p(λ) = det(λI − A)Karakteristiek polynoom
Los det(λI−A)=0 op en controleer coëfficiënten met spoor en determinant.
Krijg AI-uitleg over het karakteristieke polynoom, eigenvectoren en herhaalde of complexe eigenwaarden. Controleer Av=λv.
eigenvalue calculator
Karakteristiek polynoom
Eigenvectoren en eigenruimten
Herhaalde eigenwaarden
Krijg AI-uitleg over het karakteristieke polynoom, eigenvectoren en herhaalde of complexe eigenwaarden. Controleer Av=λv. Behoud breuken en rond niet te vroeg af. AI kan fouten maken; controleer belangrijke berekeningen onafhankelijk.
eigenvalue calculator
Krijg AI-uitleg over het karakteristieke polynoom, eigenvectoren en herhaalde of complexe eigenwaarden. Controleer Av=λv.
p(λ) = det(λI − A)Los det(λI−A)=0 op en controleer coëfficiënten met spoor en determinant.
(A − λI)v = 0Los (A−λI)v=0 op en kies vectoren die niet nul zijn.
1 ≤ dim Eλ ≤ mλDe algebraïsche multipliciteit kan groter zijn dan de eigenruimtedimensie.
A = PDP⁻¹Een reële matrix kan complexe eigenwaarden hebben; diagonalisatie vereist een basis van eigenvectoren.
Methode
Behoud breuken en rond niet te vroeg af. AI kan fouten maken; controleer belangrijke berekeningen onafhankelijk.
A ∈ ℝⁿˣⁿElke binnenste haak omvat één rij. Behoud tekens en breuken; geef ook b bij Ax=b.
det(A − λI) = 0Geef de gewenste methode en kies reële of complexe getallen.
v ∈ ker(A − λI), v ≠ 0Controleer elke rijbewerking en vrije variabele met de oorspronkelijke matrix.
Av − λv = 0Vul terug in de oorspronkelijke vergelijking of controleer het product en ieder eigenpaar.
Behoud breuken en rond niet te vroeg af. AI kan fouten maken; controleer belangrijke berekeningen onafhankelijk.
Formuleoverzicht
Behoud breuken en rond niet te vroeg af. AI kan fouten maken; controleer belangrijke berekeningen onafhankelijk.
Eigenpaar
Av = λv, v ≠ 0Los (A−λI)v=0 op en kies vectoren die niet nul zijn.
2×2-polynoom
p(λ) = λ² − tr(A)λ + det(A)Los det(λI−A)=0 op en controleer coëfficiënten met spoor en determinant.
Som en product
Σλᵢ = tr(A); ∏λᵢ = det(A)λ₁, …, λₙ; De algebraïsche multipliciteit kan groter zijn dan de eigenruimtedimensie.
Diagonalisatie
AP = PDEen reële matrix kan complexe eigenwaarden hebben; diagonalisatie vereist een basis van eigenvectoren.
Voorbeeld
Behoud breuken en rond niet te vroeg af. AI kan fouten maken; controleer belangrijke berekeningen onafhankelijk.
Voorbeeld 1
Av = λv; A = [[3,1],[0,2]]Twee verschillende eigenwaarden met controle van ieder eigenpaar.
Resultaat: λ = 3: E₃ = span{[1,0]}; λ = 2: E₂ = span{[−1,1]}
Controle: A[1,0] = 3[1,0]; A[−1,1] = 2[−1,1]
Voorbeeld 2
Av = λv; A = [[2,1],[0,2]]Dubbele wortel met slechts één onafhankelijke eigenvector: niet diagonaliseerbaar.
Resultaat: λ = 2; dim E₂ = 1; A ≠ PDP⁻¹
Controle: A[1,0] = 2[1,0]; 2+2 = 4; 2·2 = 4
Voorbeeld 3
Av = λv; A = [[0,−1],[1,0]]De rotatie heeft twee complexe en geen reële eigenwaarden.
Resultaat: ℂ: λ = ±i; Eᵢ = span{[1,−i]}, E₋ᵢ = span{[1,i]}
Controle: A[1,−i] = [i,1] = i[1,−i]; i+(−i) = 0; i(−i) = 1
Behoud breuken en rond niet te vroeg af. AI kan fouten maken; controleer belangrijke berekeningen onafhankelijk.
Determinanten en eigenwaarden vereisen vierkante matrices; controleer ook de productdimensies.
Houd rijwissels, schaling en cofactortekens bij.
Vul de uitkomst terug in; de nulvector is geen eigenvector.

