ZU DEN KURSEN!

Höhere Mathematik 1: Analysis und Lineare Algebra - Beispiel 3: Diagonalisierbarkeit

Kursangebot | Höhere Mathematik 1: Analysis und Lineare Algebra | Beispiel 3: Diagonalisierbarkeit

Höhere Mathematik 1: Analysis und Lineare Algebra

Beispiel 3: Diagonalisierbarkeit

In diesem Abschnitt zeigen wir dir, wie eine Matrix diagonalisiert werden kann.

Anwendungsbeispiel 3: Diagonalisierbarkeit

Beispiel

Hier klicken zum Ausklappen

Ist die Matrix diagonalisierbar? Wenn ja, diagonalisiere die Matrix (ermittele die Diagonalmatrix )!

1. Schritt: Bestimmung des charakteristischen Polynoms



Die Determinante wird mittels Regel von Sarrus bestimmt:



2. Schritt: Bestimmung der Eigenwerte

Wird eine der obigen Klammern des charakteristischen Polynoms gleich null, so wird die gesamte Gleichung null. Die Nullstellen sind die Eigenwerte der Matrix. Sie können ermittelt werden, indem Werte für eingesetzt werden. Diese Werte führen dann dazu, dass die gesamte Gleichung null wird. 

Anwendung der p/q-Formel:

Es resultieren also die zwei Eigenwerte mit algebraischer Vielfachheit 2 und mit algebraischer Vielfachheit 1.

Es resultieren Nullstellen für diese -Matrix. Das heißt, dass das charakteristische Polynom vollständig in Linearfaktoren zerlegt werden kann!

3. Schritt: Bestimmung der Eigenvektoren

Zu den oben angegebenen Eigenwerten sollen die Eigenvektoren bestimmt werden. Für müssen zwei linear unabhängige Eigenvektoren resultieren und für ein unabhängiger Eigenvektor, damit die algebraische Vielfachheit und die geometrische Vielfachheit übereinstimmen.



1. Eigenvektor: für




Wir wenden den Gauß-Algorithmus an, um die Matrix soweit wie möglich zu reduzieren:

 


Es kann nicht weiter reduziert werden:


Das lineare Gleichungssystem sieht wie folgt aus:


Es wird nun für eingesetzt:


Vorziehen eines Faktors (andere Darstellungsform):



Die Eigenvektoren sind:

und

Es resultieren 2 Eigenvektoren für den Eingenwert mit der algebraischen Vielfachheit 2. Demnach stimmen hier die geometrische und die algebraische Vielfachheit überein.

2. Eigenvektor: für





Wir wenden den Gauß-Algorithmus an, um die Matrix soweit wie möglich zu reduzieren:

 

Lerne erfolgreich mit unseren Online-Kursen

This browser does not support the video element.

Sichere dir jetzt das kompakte Wissen mit unserem Vollzugriff Komplettpaket für Ingenieurstudenten


  • Alle Lernmaterialien komplett mit 494 Videos, 5120 interaktiven Übungsaufgaben und 3108 Lerntexten
  • Günstiger als bei Einzelbuchung nur 14,90 € mtl. bei 1 Monaten Mindestvertragslaufzeit
Jetzt entdecken

This browser does not support the video element.

Einzelkurs: Höhere Mathematik 1: Analysis und Lineare Algebra


  • Die besten Lernmaterialien: 127 Texte, 171 Abbildungen, 22 Videos und 214 Übungsaufgaben.
Jetzt entdecken