Mathematik Lineare Algebra – Eigenwerte und Eigenvektoren
Eigenwerte und Eigenvektoren sind zentral für lineare Abbildungen, Differentialgleichungen und Datenanalyse. Nach dem Lernen dieser Karten beherrschst du das charakteristische Polynom, die Diagonalisierbarkeit und den Spektralsatz – Voraussetzung für Hauptkomponentenanalyse, Stabilitätstheorie und Quantenmechanik.
Lernziele
Was du in dieser Lektion lernst
- Was definiert einen Eigenwert λ und Eigenvektor v einer Matrix A?
- Wie berechnet man die Eigenwerte einer n×n-Matrix A?
- Was ist der Unterschied zwischen algebraischer und geometrischer Vielfachheit?
- Wann ist eine Matrix diagonalisierbar?
Lerntipp
Berechne Eigenwerte immer über das charakteristische Polynom det(A - λI) = 0, nicht durch Raten. Für symmetrische Matrizen nutze den Spektralsatz: orthogonal diagonalisierbar mit reellen Eigenwerten.
Hinweis: Der Inhalt dieser Seite wurde mit einem KI-Modell erzeugt und nicht von Fachmenschen geprüft. Nutze die Karten als Lernhilfe und gleiche medizinische oder rechtliche Aussagen mit deinen Unterlagen ab.
Karteikarten
Alle 15 Lernkarten
Tippe auf eine Karte, um die Antwort aufzudecken
Häufige Fragen
Die wichtigsten Fragen zu Mathematik Lineare Algebra – Eigenwerte und Eigenvektoren
- Was definiert einen Eigenwert λ und Eigenvektor v einer Matrix A?
- Ein Skalar λ ≠ 0 heißt Eigenwert, wenn es einen Vektor v ≠ 0 mit Av = λv gibt; v ist der zugehörige Eigenvektor.
- Wie berechnet man die Eigenwerte einer n×n-Matrix A?
- Löse das charakteristische Polynom det(A - λI) = 0 nach λ auf; die Nullstellen sind die Eigenwerte.
- Was ist der Unterschied zwischen algebraischer und geometrischer Vielfachheit?
- Algebraische Vielfachheit: Exponent im charakteristischen Polynom. Geometrische Vielfachheit: Dimension des Eigenraums (Anzahl linear unabhängiger Eigenvektoren).
- Wann ist eine Matrix diagonalisierbar?
- Genau dann, wenn die Summe der geometrischen Vielfachheiten aller Eigenwerte n beträgt, also eine Basis aus Eigenvektoren existiert.
- Was besagt der Spektralsatz für reell symmetrische Matrizen?
- Jede symmetrische Matrix ist orthogonal diagonalisierbar: A = QΛQ^T mit orthogonaler Q und reeller Diagonalmatrix Λ der Eigenwerte.
Warum Atrio?
- FSRS-5 Spaced Repetition
- Der Algorithmus plant jede Wiederholung anhand deiner eigenen Lernhistorie und stellt Karten kurz bevor du sie vergisst – das reduziert unnötige Wiederholungen.
- KI-Import
- Notizen, Skripte und PDFs in Sekunden in Lernkarten verwandeln – genau wie diese Seite automatisch entsteht.
- Prüfungsplanung
- Termine hinterlegen und Atrio berechnet rückwärts, wie viele Karten du pro Tag lernen musst – ohne Stress.
Interaktiv lernen
Diese 15 Karten jetzt interaktiv in der Atrio-App lernen
Atrio zeigt dir jede Karte dann, wenn du sie fast vergessen hättest – damit bleibt genau das hängen, was du lernst.
Starter-Plan kostenlos – keine Kreditkarte erforderlich.