Eigenwaardecalculator

Eigenwaardecalculator

Krijg AI-uitleg over het karakteristieke polynoom, eigenvectoren en herhaalde of complexe eigenwaarden. Controleer Av=λv.

Typ of upload een opgaveUitgewerkte uitlegGeen registratie nodig
Voer een opgave in

eigenvalue calculator

Av = λv

Karakteristiek polynoom

Eigenvectoren en eigenruimten

Herhaalde eigenwaarden

eigenvalue calculator

Eigenwaardecalculator

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.

TekstinvoerAfbeelding uploaden

eigenvalue calculator

Kies de bewerking

Krijg AI-uitleg over het karakteristieke polynoom, eigenvectoren en herhaalde of complexe eigenwaarden. Controleer Av=λv.

01p(λ) = det(λI − A)

Karakteristiek polynoom

Los det(λI−A)=0 op en controleer coëfficiënten met spoor en determinant.

02(A − λI)v = 0

Eigenvectoren en eigenruimten

Los (A−λI)v=0 op en kies vectoren die niet nul zijn.

031 ≤ dim Eλ ≤ mλ

Herhaalde eigenwaarden

De algebraïsche multipliciteit kan groter zijn dan de eigenruimtedimensie.

04A = PDP⁻¹

Complexe wortels en diagonalisatie

Een reële matrix kan complexe eigenwaarden hebben; diagonalisatie vereist een basis van eigenvectoren.

Methode

Invoer en controle

Behoud breuken en rond niet te vroeg af. AI kan fouten maken; controleer belangrijke berekeningen onafhankelijk.

  1. 1

    Voer de volledige matrix in

    A ∈ ℝⁿˣⁿ

    Elke binnenste haak omvat één rij. Behoud tekens en breuken; geef ook b bij Ax=b.

  2. 2

    Noem de bewerking

    det(A − λI) = 0

    Geef de gewenste methode en kies reële of complexe getallen.

  3. 3

    Volg de stappen

    v ∈ ker(A − λI), v ≠ 0

    Controleer elke rijbewerking en vrije variabele met de oorspronkelijke matrix.

  4. 4

    Controleer de uitkomst

    Av − λv = 0

    Vul 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

Formules en voorwaarden

Behoud breuken en rond niet te vroeg af. AI kan fouten maken; controleer belangrijke berekeningen onafhankelijk.

Eigenpaar

Av = λv, v ≠ 0

Los (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 = PD

Een reële matrix kan complexe eigenwaarden hebben; diagonalisatie vereist een basis van eigenvectoren.

Voorbeeld

Uitgewerkte voorbeelden

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.

  1. p(λ) = (λ−3)(λ−2)
  2. λ = 3: (A−3I)v = 0 ⇒ v = t[1,0], t ≠ 0
  3. λ = 2: (A−2I)v = 0 ⇒ v = t[−1,1], t ≠ 0

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.

  1. p(λ) = (λ−2)²
  2. A−2I = [[0,1],[0,0]] ⇒ v = t[1,0], t ≠ 0
  3. dim ker(A−2I) = 1 < 2

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.

  1. p(λ) = λ² + 1
  2. λ = i: v = [1,−i]; λ = −i: v = [1,i]
  3. ℝ: ∄ λ; ℂ: λ = ±i

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

Veelgemaakte fouten om op te letten

Behoud breuken en rond niet te vroeg af. AI kan fouten maken; controleer belangrijke berekeningen onafhankelijk.

Onjuiste dimensies

Determinanten en eigenwaarden vereisen vierkante matrices; controleer ook de productdimensies.

Tekens of factoren vergeten

Houd rijwissels, schaling en cofactortekens bij.

Controle overslaan

Vul de uitkomst terug in; de nulvector is geen eigenvector.