Chương 55: Trị riêng: những hướng bất biến¶
Câu hỏi mở đầu
Dưới một biến đổi tuyến tính, phần lớn vector bị xoay sang hướng khác. Có vector nào chỉ bị kéo dài hay co lại mà vẫn giữ nguyên hướng không? Nếu có, chúng cho biết gì về biến đổi?
Những mũi tên giữ hướng¶
Thử ma trận \(A = \begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix}\) trên vài vector. \((1; 0)\) đi tới \((2; 1)\), và \((0; 1)\) đi tới \((1; 2)\): cả hai đều bị xoay đi. Nhưng \((1; 1)\) đi tới \((3; 3)\): cùng hướng, chỉ dài gấp ba. Còn \((1; -1)\) đi tới \((2 - 1; 1 - 2) = (1; -1)\): đứng yên. Trên đường thẳng \(y = x\), biến đổi chỉ kéo giãn 3 lần; trên đường thẳng \(y = -x\), nó không làm gì cả.
Hai hướng ấy là bộ xương của cả biến đổi. Hai vector \((1; 1)\) và \((1; -1)\) là một cơ sở của mặt phẳng (Chương 50), và mọi vector viết được là
Theo tính tuyến tính, \(A\) nhân thành phần thứ nhất với 3 và giữ nguyên thành phần thứ hai. Một biến đổi trông như trộn lẫn hai tọa độ hóa ra chỉ là hai phép kéo giãn độc lập, mỗi phép dọc theo một trong hai hướng đặc biệt ấy. Trong cơ sở \((1; 1)\), \((1; -1)\), ma trận của nó là \(\begin{pmatrix} 3 & 0 \\ 0 & 1 \end{pmatrix}\), cũng như phép phản chiếu qua \(y = x\) ở mục Ranh giới của Chương 51 trở thành \(\begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix}\) trong cùng cơ sở ấy.
Cách nhìn này làm những việc nặng nhọc trở nên dễ. Muốn tính \(A^{10}(1; 0)\), không cần mười phép nhân ma trận. Vì \((1; 0) = \frac12(1; 1) + \frac12(1; -1)\), và mỗi lần làm \(A\) là nhân thành phần đầu với 3, giữ thành phần sau,
Kết quả gần như nằm trên đường \(y = x\): sau nhiều lần lặp, thành phần bị nhân với 3 mỗi lần lấn át thành phần đứng yên. Hướng có hệ số kéo giãn lớn nhất thắng.
Vì sao cấu trúc này phải xuất hiện, dù chưa ai đặt tên cho nó? Vì rất nhiều quá trình là một biến đổi tuyến tính lặp đi lặp lại: dân số các lứa tuổi năm này sang năm khác, thời tiết ngày này sang ngày khác, một người lướt web từ trang này sang trang khác, số cặp thỏ của Fibonacci tháng này sang tháng khác. Câu hỏi "về lâu dài thì sao" buộc ta tìm những hướng mà biến đổi chỉ nhân với một số: dọc những hướng ấy, lặp \(n\) lần chỉ là nhân với lũy thừa bậc \(n\) của số ấy, thứ ta tính và so sánh được ngay. Những hướng giữ nguyên là cái bất biến của biến đổi; mọi vector khác là tổ hợp của chúng.
Ký hiệu¶
Cho ma trận vuông \(A\). Một vector \(v \neq 0\) với
cho một số \(\lambda\) nào đó gọi là vector riêng (eigenvector) của \(A\), và \(\lambda\) là trị riêng (eigenvalue) ứng với nó. Đường thẳng qua gốc chứa \(v\) gồm các bội \(tv\), và \(A(tv) = \lambda(tv)\): cả đường thẳng được giữ nguyên, nên ta gọi nó là một hướng riêng (eigendirection) của \(A\). Trị riêng lớn hơn 1 là kéo giãn, nằm giữa 0 và 1 là co lại, âm là lật ngược chiều trên cùng đường thẳng, và bằng 0 là ép về gốc.
Tìm trị riêng thế nào? \(Av = \lambda v\) nghĩa là \((A - \lambda I)v = 0\) với \(v \neq 0\): ma trận \(A - \lambda I\) ép một vector khác 0 về gốc, tức có hạt nhân khác \(\{0\}\), nên theo Định lý 5 của Chương 54, nó suy biến. Vậy trị riêng là nghiệm của phương trình đặc trưng (characteristic equation)
Với \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\), phương trình này là
một phương trình bậc hai (Chương 28). Tổng \(a + d\) của hai số trên đường chéo chính gọi là vết (trace) của \(A\), viết \(\operatorname{tr} A\). Theo định lý Vi-ét, hai trị riêng có tổng bằng \(\operatorname{tr} A\) và tích bằng \(\det A\). Biệt thức \((a + d)^2 - 4(ad - bc) = (a - d)^2 + 4bc\) cho biết có hai trị riêng thực khác nhau, một trị riêng kép, hay không có trị riêng thực nào. Tìm được \(\lambda\) rồi, vector riêng là các nghiệm khác 0 của \((A - \lambda I)v = 0\), giải bằng cách của Chương 54.
Một ma trận đường chéo (diagonal matrix) là ma trận vuông chỉ có thể khác 0 trên đường chéo chính, như \(D = \begin{pmatrix} \lambda_1 & 0 \\ 0 & \lambda_2 \end{pmatrix}\): nó kéo giãn trục thứ nhất \(\lambda_1\) lần, trục thứ hai \(\lambda_2\) lần, và \(D^n = \begin{pmatrix} \lambda_1^n & 0 \\ 0 & \lambda_2^n \end{pmatrix}\). Nếu \(A\) có hai vector riêng \(v_1\), \(v_2\) độc lập, với trị riêng \(\lambda_1\), \(\lambda_2\), gọi \(P\) là ma trận có hai cột \(v_1\), \(v_2\). Khi đó
Viết \(A\) như thế gọi là chéo hóa (diagonalize) \(A\). Đọc từ phải sang trái như mọi tích ma trận: \(P^{-1}\) đổi một vector sang tọa độ theo cơ sở \(v_1\), \(v_2\) (Chương 50), \(D\) kéo giãn từng tọa độ, \(P\) đổi ngược về tọa độ thường.
