การวิเคราะห์เชิงตัวเลข: ข้อจำกัดของพหุนามลักษณะเฉพาะ

แม้ว่าพหุนามลักษณะเฉพาะ $p(\lambda) = \det(A - \lambda I)$ จะเป็นรากฐานทางทฤษฎีในการนิยามค่าอัตลักษณ์ แต่กลับมีความไม่เสถียรทางตัวเลข ("ill-conditioned") และไม่เหมาะสมทางคำนวณสำหรับระบบมิติสูง ในการประยุกต์ใช้จริง เช่น การแก้ระบบสตูอม-ลิโอวิลล์เพื่อการแพร่กระจายคลื่น ความไวของรากพหุนามต่อการเปลี่ยนแปลงของสัมประสิทธิ์ทำให้การขยายโดยตรงกลายเป็นทางเลือกที่สอง

จากคลื่นต่อเนื่องสู่เมทริกซ์แบบเรขาคณิต

การสั่นสะเทือนของสายหรือแผ่นบางถูกควบคุมด้วยสมการคลื่น:

$$\rho(x) \frac{\partial^2 v}{\partial t^2}(x, t) = \frac{\partial}{\partial x} \left[ p(x) \frac{\partial v}{\partial x}(x, t) \right]$$

เพื่อหาคำตอบ $v(x, t) = \sum_{k=0}^{\infty} c_k u_k(x) \cos \sqrt{\lambda_k}(t - t_0)$ เราต้องแก้ระบบ ระบบสตูอม-ลิโอวิลล์:

$$\frac{d}{dx} \left[ p(x) \frac{du_k}{dx}(x) \right] + \lambda_k \rho(x) u_k(x) = 0$$

ความซับซ้อนจากการแปลงเป็นจุดเรขาคณิต

การแปลงตัวดำเนินการให้อยู่ในรูปจุดเรขาคณิตจะนำไปสู่สมการเมทริกซ์เช่น $Aw = -0.04 \frac{\rho}{p} \lambda w$ สำหรับเมทริกซ์ตริดิอาโกนัลขนาด $4 \times 4$ พหุนาม $p(\lambda)$ สามารถจัดการได้ อย่างไรก็ตาม เมื่อกริดละเอียดขึ้น ($n$ เพิ่มขึ้น) เราก็พบกับกำแพงสองข้อ:

ข้อจำกัดของอาเบล-รูฟินี: ไม่มีการแก้สมการเชิงพีชคณิตสำหรับรากของพหุนามที่มีดีกรี $n \ge 5$
ความไวต่อการปัดเศษ: ในระบบที่มีมิติสูง การเปลี่ยนแปลงตำแหน่งทศนิยม $10^{-10}$ ของค่าหนึ่งอาจทำให้ค่าอัตลักษณ์เปลี่ยนไปหลายระดับ (ปรากฏการณ์พหุนามวิลคินสัน)

ความจำเป็นด้านตัวเลขและไลบรารีระดับมืออาชีพ

ไลบรารีตัวเลขระดับมืออาชีพ (IMSL, NAG) หลีกเลี่ยงการใช้พหุนามลักษณะเฉพาะโดยตรง แต่ใช้กระบวนการวนซ้ำเพื่อประมาณค่าแทน:

ไลบรารี IMSL: ใช้การลดน้อยที่สุดแบบเชิงเส้น (Linear least squares), สปรายน์เชิงพหุนามดีกรีสาม (Cubic splines) และการแปลงฟูเรียร์แบบเร็ว (Fast Fourier transforms)
ไลบรารี NAG: ใช้การประมาณพหุนามแบบลดน้อยที่สุด และการปรับให้เข้ากับแนวโน้ม $l_1/l_{\infty}$

เมื่อประมาณค่าอัตลักษณ์สำหรับระบบ $\lambda_i = 1 + 4\alpha\left(\sin \frac{\pi i}{2m}\right)^2$ เราอาศัยการลดน้อยที่สุดแบบเรขาคณิตและการค้นหาแบบวนซ้ำ แทนที่จะใช้การหาค่ารากโดยตรง

🎯 เครื่องมือทางทฤษฎี แต่เป็นภัยคุกคามด้านตัวเลข

พหุนามลักษณะเฉพาะ $p(\lambda) = \det(A - \lambda I)$ มีความสำคัญต่อการพิสูจน์ แต่เป็นอันตรายต่อการคำนวณ ปัญหาค่าอัตลักษณ์ในทางฟิสิกส์ที่แท้จริงถูกแก้ไขผ่านการแปลงแบบวนซ้ำ (เช่น วิธี QR) ที่รักษาความเสถียร

คำถามที่ 1

ในตัวอย่างนำร่อง ระบบ $Aw = -0.04(\rho/p)\lambda w$ ถูกแก้ไข จงหาค่าอัตลักษณ์ $\mu_1, \dots, \mu_4$ ของเมทริกซ์ $4 \times 4$ ที่มีสมาชิกบนเส้นทแยงมุมเป็น 2 และสมาชิกใต้/เหนือเส้นทแยงมุมเป็น -1

0.38197, 1.38197, 2.61803, 3.61803

1.00000, 2.00000, 3.00000, 4.00000

0.50000, 1.50000, 2.50000, 3.50000

0.12560, 1.22340, 2.88910, 3.99210

คำถามที่ 2

ถ้า $A$ และ $B$ เป็นเมทริกซ์ $n \times n$ ที่ไม่เป็นเอกฐาน แล้วเมทริกซ์ $S$ ใดแสดงว่า $AB$ เหมือนกับ $BA$?

