Калькулятор власних значень матриці

Власні значення (eigenvalues) та власні вектори (eigenvectors) — фундаментальні поняття лінійної алгебри, що описують напрямки й коефіцієнти масштабування, які зберігає лінійне перетворення. Для матриці 2×2 вони знаходяться через розв'язання характеристичного рівняння λ² − (a+d)λ + (ad−bc) = 0, побудованого на основі сліду та визначника матриці.

Даний інструмент реалізує науково обґрунтований підхід до обчислень, що базується на перевірених математичних методах і стандартних формулах. Усі розрахунки виконуються у реальному часі безпосередньо у браузері — без відправки даних на сервер і без необхідності встановлювати додаткове програмне забезпечення. Інтерфейс оптимізований для зручного введення параметрів, відображення результатів з необхідною точністю та покрокових пояснень застосованих формул.

Розрахунок власних значень

Матриця A = [[a, b], [c, d]]:

Формули

Характеристичне рівняння

det(A − λI) = 0 λ² − (a + d)λ + (ad − bc) = 0 λ² − tr(A)·λ + det(A) = 0

Квадратна формула

D = (a + d)² − 4(ad − bc) λ₁,₂ = [ (a + d) ± √D ] / 2 D > 0 → два дійсних різних корені D = 0 → один дійсний корінь кратності 2 D < 0 → пара комплексно спряжених коренів α ± βi

Власний вектор для λ

(A − λI)v = 0 (a − λ)x + b·y = 0 c·x + (d − λ)y = 0 Якщо b ≠ 0: v = (b, λ − a) Якщо b = 0, a − λ ≠ 0: v = (0, 1) Інакше використовується другий рядок системи

Властивості власних значень

  • Слід (trace) — сума власних значень дорівнює a + d
  • Визначник (determinant) — добуток власних значень дорівнює ad − bc
  • Симетричні матриці — завжди мають дійсні власні значення
  • Матриці обертання — мають комплексні власні значення (немає дійсного інваріантного напрямку)
  • Трикутні матриці — власні значення дорівнюють діагональним елементам

Приклади розв'язання

Покрокові задачі

Приклад 1 (дійсні різні корені): A = [[4, 1], [2, 3]]. Знайдіть власні значення та вектори.

Розв'язання:

tr(A) = 4 + 3 = 7, det(A) = 4·3 − 1·2 = 10

λ² − 7λ + 10 = 0 → D = 49 − 40 = 9, √D = 3

λ₁,₂ = (7 ± 3) / 2 = 2 та 5

Для λ=2: (A−2I) = [[2,1],[2,1]] → 2x+y=0 → власний вектор v₁ = (1, −2)

Для λ=5: (A−5I) = [[−1,1],[2,−2]] → −x+y=0 → власний вектор v₂ = (1, 1)

Відповідь: λ₁ = 2 (v = (1,−2)), λ₂ = 5 (v = (1,1))

Приклад 2 (комплексні корені): A = [[0, −1], [1, 0]] — матриця повороту на 90°.

Розв'язання:

tr(A) = 0 + 0 = 0, det(A) = 0·0 − (−1)·1 = 1

λ² + 1 = 0 → D = 0 − 4 = −4 < 0

λ₁,₂ = 0 ± √(−4)/2 = 0 ± i

Відповідь: λ₁ = i, λ₂ = −i (комплексно спряжена пара, дійсних власних векторів немає)

Приклад 3 (кратний корінь): A = [[2, 1], [0, 2]]. Знайдіть власні значення.

Розв'язання:

tr(A) = 2 + 2 = 4, det(A) = 2·2 − 1·0 = 4

λ² − 4λ + 4 = 0 → D = 16 − 16 = 0

λ = 4 / 2 = 2 (кратність 2)

(A−2I) = [[0,1],[0,0]] → y=0, x — вільний → власний вектор v = (1, 0)

Відповідь: λ = 2 (кратність 2), єдиний незалежний власний вектор v = (1, 0) — матриця не діагоналізується

Практичне значення та контекст

Де застосовується

Інструменти даного типу широко застосовуються в освіті, науці та інженерній практиці. Студенти використовують їх для перевірки домашніх та контрольних завдань, розуміння методів розв'язання та самоперевірки. Викладачі — для ілюстрації методів на лекціях і лабораторних. Інженери та науковці — для швидких оціночних розрахунків і верифікації результатів спеціалізованого програмного забезпечення. Власні значення й вектори лежать в основі аналізу стійкості систем керування, методу головних компонент (PCA) в аналізі даних, вібраційного аналізу конструкцій, квантової механіки та алгоритмів пошукових систем.

Часті запитання (FAQ)

Що таке власні значення матриці?
Власне значення (eigenvalue) λ матриці A — це число, для якого існує ненульовий вектор v (власний вектор), що задовольняє рівняння A·v = λ·v. Іншими словами, множення матриці на власний вектор лише масштабує його, не змінюючи напрямок (за винятком можливого повороту на 180°, якщо λ < 0).
Як виглядає характеристичне рівняння для матриці 2×2?
Для матриці A = [[a, b], [c, d]] характеристичне рівняння отримують з det(A − λI) = 0, що розкривається як λ² − (a + d)λ + (ad − bc) = 0. Тут (a + d) — слід матриці (trace), а (ad − bc) — визначник (determinant). Корені цього квадратного рівняння і є власними значеннями.
Чому суму власних значень дорівнює сліду, а добуток — визначнику?
Це наслідок теореми Вієта для характеристичного рівняння λ² − (tr A)λ + det A = 0: сума коренів λ₁ + λ₂ = tr A (слід — сума діагональних елементів a + d), а добуток коренів λ₁ · λ₂ = det A (визначник ad − bc). Цей факт часто використовують як швидку перевірку правильності обчислень.
Коли власні значення матриці є комплексними?
Власні значення стають комплексно спряженою парою α ± βi, коли дискримінант характеристичного рівняння D = (a + d)² − 4(ad − bc) від'ємний. Геометрично це відповідає матрицям, що описують обертання (наприклад, матриця повороту), для яких немає дійсного напрямку, що зберігається без зміни.
Навіщо потрібні власні вектори?
Власні вектори показують напрямки, які лінійне перетворення (матриця) лише розтягує або стискає, не повертаючи. Вони застосовуються в аналізі стійкості динамічних систем, стисненні даних (PCA), обробці зображень, квантовій механіці, вібраційному аналізі конструкцій та алгоритмах ранжування (наприклад, PageRank).

📁 Категорія: Математика