Làm bằng tay¶
Ví dụ 1 (trị riêng và vector riêng). Với \(A = \begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix}\), phương trình đặc trưng là \(\lambda^2 - 4\lambda + 3 = (\lambda - 3)(\lambda - 1) = 0\), nên hai trị riêng là 3 và 1; tổng \(4 = \operatorname{tr} A\), tích \(3 = \det A\). Với \(\lambda = 3\): \(A - 3I = \begin{pmatrix} -1 & 1 \\ 1 & -1 \end{pmatrix}\), phương trình \(-v_1 + v_2 = 0\) cho \(v = t(1; 1)\). Với \(\lambda = 1\): \(A - I = \begin{pmatrix} 1 & 1 \\ 1 & 1 \end{pmatrix}\), phương trình \(v_1 + v_2 = 0\) cho \(v = t(1; -1)\). Đó đúng là hai hướng ở đầu chương.
Bàn tương tác: săn hướng riêng
Xoay vector đơn vị \(v\) quanh đường tròn và nhìn \(Av\): phần lớn thời gian, \(Av\) chỉ về một hướng khác hẳn \(v\). Hãy tìm những góc mà \(Av\) nằm đúng trên đường thẳng chứa \(v\), rồi đổi sang ma trận khác. Ma trận nào có hai hướng riêng, ma trận nào chỉ có một, ma trận nào không có hướng nào?
Bàn tương tác cần trình duyệt bật JavaScript.
Điều bạn vừa thấy
Khi \(v\) quay, \(Av\) có lúc nằm bên này, có lúc nằm bên kia đường thẳng chứa \(v\). Muốn đổi bên, nó phải đi qua chính đường thẳng ấy, và ở đó \(v\) là một vector riêng; độ dài có dấu của \(Av\) lúc ấy (âm khi \(Av\) ngược chiều \(v\)) là trị riêng. \(A\) của Ví dụ 1, ma trận \(\begin{pmatrix} 2 & 1 \\ 0 & 1 \end{pmatrix}\), \(Q\), phép phản chiếu và phép chiếu đều có hai hướng riêng, và hai hướng ấy không nhất thiết vuông góc. Phép trượt chỉ có một hướng riêng, trục hoành, và ở đó \(Av\) chỉ chạm đường thẳng chứa \(v\) chứ không đổi bên. Phép quay \(90^\circ\) không có hướng nào: \(Av\) luôn vuông góc với \(v\). Biệt thức của phương trình đặc trưng báo trước điều này: nó dương với các ma trận có hai hướng riêng, bằng 0 với phép trượt (trị riêng kép 1), âm với phép quay \(90^\circ\).
Ví dụ 2 (lũy thừa nhờ chéo hóa). Với \(P = \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}\), \(P^{-1} = \frac12 \begin{pmatrix} 1 & 1 \\ 1 & -1 \end{pmatrix}\) và \(D = \begin{pmatrix} 3 & 0 \\ 0 & 1 \end{pmatrix}\),
Với \(n = 1\) công thức cho lại \(A\); với \(n = 10\), cột đầu là \((29.525; 29.524)\), đúng như đầu chương. Hướng của \(A^n(1; 0)\) tiến dần về hướng \((1; 1)\), vì tỉ số hai tọa độ là \(\frac{3^n - 1}{3^n + 1}\), tiến về 1.
Ví dụ 3 (dãy Fibonacci và tỉ số vàng). Ma trận \(Q = \begin{pmatrix} 1 & 1 \\ 1 & 0 \end{pmatrix}\) của Chương 52 có phương trình đặc trưng \(\lambda^2 - \lambda - 1 = 0\), với hai nghiệm
\(\varphi\) chính là tỉ số vàng của Chương 24. Với mỗi trị riêng \(\lambda\), vector \((\lambda; 1)\) là vector riêng, vì \(Q(\lambda; 1) = (\lambda + 1; \lambda) = (\lambda^2; \lambda)\) nhờ \(\lambda^2 = \lambda + 1\). Vì \(\varphi - \psi = \sqrt5\), ta có \((1; 0) = \frac{1}{\sqrt5}\big((\varphi; 1) - (\psi; 1)\big)\), nên
Theo Mệnh đề 5 của Chương 52, cột đầu của \(Q^n\) là \((F_{n+1}; F_n)\). So sánh thành phần thứ hai, ta được công thức Binet (Binet's formula)
Vì \(\lvert \psi \rvert < 1\), số hạng \(\psi^n\) nhỏ dần về 0, nên \(F_n\) là số nguyên gần \(\frac{\varphi^n}{\sqrt5}\) nhất; chẳng hạn \(\frac{\varphi^{20}}{\sqrt5} \approx 6.765{,}00003\), và \(F_{20} = 6.765\). Cũng vì thế \(\frac{F_{n+1}}{F_n}\) tiến về \(\varphi\): hướng riêng có trị riêng lớn hơn thắng, và phép lặp \(x \mapsto 1 + \frac1x\) ở Chương 24 dồn về tỉ số vàng là cùng một hiện tượng nhìn theo một cách khác.
