Übungsquiz zur Diagonalisierung mit interaktiver Schritt-für-Schritt-Lektion
Nutze das Quiz weiter unten auf der Seite, um Diagonalisierung zu üben: erkennen, wann eine Matrix eine Eigenbasis hat, \(A=PDP^{-1}\) lesen und aufbauen, Eigenvektoren in \(P\) den Eigenwerten in \(D\) zuordnen, verschiedene Eigenwerte als schnelles hinreichendes Kriterium nutzen, mehrfache Eigenwerte über geometrische Vielfachheit prüfen, Jordan-Block-Fallen erkennen, Potenzen als \(A^n=PD^nP^{-1}\) berechnen und Eigenwerte für Spur, Determinante, Rang, Invertierbarkeit, Projektionen, nilpotente Fälle und Minimalpolynomprüfungen verwenden. Wenn du etwas auffrischen möchtest, öffne die Lektion. Dort findest du Beispiele und Kontrollfragen, die du gut nachvollziehen kannst.
Beantworte die Fragensammlung und prüfe deine Fehler am Ende.
So funktioniert diese Übung zur Diagonalisierung
1. Bearbeite das Übungsset: Beantworte die Fragen zu Eigenbasen, Ähnlichkeit, Potenzen, mehrfachen Eigenwerten und Matrixinvarianten weiter unten auf der Seite.
2. Öffne die Lektion: Wiederhole, was \(A=PDP^{-1}\) bedeutet, wie du prüfst, ob genügend Eigenvektoren vorhanden sind, und wie du die Diagonalform nutzt.
3. Erneut versuchen: Kehre zum Fragenset zurück und frage, ob die Matrix eine vollständige Basis aus Eigenvektoren hat.
Was du in der Lektion zur Diagonalisierung lernst
Bedeutung von \(A=PDP^{-1}\)
Diagonalisierbar: Es gibt eine Basis aus Eigenvektoren
\(P\): Spalten sind Eigenvektoren in der gewählten Reihenfolge
\(D\): Diagonaleinträge sind die passenden Eigenwerte
Kriterien für Diagonalisierbarkeit
In Dimension \(n\) braucht Diagonalisierung \(n\) linear unabhängige Eigenvektoren
Verschiedene Eigenwerte garantieren unabhängige Eigenvektoren
Mehrfache Eigenwerte verlangen Eigenraumdimensionen, nicht nur das charakteristische Polynom
Die Form konstruieren und nutzen
Baue \(P\) aus einer Eigenbasis und schreibe die passenden Eigenwerte in \(D\)
Nutze \(A^n=PD^nP^{-1}\), weil Potenzen von Diagonalmatrizen eintragsweise berechnet werden
Spur, Determinante, Rang und Invertierbarkeit werden zu schnellen Diagonalprüfungen
Struktur und Fallen
Ein nichttrivialer Jordan-Block hat zu wenige Eigenvektoren und ist nicht diagonalisierbar
Eine diagonalisierbare Matrix mit nur einem Eigenwert \(\lambda\) ist \(\lambda I\)
Der Körper ist wichtig: Manche reellen Matrizen lassen sich erst diagonalisieren, wenn komplexe Eigenvektoren erlaubt sind
Ziel: Lerne zu entscheiden, ob eine Matrix diagonalisierbar ist, die Form \(A=PDP^{-1}\) aufzubauen, wenn sie möglich ist, und die Diagonalform für Potenzen, Invarianten und strukturelle Schlussfolgerungen zu nutzen. Die zentrale Frage ist immer: Liefern die Eigenräume eine Basis des ganzen Raums?
Erfolgskriterien
Formuliere, dass diagonalisierbar bedeutet, eine Basis aus Eigenvektoren zu besitzen.
Erkläre die Rollen von \(P\), \(D\) und \(P^{-1}\) in \(A=PDP^{-1}\).
