Liczby własne, znane również jako wartości własne, są fundamentalnym pojęciem w matematyce, szczególnie w dziedzinie algebry liniowej. Są to skalary, które, gdy zastosujemy do nich pewną operację (reprezentowaną przez macierz), skutkują jedynie przeskalowaniem wektora, na który ta operacja działa. Innymi słowy, wektor własny, gdy przemnożony przez macierz, pozostaje na tej samej prostej przechodzącej przez początek układu współrzędnych, zmieniając jedynie swoją długość (lub kierunek, jeśli liczba własna jest ujemna).
Kluczowym aspektem liczb własnych jest ich związek z macierzami. Dla danej macierzy kwadratowej $A$ ($n \times n$), liczba własna $\lambda$ i odpowiadający jej niezerowy wektor własny $v$ spełniają równanie:
$Av = \lambda v$
Must Read
To równanie mówi nam, że przekształcenie liniowe reprezentowane przez macierz $A$ zastosowane do wektora $v$ jest równoważne pomnożeniu tego samego wektora $v$ przez skalar $\lambda$. Wektor $v$ jest wtedy nazywany wektorem własnym macierzy $A$, a $\lambda$ jest jego liczbą własną.
Aby znaleźć liczby własne macierzy $A$, rozwiązujemy równanie charakterystyczne. Przekształcamy powyższe równanie do postaci:
$Av - \lambda v = 0$
$Av - \lambda Iv = 0$
gdzie $I$ jest macierzą jednostkową o tych samych wymiarach co $A$. Następnie wyciągamy $v$ przed nawias:
$(A - \lambda I)v = 0$
Aby to równanie miało niezerowe rozwiązanie dla $v$ (czyli istniał niezerowy wektor własny), macierz $(A - \lambda I)$ musi być osobliwa. Macierz jest osobliwa, gdy jej wyznacznik jest równy zero. Zatem warunkiem znalezienia liczb własnych jest rozwiązanie następującego równania:
$\det(A - \lambda I) = 0$
Jest to tzw. wielomian charakterystyczny, którego pierwiastki są właśnie liczbami własnymi macierzy $A$.
Przykład 1: Rozważmy macierz $A = \begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix}$.
Równanie charakterystyczne to $\det(A - \lambda I) = 0$.
$A - \lambda I = \begin{pmatrix} 2-\lambda & 1 \\ 1 & 2-\lambda \end{pmatrix}$
$\det \begin{pmatrix} 2-\lambda & 1 \\ 1 & 2-\lambda \end{pmatrix} = (2-\lambda)(2-\lambda) - 1 \cdot 1 = (2-\lambda)^2 - 1 = 4 - 4\lambda + \lambda^2 - 1 = \lambda^2 - 4\lambda + 3 = 0$
Rozwiązując równanie kwadratowe $\lambda^2 - 4\lambda + 3 = 0$, otrzymujemy $(\lambda - 1)(\lambda - 3) = 0$. Zatem liczby własne to $\lambda_1 = 1$ i $\lambda_2 = 3$.
Przykład 2: Dla macierzy $A = \begin{pmatrix} 1 & 0 \\ 0 & 5 \end{pmatrix}$, równanie charakterystyczne to $\det \begin{pmatrix} 1-\lambda & 0 \\ 0 & 5-\lambda \end{pmatrix} = (1-\lambda)(5-\lambda) = 0$. Liczby własne to $\lambda_1 = 1$ i $\lambda_2 = 5$.
Liczby własne i wektory własne znajdują szerokie zastosowanie w wielu dziedzinach. Są kluczowe w analizie drgań w mechanice, analizie stabilności systemów dynamicznych, przetwarzaniu obrazu (np. w algorytmie PCA – analizie głównych składowych), a także w kryptografii i fizyce kwantowej do opisu stanów układów.