Ví dụ 4 (thời tiết về lâu dài). Giả định thời tiết mỗi ngày chỉ phụ thuộc hôm trước: sau một ngày nắng, hôm sau nắng với xác suất \(0{,}9\) và mưa với xác suất \(0{,}1\); sau một ngày mưa, hôm sau nắng hay mưa đều với xác suất \(0{,}5\). Một quá trình như thế, mỗi bước chỉ phụ thuộc trạng thái ngay trước, gọi là chuỗi Markov (Markov chain), theo tên Andrei Markov, người đã gặp ở bất đẳng thức Markov của Chương 45.
flowchart LR
N(("nắng")) -->|"0,9"| N
N -->|"0,1"| M(("mưa"))
M -->|"0,5"| N
M -->|"0,5"| M
Ghi xác suất nắng và mưa của ngày thứ \(n\) thành vector \(p_n\). Theo công thức xác suất toàn phần (Chương 42), \(p_{n+1} = Pp_n\) với ma trận chuyển (transition matrix)
cột thứ nhất là phân phối của ngày mai nếu hôm nay nắng, cột thứ hai nếu hôm nay mưa. Phương trình đặc trưng là \(\lambda^2 - 1{,}4\lambda + 0{,}4 = (\lambda - 1)(\lambda - 0{,}4) = 0\). Với \(\lambda = 1\), \((P - I)v = 0\) cho \(-0{,}1v_1 + 0{,}5v_2 = 0\), tức \(v = t(5; 1)\); chia cho tổng các thành phần để được một phân phối xác suất, ta có \(\left(\frac56; \frac16\right)\). Với \(\lambda = 0{,}4\), vector riêng là \((1; -1)\). Mọi phân phối ban đầu viết được là \(\left(\frac56; \frac16\right) + c(1; -1)\), vì hiệu của hai phân phối có tổng các thành phần bằng 0. Do đó
Về lâu dài, dù hôm nay nắng hay mưa, khoảng \(\frac56\) số ngày là nắng. Phân phối không đổi qua một bước, \(P\left(\frac56; \frac16\right) = \left(\frac56; \frac16\right)\), gọi là phân phối dừng (stationary distribution). Bắt đầu từ một ngày nắng thì \(c = \frac16\), và sau ba ngày xác suất nắng là \(\frac56 + \frac{0{,}064}{6} = 0{,}844\); bắt đầu từ một ngày mưa thì \(c = -\frac56\), và sau ba ngày xác suất ấy là \(0{,}78\). Trị riêng \(0{,}4\) cho biết khoảng cách tới phân phối dừng nhỏ đi \(0{,}4\) lần mỗi ngày.
Bàn tương tác: thời tiết về lâu dài
Bàn mở ra với chuỗi Markov của Ví dụ 4, \(a = 0{,}9\) và \(b = 0{,}5\). Hãy đổi hai xác suất ấy. Về lâu dài, bao nhiêu phần trăm số ngày là nắng? Con số ấy có phụ thuộc hôm nay nắng hay mưa không? Hai đường tiến về đích nhanh hay chậm, và khi nào chúng lượn quanh đích thay vì tiến thẳng tới?
Bàn tương tác cần trình duyệt bật JavaScript.
Điều bạn vừa thấy
Trừ hai trường hợp đặc biệt, hai đường luôn tiến về cùng một mức, xác suất nắng của phân phối dừng: vector riêng ứng với trị riêng 1 không phụ thuộc hôm nay nắng hay mưa. Trị riêng còn lại, \(a - b\), quyết định tốc độ: mỗi ngày, khoảng cách tới đích bị nhân với nó. Nó gần 1 thì thời tiết "nhớ" hôm nay rất lâu và hai đường đi chậm; bằng 0 thì chỉ một ngày là tới; âm thì hai đường lượn quanh đích, lúc trên lúc dưới. Hai trường hợp đặc biệt là \(a = 1\), \(b = 0\) (trời không bao giờ đổi) và \(a = 0\), \(b = 1\) (trời đổi mỗi ngày). Khi ấy trị riêng còn lại là \(1\) hay \(-1\), bằng trị riêng thứ nhất về trị tuyệt đối, nên không có gì tiến về một đích chung.
Ý tưởng ban đầu của cách Google xếp hạng trang web (PageRank) cũng là một chuỗi Markov, chỉ lớn hơn nhiều: một người lướt web ngẫu nhiên đi theo các đường liên kết, và thứ hạng của một trang là tỉ lệ thời gian lâu dài người ấy ở trang đó, tức phân phối dừng. Tìm nó bằng cách lặp ma trận chuyển nhiều lần, như Ví dụ 2.
Ví dụ 5 (những biến đổi quen thuộc).
- Phép phản chiếu qua \(y = x\), \(\begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}\): \(\lambda^2 - 1 = 0\), trị riêng 1 với hướng \((1; 1)\) (đường gương đứng yên) và \(-1\) với hướng \((1; -1)\) (hướng vuông góc với gương bị lật). Đây là lời giải cho câu hỏi Chương 51 để ngỏ ở mục Ranh giới.
- Phép chiếu lên trục hoành: trị riêng 1 với trục hoành, trị riêng 0 với trục tung. Trị riêng 0 chính là hạt nhân: \(Av = 0v\) nghĩa là \(v\) bị ép về gốc.
- Phép quay \(90^\circ\), \(\begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix}\): \(\lambda^2 + 1 = 0\), biệt thức \(-4 < 0\), không có trị riêng thực. Đúng như hình học: quay một góc vuông thì không hướng nào được giữ nguyên.
- Phép trượt \(\begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}\): \((\lambda - 1)^2 = 0\), trị riêng kép 1, nhưng \((A - I)v = 0\) chỉ cho \(v = t(1; 0)\). Chỉ có một hướng riêng, trục hoành, nên không có cơ sở gồm vector riêng và phép trượt không chéo hóa được.
Ví dụ 6 (hướng biến động nhiều nhất của dữ liệu). Năm học sinh ở Ví dụ 1 của Chương 47 (số liệu giả định) học 1, 2, 3, 4, 5 giờ và được 4, 5, 7, 6, 8 điểm, với trung bình \((3; 6)\), \(S_{xx} = S_{yy} = 10\) và \(S_{xy} = 9\). Theo hướng của vector đơn vị \(u = (\cos t; \sin t)\), các độ lệch khỏi trung bình có hình chiếu \((x_i - 3)\cos t + (y_i - 6)\sin t\), và tổng bình phương các hình chiếu là
dùng \(\sin 2t = 2\sin t\cos t\) (công thức cộng của Chương 30 với hai góc bằng nhau). Tổng ấy lớn nhất, bằng 19, khi \(t = 45^\circ\), và nhỏ nhất, bằng 1, khi \(t = 135^\circ\). Đó đúng là hai trị riêng của ma trận \(\begin{pmatrix} 10 & 9 \\ 9 & 10 \end{pmatrix}\), với hai vector riêng vuông góc \((1; 1)\) và \((1; -1)\). Đường thẳng qua trung bình theo hướng \((1; 1)\), tức \(y = x + 3\), gọi là trục chính (principal axis) của đám dữ liệu: dọc theo nó, dữ liệu biến động nhiều nhất, chiếm \(\frac{19}{20} = 95\%\) tổng biến động \(S_{xx} + S_{yy} = 20\). Trục chính khác đường hồi quy \(y = 0{,}9x + 3{,}3\) của Chương 47: đường hồi quy làm nhỏ nhất tổng bình phương khoảng cách theo chiều đứng, còn trục chính làm nhỏ nhất tổng bình phương khoảng cách vuông góc. Với dữ liệu nhiều chiều, tìm các trục chính như thế là bước đầu của nhiều phương pháp phân tích dữ liệu.
