Калькулятор диагонализации матриц
Находит собственные значения, собственные векторы и диагонализацию P⁻¹AP = D для матриц 2×2 и 3×3.
Введите строки матрицы через точку с запятой, а элементы внутри строки — через запятую. Например, матрица 2×2 [[3,1],[0,2]] вводится как 3,1;0,2.
Калькулятор диагонализации матриц
Находит собственные значения, собственные векторы и диагонализацию P⁻¹AP = D для матриц 2×2 и 3×3.
О диагонализации матриц
Диагонализация матриц — это фундаментальная операция линейной алгебры, которая преобразует квадратную матрицу A в диагональную матрицу D с помощью преобразования подобия. Соотношение записывается как P⁻¹AP = D, где P — матрица собственных векторов, а D — диагональная матрица, содержащая собственные значения на главной диагонали.
Собственное значение λ квадратной матрицы A — это скаляр, удовлетворяющий det(A − λI) = 0, где I — единичная матрица. Это уравнение называется характеристическим уравнением A, а многочлен det(A − λI) — характеристическим многочленом. Для матрицы 2×2 получается квадратное уравнение, для 3×3 — кубическое. Собственные значения являются корнями этого многочлена.
Для каждого собственного значения λ соответствующие собственные векторы — это ненулевые решения (A − λI)v = 0. Множество всех решений (включая нулевой вектор) образует собственное подпространство, соответствующее λ. Матрица диагонализуема тогда и только тогда, когда у неё достаточно линейно независимых собственных векторов, чтобы образовать полный базис — эквивалентно, геометрическая кратность должна равняться алгебраической кратности для каждого собственного значения.
Диагональная матрица D содержит собственные значения на главной диагонали, а вне диагонали — нули. Матрица преобразования P имеет соответствующие собственные векторы в качестве столбцов в том же порядке, что и собственные значения в D. Когда P обратима (что верно, если A диагонализуема), можно проверить соотношение P⁻¹AP = D.
Диагонализация чрезвычайно полезна, потому что с диагональными матрицами легко работать. Возведение диагональной матрицы в степень тривиально: D^n просто возводит каждый диагональный элемент в n-ю степень. Это означает, что вычисление A^n для больших n сводится к P D^n P⁻¹, что гораздо эффективнее повторного перемножения матриц. Это напрямую применяется при вычислении чисел Фибоначчи, моделировании роста популяций с помощью матриц Лесли и решении систем дифференциальных уравнений.
В анализе данных и статистике анализ главных компонент (PCA) напрямую опирается на диагонализацию. Ковариационная матрица набора данных симметрична, поэтому всегда диагонализуема с вещественными собственными значениями. Собственные векторы задают главные компоненты — направления максимальной дисперсии — а собственные значения показывают, какую долю дисперсии объясняет каждая компонента.
В квантовой механике диагонализация матрицы Гамильтона даёт энергетические уровни и собственные состояния физической системы. В машиностроении собственные частоты и формы колебаний конструкций находят, диагонализуя матрицы жёсткости и массы системы.
Не каждая матрица диагонализуема. Матрицы с кратными собственными значениями могут быть диагонализуемыми или нет — это зависит от того, имеет ли каждое кратное значение полный собственный подпространство. Матрицы вращения в 2D имеют комплексные собственные значения и не могут быть диагонализованы над вещественными числами. В таких случаях жорданова нормальная форма даёт ближайшее к диагональному представление.
Примеры диагонализации
Разобранные примеры показывают, как диагонализуются разные матрицы.
| Матрица | Собственные значения | Примечания |
|---|---|---|
| 3,1;0,2 (2×2 верхнетреугольная) | λ₁ = 3, λ₂ = 2 | У верхнетреугольных матриц собственные значения находятся на диагонали. P = [[1,1],[0,−1]], D = [[3,0],[0,2]]. |
| 2,1;1,2 (2×2 симметричная) | λ₁ = 3, λ₂ = 1 | Симметричные матрицы всегда диагонализуемы с вещественными собственными значениями. Собственные векторы ортогональны: [1,1] и [1,−1]. |
| 4,1;0,4 (2×2 дефектная) | λ = 4 (кратное) | Кратное собственное значение и только один линейно независимый собственный вектор — матрица не диагонализуема. Нужна жорданова форма. |
| 1,0,0;0,2,0;0,0,3 (3×3 диагональная) | λ₁ = 1, λ₂ = 2, λ₃ = 3 | Диагональная матрица уже находится в диагонализованном виде. P = I, D — это сама A. |
Как пользоваться калькулятором диагонализации матриц
- Введите матрицу, разделяя строки точкой с запятой, а элементы в строке — запятыми. Для матрицы 2×2 [[a,b],[c,d]] введите a,b;c,d.
- Нажмите Диагонализировать. Калькулятор вычислит характеристический многочлен, найдёт собственные значения, а затем решит уравнения для собственных векторов.
- Просмотрите раздел Собственные значения, чтобы увидеть все собственные значения λ вашей матрицы.
- В разделе Матрица P будут показаны собственные векторы по столбцам, а в Диагональной матрице D — собственные значения на диагонали.
- Если матрица не диагонализуема (комплексные собственные значения или недостаток собственных векторов), будет показано объяснение, почему вещественная диагонализация невозможна.
Часто задаваемые вопросы о диагонализации матриц
Что значит, что матрица диагонализуема?
Квадратная матрица A диагонализуема, если существует обратимая матрица P такая, что P⁻¹AP = D, где D — диагональная матрица. Иными словами, A должна иметь n линейно независимых собственных векторов, где n — её размер. Это выполняется, когда геометрическая кратность каждого собственного значения равна его алгебраической кратности.
Что такое собственные значения и собственные векторы?
Собственное значение λ — это скаляр, для которого уравнение Av = λv имеет ненулевое решение v. Вектор v — соответствующий собственный вектор. Геометрически собственные векторы — это направления, которые преобразование A только растягивает или отражает (масштабирует на λ), не поворачивая. Собственные значения находят из уравнения det(A − λI) = 0.
Почему диагонализация матриц полезна?
Диагональные матрицы легко преобразовывать. Для вычисления n-й степени диагональной матрицы достаточно возвести каждый диагональный элемент в n-ю степень. Поэтому A^n = P D^n P⁻¹ вычисляется эффективно. Диагонализация также расцепляет системы уравнений, упрощая дифференциальные уравнения, модели популяций и анализ графов.
Когда матрица не диагонализуема?
Матрица не диагонализуема, если геометрическая кратность собственного значения меньше его алгебраической кратности — то есть собственное подпространство слишком мало. Кроме того, над вещественными числами матрица с комплексными собственными значениями (например, 2D-вращение) не может быть диагонализована вещественными матрицами.
В чём разница между алгебраической и геометрической кратностью?
Алгебраическая кратность собственного значения — это сколько раз оно встречается как корень характеристического многочлена. Геометрическая кратность — это размерность соответствующего собственного подпространства (число линейно независимых собственных векторов). Диагонализуемость требует, чтобы они были равны для каждого собственного значения.
Можно ли диагонализовать все симметричные матрицы?
Да. Спектральная теорема гарантирует, что любая вещественная симметричная матрица диагонализуема с помощью ортогональной матрицы P (где P⁻¹ = Pᵀ), и все собственные значения вещественны. Поэтому PCA и многие другие методы в статистике и физике опираются на симметричные матрицы.