Eigenwaarden en eigenvectoren: Eigenwaarden en eigenvectoren
Eigenvectoren bij een gegeven eigenwaarde berekenen
We beginnen met voorbeelden om de eigenruimte van een eigenwaarde van een matrix te berekenen.
Stel dat \(\lambda = -1\) een eigenwaarde van de matrix \[A=\matrix{19 & 5 \\ -60 & -16}\] is. Dan moet er dus een vector \(\vec{v}\) te vinden zijn zodanig dat \(A\vec{v}=-1\vec{v}\), oftewel waarvoor geldt \[(A+I)\vec{v}=\vec{0}\text.\] Met andere woorden, we moeten de kern vinden van de matrix \(A+I\).
Dit kunnen we doen door middel van rijreductie van de matrix \[A+I = \matrix{19 & 5 \\ -60 & -16} - \matrix{-1 & 0 \\0& -1 }=\matrix{ 20 & 5 \\ -60 & -15}\] Dit kan als volgt:
\[\begin{aligned}
\matrix{20&5\\-60&-15\\}&\sim\matrix{1&{{1}\over{4}}\\-60&-15\\}&{\blue{\begin{array}{c}{{1}\over{20}}R_1\\\phantom{x}\end{array}}}\\\\ &\sim\matrix{1&{{1}\over{4}}\\0&0\\}&{\blue{\begin{array}{c}\phantom{x}\\R_2+60R_1\end{array}}} \end{aligned}\] Dus is de eigenruimte voor \(\lambda = -1\) gelijk aan \(\left\{ r \cv{-1\\4} \middle|\;r\in\mathbb R\right\}\).
Hierbij hebben we zo nodig breuken in de oplossing vermeden.
Anders opgeschreven: de eigenruimte bij eigenwaarde \(-1\) is gelijk aan \(\left\langle\cv{-1\\4}\right\rangle\)
Dit kunnen we doen door middel van rijreductie van de matrix \[A+I = \matrix{19 & 5 \\ -60 & -16} - \matrix{-1 & 0 \\0& -1 }=\matrix{ 20 & 5 \\ -60 & -15}\] Dit kan als volgt:
\[\begin{aligned}
\matrix{20&5\\-60&-15\\}&\sim\matrix{1&{{1}\over{4}}\\-60&-15\\}&{\blue{\begin{array}{c}{{1}\over{20}}R_1\\\phantom{x}\end{array}}}\\\\ &\sim\matrix{1&{{1}\over{4}}\\0&0\\}&{\blue{\begin{array}{c}\phantom{x}\\R_2+60R_1\end{array}}} \end{aligned}\] Dus is de eigenruimte voor \(\lambda = -1\) gelijk aan \(\left\{ r \cv{-1\\4} \middle|\;r\in\mathbb R\right\}\).
Hierbij hebben we zo nodig breuken in de oplossing vermeden.
Anders opgeschreven: de eigenruimte bij eigenwaarde \(-1\) is gelijk aan \(\left\langle\cv{-1\\4}\right\rangle\)
Ontgrendel volledige toegang