Ranh giới¶
Không phải ma trận nào cũng có trị riêng thực. Mọi phép quay góc \(\theta\) không phải bội của \(180^\circ\) có phương trình đặc trưng \(\lambda^2 - 2\lambda\cos\theta + 1 = 0\) với biệt thức \(4\cos^2\theta - 4 < 0\): không hướng nào được giữ nguyên. Có thể mở rộng các số để phương trình ấy có nghiệm, nhưng điều đó nằm ngoài cuốn sách này.
Không phải ma trận nào cũng chéo hóa được. Phép trượt chỉ có một hướng riêng (Ví dụ 5). Trị riêng kép không phải lúc nào cũng xấu: \(2I\) có trị riêng kép 2 nhưng mọi vector khác 0 đều là vector riêng. Điều cần là đủ nhiều vector riêng độc lập, không phải đủ nhiều trị riêng khác nhau.
Trị riêng không cộng, không nhân. Nói chung, trị riêng của \(A + B\) không phải tổng các trị riêng của \(A\) và \(B\), và trị riêng của \(AB\) không phải tích của chúng (bài C3). Trị riêng gắn với những hướng riêng của từng ma trận, và hai ma trận thường có những hướng riêng khác nhau.
Hướng riêng không nhất thiết vuông góc. Ma trận \(\begin{pmatrix} 2 & 1 \\ 0 & 1 \end{pmatrix}\) có vector riêng \((1; 0)\) với trị riêng 2 và \((1; -1)\) với trị riêng 1, không vuông góc với nhau. Chỉ ma trận đối xứng (symmetric matrix), tức ma trận có phần tử ở hàng \(i\), cột \(j\) bằng phần tử ở hàng \(j\), cột \(i\), mới chắc chắn có các hướng riêng vuông góc (Mệnh đề 7).
"Hướng lớn nhất thắng" cần điều kiện. Vector ban đầu phải có thành phần khác 0 theo hướng riêng lớn nhất: \(A^n(1; -1) = (1; -1)\) mãi mãi, dù 3 là trị riêng lớn nhất. Và trị riêng lớn nhất phải lớn hơn hẳn các trị riêng khác về trị tuyệt đối: với phép phản chiếu, hai trị riêng 1 và \(-1\) ngang nhau, và \(A^n v\) cứ nhảy qua lại giữa hai vị trí.
Bàn tương tác: lặp lại thì hướng nào thắng
Chọn một ma trận \(A\), kéo vector ban đầu \(x\) và tăng số lần lặp \(n\). Bàn tách \(x\) thành hai phần theo hai hướng riêng, \(x = c_1 v_1 + c_2 v_2\), với \(v_1\) là hướng có trị riêng lớn nhất về trị tuyệt đối. Qua mỗi lần lặp, hai phần ấy thay đổi thế nào? Khi nào \(A^n x\) dồn về đường thẳng chứa \(v_1\), và khi nào thì không?
Bàn tương tác cần trình duyệt bật JavaScript.
Điều bạn vừa thấy
Mỗi lần lặp, phần theo \(v_1\) được nhân với \(\lambda_1\), phần theo \(v_2\) được nhân với \(\lambda_2\). Chia cho \(\lvert \lambda_1 \rvert^n\) để nhìn cho rõ thì phần thứ nhất giữ nguyên độ dài, còn phần thứ hai co lại theo \(\left\lvert \frac{\lambda_2}{\lambda_1} \right\rvert^n\), nên mũi tên đen dồn về đường thẳng chứa \(v_1\); tỉ số \(\left\lvert \frac{\lambda_2}{\lambda_1} \right\rvert\) càng nhỏ, nó dồn về càng nhanh. Với ma trận có \(\lambda_1 = -3\), mũi tên đổi chiều sau mỗi lần lặp nhưng đường thẳng chứa nó vẫn dồn về \(v_1\): điều quyết định là trị tuyệt đối. Hai điều kiện ở trên cũng hiện ra rõ. Kéo \(x\) lên đường thẳng chứa \(v_2\) thì \(c_1 = 0\), và hướng \(v_1\) không bao giờ thắng. Với phép phản chiếu, \(\lvert \lambda_1 \rvert = \lvert \lambda_2 \rvert\), nên mũi tên nhảy qua lại mãi.
Phát biểu chặt chẽ¶
Định nghĩa 1. Cho \(A\) là ma trận vuông cỡ \(n \times n\). Số \(\lambda\) là một trị riêng của \(A\) nếu có vector \(v \neq 0\) với \(Av = \lambda v\); mỗi vector như thế là một vector riêng ứng với \(\lambda\). Phương trình \(\det(A - \lambda I) = 0\) là phương trình đặc trưng của \(A\). Vết của \(A\) là tổng các phần tử trên đường chéo chính. Ma trận \(A\) gọi là đối xứng nếu \(a_{ij} = a_{ji}\) với mọi \(i\), \(j\).
Định lý 2. Với ma trận \(A\) cỡ \(2 \times 2\), số \(\lambda\) là trị riêng của \(A\) khi và chỉ khi \(\det(A - \lambda I) = 0\).
