลน์
แชท
มุมมอง
ค่าลักษณะเฉพาะและเวกเตอร์ลักษณะเฉพาะ
จากวิกิพีเดีย สารานุกรมเสรี
Remove ads
ในทางคณิตศาสตร์การแปลงเชิงเส้น เวกเตอร์ลักษณะเฉพาะ (eigenvector) ของการแปลงเชิงเส้นนั้นต้องเป็นเวกเตอร์ที่ไม่ใช่เวกเตอร์ศูนย์ที่เมื่อนำไปใช้ในการแปลงนั้นจะเปลี่ยนระยะแต่ไม่เปลี่ยนทิศทาง

สำหรับทุกเวกเตอร์ลักษณะเฉพาะของการแปลงเชิงเส้น จะมีค่าสเกลาร์ที่เรียกว่า ค่าลักษณะเฉพาะ (eigenvalue) สำหรับเวกเตอร์นั้นซึ่งกำหนดผลรวมเวกเตอร์ลักษณะเฉพาะเป็นมาตราส่วนภายใต้การแปลงเชิงเส้น ตัวอย่างเช่น: ค่าลักษณะเฉพาะเท่ากับ +2 หมายความว่าเวกเตอร์ลักษณะเฉพาะมีความยาวและจุดเป็นเท่าตัวในทิศทางเดิม, ค่าลักษณะเฉพาะเท่ากับ +1 หมายความว่าเวกเตอร์ลักษณะเฉพาะไม่มีการเปลี่ยนแปลง ในขณะที่ค่าลักษณะเฉพาะเท่ากับ −1 หมายความว่าเวกเตอร์ลักษณะเฉพาะจะมีทิศทางผันกลับ ปริภูมิลักษณะเฉพาะ (eigenspace) ของการแปลงที่ให้มาสำหรับค่าลักษณะเฉพาะเฉพาะส่วนเป็นเซต (ผลการแผ่เชิงเส้น (linear span)) ของเวกเตอร์ลักษณะเฉพาะที่ความความสัมพันธ์กับค่าลักษณะเฉพาะนี้ พร้อมทั้งเวกเตอร์ศูนย์ (ไม่มีทิศทาง)
ในพีชคณิตเชิงเส้น ทุก ๆ การแปลงเชิงเส้นระหว่างปริภูมิเวกเตอร์มิติอันตะ (finite-dimensional vector spaces) สามารถแสดงอยู่ในรูปของเมทริกซ์ ซึ่งเป็นแถวลำดับสี่เหลี่ยมของตัวเลขที่อยู่ในแถวและหลัก วิธีพื้นฐานสำหรับการหา ค่าลักษณะเฉพาะ, เวกเตอร์ลักษณะเฉพาะ และ ปริภูมิลักษณะเฉพาะ ของเมทริกซ์จะกล่าวถึงอยู่ด้านล่าง
มันมีบทบาทหลักในหลาย ๆ สาขาของคณิตศาสตร์บริสุทธิ์และคณิตศาสตร์ประยุกต์ — เป็นส่วนสำคัญในพีชคณิตเชิงเส้น, การวิเคราะห์เชิงฟังก์ชัน และเล็กน้อยในคณิตศาสตร์ไม่เป็นเชิงเส้น
วัตถุทางคณิตศาสตร์หลายชนิดสามารถเขียนอยู่ในรูปแบบเวกเตอร์ได้ เช่น ฟังก์ชัน, ฮาร์มอนิก, กลศาสตร์ควอนตัม และความถี่ ในกรณีนี้แนวคิดของ ทิศทาง โดยทั่วไปจะสูญเสียความหมายของมันไป และถูกให้นิยามที่เลื่อนลอย ดังนั้น ทิศทาง ที่ไม่มีตัวตนนี้จะไม่เปลี่ยนแปลงตามการแปลงเชิงเส้นที่ให้มา ถ้าใช้ "ไอเกน (eigen)" นำหน้า อย่างใน ฟังก์ชันลักษณะเฉพาะ (eigenfunction), วิธีลักษณะเฉพาะ (eigenmode), สภาวะลักษณะเฉพาะ (eigenstate) และ ความถี่ลักษณะเฉพาะ (eigenfrequency)
Remove ads
ประวัติ
ค่าลักษณะเฉพาะถูกกล่าวถึงบ่อยครั้งในบริบทของพีชคณิตเชิงเส้นหรือทฤษฎีเมทริกซ์ ตามประวัติศาสตร์นั้นเกิดขึ้นมาจากการศึกษารูปแบบกำลังสอง (quadratic form) และสมการเชิงอนุพันธ์
ออยเลอร์ได้ศึกษาการหมุนของวัตถุแข็งเกร็ง (rigid body) และได้ค้นพบความสำคัญของเส้นแกนมุขสำคัญ ดังที่ลากร็องฌ์พิสูจน์ไว้ เส้นแกนมุขสำคัญนั้นเป็นเวกเตอร์ลักษณะเฉพาะของเมทริกซ์ความเฉื่อย[1] ในต้นศตวรรษที่ 19 โอกุสแต็ง หลุยส์ โกชีเห็นว่าวิธีของออยเลอร์และลากร็องฌ์สามารถใช้แยกประเภทผิวกำลังสอง และยังครอบคลุมไปถึงมิติสัมพัทธ์ (arbitrary dimensions)[2] โคชีสร้างศัพท์ว่า racine caractéristique (รากลักษณะเฉพาะ) สำหรับใช้เรียกสิ่งที่ปัจจุบันเรียกว่า ค่าลักษณะเฉพาะ ศัพท์ของเขานั้นยังมีการใช้อยู่อยู่ในเรื่องสมการลักษณะเฉพาะ (characteristic equation)[3]
