ברוכים הבאים ליחידת הלימוד על ערכים עצמיים ווקטורים עצמיים, אחד הנושאים המרכזיים והחשובים ביותר באלגברה לינארית. מושגים אלו מאפשרים לנו להבין לעומק את ההתנהגות של העתקות לינאריות ולנתח אותן בצורה יעילה. ביחידה זו נלמד מהם ערכים עצמיים ווקטורים עצמיים, כיצד מוצאים אותם, ומהי חשיבותם התיאורטית והמעשית. נשים דגש מיוחד על שיטות החישוב ועל הבנת המקרים המיוחדים, כפי שנדרש לעיתים קרובות במבחני האוניברסיטה הפתוחה.
1. מהם ערכים עצמיים ווקטורים עצמיים?
ערכים עצמיים ווקטורים עצמיים הם מושגים יסודיים המאפשרים לנו לזהות וקטורים מיוחדים שאינם משנים את כיוונם תחת העתקה לינארית (טרנספורמציה). במקום זאת, הם רק נמתחים או מתכווצים בפקטור מסוים.
האינטואיציה הגיאומטרית
דמיינו העתקה לינארית כמתיחה, סיבוב או שיקוף של המרחב. וקטור עצמי הוא וקטור ש"מתעלם" מהסיבוב או השיקוף – הוא נשאר על אותו קו ישר העובר דרך הראשית, ורק גודלו (וכיוונו, אם λ שלילי) משתנה. הערך העצמי λ אומר לנו בכמה הוקטור נמתח או מתכווץ.
2. מציאת ערכים עצמיים ווקטורים עצמיים
תהליך מציאת הערכים העצמיים והוקטורים העצמיים הוא שיטתי וכולל שני שלבים עיקריים:
מציאת הערכים העצמיים
כדי למצוא את הערכים העצמיים של מטריצה A, אנו פותרים את המשוואה האופיינית:
det(A - λI) = 0
כאשר I היא מטריצת היחידה מאותו סדר כמו A, ו-λ הוא הערך העצמי שאותו אנו מחפשים.
- שלב 1: בונים את המטריצה A - λI על ידי חיסור λ מכל איבר באלכסון הראשי של A.
- שלב 2: מחשבים את הדטרמיננטה של A - λI. התוצאה תהיה פולינום ב-λ, הנקרא הפולינום האופייני.
- שלב 3: משווים את הפולינום האופייני לאפס ופותרים עבור λ. השורשים של משוואה זו הם הערכים העצמיים.
מציאת הוקטורים העצמיים
לאחר שמצאנו את הערכים העצמיים, עבור כל ערך עצמי λ, אנו מוצאים את הוקטורים העצמיים המתאימים לו על ידי פתרון מערכת המשוואות ההומוגנית:
(A - λI)v = 0
הפתרונות הלא-טריוויאליים של מערכת זו הם הוקטורים העצמיים עבור λ זה. מרחב הפתרונות של מערכת זו נקרא המרחב העצמי.
- שלב 1: עבור כל ערך עצמי λ שנמצא, מציבים אותו במטריצה A - λI.
- שלב 2: פותרים את המערכת (A - λI)v = 0. זהו למעשה מציאת בסיס למרחב האפס (Null Space) של המטריצה A - λI.
- שלב 3: הוקטורים בבסיס המרחב העצמי הם הוקטורים העצמיים הבלתי תלויים לינארית עבור λ זה.
3. ריבויים ודיאגונליזציה
הבנת הריבויים של הערכים העצמיים חיונית, במיוחד בהקשר של דיאגונליזציה של מטריצות.
ריבוי אלגברי (Algebraic Multiplicity)
מספר הפעמים שערך עצמי מסוים λ מופיע כשורש של הפולינום האופייני. לדוגמה, אם p(λ) = (λ-2)³(λ-5), אז ל-λ=2 יש ריבוי אלגברי 3.
ריבוי גיאומטרי (Geometric Multiplicity)
הממד של המרחב העצמי המתאים לערך עצמי λ, כלומר, מספר הוקטורים העצמיים הבלתי תלויים לינארית שניתן למצוא עבור λ. זהו dim(Nul(A - λI)).
תנאי לדיאגונליזציה
מטריצה A ניתנת ללכסון (Diagonalizable) אם ורק אם לכל ערך עצמי λ, הריבוי האלגברי שלו שווה לריבוי הגיאומטרי שלו. במילים אחרות, אם ניתן למצוא מספיק וקטורים עצמיים בלתי תלויים לינארית (בדיוק n וקטורים עבור מטריצה n x n).
שאלות לדיון
- הסבירו במילים שלכם את הקשר בין וקטור עצמי, ערך עצמי והעתקה לינארית.
- תארו את השלבים למציאת הערכים העצמיים של מטריצה 3x3. אילו קשיים עלולים להתעורר בשלב זה?
- מה ההבדל המהותי בין ריבוי אלגברי לריבוי גיאומטרי של ערך עצמי? מדוע הבדל זה קריטי להבנת דיאגונליזציה?
- תנו דוגמה למטריצה שאינה ניתנת ללכסון והסבירו מדוע.
נקודות לתשובת מודל
- הקשר: וקטור עצמי v הוא וקטור שאינו משנה את כיוונו תחת העתקה לינארית A, אלא רק נמתח/מתכווץ בפקטור λ (הערך העצמי). זהו Av = λv.
- שלבים למציאת ערכים עצמיים: 1. בונים A - λI. 2. מחשבים det(A - λI) (הפולינום האופייני). 3. משווים לאפס ופותרים את המשוואה הפולינומית עבור λ. קשיים: חישוב דטרמיננטה למטריצות גדולות, פתרון פולינומים ממעלה גבוהה.
- הבדל בין ריבויים: ריבוי אלגברי הוא מספר הפעמים ש-λ מופיע כשורש הפולינום האופייני. ריבוי גיאומטרי הוא ממד המרחב העצמי של λ (מספר הוקטורים העצמיים הבלתי תלויים לינארית). דיאגונליזציה דורשת שוויון בין הריבויים לכל λ, כי אז יש מספיק וקטורים עצמיים לבניית מטריצת המעבר P.
- דוגמה למטריצה לא לכסינה: מטריצה משולשית עליונה (או תחתונה) עם ערכים עצמיים חוזרים באלכסון, אך רק וקטור עצמי אחד בלתי תלוי לינארית. לדוגמה, A = [[1, 1], [0, 1]]. הערך העצמי היחיד הוא λ=1 (ריבוי אלגברי 2). המרחב העצמי עבור λ=1 הוא Nul(A - I) = Nul([[0, 1], [0, 0]]), שנפרש על ידי [1, 0]ᵀ. הממד הוא 1 (ריבוי גיאומטרי 1). מכיוון ש-1 ≠ 2, המטריצה אינה ניתנת ללכסון.