När du får en matris i en matematik- eller fysikklass kommer du ofta att bli ombedd att hitta dess egenvärden. Om du inte är säker på vad det betyder eller hur du gör det är uppgiften skrämmande, och det innebär mycket förvirrande terminologier som gör saken ännu värre. Processen att beräkna egenvärden är dock inte för utmanande om du är bekväm med att lösa kvadratiska (eller polynomiska) ekvationer, förutsatt att du lär dig grunderna i matriser, egenvärden och egenvektorer.
Matriser, Eigenvalues och Eigenvectors: Vad de menar
Matriser är matriser med siffror där A står för namnet på en generisk matris, så här:
(
1 3)
A
\u003d (4 2)
Siffrorna i varje position varierar och det kan till och med vara algebraiska uttryck i deras ställe. Detta är en 2 × 2-matris, men de finns i olika storlekar och har inte alltid lika många rader och kolumner.
Att hantera matriser skiljer sig från att handla med vanliga nummer, och det finns specifika regler för att multiplicera, dela, lägga till och subtrahera dem från varandra. Termen "egenvärde" och "egenvektor" används i matrisalgebra för att hänvisa till två karakteristiska mängder med avseende på matrisen. Detta egenvärde-problem hjälper dig att förstå vad termen betyder:
A
∙ v \u003d λ ∙ v
A är en allmän matris som tidigare, v är viss vektor och Titta på ekvationen och se att när du multiplicerar matrisen med vektorn v, är effekten att reproducera samma vektor precis multiplicerad med värdet λ. Detta är ovanligt beteende och tjänar vektorn v och mängden λ specialnamn: egenvektorn och egenvärdet. Detta är karakteristiska värden för matrisen eftersom multiplicering av matrisen med egenvektorn lämnar vektorn oförändrad bortsett från multiplikation med en faktor av egenvärdet.
Hur man beräknar Eigenvärden
Om du har egenvärdesproblemet för matrisen i någon form är det lätt att hitta egenvärdet (eftersom resultatet blir en vektor som är samma som den ursprungliga, förutom multiplicerad med en konstant faktor - egenvärdet). Svaret hittas genom att lösa den karakteristiska ekvationen för matrisen:
det (A - λ I
) \u003d 0
Där är jag identitetsmatrisen, som är tom bortsett från en serie med 1s som går diagonalt ner i matrisen. “Det” hänvisar till determinanten för matrisen, som för en allmän matris:
(ab)
A
\u003d (cd)
Är ges av
det A \u003d ad –bc
Så den karakteristiska ekvationen betyder:
(a - λ b)
det (A - λ < b> I
) \u003d (cd - λ) \u003d (a - λ) (d - λ) - bc \u003d 0
Som exempelmatris, låt oss definiera A som:
(0 1)
A
\u003d (−2 −3)
Så det betyder:
det (A - λ I
) \u003d (0 - λ) (- 3 - λ) - (1 × −2) \u003d 0
\u003d −λ (−3 - λ) + 2
\u003d λ < sup> 2 + 3 λ + 2 \u003d 0
Lösningarna för λ är egenvärdena, och du löser detta som alla kvadratiska ekvationer. Lösningarna är λ \u003d - 1 och λ \u003d - 2.
Tips
I enkla fall är egenvärdena lättare att hitta. Om till exempel elementen i matrisen är noll förutom en rad på den ledande diagonalen (från övre vänster till botten till höger), fungerar de diagonala elementen som egenvärden. Men metoden ovan fungerar alltid.
Hitta eigenvektorer
Att hitta egenvektorerna är en liknande process. Använda ekvationen:
(A - λ) ∙ v \u003d 0
med var och en av de egenvärden du hittat i tur och ordning. Detta betyder:
(a - λ b) (v 1) (a - λ) v 1 + bv 2 (0) (A - λ) ∙ v \u003d (cd - λ) ∙ (v 2) \u003d cv 1 + (d - λ) v 2 \u003d (0) Du kan lösa detta genom överväger varje rad i sin tur. Du behöver bara förhållandet v
1 till v
2, eftersom det finns oändligt många möjliga lösningar för v
1 och v
2.