กระบวนการทางจำนวนในการคำนวณหาค่าลักษณะเฉพาะและเวกเตอร์ลักษณะเฉพาะเกิดขึ้นในปี ค.ศ. 1929 เมื่อ Von Mises ได้เสนอ power method. และวิธีที่ได้รับความนิยมมากในปัจจุบันคือ QR algorithm ถูกเสนอโดย John G.F. Francis[4][5] และ Vera Kublanovskaya[6] ในปี ค.ศ. 1961[7]
Remove ads
บทนิยาม
สรุป
มุมมอง
สามารถเขียนเป็นสมการข้างล่างได้
โดยที่ คือเมทริกซ์มิติ n × n, คือเวกเตอร์มิติ n × 1, และ คือสเกลาร์ที่เรียกว่า ค่าลักษณะเฉพาะ (eigenvalue)
เวกเตอร์ลักษณะเฉพาะซ้ายและขวา
โดยทั่วไปเวกเตอร์ลักษณะเฉพาะนั้นจะหมายถึง เวกเตอร์ลักษณะเฉพาะขวา ซึ่งสามารถแสดงได้ดังสมการค่าลักษณะเฉพาะ: ซึ่งเป็นเวกเตอร์ลักษณะเฉพาะที่ใช้กันโดยทั่วไป อย่างไรก็ตาม เวกเตอร์ลักษณะเฉพาะซ้าย ก็มีอยู่เช่นกัน และสามารถแสดงได้ดังสมการ:
Remove ads
สมการลักษณะเฉพาะ
สรุป
มุมมอง
เมื่อการแปลงแทนโดยเมทริกซ์จัตุรัส A, สมการค่าลักษณะเฉพาะสามารถแสดงได้ดังนี้
สามารถจัดใหม่ได้ดังนี้
ถ้าเมทริกซ์ผกผันมีจริงจะได้
นำเมทริกซ์ผกผันมาคูณทั้งสองข้างเพื่อให้ได้: x = 0 ดังนั้น เราต้องการให้มันที่ไม่อยู่ในรูปเมทริกซ์ผกผันโดยสมมติจากพีชคณิตเชิงเส้นว่าดีเทอร์มิแนนต์เท่ากับศูนย์:
ดีเทอร์มิแนนต์ที่ต้องการเรียกว่า สมการลักษณะเฉพาะ (secular equation) ของ A, และด้านซ้ายมือเรียกว่า พหุนามลักษณะเฉพาะ (characteristic polynomial) ซึ่งจะให้สมการพหุนามสำหรับหาค่า ส่วนเวกเตอร์ลักษณะเฉพาะ x หรือส่วนประกอบของมันไม่แสดงในสมการลักษณะเฉพาะ
ตัวอย่าง
คลิก [แสดง] เพื่อดูตัวอย่างเพิ่มเติม
- และ เป็น คู่ เวกเตอร์ลักษณะเฉพาะ และ ค่าลักษณะเฉพาะ ของ เพราะว่า
- และ , และ , ..., และ (เมื่อ ) ต่างก็เป็นคู่ เวกเตอร์ลักษณะเฉพาะ และ ค่าลักษณะเฉพาะ ของ
- และ (รวมถึง และ (เมื่อ ) ก็เป็น คู่ เวกเตอร์ลักษณะเฉพาะ และ ค่าลักษณะเฉพาะของ เช่นกัน
เมทริกซ์
นิยามการแปลงเชิงเส้นของระนาบจำนวนจริง ค่าลักษณะเฉพาะของการแปลงนี้ได้มาโดยสมการลักษณะเฉพาะ
รากของสมการนี้คือ และ เมื่อได้ค่าลักษณะเฉพาะ เราจะสามารถหาเวกเตอร์ลักษณะเฉพาะได้ พิจารณาค่าลักษณะเฉพาะ จะได้
แถวทั้งคู่ของสมการเมทริกซ์นี้จะลดรูปเหลือสมการเชิงเส้นเดี่ยว ในการหาเวกเตอร์ลักษณะเฉพาะ เราสามารถเลือกค่าอะไรก็ได้มาแทนค่า x, ดังนั้นเลือก x=1 จาก y=x, เราจะได้เวกเตอร์ลักษณะเฉพาะเป็น
เราสามารถตรวจสอบว่าเป็นเวกเตอร์ลักษณะเฉพาะหรือไม่โดย :
เมื่อค่าลักษณะเฉพาะ: ทำแบบเดิมจะได้สมการ , ดังนั้นเวกเตอร์ลักษณะเฉพาะจะได้
ปัญหาจุกจิกในการหาราก/ค่าลักษณะเฉพาะของพหุนามลักษณะเฉพาะ (characteristic polynomial) ที่เพิ่มขึ้นอย่างรวดเร็วในส่วนองศาของพหุนาม (มิติของปริภูมิเวกเตอร์) ที่เพิ่มขึ้น มีวิธีที่เที่ยงตรงสำหรับมิตที่ต่ำกว่า 5 แต่สำหรับมิติที่สูงขึ้นยังไม่มีวิธีที่แน่นอนและมีการอาศัยวิธีทางจำนวนเพื่อหาค่าประมาณ สำหรับเมทริกซ์มากเลขศูนย์ (sparse matrix) สมมาตรขนาดใหญ่ได้ใช้ขั้นตอนวิธี Lanczos คำนวณหาค่าลักษณะเฉพาะและเวกเตอร์ลักษณะเฉพาะ
Remove ads
อ้างอิง
แหล่งข้อมูลอื่น
Wikiwand - on
Seamless Wikipedia browsing. On steroids.
Remove ads