Eigenvektoren bei linearen Abbildungen
In den folgenden Darstellungen wird jedes Mal eine lineare Abbildung
(beschrieben jeweils durch eine Matrix , , oder
)
veranschaulicht. Einerseits zeigen wir einen (schwarzen) Vektor
und seinen gelben Bild-Vektor, andererseits ist auch jeweils ein
hellgrünes Dreieck samt seinem dunkelgrünen Bild zu sehen. Der
von aufgespannte eindimensionale Unterraum ist durch
eine sehr breite graue Gerade angedeutet.
Sie können mit der Maus den schwarzen Vektor bewegen
(fassen Sie ihn dazu ganz an der Spitze an):
Dabei bewegt sich der Bildvektor mit.
Zum Ausdrucken sind diese HTML-Seiten
ungeeignet, weil Sie dann die Applets nur als leere Flächen sehen -
dafür gibt es
dieses Dokument als PDF-Datei.
Spiegelung kombiniert mit Streckung (zwei verschiedene reelle Eigenwerte)
Der schwarze Vektor wird auf den gelben Vektor
abgebildet, indem er an der dünnen roten Linie gespiegelt und
dann auch noch mit dem Faktor multipliziert wird.
Dies ist eine lineare Abbildung; in einem Koordinatensystem, dessen
Achsen durch die rote und die blaue Gerade gebildet werden, wird diese
Abbildung durch eine Diagonalmatrix mit Diagonaleinträgen
und beschrieben; nämlich dem Produkt
.
|
Wenn man den schwarzen Vektor so dreht, dass er auf die rote Linie zu
liegen kommt, fällt auch der Bildvektor in diese
Linie. Er zeigt dann in die gleiche Richtung wie der schwarze, ist
aber nur halb so lang: Wir haben damit einen Eigenvektor zum
Eigenwert gefunden. Auch durch Streckung des
Vektors ändert sich nichts an dieser Beziehung (so lange
Sie die Richtung beibehalten).
Bewegt man den Vektor auf die blaue Gerade, so fällt der
Bildvektor wieder in die von aufgespannte Gerade,
zeigt aber in die umgekehrte Richtung:
Jetzt ist ein Eigenvektor zum Eigenwert .
Sie können die rote Gerade ebenfalls bewegen (mit Hilfe des
dicken Punkts).
|
Dass hier jeder Eigenvektor zum Eigenwert auf jedem
Eigenvektor zum Eigenwert senkrecht steht, ist ein
Zufall (in der Tat eine Folge der Tatsache, dass die Matrix
symmetrisch ist).
Projektion (also eine nicht bijektive Abbildung: ein Eigenwert ist Null)
Das folgende Beispiel zeigt eine Abbildung, die den Vektor
zuordnet (für eine geeignete Matrix , siehe unten).
|
Hier wird entlang der grünen Richtung auf die rote
Gerade projiziert (Sie können diese Richtungen beide
ändern - mit
Hilfe der dicken Punkte).
Finden Sie die Richtungen, in die Eigenvektoren zeigen?
Vektoren, die entlang der roten Geraden zeigen, werden bei der
Projektion überhaupt nicht verändert:
Das sind Eigenvektoren zum Eigenwert 1.
Vektoren, die genau entlang der Projektionsrichtung zeigen, sind
Eigenvektoren zum Eigenwert 0:
Solche Vektoren werden auf den
Nullvektor abgebildet (das ist schwer zu sehen und etwas tüftelig
einzustellen).
|
Wir geben einige Matrix-Beispiele für solche Projektionen:
-
(Wenn die grüne und die rote Gerade die erste bzw. zweite Achse
eines kartesischen Koordinatensystems bilden).
-
(Wenn die rote Gerade aufgespannt wird durch den Vektor
, und die grüne Gerade zur roten senkrecht steht).
-
(Hier wird die rote Gerade aufgespannt durch und die grüne durch ;
diese Geraden stehen nicht senkrecht zueinander).
Es gibt viele weitere Beispiele für -Matrizen mit
Eigenwerten und .
In der Tat sind das genau diejenigen Matrizen
, bei
denen und gilt.
In anderen Worten: Die Spur und Determinante
von müssen die
Bedingungen und
erfüllen. Dies kann (mit der Einheitsmatrix ) auch so
formuliert werden:
Das charakteristische
Polynom von ist gleich .
Scherung (unterschiedliche algebraische und geometrische Vielfachheit)
Nicht bei jeder linearen Abbildung treten Eigenvektoren mit
verschiedenen Richtungen auf:
|
Hier wird parallel zur roten Richtung geschert (Sie können
die rote Richtung und das Ausmaß der Scherung ändern - mit
Hilfe der dicken Punkte).
Finden Sie die Richtungen, in die Eigenvektoren zeigen?
Vektoren, die entlang der roten Geraden zeigen, werden bei der
Scherung überhaupt nicht verändert:
Das sind Eigenvektoren zum Eigenwert 1.
Andere
Eigenvektoren gibt es in diesem Fall nicht!
|
Zu den Matrizen, die solche Scherungen beschreiben, gehören
Die charakteristische Eigenschaft der Matrizen, die Scherungen
beschreiben, ist die Tatsache, dass sie den Eigenwert mit
algebraischer Vielfachheit haben, während die geometrische
Vielfachheit nur ist.
Es gibt viele weitere Beispiele für -Matrizen mit
dieser Eigenschaft.
In der Tat sind das genau diejenigen Matrizen
, die
nicht diagonal sind (d.h. mindestens einer der Einträge ,
ist von Null verschieden) mit und .
In anderen Worten: Die Spur und Determinante müssen die
Bedingungen und erfüllen (und
die Matrix ist nicht diagonalisierbar - das bedeutet jetzt einfach,
dass verschieden von der Einheitsmatrix ist).
Dies kann auch wie folgt formuliert werden:
Das charakteristische Polynom von
ist gleich ; aber
.
Drehung (keine reellen Eigenwerte)
Schließlich noch ein Beispiel einer linearen Abbildung, die gar
keine (reellen) Eigenwerte hat:
|
Wir drehen (und Sie können den Drehwinkel
ändern - mit Hilfe des dicken grünen Punkts).
Finden Sie einen Drehwinkel, zu dem es dann doch Eigenvektoren gibt?
|
In ihrer Anfangskonfiguration zeigt die Zeichnung eine Drehung um
(im Bogenmaß also )
gegen
den Uhrzeigersinn. Diese Drehung wird beschrieben durch die Matrix
.
Das charakteristische Polynom ist ; als Eigenwerte finden wir
und .
Es gibt viele weitere Beispiele von -Matrizen ohne reelle
Eigenwerte.
In der Tat sind das genau diejenigen Matrizen
,
bei denen die charakteristische Gleichung
keine Lösung im Bereich der reellen Zahlen hat.
Dies geschieht genau dann, wenn die Diskriminante
negativ ist; also dann, wenn
.
(Für die Drehung der Anfangskonfiguration haben wir und
, damit ist die Bedingung erfüllt.)
Erzeugt
von M. Stroppel
mit Hilfe von Cinderella und
CindyJS
BESbswyBESbswyBESbswyBESbswyBESbswyBESbswy