Nutze verschiedene Eigenwerte als schnelles hinreichendes Kriterium.
Vergleiche bei mehrfachen Eigenwerten algebraische und geometrische Vielfachheit.
Konstruiere \(P\) und \(D\) in passender Reihenfolge.
Berechne Potenzen über \(A^n=PD^nP^{-1}\).
Lies Spur, Determinante, Rang, Invertierbarkeit und einfache Polynomrelationen aus Diagonaleinträgen ab.
Erkenne häufige Fallen mit Jordan-Blöcken, der Wahl des Körpers und mehrfachen Nullstellen.
Wichtige Begriffe
Diagonalisierbar: zu einer Diagonalmatrix ähnlich; äquivalent dazu: diagonal in einer Eigenbasis.
Eigenbasis: eine Basis, die vollständig aus Eigenvektoren von \(A\) besteht.
Ähnlichkeit: \(A=PDP^{-1}\), das heißt, \(A\) und \(D\) stellen dieselbe lineare Abbildung in verschiedenen Basen dar.
Algebraische Vielfachheit: Vielfachheit eines Eigenwerts als Nullstelle des charakteristischen Polynoms.
Geometrische Vielfachheit: Dimension des Eigenraums \(E_\lambda\).
Minimalpolynomkriterium: diagonalisierbar genau dann, wenn das Minimalpolynom in paarweise verschiedene Linearfaktoren zerfällt.
Kurze Vorabprüfung
Vorabprüfung 1: Eine Matrix \(A\) ist diagonalisierbar, wenn sie Folgendes hat:
Hinweis: Bei Diagonalisierung geht es darum, zu einer Basis zu wechseln, in der die Matrix jeden Basisvektor nur skaliert.
Vorabprüfung 2: Wenn \(A=PDP^{-1}\), was sind die Diagonaleinträge von \(D\)?
Hinweis: Jede Spalte von \(P\) wird mit ihrem passenden Diagonaleintrag skaliert.
Eine Eigenbasis macht die Matrix diagonal
Lernziel: Verbinde die Formel \(A=PDP^{-1}\) mit einer Basis aus Eigenvektoren und verstehe, warum die Spaltenreihenfolge wichtig ist.
Kernidee
Angenommen, \(v_1,\dots,v_n\) ist eine Basis und \(Av_i=\lambda_i v_i\). Setze diese Vektoren als Spalten in \(P\), und setze die passenden Eigenwerte auf die Diagonale von \(D\): \[P=\begin{pmatrix}|& &|\\ v_1&\cdots&v_n\\ |& &|\end{pmatrix},\qquad D=\operatorname{diag}(\lambda_1,\dots,\lambda_n).\] Dann gilt \(AP=PD\), also \(A=PDP^{-1}\). Die Formel ist kein Trick: Sie sagt, dass \(A\) in der Eigenbasis nur Koordinaten skaliert.
Erkennungsleitfaden
Finde Eigenwerte und Eigenräume.
Wähle genügend unabhängige Eigenvektoren, um eine Basis zu bilden.
Setze die Eigenvektoren als Spalten von \(P\).
Setze die passenden Eigenwerte in derselben Reihenfolge in \(D\).
Prüfe \(AP=PD\), bevor du \(P^{-1}\) berechnest.
Ausgearbeitetes Beispiel
Beispiel: Diagonalisiere die Vertauschungsmatrix \(A=\begin{pmatrix}0&1\\1&0\end{pmatrix}\).
Die Vektoren \((1,1)\) und \((1,-1)\) sind Eigenvektoren: \(A(1,1)=(1,1)\) und \(A(1,-1)=(-1,1)=-(1,-1)\). Also gilt \(P=\begin{pmatrix}1&1\\1&-1\end{pmatrix}\) und \(D=\operatorname{diag}(1,-1)\), wobei die Spalten zu den Diagonaleinträgen passen. Da die beiden Eigenvektoren unabhängig sind, gilt \(A=PDP^{-1}\).
