Egenvärde, egenvektor och egenrum

I denna transformation ändras den röda pilens riktning vilket inte är fallet med den blå pilen. Därför är den blå pilen en egenvektor med egenvärdet 1 då dess längd inte ändras

Egenvektorer till en kvadratisk matris är de nollskilda vektorer som bibehåller sin riktning efter multiplikation med matrisen. Till varje egenvektor hör en skalningsfaktor, ett egenvärde, med vilken vektorns storlek är ändrad efter matrismultiplikationen.

Ett egenrum för ett egenvärde är det delrum som spänns upp av egenvektorerna som hör till egenvärdet.

Definitioner

Den linjära avbildningen A ändrar inte riktningen för vektorn x, bara dess storlek. Alltså är x en egenvektor till A
Transformationsmatrisen bevarar riktningen hos de vektorer som är parallella med vektorerna (i blått) och (i violett). Punkterna som ligger på en linje genom origo som är parallell med någon egenvektor, ligger kvar på linjen efter transformationen. De röda vektorerna är inte egenvektorer då deras riktningar ändras av transformationen

Låt F vara en linjär avbildning från ett linjärt rum V till samma rum. En vektor u skild från nollvektorn i V sådan att[1]

,

för något tal är en egenvektor till F med egenvärdet .

Om F kan framställas som en matris A är

,

där matrisen U är en matris av egenvektorer.

Mängden av egenvärden kallas den linjära avbildningens spektrum.

Sekularekvationen

Antag en linjär avbildning av n-dimensionella vektorer definierade av en n × n-matris A,

eller

där, för varje rad,

.

Om v är en skalär multipel av w, det vill säga om

då är v en egenvektor till den linjära avbildningen A och skalfaktorn λ är det egenvärde som svarar mot egenvektorn. Ekvation (1) är egenvärdesekvationen till matrisen A och kan formuleras som

där I är identitetsmatrisen.

Ekvation (2) har en nollskild lösning v om och endast om determinanten till matrisen (AλI) är noll. Egenvärdena till A är därför de λ som satisfierar sekularekvationen till A:

Vänsterledet till ekvation (3) är ett polynom i λ av grad n,

vilket kallas det karaktäristiska polynomet till A.

Algebrans fundamentalsats innebär att karaktäristiska polynomet kan faktoriseras som

där varje λi kan vara ett reellt eller komplext tal. Talen λ1, λ2, ... λn, är polynomets nollställen och är egenvärdena till A.

Om är en multipelrot som förekommer m gånger sägs ha den algebraiska multipliciteten m.

Triangulär matris

Determinanten till en triangulär matris

är produkten av elementen i diagonalen:

Sekularekvationen för en triangulär matris blir då

vilken uppenbarligen har lösningarna

En n×n-matris kan överföras till en triangulär matris utan att dess egenvärden ändras.

Om A är en godtycklig n×n-matris gäller därför

  • Egenvärdena till är

Exempel

Antag att en linjär avbildning ges av matrisen A enligt

Sekularekvationen

blir

där det karakteristiska polynomet i λ har rötterna

vilka alltså är avbildningens egenvärden.

Enligt ekvationen

är de motsvarande egenvektorerna lösningarna till systemen

Det första systemet har lösningen

och det andra lösningen

De till egenvärdena

hörande egenvektorerna är alltså

och alla vektorer som är parallella med dessa.

Egenrum

Egenrummet till ett egenvärde av en linjärtransformation är det vektorrum som spänns upp av de linjärt oberoende egenvektorerna till linjärtransformationen som svarar mot detta egenvärde. Antalet av dessa linjärt oberoende egenvektorer är egenrummets dimension och kallas egenvärdets geometriska multiplicitet.

Den geometriska multipliciteten är alltid mindre än eller lika med den algebraiska multipliciteten.

För en kvadratisk matris A, kan egenrummen fås, när egenvärdena är kända, genom ekvationen

som löses för vektorn x för alla egenvärden, exempelvis som ett linjärt ekvationssystem.

Transformationer i planet

Tabellen visar några exempel på transformationer i planet tillsammans med dessas 2×2 matriser, egenvärden och egenvektorer.

Horisontell skjuvningSkalningOlikformig skalningMoturs rotation med radianer
Illustration
Horizontal shear mapping
Horizontal shear mapping
Equal scaling (homothetyVertical shrink (k2 < 1) and horizontal stretch (k1 > 1) of a unit square.Rotation by π/6 = 30°
Matris
Karakteristisk ekvationλ2 − 2λ+1 = (1 − λ)2 = 0λ2 − 2λk + k2 = (λ − k)2 = 0(λ − k1)(λ − k2) = 0λ2 - 2λ cos f + 1 = 0
Egenvärden λiλ1=1λ1=kλ1 = k1, λ2 = k2λ1,2 = cos f ± i sin f = e ± if
Algebraiska och geometriska multiplicitetern1 = 2, m1 = 1n1 = 2, m1 = 2n1 = m1 = 1, n2 = m2 = 1n1 = m1 = 1, n2 = m2 = 1
Egenvektorer

Tillämpningar

Egenvärdesproblem har varit en viktig del inom matematiken och dess tillämpningar under mer än tvåhundra år. Inom mekaniken ger egenvärden resonansfrekvenser för mekaniska system. De grundtoner som frambringas av till exempel stränginstrument motsvaras av egenvärden för den svängande strängen.

Inom hållfasthetsläran används egenvärdesanalys för att studera spännings- och töjningstensorer. Egenvärdena ger tensorernas extremvärden som används för bedömning av risk för brott eller plastisk deformation.

Även inom kvantmekaniken är egenvärden av fundamental betydelse. De bestämmer till exempel de möjliga energinivåerna hos atomer och molekyler.

Matematiskt har egenvärdena och egenvektorerna betydelse vid diagonalisering av matriser och i det allmännare fallet Jordans normalform.

Se även

Källor


Media som används på denna webbplats

Homothety in two dim.svg
Författare/Upphovsman: Lyudmil Antonov -Lantonov 16:36, 13 March 2008 (UTC), Licens: CC BY-SA 4.0
Homothetic stretch of a surface
Shear.svg
Författare/Upphovsman: Lyudmil Antonov --Lantonov 09:13, 17 March 2008 (UTC), Licens: CC BY-SA 4.0
Horizontal shear transformation (mapping)
Eigenvectors.gif

The transformation matrix preserves the direction of vectors parallel to (in blue) and (in violet). The points that lie on the line through the origin, parallel to an eigenvector, remain on the line after the transformation. The vectors in red are not eigenvectors, therefore their direction is altered by the transformation.

Notice that the blue vectors are scaled by a factor of 3. This is their associated eigenvalue. The violet vectors are not scaled, so their eigenvalue is 1.
Eigenvector-1.png
Författare/Upphovsman: Svjo, Licens: CC BY-SA 4.0
Eigenvectors
Unequal scaling.svg
Författare/Upphovsman: Lyudmil Antonov -Lantonov 16:37, 13 March 2008 (UTC), Licens: CC BY-SA 4.0
Unit square shrunk in the direction of y and stretched at the direction of x
Mona Lisa eigenvector grid.png
Författare/Upphovsman: TreyGreer62, Licens: CC0
Mona Lisa with shear, eigenvector, and grid.
Rotation by pi over 6.svg
Illustration of a counter-clockwise rotation by π/6 radians.
Linear subspaces with shading.svg
Författare/Upphovsman: Alksentrs at en.wikipedia, Licens: CC BY-SA 3.0
R3, cut by 3 planes. A particular vector subspace is highlighted in blue.