Sida 1 av 11
EGENVÄRDEN och EGENVEKTORER
Definition 1. (Egenvektor och egenvärde för en linjär avbildning)
Låt V vara ett vektorrum och T : V→V en linjär avbildning från V till V. Om det finns en nollskild vektor v
och en skalär λ så att T(v)v
då kallas avbildningens egenvektor och talet λ kallas egenvärde till T.
Obs: Nollvektorn 0
godkänns alltså INTE som egenvektor till någon avbildning.
Däremot talet 0 kan vara ett egenvärde till T. Detta ät fallet om v
v
T
0 )
( dvs T(v ) 0 för någon nollskylld vektor . Geometrisk betydelse: Låt v
vara en egenvektor till avbildningen T. Då gäller ett av följande två fall:
1. T(v)
är parallell v eller
2. T(v ) 0.
Anmärkning. Om man anser (som i många kursböcker) att 0
är parallell med varje vektor då är fall 2 redan inkluderat i fall 1.
Exempel 1. Låt T vara projektionen av vektorer i R på linjen L: 2
5 t 2 y
x . Bestäm
genom geometriskt resonemang, alla egenvärden och egenvektorer.
Lösning:
Beteckna linjens riktningsvektor
5 a 2 . i) För varje vektor v
som är parallell med a
( dvs med L) är projektionen v
v
T( ) dvs T(v) 1v. v
T(v)
Sida 2 av 11
v v projL( )
Därmed är varje nollskild vektor som är parallell med
5
2 en egen vektor för avbildningen T med tillhörande egenvärde 11.
ii) Projektionen av en vektor u
på L är 0
om och endast om u
är vinkelrät mot L.
0 ) (u projL
En sådan vektor är
2
u 5 eftersom skalärprodukt mellan
2
u 5 och linjens
riktningsvektor
5
a 2 är lika med 0.
Därmed är T(u ) 0. Samma gäller för varje vektor parallell med u .
Därför är varje nollskild vektor som är parallell med
2
u 5 (och därmed vinkelrät mot a
) en egen vektor för avbildningen T med tillhörande egenvärde 20. iii) Låt w
vara en vektor i R som är varken parallell med 2 a
eller vinkelrät mot a .
) (w projL
Bildan av w
är varken parallell med w
eller lika med 0
. En sådan vektor w
är därför inte en egenvektor till projektionen T.
Svar: Projektionen T på linjen
5 t 2 y
x har följande egenvärde:
Sida 3 av 11 i) 11 med tillhörande egenvektorer
5
k 2 , k0( för 0
räknas inte som egenvektor) och
ii) 20 med tillhörande egenvektorer
2
s 5 , s0.
---
Låt
nn m
n
n n
a a
a
a a
a
a a
a A
...
...
...
...
...
...
...
2 1
2 22
21
1 12
11
vara avbildningens matris i någon bas B
dvs T(v ) Av Från (*) har vi
v v
A (**)
Vi kan därför definiera matrisens egenvektor och motsvarande egenvärde på samma sätt som för en linjär avbildning.
Definition2 ( Egenvektor och egenvärde för en kvadratisk matris) Låt A vara en kvadratisk matris dvs en matris av typ nn.
Om det finns en nollskild vektor v
och en skalär λ så att v
v
A (**)
då kallas matrisens egenvektor och talet λ kallas matrisens egenvärde.
Anmärkning 1. Nollvektorn 0
godkänns alltså INTE som egenvektor till en kvadratisk matris A. Däremot talet 0 kan vara ett egenvärde till A. Detta ät fallet om
v v A
0 dvs Av 0 för någon nollskylld vektorv
. Eftersom ovanstående homogena system har icke-triviala lösningar om och endast det(A)=0 har vi att
λ= 0 är ett egenvärde till A om och endast om det(A) = 0.
Därför gäller följande ekvivalens:
(λ= 0 är ett egenvärde till A) (det(A) = 0) ( A är INTE inverterbar) . Sats 1.
a) Om v
är en egenvektor till A som svarar mot egenvärde λ, dvs om Avv då är v
t
u (där t är en skalär skild från 0 ) också en egenvektor med samma egenvärde.
b) Om u ochv
är två egenvektorer som hör till egenvärdet λ sådana att 0
v
u så är
v
u också en egenvektor med samma egenvärde.
Bevis:
a) Au AtvtAvtvtv u. Alltså Auu V.S.B.
b) A(uv)AuAvuv(uv).
Från a) och b) följer att en linjär kombination av egenvektorer som hör till egenvärdet λ är också en egenvektor som hör till λ.
---
Sida 4 av 11
Mängden av alla egenvektorer som hör till egenvärdet λ tillsammans med nollvektor kallas egenrum tillhörande λ och betecknas Eλ.