Übe selbst
Aufgabe 1: Was enthalten die Spalten von \(P\) in \(A=PDP^{-1}\)?
Hinweis: Wenn \(A\) mit einer Spalte von \(P\) multipliziert wird, sollte genau diese Spalte skaliert werden.
Aufgabe 2: Wenn die erste Spalte von \(P\) den Eigenwert \(2\) hat und die zweite den Eigenwert \(5\), was ist \(D\)?
Hinweis: Behalte die Diagonaleinträge in derselben Reihenfolge wie die Eigenvektoren in \(P\).
Lernziel: Entscheide über Diagonalisierbarkeit, indem du unabhängige Eigenvektoren zählst, nicht nur Eigenwerte findest.
Kernidee
Für eine \(n\times n\)-Matrix verlangt Diagonalisierung \(n\) linear unabhängige Eigenvektoren. Verschiedene Eigenwerte sind hilfreich, weil Eigenvektoren zu verschiedenen Eigenwerten automatisch linear unabhängig sind. Daher garantieren \(n\) verschiedene Eigenwerte in Dimension \(n\) Diagonalisierbarkeit. Mehrfache Eigenwerte sind nicht automatisch schlecht, aber sie verlangen eine Prüfung der Eigenraumdimensionen.
Erkennungsleitfaden
Wenn die Matrix über dem verwendeten Körper \(n\) verschiedene Eigenwerte hat, ist sie diagonalisierbar.
Wenn Eigenwerte mehrfach auftreten, berechne jeden Eigenraum \(E_\lambda=\ker(A-\lambda I)\).
Addiere die Dimensionen der Eigenräume.
Die Matrix ist genau dann diagonalisierbar, wenn diese Summe gleich \(n\) ist.
Ausgearbeitetes Beispiel
Beispiel: Eine \(3\times3\)-Matrix hat die Eigenwerte \(1\), \(2\) und \(5\). Was folgt?
Die drei Eigenwerte sind verschieden, also gibt es drei unabhängige Eigenvektoren. In Dimension \(3\) ist das eine vollständige Eigenbasis. Die Matrix ist diagonalisierbar.
Übe selbst
Aufgabe 1: Wenn eine \(3\times3\)-Matrix drei verschiedene Eigenwerte hat, was folgt?
Hinweis: Eigenvektoren zu verschiedenen Eigenwerten sind linear unabhängig.
Aufgabe 2: Wie viele Eigenvektoren muss eine diagonalisierbare \(4\times4\)-Matrix in einer Basis haben?
Hinweis: Eine Eigenbasis eines 4-dimensionalen Raums hat vier Basisvektoren.
Vielfachheit reicht nicht aus
Lernziel: Trenne algebraische Vielfachheit von geometrischer Vielfachheit und erkenne das Jordan-Block-Hindernis.
Kernidee
Ein mehrfacher Eigenwert kann trotzdem diagonalisierbar sein, aber nur, wenn sein Eigenraum groß genug ist. Für jeden Eigenwert \(\lambda\) gilt \[\dim E_\lambda\le \text{algebraische Vielfachheit von }\lambda.\] Für Diagonalisierbarkeit brauchst du bei jedem Eigenwert Gleichheit; daher addieren sich die geometrischen Vielfachheiten zu \(n\). Ein nichttrivialer Jordan-Block scheitert, weil er für einen mehrfachen Eigenwert nur eine Eigenvektorrichtung hat.
Häufige Fallen
Eine mehrfache Nullstelle des charakteristischen Polynoms bedeutet nicht automatisch, dass die Matrix nicht diagonalisierbar ist.
Eine Dreiecksmatrix ist nicht automatisch diagonalisierbar.
Eine Matrix mit nur einem Eigenwert kann nur diagonalisierbar sein, wenn sie auf dem ganzen Raum bereits eine Skalarmatrix ist.
