Zusammenfassung
Mit dem Diagonalisieren von Matrizen sind wir im Zentrum der linearen Algebra angelangt. Den Schlüssel zum Diagonalisieren bilden Vektoren v ungleich dem Nullvektor mit \(A\,v=\lambda\,v\) für ein \(\lambda\in{\mathbb{K}}\) – man nennt v Eigenvektor und λ Eigenwert. Beim Diagonalisieren einer Matrix \(A\in{\mathbb{K}}^{n\times n}\) bestimmt man alle Eigenwerte von A und eine Basis des \({\mathbb{K}}^{n}\) aus Eigenvektoren.
Die Anwendungen des Diagonalisierens von Matrizen sind vielfältig, Themen wie Hauptachsentransformation, Singulärwertzerlegung und Matrixexponentialfunktion zur Lösung von Differentialgleichungssystemen basieren auf dem Diagonalisieren.
Wie schon oftmals zuvor bezeichnet \({\mathbb{K}}\) einen der beiden Zahlkörper \({\mathbb{R}}\) oder \({\mathbb{C}}\).
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2017 Springer-Verlag GmbH Deutschland
About this chapter
Cite this chapter
Karpfinger, C. (2017). Diagonalisierung – Eigenwerte und Eigenvektoren. In: Höhere Mathematik in Rezepten. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-54809-7_39
Download citation
DOI: https://doi.org/10.1007/978-3-662-54809-7_39
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-662-54808-0
Online ISBN: 978-3-662-54809-7
eBook Packages: Life Science and Basic Disciplines (German Language)