Классическая линейная алгебра фокусируется на линейных системах, однако в продвинутой теории оптимального управления и математической фильтрации возникает острая необходимость решать матричные уравнения, содержащие квадратичные члены. Самым знаменитым и фундаментальным из них является алгебраическое уравнение Риккати (Algebraic Riccati Equation, ARE). Названное в честь итальянского математика Якопо Риккати, оно выступает математическим ядром для синтеза оптимальных линейно-квадратичных регуляторов (LQR) и расчета стационарной матрицы ковариации ошибок в фильтре Калмана-Бьюси. Решение этого нелинейного уравнения требует выхода за рамки обычных алгебраических методов и применения глубоких теорем об инвариантных подпространствах.

Когда перед инженерами или физиками встает задача найти собственные значения плотных или разреженных матриц размерностью в миллионы строк (например, при расчете вибраций фюзеляжа самолета, спектра графов социальных сетей или анализе гидродинамической устойчивости), классические прямые методы, такие как QR-алгоритм, становятся абсолютно неприменимыми из-за кубической вычислительной сложности и нехватки оперативной памяти. Для решения задач такого колоссального масштаба американский математик Уолтер Арнольди в 1951 году разработал итерационный метод, который элегантно сводит гигантскую несимметричную матрицу к компактной матрице верхней формы Хессенберга. Сегодня алгоритм Арнольди является стандартом де-факто для извлечения доминирующих участков спектра сверхбольших систем.

След квадратной матрицы — это одна из самых простых для вычисления, но при этом фундаментальных числовых характеристик в линейной алгебре. Определяемый просто как сумма элементов, расположенных на главной диагонали, след скрывает в себе глубочайший алгебраический и геометрический смысл. В отличие от многих других матричных операций (например, вычисления определителя), след является строгим линейным функционалом, что делает его невероятно удобным инструментом в функциональном анализе, матричном дифференцировании и квантовой механике. Изучение свойств следа позволяет без вычисления самих собственных значений оценивать их алгебраическую сумму, анализировать свойства подобия операторов и формулировать законы сохранения физических систем.