p(λ) = det(λI − A)Charakteristisches Polynom
det(λI−A)=0 lösen; Koeffizienten mit Spur und Determinante überprüfen.
Erhalte KI-Erklärungen zu charakteristischen Polynomen, Eigenvektoren, mehrfachen und komplexen Eigenwerten. Prüfe Av=λv.
eigenvalue calculator
Charakteristisches Polynom
Eigenvektoren und Eigenräume
Mehrfache Eigenwerte
Erhalte KI-Erklärungen zu charakteristischen Polynomen, Eigenvektoren, mehrfachen und komplexen Eigenwerten. Prüfe Av=λv. Brüche beibehalten und nicht zu früh runden. KI kann Fehler machen; wichtige Rechnungen unabhängig prüfen.
eigenvalue calculator
Erhalte KI-Erklärungen zu charakteristischen Polynomen, Eigenvektoren, mehrfachen und komplexen Eigenwerten. Prüfe Av=λv.
p(λ) = det(λI − A)det(λI−A)=0 lösen; Koeffizienten mit Spur und Determinante überprüfen.
(A − λI)v = 0(A−λI)v=0 lösen und von null verschiedene Vektoren wählen.
1 ≤ dim Eλ ≤ mλAlgebraische Vielfachheit kann größer sein als die Dimension des Eigenraums.
A = PDP⁻¹Reelle Matrizen können komplexe Eigenwerte haben; zum Diagonalisieren ist eine Eigenvektorbasis erforderlich.
Methode
Brüche beibehalten und nicht zu früh runden. KI kann Fehler machen; wichtige Rechnungen unabhängig prüfen.
A ∈ ℝⁿˣⁿJede innere Klammer ist eine Zeile. Vorzeichen, Brüche und die rechte Seite b erhalten.
det(A − λI) = 0Gewünschte Methode und den reellen oder komplexen Zahlenbereich nennen.
v ∈ ker(A − λI), v ≠ 0Jede Zeilenoperation und jede freie Variable mit der Originalmatrix vergleichen.
Av − λv = 0In die Ausgangsgleichung einsetzen oder das Produkt und jedes Eigenpaar überprüfen.
Brüche beibehalten und nicht zu früh runden. KI kann Fehler machen; wichtige Rechnungen unabhängig prüfen.
Formelübersicht
Brüche beibehalten und nicht zu früh runden. KI kann Fehler machen; wichtige Rechnungen unabhängig prüfen.
Eigenpaar
Av = λv, v ≠ 0(A−λI)v=0 lösen und von null verschiedene Vektoren wählen.
2×2-Polynom
p(λ) = λ² − tr(A)λ + det(A)det(λI−A)=0 lösen; Koeffizienten mit Spur und Determinante überprüfen.
Summe und Produkt
Σλᵢ = tr(A); ∏λᵢ = det(A)λ₁, …, λₙ; Algebraische Vielfachheit kann größer sein als die Dimension des Eigenraums.
Diagonalisierung
AP = PDReelle Matrizen können komplexe Eigenwerte haben; zum Diagonalisieren ist eine Eigenvektorbasis erforderlich.
Beispiel
Brüche beibehalten und nicht zu früh runden. KI kann Fehler machen; wichtige Rechnungen unabhängig prüfen.
Beispiel 1
Av = λv; A = [[3,1],[0,2]]Zwei verschiedene Eigenwerte mit Prüfung jedes Eigenpaars.
Ergebnis: λ = 3: E₃ = span{[1,0]}; λ = 2: E₂ = span{[−1,1]}
Prüfung: A[1,0] = 3[1,0]; A[−1,1] = 2[−1,1]
Beispiel 2
Av = λv; A = [[2,1],[0,2]]Doppelte Wurzel mit nur einem unabhängigen Eigenvektor: nicht diagonalisierbar.
Ergebnis: λ = 2; dim E₂ = 1; A ≠ PDP⁻¹
Prüfung: A[1,0] = 2[1,0]; 2+2 = 4; 2·2 = 4
Beispiel 3
Av = λv; A = [[0,−1],[1,0]]Die Drehung hat zwei komplexe und keine reellen Eigenwerte.
Ergebnis: ℂ: λ = ±i; Eᵢ = span{[1,−i]}, E₋ᵢ = span{[1,i]}
Prüfung: A[1,−i] = [i,1] = i[1,−i]; i+(−i) = 0; i(−i) = 1
Brüche beibehalten und nicht zu früh runden. KI kann Fehler machen; wichtige Rechnungen unabhängig prüfen.
Determinanten und Eigenwerte erfordern quadratische Matrizen; auch Produktdimensionen prüfen.
Zeilentausch, Skalierung und Kofaktorvorzeichen genau verfolgen.
Ergebnis einsetzen; der Nullvektor ist kein Eigenvektor.