Ein nichttrivialer Jordan-Block hat zu wenige Eigenvektoren.
Ausgearbeitetes Beispiel
Beispiel: Ist \(J=\begin{pmatrix}1&1\\0&1\end{pmatrix}\) diagonalisierbar?
Der einzige Eigenwert ist \(1\). Löse \((J-I)v=0\): \(\begin{pmatrix}0&1\\0&0\end{pmatrix}\begin{pmatrix}x\\y\end{pmatrix}=0\), also \(y=0\). Der Eigenraum ist \(\operatorname{span}\{(1,0)\}\), nur eindimensional. Eine \(2\times2\)-Matrix braucht zwei unabhängige Eigenvektoren, also ist \(J\) nicht diagonalisierbar.
Übe selbst
Aufgabe 1: Ist \(\begin{pmatrix}1&1\\0&1\end{pmatrix}\) diagonalisierbar?
Hinweis: Berechne den Eigenraum zum mehrfachen Eigenwert \(1\).
Aufgabe 2: Eine diagonalisierbare Matrix, deren Eigenwerte alle gleich \(5\) sind, ist:
Hinweis: In einer Eigenbasis wäre die Diagonalmatrix \(5I\), und \(P(5I)P^{-1}=5I\).
Ordne jeden Eigenvektor seinem Eigenwert zu
Lernziel: Konstruiere eine Diagonalisierung sorgfältig und vermeide es, die Reihenfolge von \(P\) und \(D\) zu verwechseln.
Kernidee
Nach dem Finden einer Eigenbasis kommt es bei der Diagonalisierung vor allem auf die Zuordnung an. Wenn die Spalten von \(P\) \(v_1,\dots,v_n\) sind, dann müssen die Diagonaleinträge von \(D\) \(\lambda_1,\dots,\lambda_n\) sein, wobei \(Av_i=\lambda_i v_i\). Die Reihenfolge der Spalten darf geändert werden, aber \(D\) muss in derselben Reihenfolge geändert werden.
Erkennungsleitfaden
Wähle unabhängige Eigenvektoren, bis du eine Basis hast.
Schreibe sie als Spalten von \(P\).
Schreibe die passenden Eigenwerte auf die Diagonale von \(D\).
Prüfe \(AP=PD\); das ist oft schneller als \(PDP^{-1}\) auszumultiplizieren.
Berechne \(P^{-1}\) nur, wenn eine spätere Rechnung es wirklich braucht.
Ausgearbeitetes Beispiel
Beispiel: Baue für \(A=\begin{pmatrix}2&1\\0&3\end{pmatrix}\) die Matrizen \(P\) und \(D\).
Für \(\lambda=2\) gilt \(A(1,0)=2(1,0)\), also nimm \(v_1=(1,0)\). Für \(\lambda=3\) löse \((A-3I)v=0\), was \(y=x\) ergibt, also nimm \(v_2=(1,1)\). Dann \[P=\begin{pmatrix}1&1\\0&1\end{pmatrix},\qquad D=\operatorname{diag}(2,3).\] Die Spalten sind unabhängig, und \(AP=PD\), also \(A=PDP^{-1}\).
Übe selbst
Aufgabe 1: Wenn die erste Spalte von \(P\) ein Eigenvektor mit Eigenwert \(4\) ist und die zweite Spalte den Eigenwert \(-1\) hat, was ist \(D\)?
Hinweis: Der erste Diagonaleintrag passt zur ersten Spalte, und der zweite Diagonaleintrag passt zur zweiten Spalte.
Aufgabe 2: Wenn \(A=PDP^{-1}\), dann muss \(P\) Folgendes sein:
Hinweis: Die Formel enthält \(P^{-1}\).
Diagonalisierung macht Potenzen zu eintragsweisen Potenzen
Lernziel: Nutze Diagonalisierung, um Potenzen zu berechnen und Effekte von Eigenwerten schnell abzulesen.
