Собственная переменная

Собственная переменная (собственное значение, собственный вектор) — в линейной алгебре и функциональном анализе это понятие, характеризующее линейное преобразование (оператор) и связанное с ним число (собственное значение) и ненулевой вектор (собственный вектор), которые при применении преобразования к вектору дают вектор, коллинеарный исходному, то есть умножают его на скаляр. Формально: если \( A \) — линейный оператор, \( \mathbf{v} \) — собственный вектор, а \( \lambda \) — собственное значение, то выполняется равенство \( A\mathbf{v} = \lambda \mathbf{v} \). Собственные переменные играют фундаментальную роль в анализе динамических систем, квантовой механике, теории устойчивости, машинном обучении и многих других областях науки и техники.

История

Понятие собственных значений и собственных векторов восходит к работам XVIII—XIX веков. В 1760-х годах Леонард Эйлер при изучении движения твёрдого тела ввёл понятие главных осей инерции, что фактически является задачей на собственные значения для тензора инерции. В 1829 году Огюстен Луи Коши доказал, что симметричная матрица имеет вещественные собственные значения, что стало основой спектральной теории.

Термин «собственное значение» (нем. Eigenwert) ввёл в 1904 году Давид Гильберт в работах по интегральным уравнениям. В русскоязычной математической литературе укоренился перевод «собственное значение», хотя в некоторых контекстах используется «характеристическое число». В квантовой механике, сформулированной в 1920-х годах Вернером Гейзенбергом и Эрвином Шрёдингером, собственные значения операторов физических величин (энергии, импульса) стали интерпретироваться как возможные результаты измерений.

Математическое определение

Пусть \( V \) — векторное пространство над полем \( \mathbb{F} \) (обычно \( \mathbb{R} \) или \( \mathbb{C} \)), и \( A: V \to V \) — линейный оператор. Число \( \lambda \in \mathbb{F} \) называется собственным значением оператора \( A \), если существует ненулевой вектор \( \mathbf{v} \in V \) такой, что:

\[ A\mathbf{v} = \lambda \mathbf{v}. \]

Вектор \( \mathbf{v} \) называется собственным вектором, соответствующим собственному значению \( \lambda \).

Характеристическое уравнение

Для конечномерных пространств (матриц) собственные значения находятся из характеристического уравнения:

\[ \det(A - \lambda I) = 0, \]

где \( I \) — единичная матрица. Многочлен \( p(\lambda) = \det(A - \lambda I) \) называется характеристическим многочленом. Корни этого многочлена (с учётом кратности) являются собственными значениями матрицы \( A \).

Собственное подпространство

Совокупность всех собственных векторов, соответствующих данному собственному значению \( \lambda \), вместе с нулевым вектором образует собственное подпространство — ядро оператора \( A - \lambda I \). Размерность этого подпространства называется геометрической кратностью собственного значения.

Свойства

• Если \( \lambda \) — собственное значение матрицы \( A \), то \( \lambda^k \) — собственное значение матрицы \( A^k \) для любого натурального \( k \).
• Собственные значения треугольной (в частности, диагональной) матрицы совпадают с её диагональными элементами.
• Сумма собственных значений (с учётом кратности) равна следу матрицы: \( \sum \lambda_i = \operatorname{tr}(A) \).
• Произведение собственных значений равно определителю: \( \prod \lambda_i = \det(A) \).
• Для вещественной симметричной матрицы все собственные значения вещественны, а собственные векторы, соответствующие различным собственным значениям, ортогональны.
• Для эрмитовой матрицы (комплексный аналог симметричной) все собственные значения вещественны.
• Для унитарной матрицы все собственные значения по модулю равны 1.

Классификация и виды

По типу оператора

• Симметричные (эрмитовы) операторы: все собственные значения вещественны, собственные векторы ортогональны.
• Ортогональные (унитарные) операторы: собственные значения лежат на единичной окружности в комплексной плоскости.
• Нормальные операторы: допускают ортонормированный базис из собственных векторов (спектральная теорема).
• Несамосопряжённые операторы: могут иметь комплексные собственные значения и недиагонализуемую структуру (жорданова форма).

По кратности

• Простое собственное значение: алгебраическая и геометрическая кратности равны 1.
• Кратные собственные значения: алгебраическая кратность больше 1. Если геометрическая кратность меньше алгебраической, матрица недиагонализуема (дефектна).

