Bỏ qua đến nội dung chính
✦
Đang tải AhaStep...
🏠
Trang Chủ
📝
Thi Thử
📖
Bài Tập
🧩
Toán Cho Bé
☰
Thêm
🔑
Đăng Nhập
AhaStep
📚
Học tập
▼
📝
Thi Thử
📖
Bài Tập
📚
Kiến Thức
🃏
Flashcard
📋
Phiếu Bài Tập
🕵️
Thám Tử
🧩
Game Trí Tuệ
▼
🏆
Thành tích
▼
🛠️
Tiện ích
▼
🌙
Dark Theme
🌐
Tiếng Việt
▾
👤
Đăng Nhập
AhaStep
/
Thư Viện
/
📐 Toán Học
/
Đại Số Tuyến Tính
/
Trị Riêng & Vector Riêng
λ
Trị Riêng & Vector Riêng
Toán Học
🎓 Lớp 11-13
📖
Định Nghĩa
Với một ma trận vuông
A
A
A
, nếu có vector khác không
v
v
v
sao cho
A
v
=
λ
v
Av = \lambda v
A
v
=
λ
v
, thì
v
v
v
là
vector riêng
và
λ
\lambda
λ
là
trị riêng
.
🧠
Lý Thuyết Chi Tiết
Trọng Tâm Lý Thuyết
Giải phương trình đặc trưng
det
(
A
−
λ
I
)
=
0
\det(A - \lambda I) = 0
det
(
A
−
λ
I
)
=
0
để tìm các trị riêng
λ
\lambda
λ
.
Với mỗi
λ
\lambda
λ
, thay trở lại
(
A
−
λ
I
)
v
=
0
(A - \lambda I)v = 0
(
A
−
λ
I
)
v
=
0
để tìm không gian nghiệm chứa vector riêng
v
v
v
.
Tổng các trị riêng bằng vết ma trận (trace), tích của chúng bằng định thức của
A
A
A
.
⚠️
Lỗi Thường Gặp
Sai sót trong việc định nghĩa vector riêng là vector có chứa thành phần 0... vector riêng phải KHÁC vector 0.
⚡
Mẹo Giải Nhanh
Sử dụng tính chất Trace và Determinant để nhẩm và kiểm tra lại đáp án trị riêng nhanh chóng.
🌍
Ứng Dụng Thực Tế
Phân tích ổn định của các cấu trúc kĩ thuật (tần số dao động, cộng hưởng cầu cống) và thuật toán phân tích thành phần chính (PCA).
📜
Lịch Sử & Bối Cảnh
Bắt nguồn từ cơ học lượng tử thế kỷ 18 bởi Euler (xoay trục phương trình) và hoàn thiện trong thế kỷ 19 bởi Cauchy, Hermitian.
🔗
Chủ Đề Liên Quan
⬅️ Nên học trước
|A| Định Thức
⎧ Hệ Phương Trình Tuyến Tính
📂 Cùng chuyên ngành
⊞ Ma Trận & Phép Toán
|A| Định Thức
A⁻¹ Ma Trận Nghịch Đảo
⎧ Hệ Phương Trình Tuyến Tính
↘️ Chéo Hóa Ma Trận
◺◹ Phân Tích LU
Q Phân Tích QR
L Phân Tích Cholesky
Σ Phân Tích SVD
C Định Lý Cayley-Hamilton
➡️ Nâng cao tiếp
↘️ Chéo Hóa Ma Trận
Σ Phân Tích SVD
C Định Lý Cayley-Hamilton
🏋️ Luyện Tập Ngay
📝 Kho bài tập
✦ Giải bài tập bất kỳ với AI
🧪
Bài tập gợi ý
Thử giải bài tập về Trị Riêng & Vector Riêng với AI — được giải từng bước chi tiết:
🧠 eigenvalue