সব বই

পেশাদার

1 Markets I: The Ecosystem and Exchange-Traded Marketsবাজার অনলাইনইংরেজি 2 Markets II: Rates, FX and Creditবাজার অনলাইনইংরেজি 3 Markets III: Commodities, Energy and Cryptoবাজার অনলাইনইংরেজি 4 Quantitative Methodsপদ্ধতি অনলাইনইংরেজি 5 Derivatives and Volatilityডেরিভেটিভস অনলাইনইংরেজি 6 Rates, Credit, XVA and Riskসুদহার, ঋণ ও ঝুঁকি অনলাইনইংরেজি 7 Research Craft: Predictors, Backtests, Measurement, Portfoliosগবেষণা অনলাইনইংরেজি 8 Strategies I: Equities and Futuresকৌশল অনলাইনইংরেজি 9 Strategies II: Volatility, Relative Value, Macro and the Bank Desksকৌশল অনলাইনইংরেজি 10 Microstructure and Executionএক্সিকিউশন অনলাইনইংরেজি 11 Market Making and High-Frequency Tradingমার্কেট মেকিং অনলাইনইংরেজি 12 Machine Learning for Marketsমেশিন লার্নিং অনলাইনইংরেজি 13 Low-Latency Softwareপ্রযুক্তি অনলাইনইংরেজি 14 Networks, Hardware and Trading Infrastructureপ্রযুক্তি অনলাইনইংরেজি 15 Research, Data and Risk Platformsপ্রযুক্তি অনলাইনইংরেজি 16 The Desk and the Firmপ্রতিষ্ঠান অনলাইনইংরেজি 17 The Industry: Firms, Roles and Careersক্যারিয়ার অনলাইনইংরেজি 18 Interviews I: Maths, Probability and Speedক্যারিয়ার অনলাইনইংরেজি 19 Interviews II: Markets, Trading Games and the Final Roundক্যারিয়ার অনলাইনইংরেজি 20 Interviews III: Codeক্যারিয়ার অনলাইনইংরেজি
অ্যাপ পরিচিতি Coach সাইন ইন পড়া শুরু করো

বইগুলো এখনো বাংলা ভাষায় পাওয়া যায় না — Bahasa Indonesia সংস্করণ দেখানো হচ্ছে।

Matematika · পরিভাষা

nilai eigen কী?

অন্য নাম: spektrum

Definisi 3.1 Matematika Universitas — Tahun 2 · অধ্যায় 3 — Reduksi Endomorfisma

λ∈K\lambda \in K disebut nilai eigen bagi uu apabila u(x)=λxu(x) = \lambda x untuk suatu x≠0x \neq 0 (vektor semacam itu disebut vektor eigen); ruang eigennya adalah Eλ(u)=ker⁡(u−λ id)E_\lambda(u) = \ker(u - \lambda\,\mathrm{id}). Himpunan semua nilai eigen disebut spektrum Sp⁡(u)\operatorname{Sp}(u). Sebuah subruang FF disebut stabil apabila u(F)⊆Fu(F) \subseteq F; ruang eigen bersifat stabil, dan subruang stabil memungkinkan endomorfisma imbasan u∣Fu|_F.

Matriks A = psmallmatrix2 & 1\\ 1 & 2 psmallmatrix yang bekerja pada bidang: vektor umum e_1 terpental dari garisnya, sedangkan arah eigen v_1 = (1,1) dan v_2 = (1,-1) sekadar diregangkan — masing-masing oleh 3 dan oleh 1 (jadi Av_2 = v_2: peta putus-putusnya berimpit dengan v_2). Diagonalisasi tak lain pergantian ke basis (v_1, v_2), tempat A menjadi diag(3, 1).
Matriks A=(2112)A = \left(\begin{smallmatrix}2 & 1\\ 1 & 2\end{smallmatrix}\right) yang bekerja pada bidang: vektor umum e1e_1 terpental dari garisnya, sedangkan arah eigen v1=(1,1)v_1 = (1,1) dan v2=(1,−1)v_2 = (1,-1) sekadar diregangkan — masing-masing oleh 33 dan oleh 11 (jadi Av2=v2Av_2 = v_2: peta putus-putusnya berimpit dengan v2v_2). Diagonalisasi tak lain pergantian ke basis (v1,v2)(v_1, v_2), tempat AA menjadi diag⁡(3,1)\operatorname{diag}(3, 1).