Chứng minh. \(\lambda\) là trị riêng khi và chỉ khi \((A - \lambda I)v = 0\) có nghiệm \(v \neq 0\), tức hạt nhân của \(A - \lambda I\) khác \(\{0\}\). Theo Định lý 5 của Chương 54, điều đó xảy ra khi và chỉ khi \(\det(A - \lambda I) = 0\). \(\square\)
Với ma trận lớn hơn, lập luận y hệt, dựa trên các phát biểu tương ứng cho ma trận \(n \times n\) ở Chương 53 và 54.
Mệnh đề 3 (phương trình đặc trưng \(2 \times 2\)). Với \(A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\), \(\det(A - \lambda I) = \lambda^2 - (\operatorname{tr} A)\lambda + \det A\). Nếu phương trình này có hai nghiệm thực \(\lambda_1\), \(\lambda_2\) (có thể trùng nhau) thì \(\lambda_1 + \lambda_2 = \operatorname{tr} A\) và \(\lambda_1 \lambda_2 = \det A\).
Chứng minh. \((a - \lambda)(d - \lambda) - bc = \lambda^2 - (a + d)\lambda + (ad - bc)\). Phần còn lại là định lý Vi-ét (Chương 28) cho phương trình bậc hai có hệ số đầu bằng 1. \(\square\)
Định lý 4 (chéo hóa). Cho \(A\) cỡ \(n \times n\) có các vector riêng \(v_1, \dots, v_n\) với trị riêng \(\lambda_1, \dots, \lambda_n\), sao cho ma trận \(P\) có các cột \(v_1, \dots, v_n\) khả nghịch. Gọi \(D\) là ma trận đường chéo với các số \(\lambda_1, \dots, \lambda_n\) trên đường chéo chính. Khi đó \(A = PDP^{-1}\), và \(A^k = PD^kP^{-1}\) với mọi số nguyên dương \(k\).
Chứng minh. Theo Định lý 2 của Chương 52, cột thứ \(j\) của \(AP\) là \(Av_j = \lambda_j v_j\), còn cột thứ \(j\) của \(PD\) là \(P\) nhân cột thứ \(j\) của \(D\), tức \(\lambda_j v_j\). Vậy \(AP = PD\), và nhân \(P^{-1}\) vào bên phải được \(A = PDP^{-1}\). Khi đó, nhờ tính kết hợp, \(A^k = (PDP^{-1})(PDP^{-1}) \cdots (PDP^{-1})\), và mỗi cặp \(P^{-1}P\) ở giữa bằng \(I\), nên \(A^k = PD^kP^{-1}\). \(\square\)
Với \(n = 2\), \(P\) khả nghịch khi và chỉ khi hai cột \(v_1\), \(v_2\) độc lập tuyến tính (Định lý 5 của Chương 53 và Định lý 5 của Chương 54).
Mệnh đề 5 (trị riêng khác nhau cho hướng khác nhau). Nếu ma trận \(A\) cỡ \(2 \times 2\) có hai trị riêng khác nhau \(\lambda \neq \mu\) với vector riêng \(v\), \(w\), thì \(v\), \(w\) độc lập tuyến tính; do đó \(A\) chéo hóa được.
Chứng minh. Nếu \(w = tv\) thì \(Aw = tAv = t\lambda v = \lambda w\); mà \(Aw = \mu w\), nên \((\lambda - \mu)w = 0\) và \(w = 0\), trái với \(w\) là vector riêng. Vậy \(w\) không là bội của \(v\), và vì \(v \neq 0\), hai vector độc lập. Áp dụng Định lý 4. \(\square\)
Mệnh đề 6 (hướng có trị riêng lớn nhất thắng). Cho \(A\) cỡ \(2 \times 2\) có vector riêng \(v_1\), \(v_2\) độc lập, với trị riêng \(\lambda_1\), \(\lambda_2\) thỏa \(\lvert \lambda_1 \rvert > \lvert \lambda_2 \rvert\), và \(v = c_1 v_1 + c_2 v_2\). Khi đó \(\frac{A^n v}{\lambda_1^n} \to c_1 v_1\) khi \(n \to \infty\).
Chứng minh. Từ \(Av_i = \lambda_i v_i\) suy ra \(A^n v_i = \lambda_i^n v_i\) (quy nạp), nên \(A^n v = c_1 \lambda_1^n v_1 + c_2 \lambda_2^n v_2\) và
Vì \(\left\lvert \frac{\lambda_2}{\lambda_1} \right\rvert < 1\), số hạng thứ hai tiến về 0 theo Mệnh đề 2 của Chương 31. \(\square\)
Nếu \(c_1 \neq 0\), điều này nói rằng đường thẳng chứa \(A^n v\) tiến về hướng riêng của \(\lambda_1\).
Mệnh đề 7 (ma trận đối xứng \(2 \times 2\)). Cho \(A = \begin{pmatrix} a & b \\ b & d \end{pmatrix}\). Khi đó \(A\) có trị riêng thực; nếu \(b \neq 0\) thì hai trị riêng khác nhau; và hai vector riêng ứng với hai trị riêng khác nhau thì vuông góc với nhau.
Chứng minh. Biệt thức của phương trình đặc trưng là \((a + d)^2 - 4(ad - b^2) = (a - d)^2 + 4b^2 \geq 0\), và nó dương khi \(b \neq 0\). Với mọi \(v\), \(w\), khai triển trực tiếp cho \((Av) \cdot w = av_1w_1 + b(v_2w_1 + v_1w_2) + dv_2w_2 = v \cdot (Aw)\). Nếu \(Av = \lambda v\) và \(Aw = \mu w\) với \(\lambda \neq \mu\) thì \(\lambda (v \cdot w) = (Av) \cdot w = v \cdot (Aw) = \mu (v \cdot w)\), nên \((\lambda - \mu)(v \cdot w) = 0\) và \(v \cdot w = 0\). \(\square\)
Tổng quát hơn, và ta chỉ phát biểu: mọi ma trận đối xứng cỡ \(n \times n\) có \(n\) trị riêng thực (kể cả lặp lại) và có \(n\) vector riêng đôi một vuông góc, độ dài 1. Đó là định lý phổ (spectral theorem), nền tảng của việc tìm các trục chính của dữ liệu.
