Lineaire Algebra

College 13: Eigenwaarden en

eigenvectoren

J. Vermeer
College 13
1

Faculteit EWI
Technische Universiteit Delft
§4.1 Eigenwaarden en eigenvectoren
Definitie Laat A een n × n matrix zijn.
1. De vector v ∈ Rn heet een eigenvector van A als v 6= 0 en
er bestaat λ ∈ R zodat Av = λv
2. Dan heet λ een eigenwaarde van A.
3. Dus: λ is eigenwaarde van A ⇔ er is v 6= 0 met Av = λv.
4. Doel: gegeven een matrix A eigenwaarden en
eigenvectoren te vinden.
   
2 1 1
Voorbeeld Beschouw de matrix A = en x = .
1 2 1
(a) Laat zien dat x een eigenvector is van A. Wat is de bijbeho-
rende eigenwaarde? Bepaal alle eigenvectoren bij deze eigen-
waarde. ✷
College 13 2

Faculteit EWI
§4.1 Eigenwaarden en eigenvectoren(2)
 
2 1
Voorbeeld (vervolg) Dus A = .
1 2
(b) Ga na of λ = −1 een eigenwaarde van A is. Zo ja, bepaal
alle eigenvectoren bij λ = −1.
(c) Heeft A nog andere eigenwaarden?
Definitie Laat λ een eigenwaarde van A zijn. De eigenruimte
Eλ ⊂ Rn is de verzameling:
Eλ = {v ∈ Rn |Av = λv}.
Stelling Als λ een eigenwaarde van A, dan Eλ = Nul(A − λI).
Gevolg Een eigenruimte is een lineaire deelruimte. ✷

College 13 3

Faculteit EWI
§4.1 Eigenwaarden en eigenvectoren(3)
Stelling Laat A een n × n matrix zijn en λ ∈ R. Equivalent zijn:
1. λ is een eigenwaarde van A,
2. De matrix A − λI is niet inverteerbaar,
3. det(A − λI) = 0.
Nu kunnen we de vraag, of voorbeeld A nog andere
eigenwaarden heeft, beantwoorden.
Merk op: Als A een 2 × 2 matrix, dan is det(A − λI) = 0 een
kwadratische vergelijking in λ, dus A heeft 0, 1 of 2 eigenwaar-
den. ✷

College 13 4

Faculteit EWI
§4.3 Karakteristiek polynoom
In het algemeen geldt: Als A een n × n matrix is, dan is
det(A − λI) een polynoom van de graad n te zijn! Het
zogeheten karakteristiek polynoom van A.
Notatie: pA (λ) = det(A − λI)
Conclusie: De (reële) nulpunten van het karakteristiek polynoom
van A zijn precies de eigenwaarden van A.
Stelling Van een boven(of onder) driehoeksmatrix A is het karak-
teristiek polynoom en de eigenwaarden makkelijk te bepalen! ✷

College 13 5

Faculteit EWI
§4.3 Algebraïsche multipliciteit van eigenwaarde
Voorbeeld Bepaal karakteristiek polynoom en daarmee de
   
1 0 1 −1
eigenwaarden van de matrices: A = ,B =
1 1 1 1
   
2 1 1 1 2 0
en C =  1 2 1  en D =  0 1 2 .
1 1 2 0 0 2
Definitie: Als λ0 een nulpunt van pA (λ) van de graad k , dan
zeggen we: λ0 is eigenwaarde A met algebraïsche multipliciteit
k.
Notatie: a.m.(λ = λ0 ) = k . ✷

College 13 6

Faculteit EWI
§4.3 Meetkundige multipliciteit van een eigenwaarde
Laat λ een eigenwaarde zijn van de n × n matrix A. Herinner:
De eigenruimte Eλ is de verzameling alle v ∈ Rn met Av = λv
is gelijk aan de verzameling alle v ∈ Rn met (A − λI)v = 0 is
gelijk aan
Nul(A − λI) .
Uit de identiteit Eλ = Nul(A − λI) volgt:
1. Eλ is een lineaire deelruimte van A.
2. Oplossen van stelsel A − λI|0 levert een basis Eλ
Definitie: de dimensie van de deelruimte Eλ heet de
meetkundige multipliciteit van de eigenwaarde λ.
Notatie: m.m.(λ = λ0 ) = ℓ. ✷

College 13 7

Faculteit EWI
§4.3 Relatie tussen multipliciteiten
Stelling Laat λ0 een eigenwaarde zijn van A. Dan geldt:
1 ≤ m.m.(λ = λ0 ) ≤ a.m.(λ = λ0 )
Nog een stel eigenschappen eigenwaarden.
Stelling
1. A niet inverteerbaar ⇔ λ = 0 is eigenwaarde A
2. Als x eigenvector A bij λ dan x eigenvector An bij λn ,
n = 1, 2, . . .
3. Als x eigenvector A bij λ en A inverteerbaar dan x
1
eigenvector A bij .
−1
λ
✷

College 13 8

Faculteit EWI
§4.3 Discrete dynamische systemen
Toepassing: Stel A is een m × m matrix en de (start)vector x0 .
Beschouw de rij {xn : n ≥ 0}:

x0 , x1 = Ax0 , x2 = Ax1 (= A2 x0 ), . . . , xn = Axn−1 (= An x0 )

Probleem: Bepaal een formule voor xn .

Oplossing:
1. Schrijf x0 als lineaire combinatie van eigenvectoren van A.
2. Zeg: x0 = c1 v1 + c2 v2 + · · · + ck vk . (Met Avi = λi vi .)
3. Dan geldt:

xn = c1 λn1 v1 + c2 λn2 v2 + · · · + ck λnk vk

Voorbeeld ✷
College 13 9

Faculteit EWI
§4.3 Eigenschap
De volgende stelling staat bewezen in boek, wij bewijzen deze
niet.
Stelling Laat A een n × n matrix zijn. Laat v1 , . . . , vp
eigenvectoren zijn van A bij de eigenwaarden λ1 , . . . , λp ,
waarbij λi 6= λj als i 6= j .
Dan zijn de eigenvectoren v1 , . . . , vp lineair onafhankelijk.
Gevolg: Laat A een n × n matrix zijn. Dan heeft A tenhoogste n
eigenwaarden. ✷

College 13 10

Faculteit EWI