maths.free › Linear Algebra › Diagonalisation and matrix powers

Diagonalisation and matrix powers

A = PDP⁻¹, computing Aⁿ, and the matrices that cannot be diagonalised.

With a full set of eigenvectors, A = PDP⁻¹ where D is diagonal, so Aⁿ = PDⁿP⁻¹: Fibonacci in closed form, Markov chains at equilibrium. Picture it: the transformation stretching along eigenvector directions and nothing else. Think it: symmetric matrices always diagonalise with orthogonal eigenvectors (the spectral theorem); defective ones need Jordan form.

Rechenbeispiel · eigenvalues of [[4,1],[2,3]]

Linear-Algebra · Eigenvalues

Eigenvalues of [[4,1],[2,3]]

\left[\begin{matrix}4 & 1\\2 & 3\end{matrix}\right]

Schritt für Schritt

  1. \det(A - \lambda I) = 0

    Eigenvalues are the roots of the characteristic polynomial.

  2. \det\left[\begin{matrix}4 - \lambda & 1\\2 & 3 - \lambda\end{matrix}\right] = 0

    Subtract λ from the diagonal.

  3. \lambda^{2} - 7 \lambda + 10 = 0

    Expand the determinant.

  4. \left(\lambda - 5\right) \left(\lambda - 2\right) = 0

    Factor.

  5. \lambda = 5, \lambda = 2

    Eigenvalues (with multiplicity).

  6. \lambda = 2:\ (A - \lambda I)\mathbf{v} = 0 \Rightarrow \mathbf{v} = \left[\begin{matrix}- \frac{1}{2}\\1\end{matrix}\right]

    Solve (A − 2I)v = 0 for a basis eigenvector.

  7. \lambda = 5:\ (A - \lambda I)\mathbf{v} = 0 \Rightarrow \mathbf{v} = \left[\begin{matrix}1\\1\end{matrix}\right]

    Solve (A − 5I)v = 0 for a basis eigenvector.

Antwort aufdecken
\lambda = 5,\; \lambda = 2

Jetzt du Wählen Sie ein Problem, oder tippen oder zeichnen Sie Ihre eigenen. Jeder Schritt, ein Bild, die Antwort versteckt, bis Sie fragen.

Behalten Sie Ihre eigenen Lösungswege

Ein kostenloses Konto fügt Notizen zu jeder Lektion, eine Aufzeichnung von dem, was Sie beendet haben, Ihre gelösten Probleme an einem Ort, und ein Tutor können Sie über diese Seite fragen. Die Mathematik selbst ist offen für alle, angemeldet oder nicht.

Registrieren Anmelden

Hier verwendete Symbole

Tippen Sie auf jedes Symbol für die vollständige Definition, ein Bild und was jeder Buchstabe darin bedeutet.

Wie man: Diagonalisation and matrix powers

  1. Eigenvalues are the roots of the characteristic polynomial.
  2. Subtract λ from the diagonal.
  3. Expand the determinant.
  4. Factor.
  5. Eigenvalues (with multiplicity).
  6. Solve (A − 2I)v = 0 for a basis eigenvector.
  7. Solve (A − 5I)v = 0 for a basis eigenvector.

Fragen, die die Leute stellen

What does a determinant mean geometrically?

It is the factor by which the matrix scales area (2×2) or volume (3×3), with a negative sign if orientation flips. Zero means the matrix flattens space and cannot be undone.

What is an eigenvector?

A direction the matrix does not turn: it only stretches it by the eigenvalue. Along eigenvectors a complicated matrix acts like multiplication by a number.

Why is matrix multiplication not commutative?

Because a matrix is a transformation and AB means "do B, then A". Rotating then reflecting is not the same as reflecting then rotating.

Mehr in Linear Algebra

DeterminantsMatrix inverseEigenvalues and eigenvectorsMatrix multiplicationRow reductionVector spaces, span and linear independenceOrthogonality, projections and least squaresLinear transformations and change of basis