Eigenwerte und Eigenvektoren von Matrizen

Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ (m,m). Die Aufgabe, eine Zahl und einen dazugehrigen Vektor x (= 0) zu nden, damit o Ax = x ist, nennt man Eigenwertproblem.

Die Zahl heit Eigenwert, wobei eine komplexe oder eine reelle Zahl ist Der Vektor x heit Eigenvektor, wobei auch cx (c ist eine beliebige reelle Zahl ungleich 0) ein Eigenvektor ist. x darf denitionsgemss a nicht gleich dem Nullvektor sein. Die Gleichung Ax = x kann man folgendermassen umformen: Ax = x Ein paar Anmerkungen: Falls die Matrix symmetrisch ist, sind ihre Eigenwerte reell Falls die Matrix positiv denit ist, sind ihre Eigenwerte > 0. Eine Matrix A ist positiv denit, falls xT Ax > 0 fr alle x = 0 u Ax x = 0 =Ex (A E)x = 0.

 Falls die Matrix positiv semidenit ist, sind ihre Eigenwerte 0. Eine Matrix A ist positiv semidenit, falls xT Ax 0 fr alle x = 0 u

Das charakteristische Polynom Die Eigenwerte der Matrix A sind nun die Lsungen folgender Gleio chung: det(A E) = 0 wobei a11 a12 a21 a22 det(A E) = . . . . . . am1 am2 ... ... .. . a1m a2m . . .

= Pn ()

. . . amm

d.h. det(A E) ist ein Polynom n-ten Grades mit Variable (symbolisch Pn ()). Das Polynom Pn () nennt man charakteristisches Polynom. Ein Beispiel:

2 3 1 1 3 A = 3 5 2 4 2 3 1 3 1 3 det(A E) = 5 2 4 = (2 ) (1 ) (4 ) + (3) 3 (5) + 1 3 2 (5) (1 ) 1 2 3 (2 ) (4 ) 3 (3) = (2 2 + 2 ) (4 ) + 45 + 6

+5 (1 ) 6 (2 ) + 9 (4 ) = (2 3 + 2 ) (4 ) + 51 + 5 5 12 + 6 36 9 = 8 + 12 42 2 + 32 3 + 8 8 = 3 2 + 2 = 0 Char. Polynom

Die Eigenwerte Die Lsungen der Gleichung o 3 2 + 2 = 0 berechnet man folgendermaen: Zuerst kann man herausheben: 3 2 + 2 = (2 + 2). 2 + 2 lsst sich darstellen als a ( 1)( + 2) (= 1 + 2 2 = 2 + 2) Probe also 3 2 + 2 = ( 1)( + 2) = 0. Das heisst 3 2 + 2 = ( 1)( + 2) = 0 ist genau dann erfllt, wenn gleich 0, 1 oder 2 ist. u 1 = 0, 2 = 1, 3 = 2 sind die Eigenwerte der Matrix A. Die Eigenwerte sind als die Lsungen der Gleichung o Pn () = 0.

Die Eigenvektoren Der zu einem Eigenwert i gehrende Eigenvektor xi ist die Lsung o o der Gleichung (A i E)xi = 0. Nun wollen wir die 3 Eigenvektoren der Matrix A bestimmen: 1 = 0: Der 1.Eigenvektor ergibt sich aus folgender Gleichung: 2 3 1 x1 1 3 x2 = 0. (A 0E)x1 = 0 Ax1 = 0 3 5 2 4 x3 Der nchste Schritt ist das Ausmultiplizieren der Matrizen: a

2 3 1 x1 1 3 x2 = 0 3 x3 5 2 4 0 2x1 3x2 + x3 3x1 + x2 + 3x3 = 0 0 5x1 + 2x2 4x3 d.h. folgendes Gleichungssystem muss gelst werden: o 2x1 3x2 + x3 = 0 3x1 + x2 + 3x3 = 0 5x1 + 2x2 4x3 = 0. Man kann zeigen, dass eine Lsung dieses Systems o x1 = 10, x2 = 3, xx = 11 ist. D.h. unser 1.Eigenvektor ist: 10 3 . c 11