Sợi chỉ
- S1. Bất biến qua biến đổi. Đây là chương cốt lõi của sợi chỉ này. Hướng riêng là đường thẳng mà biến đổi giữ nguyên, trị riêng là hệ số nó kéo giãn trên đường ấy. Trị riêng cũng không phụ thuộc cơ sở: \(A\) và \(P^{-1}AP\) có cùng phương trình đặc trưng (bài C1), nên vết và định thức (Chương 53) cũng không phụ thuộc cơ sở.
- S6. Biểu diễn khác nhau của cùng một cấu trúc. Trong cơ sở gồm các vector riêng, ma trận trở thành ma trận đường chéo: cùng một biến đổi, cách ghi đơn giản nhất. Đây là câu trả lời cho câu hỏi mà mục Ranh giới của Chương 51 để ngỏ.
- S4. Cục bộ và toàn cục. Hành vi lâu dài của một quá trình lặp do trị riêng lớn nhất quyết định: \(\frac{F_{n+1}}{F_n} \to \varphi\), thời tiết tiến về phân phối dừng, \(A^n(1; 0)\) quay dần về hướng \((1; 1)\). Một phép tính cục bộ (một bước) cho biết tương lai xa.
- S2. Thông tin và khả nghịch. Trị riêng 0 chính là hạt nhân của Chương 54: ma trận suy biến khi và chỉ khi 0 là một trị riêng.
Tóm tắt¶
- Vector riêng là vector khác 0 mà biến đổi chỉ nhân với một số: \(Av = \lambda v\); \(\lambda\) là trị riêng, đường thẳng chứa \(v\) là một hướng riêng.
- Trị riêng là nghiệm của phương trình đặc trưng \(\det(A - \lambda I) = 0\), vì \(A - \lambda I\) phải ép một vector khác 0 về gốc; với ma trận \(2 \times 2\), đó là phương trình bậc hai \(\lambda^2 - (\operatorname{tr} A)\lambda + \det A = 0\).
- Tổng hai trị riêng là vết, tích là định thức (định lý Vi-ét).
- Trong cơ sở gồm các vector riêng, ma trận thành ma trận đường chéo: \(A = PDP^{-1}\), và \(A^n = PD^nP^{-1}\) dễ tính.
- Lặp nhiều lần thì hướng có trị riêng lớn nhất thắng: dãy Fibonacci có \(F_n = \frac{\varphi^n - \psi^n}{\sqrt5}\) và \(\frac{F_{n+1}}{F_n} \to \varphi\); chuỗi Markov tiến về phân phối dừng.
- Phép quay không có trị riêng thực; phép trượt không chéo hóa được; trị riêng 0 khi và chỉ khi ma trận suy biến.
- Ma trận đối xứng có trị riêng thực và các hướng riêng vuông góc; trục chính của một đám dữ liệu là hướng riêng có trị riêng lớn nhất.
Bài tập¶
A. Tư duy¶
A1. Không tính, tìm các hướng riêng và trị riêng của: phép chiếu lên trục hoành; phép phản chiếu qua trục hoành; phép co giãn \(\begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix}\); phép quay \(180^\circ\).
Lời giải
Phép chiếu: trục hoành với trị riêng 1 (điểm trên trục đứng yên), trục tung với trị riêng 0 (bị ép về gốc). Phép phản chiếu qua trục hoành: trục hoành với trị riêng 1, trục tung với trị riêng \(-1\) (bị lật). Phép co giãn: trục hoành với trị riêng 2, trục tung với trị riêng 3. Phép quay \(180^\circ\) đưa mọi \(v\) tới \(-v\): mọi vector khác 0 là vector riêng, với trị riêng \(-1\), và mọi đường thẳng qua gốc là một hướng riêng.
A2. Vì sao vector 0 không được tính là vector riêng, trong khi số 0 vẫn có thể là trị riêng?
Lời giải
Vì \(A0 = \lambda 0\) đúng với mọi số \(\lambda\): nếu cho phép \(v = 0\) thì mọi số đều là trị riêng của mọi ma trận, và khái niệm mất hết ý nghĩa. Còn trị riêng 0 thì mang thông tin thật: \(Av = 0 \cdot v = 0\) với một \(v \neq 0\) nghĩa là \(v\) thuộc hạt nhân, tức ma trận suy biến.
A3. Giải thích bằng hình học vì sao tích hai trị riêng của một ma trận \(2 \times 2\) chéo hóa được bằng định thức của nó.
Lời giải
Trong cơ sở gồm hai vector riêng, biến đổi chỉ kéo giãn hướng thứ nhất \(\lambda_1\) lần và hướng thứ hai \(\lambda_2\) lần. Hình bình hành dựng trên hai vector riêng biến thành hình bình hành dựng trên \(\lambda_1 v_1\) và \(\lambda_2 v_2\), có diện tích có dấu gấp \(\lambda_1 \lambda_2\) lần (định thức tuyến tính theo từng cột, Chương 53). Mà theo Chương 53, mọi diện tích đều được nhân với cùng một số, là \(\det A\). Vậy \(\det A = \lambda_1 \lambda_2\).
A4. Một bạn nói: "Lặp một biến đổi nhiều lần thì mọi vector đều quay về hướng riêng có trị riêng lớn nhất." Chỉ ra ba trường hợp câu ấy sai.
Lời giải
(1) Vector ban đầu không có thành phần theo hướng ấy: với \(A = \begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix}\), \(A^n(1; -1) = (1; -1)\) mãi mãi. (2) Hai trị riêng có cùng trị tuyệt đối: với phép phản chiếu qua \(y = x\) (trị riêng 1 và \(-1\)), \(A^n(1; 0)\) nhảy qua lại giữa \((1; 0)\) và \((0; 1)\). (3) Không có trị riêng thực: phép quay \(90^\circ\) làm vector quay vòng mãi, không tiến về hướng nào.
B. Tính toán¶
B1. Tìm trị riêng và vector riêng của \(\begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix}\), và kiểm tra tổng, tích của các trị riêng.
