Wie lautet die Formel zur Berechnung von Eigenwerten?

Um die Eigenwerte (λ) einer quadratischen Matrix A zu finden, müssen Sie die charakteristische Gleichung lösen: det(A - λI) = 0.

Wie findet man den Eigenvektor?

Sobald Sie einen Eigenwert λ haben, setzen Sie ihn in (A - λI)v = 0 ein. Lösen Sie dieses homogene System, um den Eigenvektor v zu finden.

Eigenwert Rechner

Berechnung von Eigenwerten ($\lambda$) und Eigenvektoren ($\mathbf{v}$) mit Visualisierung

$$ A\mathbf{v} = \lambda\mathbf{v} $$

Matrix (Quadratisch)

Format: Leerzeichen trennen Spalten, neue Zeile trennt Zeilen.

Beispiele:

–

Leer

Enter

CLR

⌫

Eigenwerte & Eigenvektoren

Geometrische Visualisierung ($A\mathbf{v} \parallel \mathbf{v}$)

Schritt-für-Schritt Lösung

👨‍🏫

Von Prof. David Anderson

Professor für Mathematik | Über 20 Jahre Lehrerfahrung

"Das 'Eigenproblem' ($A\mathbf{x} = \lambda \mathbf{x}$) ist wohl die wichtigste Gleichung der gesamten angewandten Mathematik. Sie erklärt alles, von Quantenzuständen bis hin zur Funktionsweise des Google-Rankings. In meiner jahrelangen Lehrtätigkeit habe ich bemerkt, dass Studenten oft beim charakteristischen Polynom hängen bleiben. Ich habe diesen Eigenwert-Rechner entwickelt, um nicht nur die Mathematik zu lösen, sondern auch die Geometrie zu visualisieren."

Der ultimative Leitfaden zu Eigenwerten und Eigenvektoren: Theorie, Berechnung und Visualisierung

Meisterung der charakteristischen Gleichung ($\det(A - \lambda I) = 0$), Eigenräume und Diagonalisierung

⚡ Wichtige Erkenntnisse für Studierende

Ein Eigenvektor ($\mathbf{v}$) ist ein Vektor ungleich Null, der sich bei einer linearen Transformation nur um einen Skalarfaktor ändert.
Der Eigenwert ($\lambda$) ist dieser Skalarfaktor. Ein positives $\lambda$ streckt; ein negatives $\lambda$ kehrt die Richtung um.
Nutzen Sie unseren Eigenwert-Rechner, um das charakteristische Polynom $\det(A - \lambda I) = 0$ zu lösen.
Das Finden von Eigenvektoren entspricht dem Finden des Nullraums von $(A - \lambda I)$.

Willkommen zum Leitfaden des Professors über Eigenwerte und Eigenvektoren. Diese Konzepte sind das Herzstück der Linearen Algebra. Sie ermöglichen es uns, komplexe Matrixoperationen zu vereinfachen, indem wir die "natürlichen Achsen" eines Systems finden.

Das Wort "Eigen" stammt aus dem Deutschen und bedeutet "eigen" oder "charakteristisch". Ein Eigenvektor ist ein Vektor, der seine eigene Richtung beibehält. Unser kostenloser Eigenwert-Rechner oben automatisiert die mühsame Algebra beim Finden der Nullstellen für 2x2- und 3x3-Matrizen und visualisiert die Transformation in Echtzeit.

1. Die Kern-Gleichung: Was ist ein Eigenwert?

Definition: Die Eigenwertgleichung

Für eine quadratische Matrix $A$ ist ein Skalar $\lambda$ ein Eigenwert, wenn ein Vektor $\mathbf{v} \neq \mathbf{0}$ existiert, so dass:

$$ A\mathbf{v} = \lambda \mathbf{v} $$

Hierbei ist $\mathbf{v}$ der Eigenvektor. Die Matrix $A$ wirkt auf $\mathbf{v}$ genau wie eine einfache Zahl $\lambda$ – sie streckt oder staucht ihn, rotiert ihn aber nicht aus seiner ursprünglichen Geraden heraus.

2. Der 3-Schritte-Algorithmus zum Finden von Eigenwerten

Um Eigenwerte von Hand zu berechnen (oder unseren Rechner zu überprüfen), folgen Sie diesem Standardverfahren.

Schritt 1: Die charakteristische Gleichung Algorithmus

Stellen Sie $A\mathbf{v} = \lambda \mathbf{v}$ zu $(A - \lambda I)\mathbf{v} = \mathbf{0}$ um. Damit eine Lösung $\mathbf{v} \neq \mathbf{0}$ existiert, muss die Matrix $(A - \lambda I)$ singulär (nicht invertierbar) sein. Daher muss ihre Determinante Null sein:

$$ \det(A - \lambda I) = 0 $$

Diese Determinante ergibt ein Polynom in $\lambda$, das als charakteristisches Polynom bezeichnet wird.

Schritt 2: Wurzeln finden (Die Eigenwerte) Algebra

Lösen Sie das Polynom nach $\lambda$ auf.
• Bei einer 2x2-Matrix ist es eine quadratische Gleichung ($\lambda^2 + \dots$).
• Bei einer 3x3-Matrix ist es eine kubische Gleichung ($\lambda^3 + \dots$).