 2 = 1: Der 2.Eigenvektor ergibt sich aus folgender Gleichung: (A 1E)x1 = 0 also

2 3 1 1 0 0 x1 1 3 1 0 1 0 x2 = 0 3 5 2 4 0 0 1 x3

2 1 3 1 x1 3 11 3 x2 = 0 5 2 4 1 x3 x1 1 3 1 0 3 x2 = 0 3 x3 5 2 5 0 1x1 3x2 + x3 3x1 + 0x2 + 3x3 = 0 5x1 + 2x2 5x3 0 Erneut ist ein Gleichungssystem zu lsen: o x1 3x2 + x3 = 0 3x1 + 3x3 = 0 5x1 + 2x2 5x3 = 0. Man kann zeigen, dass eine Lsung dieses Systems o x1 = 1, x2 = 0, x3 = 1 ist. D.h. unser 2.Eigenvektor ist: 1 c 0 . 1 3 = 2: Der 3.Eigenvektor ergibt sich aus folgender Gleichung: (A (2)E)x1 = 0

2 (2) 3 1 x1 3 1 (2) 3 x2 = 0 5 2 4 (2) x3 4 3 1 x1 3 3 x2 = 0 3 5 2 2 x3 4x1 3x2 + x3 0 3x1 + 3x2 + 3x3 = 0 5x1 + 2x2 2x3 0 4x1 3x2 + x3 = 0 3x1 + 3x2 + 3x3 = 0 5x1 + 2x2 2x3 = 0. Eine Lsung dieses Systems ist o x1 = 4, x2 = 3, x3 = 7. Der 3.Eigenvektor ist demnach 4 c 3 . 7

Eigenwerte und Eigenvektoren mehrfacher Nullstellen Ist i ein n-facher Eigenwert und hat die Matrix (A i E) den Rang ri , dann ist die Zahl der linear unabhngigen Eigenvektoren, die zu a i gehren, gleich n ri . o Im Laufe des Studiums begegnet man hug symmetrischen Matrizen (z.B. a Varianz-Kovarianz Matrizen, Korrelationsmatrizen). Diese haben die Eigenschaft, dass zu jedem k-fachen Eigenwert = 1 = . . . = k genau k linear unabhngige Eigenvektoren x1 , . . . , xk existieren. a

Sei z.B. B= 2 0 0 2 .

Das charakteristische Polynom dieser Matrix ist det(B E) = det 2 0 0 2 = (2 )(2 ) 0 0 = (2 )(2 ).

Die Lsung von o (2 )(2 ) = 0 ist = 2, d.h. 2 ist eine zweifache Lsung des Gleichungssystems. Die Eio genwerte sind dementsprechend 1 = 2 = 2, also ist 2 ist ein zweifacher Eigenwert. Da B eine symmetrische Matrix ist, existieren zu 1 = 2 = 2 2 linear unabhngige Eigenvektoren. a Zur Bestimmung der Eigenvektoren zu 1 = 2 = 2 ist folgende Gleichung zu lsen: o 2 0 1 0 2 x=0 0 2 0 1 also 22 0 0 22 0 0 0 0 0 0 0 0 x1 x2 x = 0 x = 0 = 0 0

d.h. es ist folgendes Gleichungssystem zu lsen: o 0x1 + 0x2 = 0 0x1 + 0x2 = 0 2 linear unabhngige Lsungsvektoren sind etwa: a o c1 1 0 , c2 0 1 .

Dass diese beiden Vektoren das Gleichungssystem lsen, kann man durch o Einsetzen uberprfen, z.B. u 0x1 + 0x2 = 0 0x1 + 0x2 = 0 fr u x1 x2 ist 01+00 = 0 00+01 = 0 also 0 = 0 0 = 0 d.h. wir haben gezeigt, dass c1 1 0 = 1 0

tatschlich ein Lsungsvektor ist. Die Vorgangsweise fr den 2.Lsungsvektor a o u o ist analog. Die lineare Unabhngigkeit von a c1 1 0 , c2 0 1

ist am einfachsten daran zu erkennen, dass c1 1 = c2 0 nicht lsbar ist, ausser c1 = 0, was aber wegen der Denition fr die Existenz o u von Eigenvektoren augeschlossen wurde (der Nullvektor kann kein Eigenvektor sein).