Definitie
Laat A een n × n matrix zijn.
Een scalar λ heet een eigenwaarde van A als er een vector x bestaat, x 6= 0, zodat A x = λ x.
x heet een eigenvector van A bij λ.
Het is niet moeilijk om te onderzoeken of een vector x een eigenvector is van een n × n matrix A.
Hoe kunnen we bij een geven eigenwaarde λ = λ0 de bijbehorende eigenvectoren vinden?
A x = λ0x ⇐⇒
A x − λ0x = 0 ⇐⇒
A x − λ0Inx = 0 ⇐⇒
(A − λ0In) x = 0
De eigenvectoren van A bij de eigenwaarde λ = λ0 kunnen dus worden gevonden door de matrixvergelijking
(A − λ0In)x = 0 op te lossen.
Opmerking
x is een eigenvector van A bij de eigenwaarde λ = λ0 alleen maar als x ∈ null(A − λ0In)\{0}
Definitie
null(A − λ0In) heet de eigenruimte van A bij de eigen- waarde λ = λ0.
Dit is een deelruimte van Rn. Notatie
Eλ0 = null(A − λ0In)
Hoe kunnen de eigenwaarden en de bijbehorende eigen- vectoren van een n × n matrix A worden gevonden?
Laat A een n × n matrix zijn
x 6= 0 is een eigenvector van A bij een eigenwaarde λ ⇐⇒
A x = λ x voor zekere x 6= 0 ⇐⇒
A x − λ x = 0 voor zekere x 6= 0 ⇐⇒
A x − λ Inx = 0 voor zekere x 6= 0 ⇐⇒
(A − λ In)x = 0 voor zekere x 6= 0 ⇐⇒
(Fundamentele stelling voor inverse functies)
(A − λ In) is niet inverteerbaar ⇐⇒
det(A − λ In) = 0
Definitie
det(A − λ In) heet het karakteristieke polynoom van A.
De eigenwaarden van A zijn de nulpunten van dit polynoom.
Notatie
cA(λ) = det(A − λ In)
Conclusie
Laat A een n × n matrix zijn.
De eigenwaarden en bijbehorende eigenruimten van A kun- nen als volgt worden bepaald.
1. Bepaal het karakteristieke polynoom cA(λ) = det(A − λ In) van A.
2. Bereken de nulpunten van cA. Dit zijn de eigen- waarden van A.
3. Bepaal bij elke eigenwaarde λ = λ0 de bijbehorende eigenruimte Eλ0 = null(A − λ0In).
4. Bepaal eventueel van elke eigenruimte een basis.
Stelling
Als A een boven-of onderdriehoeksmatrix is dan staan de eigenwaarden van A op de hoofddiagonaal.
Stelling
Een vierkante matrix A is alleen inverteerbaar als 0 geen eigenwaarde is van A.
Stelling
Als λ1, λ2, · · · , λm verschillende eigenwaarden zijn van een matrix A en x1, x2, · · · , xm zijn bijbehorende eigenvectoren dan is {x1, x2, · · · , xm} een verzameling lineair onafhanke- lijke vectoren.
Stelling
Laat A een matrix zijn met eigenwaarde λ = λ0 en bijbe- horende eigenvector x. Dan geldt:
a. Voor elke n ∈ N is λ = λn0 een eigenwaarde van An en x een bijbehorende eigenvector.
b. Als A inverteerbaar is dan is λ = 1
λ0 een eigenwaarde van A−1 en x een bijbehorende eigenvector.
c. Als A inverteerbaar is dan is voor elke n ∈ Z, λ = λn0 een eigenwaarde van An en x een bijbehorende eigen- vector.
Gevolg
Als A een n × n matrix is met eigenwaarden λ1, λ2, · · · , λm en bijbehorende eigenvectoren
x1, x2, · · · , xm in Rnen x is een lineaire combinatie van deze eigenvectoren, x = c1x1 + c2x2 + · · · + cmxm, dan
Anx = c1λn1x1 + c2λn2x2 + · · · + cmλnmxm
voor n ∈ N.
Gelijkvormigheid en diagonaliseerbaarheid
Definitie
Laten A en B twee n × n matrices zijn.
A heet similair of gelijkvormig met B wanneer er een inverteerbare matrix P bestaat zodat P−1A P = B.
Stelling
Laten A, B en C n × n matrices zijn. Dan geldt: a. A ∼ A.
b. Als A ∼ B dan B ∼ A.
c. Als A ∼ B en B ∼ C dan A ∼ C.
Laten A en B twee n × n matrices zijn.
A heet similair of gelijkvormig met B wanneer er een inverteerbare matrix P bestaat zodat P−1A P = B.
Notatie A ∼ B Stelling
Laten A, B en C n × n matrices zijn. Dan geldt:
a. A ∼ A.
b. Als A ∼ B dan B ∼ A.
c. Als A ∼ B en B ∼ C dan A ∼ C.
Stelling
Laten A en B twee n × n matrices zijn zodat A ∼ B.
Dan geldt:
a. det(A) = det(B).
b. A is inverteerbaar dan en slechts dan als B inverteer- baar is.
c. rank(A) = rank(B).
d. cA(λ) = cB(λ) voor elke λ ∈ R.
e. A en B hebben dezelfde eigenwaarden.
Definitie
Een n × n matrix A heet diagonaliseerbaar als er een diagonaalmatrix D bestaat zodat A ∼ D.
Er bestaat dus een inverteerbare matrix P zodat P−1A P = D.
Stelling
Een n × n matrix A is diagonaliseerbaar dan en slechts dan als er een stelsel van n lineair onafhankelijke eigenvectoren bestaat.
Is P = [ x1x2 · · · xn] en D = diag (λ1, λ2, · · · , λn) dan zijn x1, x2, · · · , xn, n lineair onafhankelijke eigenvectoren van A bij de eigenwaarden λ1, λ2, · · · , λn.
Gevolg
Als A een n × n matrix is met n verschillende eigenwaarden dan is A diagonaliseerbaar.
Stelling
Laat A een n × n matrix zijn met verschillende eigenwaar- den λ1, λ2, · · · , λk. Laat Bi een basis zijn van eigenvectoren voor Eλi voor i = 1, 2, · · · , k.
Dan is B = B1∪ B2∪ · · · ∪ Bk een verzameling lineair onaf- hankelijke eigenvectoren van A.
Gevolg
A is alleen diagonaliseerbaar als B uit n vectoren bestaat.
Definitie
Laat A een n × n matrix zijn met eigenwaarde λ0.
Als cA(λ) = (λ0 − λ)αpA(λ) waarbij pA(λ0) 6= 0 dan heet α de algebra¨ısche multipliciteit van λ0.
Verder heet dim(Eλ0) de geometrische of meetkundige multi- pliciteit van λ0.
Stelling
Laat A een n × n matrix zijn met eigenwaarde λ0.
Dan is de meetkundige multipliciteit van λ0 kleiner of gelijk aan de algebra¨ısche multipliciteit van λ0
Stelling (over diagonaliseerbaarheid)
Laat A een n × n matrix zijn. Dan zijn de volgende beweringen equivalent:
a. A is diagonaliseerbaar.
b. De vereniging van de bases van eigenruimten van A bij de verschillende eigenwaarden bevat n vectoren.
c. De meetkundige en de algebra¨ısche multipliciteit van elke eigenwaarde zijn gelijk.