ברוכים הבאים לשיעור המבוא שלנו בנושא "ערכים עצמיים ווקטורים עצמיים" – אחד הכלים החזקים והאלגנטיים ביותר באלגברה ליניארית, ובפרט בהנדסת חשמל. יחידה זו חיונית להבנת התנהגות מערכות ליניאריות, ניתוח יציבות, עיבוד אותות, ועוד אינספור יישומים. נלמד כיצד למצוא את "הכיוונים המיוחדים" שבהם טרנספורמציה ליניארית פשוטה במיוחד, וכיצד ידע זה מאפשר לנו לפשט בעיות מורכבות.
מבוא: הלב הפועם של טרנספורמציות ליניאריות
דמיינו טרנספורמציה ליניארית כ"מתיחה" או "סיבוב" של וקטורים במרחב. לרוב, וקטור משנה את כיוונו ואת גודלו. אך האם קיימים וקטורים מיוחדים, כאלה שרק נמתחים (או מתכווצים) מבלי לשנות את כיוונם (או משנים אותו ב-180 מעלות)? התשובה היא כן, ואלו הם הוקטורים העצמיים. הערכים העצמיים הם פשוט מקדמי המתיחה/כיווץ הללו.
בהנדסת חשמל, מושגים אלו מופיעים בניתוח תגובת תדר של מערכות, יציבות של מערכות בקרה, ניתוח מעגלים, ודחיסת נתונים (למשל, PCA). הבנה עמוקה של ערכים ווקטורים עצמיים היא קריטית לפיתוח אינטואיציה ויכולת פתרון בעיות.
הגדרות יסוד וחישוב
הגדרות
תהליך החישוב
כדי למצוא את הערכים העצמיים והוקטורים העצמיים של מטריצה A:
- מציאת הערכים העצמיים (λ):
- המשוואה Av = λv שקולה ל-Av - λIv = 0, או (A - λI)v = 0, כאשר I היא מטריצת היחידה.
- כדי שלמשוואה זו יהיה פתרון לא טריוויאלי (v ≠ 0), המטריצה (A - λI) חייבת להיות סינגולרית (לא הפיכה).
- לכן, אנו דורשים ש-det(A - λI) = 0. זוהי המשוואה האופיינית (Characteristic Equation).
- פתרון פולינום זה (הפולינום האופייני) ייתן לנו את הערכים העצמיים λ.
- מציאת הוקטורים העצמיים (v):
- עבור כל ערך עצמי λ שנמצא, נציב אותו בחזרה למשוואה (A - λI)v = 0.
- נפתור את המערכת ההומוגנית המתקבלת כדי למצוא את המרחב העצמי (Eigenspace) המתאים ל-λ. כל וקטור לא אפס במרחב זה הוא וקטור עצמי עבור λ.
ריבויים ודיאגונליזציה
ריבויים
ריבוי אלגברי (Algebraic Multiplicity)
החזקה של הגורם (λ - λi) בפולינום האופייני. כלומר, כמה פעמים ערך עצמי מסוים λi מופיע כשורש של הפולינום האופייני. מסומן כ-ma(λi).
ריבוי גיאומטרי (Geometric Multiplicity)
מימד המרחב העצמי המתאים לערך עצמי λi. זהו מספר הוקטורים העצמיים הבלתי תלויים ליניארית שניתן למצוא עבור λi. מסומן כ-mg(λi). הוא שווה ל-n - rank(A - λiI).
קשר חשוב: תמיד מתקיים 1 ≤ mg(λi) ≤ ma(λi).
דיאגונליזציה
מטריצה A ניתנת ללכסון (Diagonalizable) אם קיימת מטריצה הפיכה P ומטריצה אלכסונית D כך ש-A = PDP-1. המטריצה D תכיל את הערכים העצמיים באלכסונה, והעמודות של P יהיו הוקטורים העצמיים המתאימים.
תנאי ללכסון: מטריצה A ניתנת ללכסון אם ורק אם לכל ערך עצמי λi שלה, הריבוי האלגברי שווה לריבוי הגיאומטרי: ma(λi) = mg(λi). כמו כן, אם למטריצה n x n יש n ערכים עצמיים שונים, היא בהכרח ניתנת ללכסון.
חשיבות ויישומים (במיוחד להנדסת חשמל)
היכולת ללכסן מטריצה מפשטת חישובים רבים באופן דרמטי. לדוגמה, חישוב חזקות של מטריצה: במקום לחשב Ak ישירות, ניתן לחשב PDkP-1, כאשר Dk הוא פשוט העלאת כל איבר באלכסון של D לחזקת k. זה קריטי בניתוח מערכות דינמיות בזמן בדיד.
בהנדסת חשמל, ערכים עצמיים ווקטורים עצמיים מופיעים ב:
- מערכות ליניאריות: ניתוח יציבות של מערכות LTI (Linear Time-Invariant), פתרון משוואות דיפרנציאליות ליניאריות.
- עיבוד אותות: ניתוח רכיבים עיקריים (PCA) לדחיסת נתונים והפחתת מימד, ניתוח תגובת תדר.
- תורת הבקרה: קביעת מוטות (poles) של מערכת, עיצוב בקרים.
- ניתוח מעגלים: מציאת תדרי תהודה ומצבי פעולה יציבים.
שאלות לדיון
- הסבירו במילים שלכם מדוע וקטורים עצמיים וערכים עצמיים חשובים להבנת "התנהגות" של טרנספורמציה ליניארית.
- תארו מצב שבו מטריצה אינה ניתנת ללכסון. מה המשמעות הגיאומטרית של מצב כזה?
- כיצד הקשר בין הריבוי האלגברי לריבוי הגיאומטרי משפיע על יכולתנו למצוא בסיס של וקטורים עצמיים?
- תנו דוגמה קונקרטית (גם אם ברמה רעיונית) ליישום של ערכים ווקטורים עצמיים בתחום הנדסת החשמל.
נקודות לתשובת מודל
- חשיבות: וקטורים עצמיים הם "כיוונים יציבים" תחת הטרנספורמציה; הם רק נמתחים/מתכווצים. זה מפשט ניתוח מערכות מורכבות.
- מטריצה לא ניתנת ללכסון: מתרחש כאשר קיים ערך עצמי עבורו הריבוי הגיאומטרי קטן מהריבוי האלגברי. משמעות גיאומטרית: אין מספיק וקטורים עצמיים בלתי תלויים ליניארית כדי ליצור בסיס למרחב כולו. הטרנספורמציה "מעוותת" את המרחב באופן שאין לו מספיק כיוונים "יציבים".
- קשר ריבויים לבסיס: אם mg(λi) a(λi) עבור לפחות ערך עצמי אחד, לא ניתן למצוא בסיס שלם של וקטורים עצמיים. זהו התנאי המדויק לכך שמטריצה אינה ניתנת ללכסון.
- יישום בהנדסת חשמל: במערכות בקרה, הערכים העצמיים של מטריצת המערכת קובעים את יציבות המערכת. אם לכל הערכים העצמיים יש חלק ממשי שלילי (בזמן רציף) או גודל קטן מ-1 (בזמן בדיד), המערכת יציבה.