Kernidee
Wenn \(A=PDP^{-1}\), dann kürzen sich bei wiederholter Multiplikation die mittleren Faktoren: \[A^n=(PDP^{-1})^n=PD^nP^{-1}.\] Für \(D=\operatorname{diag}(\lambda_1,\dots,\lambda_n)\) gilt \[D^n=\operatorname{diag}(\lambda_1^n,\dots,\lambda_n^n).\] Dieselbe Idee funktioniert für viele Polynome in \(A\): Wende das Polynom auf jeden Diagonaleintrag an.
Ausgearbeitetes Beispiel
Beispiel: Wenn \(D=\operatorname{diag}(2,-1)\), berechne \(D^3\).
Potenzen einer Diagonalmatrix werden eintragsweise berechnet: \[D^3=\operatorname{diag}(2^3,(-1)^3)=\operatorname{diag}(8,-1).\] Daher gilt, falls \(A=PDP^{-1}\), dass \(A^3=P\operatorname{diag}(8,-1)P^{-1}\).
Übe selbst
Aufgabe 1: Wenn \(A=PDP^{-1}\), was ist \(A^3\)?
Hinweis: Die mittleren Faktoren \(P^{-1}P\) kürzen sich.
Aufgabe 2: Wenn \(A\) diagonalisierbar ist mit Eigenwerten \(2\) und \(3\), was sind die Eigenwerte von \(A^2\)?
Hinweis: Beim Quadrieren von \(A\) werden in einer Diagonalform die Diagonaleinträge quadriert.
Zusammenfassung
\(A^n=PD^nP^{-1}\), nicht \(P^nD^nP^{-n}\).
Potenzen von Diagonalmatrizen werden eintragsweise berechnet.
Wenn kein Eigenwert \(0\) ist, dann \(A^{-1}=PD^{-1}P^{-1}\).
Zum Beispiel gilt \(\operatorname{diag}(1,2)^{-1}=\operatorname{diag}(1,1/2)\).
Nutze Diagonaleinträge, um Struktur abzulesen
Lernziel: Übersetze Gleichungen mit einer diagonalisierbaren Matrix in Gleichungen für ihre Eigenwerte.
Kernidee
Wenn \(A=PDP^{-1}\), reduzieren sich viele strukturelle Fakten auf die Diagonaleinträge. \(A\) ist genau dann invertierbar, wenn jeder Eigenwert ungleich null ist. Die Spur ist die Summe der Eigenwerte, die Determinante ist ihr Produkt, und der Rang ist die Anzahl der von null verschiedenen Diagonaleinträge in \(D\). Wenn \(A\) eine Polynomgleichung wie \(A^2=A\) erfüllt, dann erfüllt jeder Eigenwert dieselbe skalare Gleichung \(\lambda^2=\lambda\).
Ausgearbeitetes Beispiel
Beispiel: Lies zwei Fakten aus Diagonaleinträgen ab: Wenn \(A\) diagonalisierbar ist und \(A^2=A\), welche Eigenwerte sind möglich? Wenn eine andere diagonalisierbare Matrix die Eigenwerte \(2,3,4\) hat, was sind ihre Spur und Determinante?
In Diagonalform gilt \(D^2=D\). Also erfüllt jeder Diagonaleintrag \(\lambda\) die Gleichung \(\lambda^2=\lambda\), also \(\lambda(\lambda-1)=0\). Die einzigen möglichen Eigenwerte sind \(0\) und \(1\). Für die Eigenwerte \(2,3,4\) ist die Spur \(2+3+4=9\) und die Determinante \(2\cdot3\cdot4=24\).
Übe selbst
Aufgabe 1: Wenn \(A\) diagonalisierbar ist und \(A^2=0\), dann ist \(A\):
Hinweis: Jeder Eigenwert \(\lambda\) erfüllt \(\lambda^2=0\), also muss \(D\) die Null-Diagonalmatrix sein.