Definition 3. ( Egenrum Eλ)
Låt λ vara ett egenvärde till matrisen A av typ nn. Underrummet
Eλ = ker(A-λI) = {vRn:(AI)v0} kallas egenrummet tillhörande λ.
Alltså är {0}{Mängdenavallaegenvektorer somhör tillegenvärde}
E .
Vi kan också säga att {Mängdenavallaegenvektorer somhör tillegenvärde } \{0}
E . Bestämning av egenvärden och egenvektorer
I vår kurs, som standard, betraktar vi reella vektorrum ( och därmed söker vi reella egenvärde λ)
För att bestämma λ och v
skriver vi om (**) 0
)
(
v A I v v
A
eller
*)
* (*
... 0 ) (
...
...
...
...
...
...
) (
...
) (
2 1
2 1
2 22
21
1 12
11
x x x
nn n m
n
n n
a a
a
a a
a
a a
a
Eftersom 0 enligt definitionen, söker vi icke-triviala lösningar, och de finns endast om
0 ) det(A I eller
**)
* (*
0 ) (
...
...
...
...
...
...
) (
...
) (
2 1
2 22
21
1 12
11
nn m
n
n n
a a
a
a a
a
a a
a
Efter utveckling av determinanten får vi ett polynom i vänstersidan av ovanstående ekvationen. polynomet det(AI) kallas det karakteristiska polynomet.
Ekvationen det(A I )0 är (efter utveckling av determinanten) en algebraisk ekvation av grad n. Ekvationen
det(A I )0
kallas för den karakteristiska ekvationen eller, i några böcker, ”sekularekvation”.
Steg 1. Vi löser först den karakteristiska ekvationen
Sida 5 av 11 0
)
det(A I ( EKV1 )
Och får eventuella reella egenvärden. (I vår kurs betraktar vi reella vektorrum och accepterar endast reella egenvärden)
Steg 2. För varje reell lösning λk till EKV1 substituerar vi λ=λk i 0
)
(AI v ( EKV2) och bestämmer motsvarande egenvektorer.
Uppgift 1 Bestäm alla egenvärden, egenrummet och egenvektorer för följande matriser:
a) 4 2
1 1 b ) 1 3
1 3 c) d) a) Lösning
Vi löser följande två ekvationer :
0 )
det(A I ( EKV1 ) och
0 )
(AI v ( EKV2)
Steg 1. Först löser vi den karakteristiska ekvationen , 0
) det(A I EKV1, och får eventuella reella egenvärden:
4 2
1 1 0 ⇒ 4 1 2 0 ⇒ 5 6 0
Ekvationen har två reella lösningar 2 och 3 och därför har vi två egenvärden 2, 3 .
Steg 2. Låt . För varje reell lösning λk till EKV1 substituerar vi λ=λk i EKV2, dvs i följande ekvation
4 2
1 1 0
0 och bestämmer motsvarande egenvektorer.
i) 2 . Vi har
4 2 2
1 1 2 0
0 ,
2 2
1 1 0
0 , Vi får system (som har icke triviala lösningar)
Sida 6 av 11
2 2 0
0 ~ 0
0 0 , ä
Vi väljer t ex Härav
1
1 som är egenvektorer för t ≠ 0.
Egenrummet E1 t , } 1
{1 tR
=span(
1
1 ) (även nollvektorn ingår).
ii ) På samma sätt får vi för 3, tillhörande egenvektorer är 2
1 , t ≠ 0 och egenrummet E2 span(
1 2 ).
Svar:
a) Egenvärdet 2 med motsvarande egenvektorer 1
1 , t ≠ 0 och egenrummet E1 span(
1 1 ).
Egenvärdet 3 , med motsvarande egenvektor 2
1 , t ≠ 0 och egenrummet
2
E span(
1 2 ).
b) 2 , 1
1 , t ≠ 0 och E1span(
1
1 ). ; 0 , 3
1 , t ≠ 0 och
2
E span(
1 3 ).
c) Steg 1.
0 )
det(A I ger 0
) 4 ( 0 0
2 ) 3 ( 2
2 1
. Vi utveklar determinanten efter tredje raden:
) 2 3 )(
4 ( ] 2 ) 3 ( )[
4 ) ( 3 ( 2 ) 1 4 ( )
det( 2
I
A
Den karakteristiska ekvationen (4)(232)0 har tre lösningar
11
, 2 2 och 3 4 som är matrisens egenvärden.
Anmärkning: Om vi utvecklar determinanten på ett annat sätt och förenklar då får vi tredjegradsekvation
λ 7 λ 14 λ 8 0
Om det finns heltalslösningar till ovanstående ekvation då är de delare till konstanta termen 8.