Lời giải
Phương trình đặc trưng \(\lambda^2 - 7\lambda + 10 = (\lambda - 5)(\lambda - 2) = 0\). Với \(\lambda = 5\): \(A - 5I = \begin{pmatrix} -1 & 1 \\ 2 & -2 \end{pmatrix}\), cho \(v = t(1; 1)\). Với \(\lambda = 2\): \(A - 2I = \begin{pmatrix} 2 & 1 \\ 2 & 1 \end{pmatrix}\), cho \(v = t(1; -2)\); kiểm tra \(A(1; -2) = (4 - 2; 2 - 6) = (2; -4) = 2(1; -2)\). Tổng \(5 + 2 = 7 = 4 + 3\), tích \(5 \cdot 2 = 10 = 12 - 2\).
B2. Tìm trị riêng và vector riêng của \(\begin{pmatrix} 1 & 2 \\ 2 & 1 \end{pmatrix}\) và mô tả biến đổi bằng lời.
Lời giải
\(\lambda^2 - 2\lambda - 3 = (\lambda - 3)(\lambda + 1) = 0\). Trị riêng 3 với hướng \((1; 1)\), trị riêng \(-1\) với hướng \((1; -1)\). Biến đổi kéo giãn 3 lần dọc đường \(y = x\) và lật ngược dọc đường \(y = -x\). Ma trận đối xứng, và hai hướng riêng vuông góc, đúng như Mệnh đề 7.
B3. Chéo hóa \(A = \begin{pmatrix} 4 & 1 \\ 2 & 3 \end{pmatrix}\) của bài B1, tìm công thức của \(A^n\), rồi tính \(A^3\).
Lời giải
\(P = \begin{pmatrix} 1 & 1 \\ 1 & -2 \end{pmatrix}\), \(D = \begin{pmatrix} 5 & 0 \\ 0 & 2 \end{pmatrix}\), \(P^{-1} = \frac13 \begin{pmatrix} 2 & 1 \\ 1 & -1 \end{pmatrix}\). Nhân ra:
Với \(n = 1\) được lại \(A\). Với \(n = 3\): \(A^3 = \frac13 \begin{pmatrix} 258 & 117 \\ 234 & 141 \end{pmatrix} = \begin{pmatrix} 86 & 39 \\ 78 & 47 \end{pmatrix}\), khớp với phép nhân trực tiếp \(A \cdot A \cdot A\).
B4. Tìm trị riêng và vector riêng của phép trượt \(\begin{pmatrix} 1 & 2 \\ 0 & 1 \end{pmatrix}\). Nó có chéo hóa được không?
Lời giải
\((1 - \lambda)^2 = 0\): trị riêng kép 1. \((A - I)v = \begin{pmatrix} 0 & 2 \\ 0 & 0 \end{pmatrix} v = 0\) cho \(2v_2 = 0\), nên \(v = t(1; 0)\): chỉ có một hướng riêng. Không có hai vector riêng độc lập, nên không chéo hóa được. Về hình học, phép trượt giữ nguyên trục hoành và làm nghiêng mọi hướng khác.
B5. Chứng tỏ phép quay \(60^\circ\) không có trị riêng thực. Với góc \(\theta\) nào thì phép quay có trị riêng thực?
Lời giải
Ma trận \(\begin{pmatrix} \frac12 & -\frac{\sqrt3}{2} \\ \frac{\sqrt3}{2} & \frac12 \end{pmatrix}\) có vết 1, định thức \(\frac14 + \frac34 = 1\), nên phương trình đặc trưng là \(\lambda^2 - \lambda + 1 = 0\), biệt thức \(1 - 4 = -3 < 0\). Tổng quát, phép quay góc \(\theta\) cho \(\lambda^2 - 2\lambda\cos\theta + 1 = 0\) với biệt thức \(4(\cos^2\theta - 1) \leq 0\), bằng 0 chỉ khi \(\cos\theta = \pm 1\), tức \(\theta\) là bội của \(180^\circ\): quay một vòng (trị riêng 1) hoặc nửa vòng (trị riêng \(-1\)).
B6. (Giả định.) Mỗi tháng, một khách hàng của hãng X ở lại với X với xác suất \(0{,}8\) và chuyển sang hãng Y với xác suất \(0{,}2\); một khách của Y ở lại với xác suất \(0{,}7\) và chuyển sang X với xác suất \(0{,}3\). Tìm ma trận chuyển, các trị riêng, và tỉ lệ khách của X về lâu dài.
Lời giải
\(P = \begin{pmatrix} 0{,}8 & 0{,}3 \\ 0{,}2 & 0{,}7 \end{pmatrix}\), vết \(1{,}5\), định thức \(0{,}56 - 0{,}06 = 0{,}5\), nên \(\lambda^2 - 1{,}5\lambda + 0{,}5 = (\lambda - 1)(\lambda - 0{,}5) = 0\). Với \(\lambda = 1\): \(-0{,}2v_1 + 0{,}3v_2 = 0\) cho \(v = t(3; 2)\), chuẩn hóa thành phân phối dừng \(\left(\frac35; \frac25\right)\). Về lâu dài X giữ \(60\%\) khách, và khoảng cách tới phân phối dừng nhỏ đi một nửa mỗi tháng.
B7. Dùng công thức Binet tính \(F_{10}\), và so sánh \(\frac{F_{11}}{F_{10}}\) với \(\varphi\).
Lời giải
\(\varphi^{10} \approx 122{,}9919\) và \(\psi^{10} \approx 0{,}0081\), nên \(F_{10} = \frac{\varphi^{10} - \psi^{10}}{\sqrt5} \approx \frac{122{,}9837}{2{,}2361} \approx 55\); chính xác hơn, công thức cho đúng số nguyên 55. \(\frac{F_{11}}{F_{10}} = \frac{89}{55} \approx 1{,}61818\), còn \(\varphi \approx 1{,}61803\): sai khác chưa tới \(0{,}0002\).
B8. Tìm \(k\) để \(\begin{pmatrix} 1 & k \\ 1 & 1 \end{pmatrix}\) có trị riêng 3. Khi ấy tìm trị riêng còn lại và các vector riêng.