Вычислительные методы

Нахождение собственных значений и векторов — одна из центральных задач вычислительной линейной алгебры. Основные методы:

• Степенной метод (итерации по степеням): позволяет найти доминирующее (наибольшее по модулю) собственное значение и соответствующий собственный вектор.
• QR-алгоритм: итерационный метод, приводящий матрицу к верхней почти треугольной форме (форма Хессенберга) с последующим выделением собственных значений на диагонали.
• Метод Якоби: применяется для симметричных матриц, основан на последовательных вращениях.
• Метод Арнольди и метод Ланцоша: используются для разреженных матриц большого размера.

Применение

Физика и механика

• Квантовая механика: собственные значения оператора энергии (гамильтониана) определяют возможные уровни энергии системы. Собственные функции (волновые функции) описывают стационарные состояния.
• Теория колебаний: собственные частоты механических систем находятся как корни характеристического уравнения. Собственные векторы задают формы колебаний (моды).
• Теория устойчивости: анализ собственных значений матрицы линеаризованной системы позволяет определить устойчивость положений равновесия.

Математика и информатика

• Спектральный анализ графов: собственные значения матрицы смежности или лапласиана графа используются для изучения его свойств (связность, кластеризация, раскраска).
• Метод главных компонент (PCA): в статистике и машинном обучении собственные векторы ковариационной матрицы данных задают направления максимальной дисперсии. Собственные значения показывают долю объяснённой дисперсии.
• Ранжирование страниц (PageRank): алгоритм Google основан на вычислении собственного вектора, соответствующего наибольшему собственному значению стохастической матрицы переходов.
• Сжатие изображений: сингулярное разложение (SVD) матрицы изображения, тесно связанное с собственными значениями, позволяет отбрасывать малые сингулярные числа для уменьшения объёма данных.

Экономика и социология

• Модель Леонтьева «затраты-выпуск»: собственные значения матрицы межотраслевого баланса характеризуют продуктивность экономической системы.
• Анализ социальных сетей: собственные значения и векторы используются для выявления влиятельных узлов (центральность по собственному вектору).

Примеры

Пример 1: Матрица 2×2

Рассмотрим матрицу \( A = \begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix} \). Характеристическое уравнение:

\[ \det\begin{pmatrix} 2-\lambda & 1 \\ 1 & 2-\lambda \end{pmatrix} = (2-\lambda)^2 - 1 = \lambda^2 - 4\lambda + 3 = 0. \]

Корни: \( \lambda_1 = 3, \lambda_2 = 1 \). Для \( \lambda_1 = 3 \) собственный вектор находится из \( (A - 3I)\mathbf{v} = 0 \):

\[ \begin{pmatrix} -1 & 1 \\ 1 & -1 \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} = 0 \Rightarrow x = y. \]

Таким образом, собственный вектор — \( \mathbf{v}_1 = (1, 1)^T \). Для \( \lambda_2 = 1 \) получаем \( \mathbf{v}_2 = (1, -1)^T \).

Пример 2: Квантовый гармонический осциллятор

В квантовой механике оператор энергии (гамильтониан) одномерного гармонического осциллятора имеет собственные значения \( E_n = \hbar\omega(n + 1/2) \), где \( n = 0, 1, 2, \dots \). Собственные функции — полиномы Эрмита, умноженные на гауссиан.

Интересные факты

• Понятие собственных значений обобщается на бесконечномерные пространства в спектральной теории операторов. Например, собственные значения оператора Лапласа на ограниченной области определяют частоты колебаний мембраны.
• В русском языке термин «собственное значение» иногда путают с «собственным числом» в теории чисел, что является разными понятиями.
• Алгоритм Google PageRank, по сути, вычисляет собственный вектор матрицы, размер которой превышает миллиарды строк и столбцов.
• В квантовой механике измерение физической величины всегда даёт одно из собственных значений соответствующего оператора (постулат квантовой механики).

Источники

• Гантмахер Ф. Р. Теория матриц. — М.: Наука, 1967.
• Ланкастер П. Теория матриц. — М.: Наука, 1978.
• Хорн Р., Джонсон Ч. Матричный анализ. — М.: Мир, 1989.
• Голуб Дж., Ван Лоун Ч. Матричные вычисления. — М.: Мир, 1999.
• Ландау Л. Д., Лифшиц Е. М. Квантовая механика (нерелятивистская теория). — М.: Наука, 1989.
• Бриллинджер Д. Временные ряды. Обработка данных и теория. — М.: Мир, 1980.