固有値分解とは?
行列 A を
A = P D P^T
という3つの部品に分ける分解のことです。
イメージでいうと:
- P … 座標軸を「固有ベクトルの向き」に並べ替える回転(直交行列)
- D … その方向にどれくらい「伸ばす/縮める」かを表す倍率(固有値)
- P^T … 並べ替えた座標軸を元の座標系に戻す回転
各記号の役割
(1) D(ディー)
固有値が並んだ対角行列。
それぞれの固有値は「固有ベクトル方向に対しての伸び縮みの倍率」を意味します。
例:
D = [[ 3, 0 ], [ 0, -1 ]]
→ ある方向には3倍に伸ばす
→ 別の方向には反転して1倍に縮める
(2) P(ピー)
固有ベクトルを並べた行列。
行列 A が「どの方向に影響を与えるか」を示します。
直交行列なので、列ベクトルはお互いに直角で、長さ1に正規化されています。
イメージ:A の「自然な軸(主軸)」を並べた地図。
(3) P^T(ピー・トランスポーズ)
P の転置行列。
固有ベクトル方向に変換した座標系を「元の座標」に戻す役割があります。
イメージ:
「固有ベクトル座標で見る → 固有値で伸び縮み → 元の座標に戻す」
という一連の流れの最後の仕上げ。
2×2行列の固有値分解
行列
$$
A =
\begin{pmatrix}
5 & 2 \\
2 & 8
\end{pmatrix}
$$
対象行列を固有値分解して、(A = P D P^{T}) の形にせよ。
① 固有値
固有方程式は
$$
\det(A – \lambda I) = 0
$$
$$
\begin{vmatrix}
5 – \lambda & 2 \\
2 & 8 – \lambda
\end{vmatrix}
= (5 – \lambda)(8 – \lambda) – 4 = 0
$$
これを解くと、
$$
\lambda_1 = 4, \quad \lambda_2 = 9
$$
② 固有ベクトル(整数比)
λ = 4 のとき
$$
(A – 4I)v = 0 \quad \Rightarrow \quad v_1 =
\begin{pmatrix}
-2 \\
1
\end{pmatrix}
$$
λ = 9 のとき
$$
(A – 9I)v = 0 \quad \Rightarrow \quad v_2 =
\begin{pmatrix}
1 \\
2
\end{pmatrix}
$$
③ 直交性と正規化
2つのベクトルの内積は
$$
v_1 \cdot v_2 = (-2)(1) + (1)(2) = -2 + 2 = 0
$$
よって直交しています。
さらに正規化すると:
$$
u_1 = \frac{1}{\sqrt{5}}
\begin{pmatrix}
-2 \\
1
\end{pmatrix},
\quad
u_2 = \frac{1}{\sqrt{5}}
\begin{pmatrix}
1 \\
2
\end{pmatrix}
$$
④ 正規直交行列 P
正規直交化した固有ベクトルを並べて
$$
P =
\begin{pmatrix}
-2/\sqrt{5} & 1/\sqrt{5} \\
1/\sqrt{5} & 2/\sqrt{5}
\end{pmatrix}
$$
⑤ 対角化
固有値を並べた対角行列は
$$
D =
\begin{pmatrix}
4 & 0 \\
0 & 9
\end{pmatrix}
$$
正規直交行列なので
$$
P^{-1} = P^T
$$
しかも P は対称なので
$$
P^T = P
$$
⑥ 最終式
したがって、
$$
A = P D P^T = P D P
$$
Pythonコード
3×3行列の固有値分解
行列
$$
A =
\begin{pmatrix}
0 & 0 & 1 \\
0 & 0 & -1 \\
1 & -1 & 1
\end{pmatrix}
$$
対象行列を固有値分解して、
$$
A = P D P^{T}
$$
の形にせよ。
① 固有値(特性方程式)
特性方程式は
$$
\det(A-\lambda I)=0
$$
です。計算すると(展開は下段)特性多項式は
$$
-\lambda(\lambda+1)(\lambda-2)=0
$$
したがって固有値は
$$
\lambda_1=-1,\quad \lambda_2=0,\quad \lambda_3=2
$$
です。
3×3 行列の余因子展開
例えば 3×3 行列
$$
A=
\begin{pmatrix}
a_{11} & a_{12} & a_{13} \\
a_{21} & a_{22} & a_{23} \\
a_{31} & a_{32} & a_{33}
\end{pmatrix}
$$
1行目に沿って余因子展開すると
$$
\det(A) = a_{11}C_{11} + a_{12}C_{12} + a_{13}C_{13}
$$
ここで余因子は
$$
C_{ij} = (-1)^{i+j} \det(M_{ij})
$$
1. 小行列
「小行列 M_ij」とは、元の行列から i行目と j列目を削除したもの です。
2. 符号のルール
位置ごとに「プラス」「マイナス」を交互に割り当てます。
これはチェッカーボード(市松模様)のように並びます。
② 固有ベクトル
- 固有値 λ=0 のとき:
- 方程式 A x = 0 を解くと、z=0 かつ x=y が得られるので
$$
v_{0}=\begin{pmatrix}1\\1\\0\end{pmatrix}
$$
- 固有値 λ=0 のとき:
- 方程式 A x = 0 を解くと、z=0 かつ x=y が得らが得られるので
$$
v_{2}=\begin{pmatrix}1\\-1\\2\end{pmatrix}
$$
- 固有値 λ=−1 のとき:
- 方程式 (A+I)x = 0 を解くと、z=−x かつ y=−x がが得られるので
$$
v_{-1}=\begin{pmatrix}1\\-1\\-1\end{pmatrix}
$$
③ 正規直交化
各ベクトルのノルム:
$$
|v_{2}|=\sqrt{6},\quad
|v_{0}|=\sqrt{2},\quad
|v_{-1}|=\sqrt{3}
$$
よって正規化すると
$$
u_{2}=\tfrac{1}{\sqrt{6}}\begin{pmatrix}1\\-1\\2\end{pmatrix},\quad
u_{0}=\tfrac{1}{\sqrt{2}}\begin{pmatrix}1\\1\\0\end{pmatrix},\quad
u_{-1}=\tfrac{1}{\sqrt{3}}\begin{pmatrix}1\\-1\\-1\end{pmatrix}
$$
④ 行列 P と 対角行列 D
$$
P =
\begin{pmatrix}
\frac{1}{\sqrt{2}} & \frac{1}{\sqrt{6}} & \frac{1}{\sqrt{3}} \\
\frac{1}{\sqrt{2}} & -\frac{1}{\sqrt{6}} & -\frac{1}{\sqrt{3}} \\
0 & \frac{2}{\sqrt{6}} & -\frac{1}{\sqrt{3}}
\end{pmatrix},\quad
D =
\begin{pmatrix}
0 & 0 & 0 \\
0 & 2 & 0 \\
0 & 0 & -1
\end{pmatrix}
$$
⑤ 最終式(対角化)
$$
A = P D P^{T}
$$
コメント