$S = B$

$S = A$

$S = AB$

$S = I$

คำถามที่ 3

ทำไมพหุนามลักษณะเฉพาะจึงถือว่าเป็น 'ภัยคุกคามด้านตัวเลข' สำหรับเมทริกซ์มิติสูง?

การเปลี่ยนแปลงเล็กน้อยในสัมประสิทธิ์นำไปสู่การเปลี่ยนแปลงค่ารากอย่างมาก (ความไม่เสถียร)

ไม่สามารถคำนวณดีเทอร์มิแนนต์ของเมทริกซ์ได้เมื่อ $n > 5$

ค่าอัตลักษณ์ของพหุนามดีกรีสูงเป็นจำนวนเชิงซ้อนเสมอ

พหุนามลักษณะเฉพาะใช้ได้เฉพาะกับเมทริกซ์สมมาตร

คำถามที่ 4

ไลบรารีระดับมืออาชีพใดที่กล่าวถึงว่าให้บริการโปรแกรมที่แข็งแรงสำหรับการประมาณค่าทางตัวเลขแทนการหาค่ารากโดยตรง?

IMSL และ NAG

PyTorch และ TensorFlow

DirectX และ OpenGL

MATLAB และ Excel เท่านั้น

คำถามที่ 5

ทฤษฎีบทอาเบล-รูฟินีกล่าวว่า:

ไม่มีการแก้สมการเชิงพีชคณิตทั่วไปสำหรับรากของพหุนามดีกรี $n \ge 5$

เมทริกซ์ทุกเมทริกซ์มีค่าอัตลักษณ์จริงอย่างน้อยหนึ่งค่า

ค่าอัตลักษณ์ต้องหาโดยใช้วิธีพลัง (Power Method) เมื่อ $n > 2$

ดีเทอร์มิแนนต์ของเมทริกซ์เท่ากับผลรวมของค่าอัตลักษณ์

ความท้าทาย: การวนซ้ำ QR และการสร้างฐาน

เสถียรภาพเชิงตัวเลขและการแยกเมทริกซ์เป็นเมทริกซ์ทแยงมุม

ในการวิเคราะห์เชิงตัวเลข เราจะแทนพหุนามลักษณะเฉพาะด้วยวิธีการวนซ้ำ ที่นี่เราจะพิจารณาวิธี QR และเงื่อนไขพื้นฐานของการสร้างฐาน

คำถามที่ 1

ใช้การวนซ้ำวิธี QR หนึ่งรอบกับ $A = \begin{bmatrix} 3 & 1 & 0 \\ 1 & 3 & 1 \\ 0 & 1 & 3 \end{bmatrix}$ จงให้เมทริกซ์ผลลัพธ์ $A_2$

วิธีทำ:
1. ทำการแยก QR $A = Q_1 R_1$ โดยใช้เทคนิคเกรม-สก์มิธหรือฮูสเฮลด์ เรากำหนด $Q_1$ และ $R_1$
2. สำหรับเมทริกซ์ตริดิอาโกนัลสมมาตรนี้ การวนซ้ำหนึ่งรอบ $A_2 = R_1 Q_1$ จะได้เมทริกซ์ที่สมาชิกนอกเส้นทแยงมุมลดลง
ผลลัพธ์: $A_2 \approx \begin{bmatrix} 3.333 & 0.943 & 0 \\ 0.943 & 3.167 & 0.745 \\ 0 & 0.745 & 2.500 \end{bmatrix}$ (ค่าประมาณ) ซึ่งแสดงให้เห็นว่าวิธี QR ผลักเมทริกซ์ให้เข้าใกล้รูปแบบทแยงมุมที่มีค่าอัตลักษณ์

คำถามที่ 2

แสดงว่าสามารถสร้างฐานสำหรับ $\mathbb{R}^3$ โดยใช้เวกเตอร์ลักษณะเฉพาะของ $A = \begin{bmatrix} 2 & 0 & 0 \\ 1 & 1 & 2 \\ 1 & -1 & 4 \end{bmatrix}$ ได้

วิธีทำ:
1. พหุนามลักษณะเฉพาะ: $\det(A-\lambda I) = (2-\lambda)(\lambda-2)(\lambda-3) = -(\lambda-2)^2(\lambda-3)$
2. ค่าอัตลักษณ์: $\lambda_1=2$ (ความซ้ำ 2 ครั้ง), $\lambda_2=3$ (ความซ้ำ 1 ครั้ง)
3. เวกเตอร์ลักษณะเฉพาะสำหรับ $\lambda=2$: แก้สมการ $(A-2I)x=0$ $\begin{bmatrix} 0 & 0 & 0 \\ 1 & -1 & 2 \\ 1 & -1 & 2 \end{bmatrix} \to x_1 - x_2 + 2x_3 = 0$ ซึ่งให้เวกเตอร์ที่ไม่เป็นอิสระเชิงเส้นสองตัว: $v_1 = [1, 1, 0]^T$ และ $v_2 = [-2, 0, 1]^T$
4. เวกเตอร์ลักษณะเฉพาะสำหรับ $\lambda=3$: $v_3 = [0, 2, 2]^T$
เนื่องจากเรามีเวกเตอร์ลักษณะเฉพาะที่ไม่เป็นอิสระเชิงเส้นสามตัวในพื้นที่ 3 มิติ จึงสามารถสร้างฐานได้