Zusammenfassung
In Kap. 18 über lineare Abbildungen haben wir gesehen, dass wir Darstellungsmatrizen für lineare Abbildungen angeben können (falls es sich um Abbildungen zwischen endlich-dimensionalen Vektorräumen handelt). Diese Matrizen hängen von der Wahl der Basis \({B}\) ab. Wir fragen uns in diesem Kapitel nun, ob es eine Basis gibt, sodass die Darstellungsmatrix eine „schöne, einfache Form“ hat. Wobei wir klären wollen, was mit „schön“, und „einfach“ gemeint ist. Dies führt uns zur Theorie der Eigenwerte und Eigenvektoren, die auch in der Praxis öfter benutzt wird. Was aber sind diese Eigenwerte und Eigenvektoren, und wofür sind sie gut? Diese und ähnliche Fragen werden wir beantworten. Und auch auf Anwendungen zum Beispiel beim PageRank der großen Suchmaschine Google® werden wir kurz eingehen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2018 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Modler, F., Kreh, M. (2018). Diagonalisieren und Eigenwerttheorie. In: Tutorium Analysis 1 und Lineare Algebra 1. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-56752-4_22
Download citation
DOI: https://doi.org/10.1007/978-3-662-56752-4_22
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-662-56751-7
Online ISBN: 978-3-662-56752-4
eBook Packages: Life Science and Basic Disciplines (German Language)