JGW-SchülerAkademie Papenburg 2011 - Jugendbildung in ...
JGW-SchülerAkademie Papenburg 2011 - Jugendbildung in ...
JGW-SchülerAkademie Papenburg 2011 - Jugendbildung in ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
1 Dynamische Systeme auf dem optimalen Weg<br />
1.4 Eigenwerte und Eigenvektoren<br />
Komplexere mathematische Rechnungen mit verhältnismäßig großen Matrizen gestalten<br />
sich schwierig. Für das Modellieren und die Berechnung sowie die Steuerung<br />
dynamischer Systeme s<strong>in</strong>d diese jedoch unabd<strong>in</strong>gbar. E<strong>in</strong> wichtiges Hilfsmittel bei der<br />
Berechnung von Matrizen stellen die Eigenwerte und Eigenvektoren von Matrizen dar.<br />
Durch die Matrizenmultiplikation e<strong>in</strong>er beliebigen Matrix A ∈ R n×m mit e<strong>in</strong>em Vektor<br />
�x ∈ R m entsteht e<strong>in</strong> Vektor �xneu ∈ R n . Es können zu e<strong>in</strong>er Matrix A ∈ R n×n nun Skalare<br />
λi ∈ R, 1 ≤ i ≤ n gefunden werden, so dass für die Gleichung<br />
A · �xi = λi · �xi,<br />
außer �xi =�0 noch weitere Lösungen existieren. Die aus der Gleichung hervorgehenden<br />
Vektoren �xi ∈ R n werden als die Eigenvektoren der Matrix A bezeichnet, während die<br />
Menge der λi die Eigenwerte von A bilden.<br />
Zu jeder Matrix A existieren maximal n verschiedene Eigenwerte. Da der Vektor �xi<br />
auf beiden Seiten der Gleichung mit e<strong>in</strong>em beliebigen Skalar multipliziert werden kann,<br />
ohne die Eigenwerte zu bee<strong>in</strong>flussen, existiert zu jedem Eigenwert e<strong>in</strong>e unbegrenzte<br />
Anzahl an Eigenvektoren. Da jeder dieser Vektoren durch alle anderen Vektoren mit Hilfe<br />
der Multiplikation e<strong>in</strong>es weiteren Skalars dargestellt werden kann, können maximal n<br />
l<strong>in</strong>ear unabhängige Eigenvektoren existieren.<br />
L<strong>in</strong>eare Unabhängigkeit e<strong>in</strong>er Menge von n Vektoren ist gegeben, falls die Gleichung<br />
c1 · �x1 + c2 · �x2 + · · · + cn · �xn =�0<br />
ausschließlich die Lösung ci = 0 ∀i hat. Ke<strong>in</strong>er dieser Vektoren kann <strong>in</strong> diesem Fall<br />
durch die Summe e<strong>in</strong>er beliebigen Anzahl aus Vielfachen der anderen Vektoren dargestellt<br />
werden. Um die Eigenwerte und im Folgenden mögliche Eigenvektoren zu<br />
berechnen, können alle λi durch Lösen der folgenden Gleichung berechnet werden:<br />
det (A − λ · I) = 0.<br />
Die so erhaltenen Eigenwerte setzen wir <strong>in</strong> e<strong>in</strong>e Umformung der oben beschriebenen<br />
Gleichung e<strong>in</strong>:<br />
(A − λ · I) · �x =�0,<br />
wobei I hier die E<strong>in</strong>heitsmatrix beschreibt. Dieses l<strong>in</strong>eare Gleichungssystem kann nun<br />
gelöst werden, so dass konkrete Werte für die Komponenten von �x ermittelt werden können.<br />
Um Berechnungen mit diesen spezifischen Matrizeneigenschaften durchzuführen,<br />
überführen wir die Eigenvektoren als Spalten <strong>in</strong> die Eigenvektormatrix S, während<br />
die jeweiligen Eigenwerte analog zu der E<strong>in</strong>heitsmatrix die Werte der Diagonalen der<br />
Eigenwertmatrix so bilden, dass Λii = λi. Durch die oben genannten Zusammenhänge<br />
gilt für e<strong>in</strong>e beliebige Matrix A ∈ R n×n , solange die Gleichung A = SΛS −1 n l<strong>in</strong>ear<br />
unabhängige Eigenvektoren aufweist. Somit kann das entsprechende Produkt aus<br />
Eigenvektor- und Eigenwertmatrix für A e<strong>in</strong>gesetzt werden.<br />
14