📱 Математика не для всех [∞ x A = 8]

🔹 Спектральный радиус и устойчивость. Максимальный модуль собственного значения матрицы определяет, разойдётся ли процесс при итерациях. Если он меньше 1 — система схлопывается в точку. Если больше — взрывается. А если равен 1? Тогда возможны циклы, колебания и вечное движение по орбите. Именно такие матрицы скрываются в основе цепей Маркова и PageRank Google.

🔹 Жорданова нормальная форма. Не всякая матрица диагонализуема. Но любую можно привести к почти диагональному виду с жордановыми клетками — это как распиловка сложного оператора на простые кирпичики, где на диагонали стоят собственные значения, а над ними — единицы, отвечающие за сдвиги. Без этого не работают ни дифференциальные уравнения, ни квантовая механика.

🔹 Псевдообратная матрица Мура — Пенроуза. Когда система имеет бесконечно много решений или не имеет ни одного, на помощь приходит обобщённое обращение. Оно даёт решение с минимальной нормой среди всех возможных — именно этот метод лежит в основе МНК (метода наименьших квадратов) и всей современной регрессионной статистики.

🔹 Число обусловленности. Это не про мораль, а про чувствительность решения к погрешностям в исходных данных. Матрица с большим числом обусловленности (порядка 10¹⁶) превращает малейшую ошибку округления в катастрофу. Такие матрицы называют плохо обусловленными, и с ними боятся работать даже суперкомпьютеры.

🔹 Теорема Кэли — Гамильтона. Любая квадратная матрица аннулируется своим собственным характеристическим многочленом. Звучит как заклинание, но на практике это означает, что матрицу можно возводить в степень, выражая результат через неё саму и единичную матрицу — никаких перемножений до бесконечности.

🔹 Сингулярное разложение (SVD). Любую матрицу можно разложить в произведение трёх: U·Σ·Vᵀ, где Σ — диагональная с сингулярными числами. Это работает даже для прямоугольных матриц. Именно SVD сжимает изображения в JPEG, чистит аудиозаписи от шума и помогает рекомендательным системам предсказывать твои вкусы.

🔹 Матрицы перестановок. Каждая перестановка строк или столбцов задаётся ортогональной матрицей из нулей и единиц. Их определитель равен либо +1, либо −1 в зависимости от чётности перестановки. Это кажется игрушкой, но без них невозможно реализовать ни один метод Гаусса с выбором главного элемента.

🔹 Экспонента от матрицы. Формально определяется через бесконечный ряд, но на практике даёт решение систем линейных дифференциальных уравнений с постоянными коэффициентами. Именно через матричную экспоненту описывают траектории космических аппаратов и эволюцию квантовых состояний. #математика #алгебра #высшая_математика #подборка_книг #наука #science #математический_анализ #math

📱 Physics.Math.Code — поддержи подпиской

💡 Physics.Math.Code // @physics_lib