Die Nullstellen sind Ihre Eigenwerte. Beachten Sie, dass diese reell, wiederholt oder komplex sein können.

Schritt 3: Eigenvektoren finden (Nullraum) Lineare Algebra

Setzen Sie jedes $\lambda$ zurück in $(A - \lambda I)\mathbf{v} = \mathbf{0}$ ein. Lösen Sie dieses homogene System (finden Sie den Nullraum), um die entsprechenden Eigenvektoren zu erhalten.

3. Detailliertes Beispiel: Eine 2x2-Matrix

Lassen Sie uns die Eigenwerte und Eigenvektoren von $A = \begin{bmatrix} 4 & 1 \\ 2 & 3 \end{bmatrix}$ bestimmen.

1. Charakteristisches Polynom:
$$ \det \begin{bmatrix} 4-\lambda & 1 \\ 2 & 3-\lambda \end{bmatrix} = (4-\lambda)(3-\lambda) - (1)(2) $$ $$ = \lambda^2 - 7\lambda + 12 - 2 = \lambda^2 - 7\lambda + 10 $$

2. Nullstellen berechnen:
$$ \lambda^2 - 7\lambda + 10 = (\lambda - 5)(\lambda - 2) = 0 $$ Die Eigenwerte sind also $\lambda_1 = 5$ und $\lambda_2 = 2$.

3. Eigenvektoren finden:
Für $\lambda_1 = 5$: Löse $(A - 5I)\mathbf{v} = \mathbf{0}$. $$ \begin{bmatrix} -1 & 1 \\ 2 & -2 \end{bmatrix} \begin{bmatrix} x \\ y \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \implies -x + y = 0 \implies x = y $$ Eigenvektor $\mathbf{v}_1 = \begin{bmatrix} 1 \\ 1 \end{bmatrix}$.

4. Der Abkürzungstrick des Professors: Spur und Determinante

Bevor Sie mit einer langen Rechnung beginnen, nutzen Sie diesen Trick, um Ihre Arbeit zu überprüfen. Für jede $n \times n$ Matrix gilt:

$$ \sum \lambda_i = \text{Spur}(A) \quad (\text{Summe der Diagonalelemente}) $$ $$ \prod \lambda_i = \det(A) \quad (\text{Determinante}) $$

Check für unser Beispiel: Spur = $4+3=7$. Summe der Wurzeln = $5+2=7$. Determinante = $12-2=10$. Produkt der Wurzeln = $5 \times 2 = 10$. Es passt!

5. Algebraische vs. Geometrische Vielfachheit

Hier verlieren Studierende oft Punkte.

Konzept	Definition	Bedeutung
Algebraische Vielfachheit	Wie oft eine Wurzel $\lambda$ im charakteristischen Polynom vorkommt.	Maximal mögliche Anzahl an Eigenvektoren.
Geometrische Vielfachheit	Die Dimension des Eigenraums (Nullität von $A-\lambda I$).	Tatsächliche Anzahl unabhängiger Eigenvektoren.
Defiziente Matrix	Geometrisch < Algebraisch	Matrix kann nicht diagonalisiert werden.

6. Häufig gestellte Fragen (FAQ)

Was passiert, wenn die Eigenwerte komplexe Zahlen sind?

Wenn das charakteristische Polynom keine reellen Wurzeln hat (z. B. bei einer Rotationsmatrix), sind die Eigenwerte komplexe Zahlen (mit $i$). Das bedeutet, dass kein reeller Vektor parallel bleibt; die Transformation beinhaltet eine Drehung. Unser Rechner zeigt reelle Eigenwerte für die Visualisierung an.

Warum berechnen wir Eigenwerte?

Die Anwendungen sind endlos: Google PageRank nutzt den dominanten Eigenvektor des Web-Graphen. Bauingenieure nutzen sie, um Eigenfrequenzen (Resonanz) zu finden. Data Science (PCA) nutzt sie zur Dimensionsreduktion.

Kann eine 3x3-Matrix den Eigenwert 0 haben?

Ja. Wenn $\lambda = 0$ ein Eigenwert ist, bedeutet das $\det(A) = 0$. Die Matrix ist singulär (nicht invertierbar) und besitzt einen nicht-trivialen Nullraum.

Referenzen & Weiterführende Literatur

Strang, G. (2016). Introduction to Linear Algebra (5. Aufl.). Wellesley-Cambridge Press. (Kapitel 6: Eigenvalues and Eigenvectors).
Lay, D. C. (2021). Linear Algebra and Its Applications (6. Aufl.). Pearson. (Abschnitt 5.1-5.3).
3Blue1Brown. "Eigenvektoren und Eigenwerte | Wesen der Linearen Algebra." YouTube

Visualisieren Sie die Transformation

Lösen Sie nicht nur nach x auf. Nutzen Sie unseren kostenlosen Eigenwert-Rechner, um zu sehen, wie die Matrix den Raum streckt, finden Sie die Schritte des charakteristischen Polynoms und überprüfen Sie Ihre 3x3-Hausaufgaben sofort.

Eigenwert-Löser starten

Get in touch