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.

Megdolgozott példa · 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]

Lépésről lépésre

  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.

Mutasd meg a választ!
\lambda = 5,\; \lambda = 2

Most te. Válasszon egy problémát, vagy gépelje vagy rajzolja le a saját. Minden lépés, a kép, a válasz elrejtve, amíg nem kérdezi.

Dolgozz tovább!

Egy ingyenes fiók jegyzeteket ad minden leckéről, egy feljegyzést arról, hogy mit végeztél el, a megoldott problémáidról egy helyen, és egy oktatót, akit megkérdezhetsz erről az oldalról. A matematika maga mindenki számára nyitva áll, bejelentkezve vagy sem.

Regisztrálj! Bejelentkezés

Itt használt szimbólumok

Koppintson a teljes definícióra, a képre és arra, hogy mit jelent minden betű.

Hogyan kell: 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.

Kérdések, amiket az emberek feltesznek

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.

Még több Linear Algebra

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