Vi testar heltalsfaktorer till 8 : 1, 2 4 8.
Sida 7 av 11
Talet λ 1 är en lösning (kontrollera själv) och därför är polynomet λ 7 λ 14 λ 8
delbart med (λ 1 . Polynomdivision ger
λ 7 λ 14 λ 8 / λ 1 λ 6λ 8 Ekvationen
λ 6λ 8 0 ger två lösningar till 2 och ; 4.
Steg 2. Låt . För varje egenvärde λk substituerar vi λ=λk i EKV1, och bestämmer motsvarande egenvektor. ( Kontrollera nedanstående svar.)
Svar c) 1 , 1 1
0 , t ≠ 0 , E1 span(
0 1 1
) ;
2 , 1
2
0 , t ≠ 0 , E2 span(
0 2 1
) ;
4 , 0
2
1 , t ≠ 0 , E3 span(
1 2 0
).
Svar d) 0 , 1 1
0 , t ≠ 0 , E1span(
0 1 1
) ;
2 , 1
2
0 , t ≠ 0 , E2 span(
0 2 1
) ;
3 , 0
0
1 , t ≠ 0 , E3 span(
1 0 0
).
Sida 8 av 11
Beräkning av uttrycket A
nv , där v är en egen vektor till A.
Uppgift 2. (KS 2008)
Antag att matrisen A har egenvektorn v som svarar mot egenvärdet . Visa att då v också är egenvektor till matriserna
a) A b) 2 A2 3A2I
Bestäm motsvarande egenvärden i båda fall.
Lösning:
a)
Enligt antagande gäller Av = v (ekv1)
Vi multiplicerar (ekv1) med A från vänster och får A2v = Av
A2v = 2v
Allternativt kan vi direkt beräkna A2v=AAv= Av=Av=v=2v
Alltså, från A2v = 2v, ser vi att v också är en egenvektor till A2 som tillhör egenvärdet 2. b) (A2 3A2I)v=A2v –3Av+2v= 2v –3v +2v =(2–3 +2)v ,
därför är v en egenvektor till A2 3A2I med tillhörande egenvärdet (2–3 +2).
Uppgift 3.
Antag att matrisen A har egenvektorn v som svarar mot egenvärdet . Visa att då v också är egenvektor till matriserna
a) A b) 3 A där n=0, 1,2,3,.... c) n A3 5A2 3A5I Bestäm motsvarande egenvärden.
Lösning:
a) Vi ersätter A v med λv i varje steg ( totalt tre gången):
A3v = AAA v = AA(A v) = (v är en egenvektor) = AA(λv) = (vi skriver talet λ i början av uttrycket) = λAAv = = λAλv =λ2Av= λ3v
Därmed, från A3v = λ3v, ser vi att v också är en egenvektor till A3 med egenvärdet 3. b) På liknande sätt har vi att Anv = λnv och därmed är v också är en egenvektor till An , där n=0, 1,2,3,.... med egenvärdet n.
c) (A3 5A2 3A5I) v= A3v –5A2v +3Av+5v= 3v –52v +3v+5v
=(3–52+3+5) v.
Därför är v en egenvektor till A3 –5A2 +3A+5I med tillhörande egenvärdet (3–52+3+5).
Anmärkning: Ovanstående egenskap för en egenvektor v ( dvs Anv = λnv) kan användas för att på enkelt sätt beräkna Anx för en vektor x som kan anges som en linjär kombination av matrisens egenvektorer.
Beräkning av uttrycket A
nx , där x är en linjär kombination av
egenvektorer till A.
Sida 9 av 11 Uppgift 4.
Antag att matrisen A har egenvektorerna v1 och v2 som svarar mot egenvärden 1 respektive
2 . Låt vidare x =k1v1+ k2v2. Bestäm
a) Ax b) A44x Lösning:
a) Ax = A(k1v1+ k2v2)= k1Av1+ k2Av2= k11v1+ k22v2
b) A44x = A44 (k1v1+ k2v2)= k1A44v1+ k2 A44v2= k1144v1+ k2 442 v2 Uppgift 5.
Antag att matrisen A har egenvektorerna v1=
0 1 1
och v2=
2 1 0
som svarar mot egenvärden
1=2 respektive 2= –1 . Låt vidare x =
6 13 10
. Kan vi (med given information) bestämma A3x ? Lösning:
Vi försöker uttrycka x som en linjär kombination av egenvektorerna v1 och v2: Från av1+ bv2= x får vi a=10 och b=3.
Alltså x =10v1+ 3v2.
Därför A3x = A3 (10v1+ 3v2)= 10 A3v1+ 3 A3v2=1013 v1 + 3 32v2 .