উদাহরণ

Contoh 3.4 (χ\chi yang sama, geometri yang berbeda)

Kedua matriks

(2002)dan(2102)\begin{pmatrix}2 & 0\\ 0 & 2\end{pmatrix} \qquad\text{dan}\qquad \begin{pmatrix}2 & 1\\ 0 & 2\end{pmatrix}

berbagi polinomial karakteristik (X−2)2(X - 2)^2, trace, determinan, dan spektrum — namun keduanya tidak serupa: yang pertama punya E2E_2 berdimensi 22 (multiplisitas geometrik 22), yang kedua berdimensi 11. Polinomial karakteristik hanya melihat multiplisitas aljabar; dimensi ruang eigen adalah invarian yang lebih halus, dan polinomial minimal yang memutuskan (X−2X - 2 lawan (X−2)2(X - 2)^2). Pelajaran bagi semua pembahasan tentang keterdiagonalan: χ\chi menyaring calonnya, tetapi kernel yang memberikan suara.

Contoh 3.8 (Diagonalisasi dalam kerja)

Ambil A=I+J=(211121112)A = I + J = \left(\begin{smallmatrix}2 & 1 & 1\\ 1 & 2 & 1\\ 1 & 1 & 2\end{smallmatrix}\right), dengan JJ matriks yang semua unsurnya satu: dari Sp⁡(J)={3,0}\operatorname{Sp}(J) = \{3, 0\} (Contoh 2.19) diperoleh Sp⁡(A)={4,1}\operatorname{Sp}(A) = \{4, 1\}, dengan ruang eigen R(1,1,1)\R(1,1,1) dan bidang {x+y+z=0}\{x + y + z = 0\}: dimensinya 1+2=31 + 2 = 3, jadi dapat didiagonalkan (Teorema 3.6 (2)). Pangkatnya pun terhitung tanpa matriks pergantian basis: dengan Π=J/3\Pi = J/3 sebagai proyektor pada R(1,1,1)\R(1,1,1),

A=4 Π+1⋅(I−Π)⟹Ak=4k Π+(I−Π)=4k−13 J+I.A = 4\,\Pi + 1\cdot(I - \Pi) \quad\Longrightarrow\quad A^k = 4^k\,\Pi + (I - \Pi) = \frac{4^k - 1}{3}\,J + I .

(Periksa k=1k = 1: 4−13J+I=A\frac{4-1}3 J + I = A.) Pelajaran penutupnya: ketika ruang eigennya kasatmata, proyektor spektral menghitung pangkat lebih cepat daripada PDP−1PDP^{-1} mana pun — dan rumusnya memperlihatkan dinamikanya: AkA^k tumbuh seperti 4k4^k sepanjang (1,1,1)(1,1,1) dan diam saja pada bidang ortogonalnya.

Contoh 3.10 (Mentrigonalkan dengan tangan)

Ambil B=(3−111)B = \begin{pmatrix}3 & -1\\ 1 & 1\end{pmatrix}: di sini χB=X2−4X+4=(X−2)2\chi_B = X^2 - 4X + 4 = (X - 2)^2, dan ker⁡(B−2I)=ker⁡(1−11−1)\ker(B - 2I) = \ker\left(\begin{smallmatrix}1 & -1\\ 1 & -1\end{smallmatrix}\right) adalah garis yang direntang e1′=(1,1)e_1' = (1, 1): satu nilai eigen dengan ruang eigen berdimensi satu — jadi tidak dapat didiagonalkan, tetapi dapat ditrigonalkan (Teorema 3.9). Lengkapi basisnya dengan e2′=(1,0)e_2' = (1, 0) lalu hitung:

u(e1′)=(2,2)=2e1′,u(e2′)=(3,1)=1⋅e1′+2 e2′,u(e_1') = (2, 2) = 2e_1', \qquad u(e_2') = (3, 1) = 1\cdot e_1' + 2\, e_2' ,

sehingga pada basis (e1′,e2′)(e_1', e_2') matriksnya menjadi T=(2102)T = \left(\begin{smallmatrix}2 & 1\\ 0 & 2\end{smallmatrix}\right). Pelajaran penutupnya: diagonal TT sudah terpaksa (kedua unsurnya wajib berupa nilai eigen ganda 22); hanya unsur pojoknya yang bergantung pada pilihan e2′e_2', dan menskalakan e2′e_2' dapat membuatnya bernilai tak nol apa pun — “11” yang membandel itu adalah bayangan bagian nilpoten yang kelak dipisahkan Dunford.

প্রসঙ্গসহ পড়ো →