Aufgabe 2: Wenn \(D=\operatorname{diag}(0,1,2)\), was ist der Rang von \(D\)?
Hinweis: Zähle die Diagonaleinträge, die nicht null sind.
Zerfallen und mehrfache Nullstellen sind wichtig
Lernziel: Verstehe die Abhängigkeit vom zugrunde liegenden Körper und das Minimalpolynomkriterium und schließe mit einer zuverlässigen Prüfliste ab.
Kernidee
Diagonalisierung hängt vom zugrunde liegenden Körper ab. Über \(\mathbb{R}\) kann eine Matrix mit nichtreellen Eigenwerten keine reelle Eigenbasis haben. Über \(\mathbb{C}\) stehen diese Eigenwerte zur Verfügung. Ein kompaktes übergeordnetes Kriterium lautet: Eine Matrix ist über einem Körper genau dann diagonalisierbar, wenn ihr Minimalpolynom über diesem Körper in paarweise verschiedene Linearfaktoren zerfällt.
Häufige Fallen
Ähnliche Matrizen haben dieselbe Spur, dieselbe Determinante, dasselbe charakteristische Polynom und dieselben Eigenwerte, aber nicht dieselben Einträge.
Diagonalisierbar bedeutet nicht diagonal in der ursprünglichen Basis.
Eigenwerte zu haben reicht nicht; die Eigenräume müssen eine Basis liefern.
Verschiedene Eigenwerte sind hinreichend, nicht notwendig.
Das Minimalpolynom muss über dem gewählten Körper in paarweise verschiedene Linearfaktoren zerfallen.
Ausgearbeitetes Beispiel
Beispiel: Vergleiche die Rotation \(R=\begin{pmatrix}0&-1\\1&0\end{pmatrix}\) über \(\mathbb{R}\) und über \(\mathbb{C}\).
Die charakteristische Gleichung ist \(\lambda^2+1=0\). Über \(\mathbb{R}\) hat sie keine Nullstellen, also gibt es keine reelle Eigenbasis und keine reelle Diagonalisierung. Über \(\mathbb{C}\) sind die Eigenwerte \(i\) und \(-i\) verschieden, also ist die Matrix über \(\mathbb{C}\) diagonalisierbar.
Übe selbst
Aufgabe 1: Wenn eine Matrix diagonalisierbar ist, hat ihr Minimalpolynom:
Hinweis: Diagonalisierung schließt nichttriviale Jordan-Blöcke zu mehrfachen Eigenwerten aus.
Aufgabe 2: Ist ein nichttrivialer \(2\times2\)-Jordan-Block diagonalisierbar?
Hinweis: Er hat nur eine Eigenvektorrichtung zu einem mehrfachen Eigenwert.
Abschluss-Wiederholung
Diagonalisierbar bedeutet, dass es eine Eigenbasis gibt.
\(A=PDP^{-1}\), wobei die Spalten von \(P\) Eigenvektoren sind und die Diagonaleinträge von \(D\) die passenden Eigenwerte.
\(n\) verschiedene Eigenwerte in Dimension \(n\) garantieren Diagonalisierbarkeit.
Mehrfache Eigenwerte verlangen Prüfungen der Eigenraumdimensionen.
Nichttriviale Jordan-Blöcke sind nicht diagonalisierbar.
Potenzen erfüllen \(A^n=PD^nP^{-1}\).
Spur, Determinante, Rang, Invertierbarkeit und Polynomgleichungen können aus der Diagonalform abgelesen werden.
Der Körper und das Minimalpolynom sind wichtig.
Nächster Schritt: Schließe diese Lektion und versuche das Quiz erneut. Entscheide bei jeder Frage zuerst, ob sie nach einem Eigenbasis-Kriterium, einer Konstruktion von \(P\) und \(D\), einer Falle bei mehrfachen Eigenwerten oder einer Folge von Diagonaleinträgen fragt.