=1023
0 1 1
+3(1)3
2 1 0
=80
0 1 1
-3
2 1 0
=
6 77 80
Svar: A3x =
6 77 80
Uppgift 6. Låt A vara en inverterbar matris med egenvektor v som svarar mot egenvärdet .
Visa att v är också egenvektor till A-1och bestäm motsvarande egen värde.
Bevis.
Enligt antagandet gäller A v = v. Vi multiplicerar båda leden (från vänster) med A-1och får A-1A v = A-1 v v = A-1 v ( dela med ) A-1 v =
1 v.
Alltså är v en egen vektor till A-1 med motsvarande egenvärde 1. Anmärkning: Eftersom A är inverterbar är 0.
Sida 10 av 11 Bestämning av matrisen för givna egenvektorer
Inledning. Låt L:Rn Rn vara en linjär avbildning. Då är tillhörande matris A=[L] av typ n
n . Om bilder av n st. linjär oberoende vektorer då kan vi bestämma A.
Om
1 1) (
A v y ,…, A(vn) yn (*) då kan vi skriva
AV=Y (**)
där kolonner i matrisen V är vektorerna v1,...,vn och kolonner i Y är vektorerna y1,...,yn. Matrisen V är inverterbar eftersom v1,...,vn är oberoende vektorer.
Från (**) följer (multiplicera från höger med V–1) att A=YV–1 (***) .
Exempel 2.
För en avbildning L:R2 R2 gäller
1 ) 1 3 ( 1
L och
2 ) 2 14 ( 3
L . Bestäm
avbildningens matris.
Lösning: Låt A beteckna avbildningens matris. Då gäller
1 1 3
A 1 och
2 2 14
A 3 som vi kan skriva på formen AV=Y dvs som
2 1
2 1 14 3
3
A 1 .
Härav (multiplicera från höger med V–1) har vi A=YV–1 dvs
1 8
1 8 5 1 1 3
3 14 5 1 2 1
2 1 14
3 3 1 2 1
2
1 1
A .
Svar:
1 8
1 8 5
A 1 .
På samma sätt bestämmer vi avbildningens matris om, bland givna vektorer, finns några egenvektorer. Notera att för en egenvektor v
med egenvärdet gäller Avv. Uppgift 7. För en avbildning L:R2 R2 gäller
1 ) 2 3 ( 2
L . Vektorn
3
1 är en egenvektor till L med tillhörande egenvärde 2. Bestäm avbildningens matris.
Lösning:
Vi har
1 ) 2 3 ( 2
L och
3
2 1 3 ) ( 1
L dvs
6
) 2 3 ( 1
L .
Låt A beteckna avbildningens matris. Då gäller
1 2 3
A 2 och
6
2 3
A 1 . Detta kan skrivas som
1 6
2 2 3 3
1
A 2 . Härav (multiplicera från höger med inversen)
13 15
2 12 9 1 13 15
2 12 9 1 2 3
1 3 9 1 6 1
2 2 3
3 1 2 6 1
2
2 1
A
Sida 11 av 11
Svar:
13 15
2 12 9 A 1
Uppgift 8.Vektorerna
3 1
v1 och
1 2
v2 är två egenvektorer till en avbildning
2
:R2 R
L . Tillhörande egenvärden är 1 2 och 2 1. Bestäm avbildningens matris.
Lösning:
Låt A beteckna avbildningens matris. Då gäller
6 2 3 2 1 3
A 1 och
1 2 1
1 2 1
A 2 . Detta kan skrivas som
1 6
2 2 1 3
2
A 1 . Härav (multiplicera från höger med inversen)
13 9
6 8 5 1 13 9
6 8 5 1 1 3
2 1 5 1 1 6
2 2 1
3 2 1 1 6
2
2 1
A
Svar:
13 9
6 8 5 A 1
Uppgift 9. Vektorerna
1 1 0 v1
,
1 0 1 v2
och
3 2 0 v3
är två egenvektorer till en 3x3 matris A. Tillhörande egenvärden är 1 2 , 2 3 och 33. Bestäm avbildningens matris.
Lösning:
Vi har
2 2 0
1 1 0 2 1 1 0
A ,
3 0 3
1 0 1 3 1 0 1
A ,
9 6 0
3 2 0 3 3 2 0
A .
Detta kan skrivas som
9 3 2
6 0 2
0 3 0
3 1 1
2 0 1
0 1 0 A
Härav
5 3 2
2 0 2
0 0 3 1
1 1
0 0 1
2 3 2 9 3 2
6 0 2
0 3 1 0
3 1 1
2 0 1
0 1 0 9 3 2
6 0 2
0 3 0 A
Svar:
5 3 2
2 0 2
0 0 3 A