A lineáris algebrában egy lineáris transzformáció sajátvektora a vektortér olyan nemnulla vektora, amelyet a leképezés a skalárszorosába visz. Négyzetes mátrixok sajátvektorainak a mátrixhoz tartozó leképezés sajátvektorait nevezzük. A szóban forgó skalár értékek a sajátértékek. Sajátértékei és sajátvektorai adott esetben jól jellemzik a transzformációt, és fontos szerepet játszanak a matematika csaknem valamennyi ágában, például az algebrában, az analízisben, a geometriában. A fogalom számos hasznos alkalmazása létezik a fizikában, különösen fontos szerepet tölt be a kvantummechanikában, de bárhol szükség lehet a sajátértékekre és a sajátvektorokra, ahol differenciálegyenleteket használnak.
Fogalmak
Ha V vektortér egy T test felett és A egy V V lineáris leképezés, akkor v∈V nemnulla vektort az A leképezés egy sajátvektorának nevezzük, ha létezik olyan λ ∈ T, hogy teljesül az
egyenlőség a λ skalárt az A egy v sajátvektorához tartozó sajátértékének nevezzük, ha Av=λv a λ skalárt az A sajátértékének nevezzük, ha van A-nak olyan sajátvektora, amihez λ mint sajátérték tartozik a λ sajátértékhez tartozó sajátaltér mindazon sajátvektorok által kifeszített altér, melyekhez λ mint sajátérték tartozik a λ sajátérték geometriai multiplicitása a λ-hoz tartozó sajátaltér dimenziója ha V véges dimenziós, akkor A spektruma az A sajátértékeinek halmaza.
Tulajdonságok Ha λ egy invertálható mátrix sajátértéke, akkor 1/λ a mátrix inverzének sajátértéke Egy valós mátrix spektruma megegyezik a mátrix transzponáltjának spektrumával Egy mátrix sajátértékeinek összege a mátrix nyoma, és a sajátértékek szorzata a mátrix determinánsa A főtengelytétel miatt a valós szimmetrikus mátrixok és a komplex önadjungált mátrixok minden sajátértéke valós. Ezek előjelétől függően a mátrix lehet: pozitív definit, ha minden sajátérték pozitív pozitív szemidefinit, ha minden sajátérték ≥0 negatív szemidefinit, ha minden sajátérték ≤0 negatív definit, ha minden sajátérték negatív indefinit minden más esetben Azok a mátrixok, amik felcserélhetők a transzponáltjukkal, ortogonális bázisban diagonalizálhatók. Ilyenek például a szimmetrikus, az önadjungált, az ortogonális és az unitér mátrixok Minden komplex mátrix hasonló egy háromszögmátrixszal, aminek a főátlója éppen a sajátértékeket tartalmazza Továbbá hasonló egy blokkos diagonálmátrixszal, amiben a blokkok a sajátértékeket tartalmazzák, esetleg mellettük egy átlóban egyesek állnak. Ez a mátrix Jordan-féle normálformája Jelöljön A egy szimmetrikus mátrixot! Ekkor Sylvester tehetetlenségi tétele miatt minden olyan S invertálható mátrixra, amire az STAS mátrix diagonális, az STAS mátrix főátlóján álló elemek előjele mindig ugyanaz marad
Sajátérték és sajátvektor meghatározása Legyen adott egy A négyzetes mátrix.
A fenti definíciónak megfelelő sajátérték-egyenlet a következő:
Az I egységmátrix felhasználásával ez a következőképp írható: (az egységmátrixszal való szorzás nem változtatja meg a vektort) , amiből v-t kiemelve (a disztributivitást kihasználva):
A definícióban szerepel az a kikötés, hogy v vektor nem a nullvektor. Különben ebben az egyenletben tetszőleges lehetne.
Ha viszont nem nullvektor v esetén is nullvektor tud lenni a szorzat, akkor , ahol „det” a determinánst jelöli.
A fenti mátrix abban különbözik az eredeti A mátrixtól, hogy a főátlóban elemek helyett elemek vannak, a többi elem viszont megegyezik.
Az A mátrix karakterisztikus polinomjának nevezzük a következő polinomot:
Ennek a polinomnak a foka megegyezik a mátrix dimenziójával, azaz egy dimenziós mátrixhoz legfeljebb különböző sajátérték tartozhat.
A fenti módszer nem a legpraktikusabb módja a sajátértékek megkeresésének, hiszen a karakterisztikus polinom már 3×3-as mátrixok esetén is harmadfokú, aminek a megoldása nehézkes; ráadásul negyedfokúnál magasabb polinomokra nincs is megoldóképlet.
A -hez tartozó sajátvektorokat ezek alapján az
egyenletből számíthatjuk ki.
Példa: Pauli-mátrix sajátértékeinek és sajátvektorainak meghatározása
Feladat a következő Pauli-mátrix sajátértékeinek és sajátvektorainak a meghatározása:
A sajátérték-egyenlet a következő:
Kiírva:
A jobb oldalt kivonva a bal oldalból és kiemelve v vektort, a következőt kapjuk:
A mátrix karakterisztikus polinomja:
A sajátértékek pedig egyenlet megoldásai(), azaz a sajátértékek
Az egyes sajátvektorokat tehát a következőképp határozhatjuk meg:
A felső zárójeles index azt fejezi ki, hogy melyik sajátértékhez tartozó sajátvektorkomponensről van szó.
A fenti egyenlethez tartozó egyenletrendszer a következő:
Melyekből következik, hogy , vagyis az egyre normált sajátvektora -nek:
-höz tartozó sajátvektor megkeresése teljesen ugyanúgy zajlik, ahogy azt fent láttuk:
Az egyenlethez tartozó egyenletrendszer:
Vagyis , így normált sajátvektora:
Numerikus módszerek A negyedfokúnál magasabb fokú egyenletek nem oldhatók meg gyökjelekkel, ezért numerikus módszereket kell használni. Az egyenletek kiszámítása és megoldása hibaterjedéssel jár, ami már a hússzor húszas esetben a numerikus információ teljes elvesztésével jár. Ezért különféle módszereket dolgoztak ki a sajátértékek és a sajátvektorok meghatározására.
Ilyenek: QR-módszer hatványiteráció inverz iteráció Lánczos-módszer Arnoldi-módszer Jacobi-módszer
A sajátértékek becslésére a Gerschgorin-körök szolgálnak.
Sajátalterek Egy adott sajátértékhez tartozó összes sajátvektor és a nullvektor alteret alkotnak V-ben. Ezt az alteret az adott sajátértékhez tartozó sajátaltérnek nevezzük.
Könnyű belátni ugyanis, hogy azonos sajátértékhez tartozó két sajátvektor összege is sajátvektor, valamint egy sajátvektor skalárszorosa is sajátvektor. Ebből pedig egy tétel miatt következik az altér mivolt.
Általánosítás A funkcionálanalízis a függvényterek közötti leképezésekkel foglalkozik. Ezekhez is tartoznak sajátértékek és sajátvektorok; a sajátértékeket gyakran sajátelemeknek, a sajátvektorokat sajátfüggvényeknek hívják.
Források Kiss Emil: Bevezetés az algebrába
Stoyan Gisbert–Takó Galina: Numerikus módszerek
Kategória:Lineáris algebra