Lời giải
Cần \(\det(A - 3I) = (-2)(-2) - k = 4 - k = 0\), tức \(k = 4\). Vết là 2, nên trị riêng còn lại là \(2 - 3 = -1\) (kiểm tra: tích \(3 \cdot (-1) = -3 = 1 - 4 = \det A\)). Với \(\lambda = 3\): \(-2v_1 + 4v_2 = 0\) cho \(v = t(2; 1)\); với \(\lambda = -1\): \(2v_1 + 4v_2 = 0\) cho \(v = t(2; -1)\). Kiểm tra: \(A(2; 1) = (6; 3)\) và \(A(2; -1) = (-2; 1)\).
B9. Tìm các trị riêng của \(A = \begin{pmatrix} 2 & 1 & 0 \\ 0 & 3 & 1 \\ 0 & 0 & 5 \end{pmatrix}\) và một vector riêng ứng với trị riêng lớn nhất.
Lời giải
\(A - \lambda I\) có mọi phần tử dưới đường chéo chính bằng 0, và khai triển theo hàng đầu (hai lần) cho \(\det(A - \lambda I) = (2 - \lambda)(3 - \lambda)(5 - \lambda)\): trị riêng 2, 3, 5. Với \(\lambda = 5\), hệ \((A - 5I)v = 0\) là \(-3v_1 + v_2 = 0\), \(-2v_2 + v_3 = 0\); chọn \(v_1 = 1\) được \(v = (1; 3; 6)\). Kiểm tra: \(A(1; 3; 6) = (2 + 3; 9 + 6; 30) = 5(1; 3; 6)\).
B10. Tìm trị riêng và vector riêng của ma trận đối xứng \(\begin{pmatrix} 5 & 2 \\ 2 & 2 \end{pmatrix}\) và kiểm tra hai vector riêng vuông góc.
Lời giải
\(\lambda^2 - 7\lambda + 6 = (\lambda - 6)(\lambda - 1) = 0\). Với \(\lambda = 6\): \(-v_1 + 2v_2 = 0\) cho \((2; 1)\); với \(\lambda = 1\): \(4v_1 + 2v_2 = 0\) cho \((1; -2)\). Tích vô hướng \(2 \cdot 1 + 1 \cdot (-2) = 0\): vuông góc, đúng như Mệnh đề 7.
C. Phản ví dụ và chứng minh¶
C1. Cho \(P\) khả nghịch. Chứng minh rằng \(A\) và \(P^{-1}AP\) có cùng phương trình đặc trưng, nên cùng trị riêng, cùng vết và cùng định thức (với ma trận \(2 \times 2\)).
Lời giải
\(P^{-1}AP - \lambda I = P^{-1}AP - \lambda P^{-1}P = P^{-1}(A - \lambda I)P\). Theo Định lý 4 của Chương 53 và bài C2 của Chương 54, \(\det\big(P^{-1}(A - \lambda I)P\big) = \frac{1}{\det P} \det(A - \lambda I) \det P = \det(A - \lambda I)\). Hai ma trận có cùng đa thức \(\det(\,\cdot - \lambda I)\), nên theo Mệnh đề 3 cùng trị riêng, cùng vết và cùng định thức. \(\square\) Vì \(P^{-1}AP\) là ma trận của cùng biến đổi trong một cơ sở khác, điều này nói rằng trị riêng là của biến đổi, không phải của cách ghi.
C2. Một ma trận chuyển \(2 \times 2\) có các phần tử không âm và tổng mỗi cột bằng 1. Chứng minh rằng nó luôn có trị riêng 1.
Lời giải
Viết \(P = \begin{pmatrix} a & b \\ 1 - a & 1 - b \end{pmatrix}\). Khi đó \(\det(P - I) = (a - 1)(1 - b - 1) - b(1 - a) = -b(a - 1) - b(1 - a) = 0\), nên 1 là trị riêng (Định lý 2). \(\square\) Nói cách khác, hai hàng của \(P - I\) đối nhau (tổng mỗi cột của \(P - I\) bằng 0), nên \(P - I\) suy biến. Vector riêng ứng với trị riêng 1, chuẩn hóa thành phân phối, là phân phối dừng.
C3. Với \(A = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix}\) và \(B = \begin{pmatrix} 0 & 0 \\ 1 & 0 \end{pmatrix}\), tìm trị riêng của \(A\), \(B\), \(A + B\) và \(AB\). Kết luận gì?
Lời giải
\(A\) và \(B\) đều chỉ có trị riêng 0 (phương trình đặc trưng \(\lambda^2 = 0\)). Nhưng \(A + B = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}\) có trị riêng 1 và \(-1\), không phải tổng \(0 + 0\); và \(AB = \begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix}\) có trị riêng 1 và 0, không phải tích \(0 \cdot 0\). Trị riêng không cộng, không nhân theo ma trận, vì hai ma trận có những hướng riêng khác nhau.
C4. Chứng minh rằng nếu \(Av = \lambda v\) thì \(A^n v = \lambda^n v\) với mọi số nguyên dương \(n\); và nếu thêm \(A\) khả nghịch thì \(\lambda \neq 0\) và \(A^{-1} v = \frac{1}{\lambda} v\).
Lời giải
Quy nạp: \(A^{n+1} v = A(A^n v) = A(\lambda^n v) = \lambda^n Av = \lambda^{n+1} v\). Nếu \(A\) khả nghịch mà \(\lambda = 0\) thì \(Av = 0\) với \(v \neq 0\), trái với hạt nhân chỉ gồm 0 (Chương 54). Vậy \(\lambda \neq 0\), và nhân \(A^{-1}\) vào hai vế của \(Av = \lambda v\): \(v = \lambda A^{-1} v\), tức \(A^{-1} v = \frac{1}{\lambda} v\). \(\square\) Tháo ngược một phép kéo giãn \(\lambda\) lần là co lại \(\lambda\) lần, dọc cùng hướng.
Câu hỏi để ngỏ¶
Ta đã có đủ công cụ: đạo hàm, xác suất, vector, ma trận. Giờ dùng chúng để quyết định: khi muốn làm tốt nhất một điều mà bị ràng buộc bởi nguồn lực có hạn, chọn thế nào?