Wir betrachten die durch die Matrix
-
definierte
lineare Abbildung
-
Die Frage, ob diese Abbildung
Eigenwerte
besitzt, führt zur Frage, ob es
derart gibt, dass die Gleichung
-
eine nichttriviale Lösung
besitzt. Bei gegebenem kann dies auf ein lineares Problem zurückgeführt werden, das mit dem Eliminationsalgorithmus einfach gelöst werden kann. Die Frage aber, ob es Eigenwerte überhaupt gibt, führt wegen des variablen „Eigenwertparameters“ zu einem nichtlinearen Problem. Das obige Gleichungssystem bedeutet ausgeschrieben
-
Bei
ist auch
,
der Nullvektor ist aber kein Eigenvektor. Es sei also
.
Aus den beiden Gleichungen erhält man die Bedingung
-
woraus
folgt. Da in die Zahl keine
Quadratwurzel
besitzt, gibt es keine Lösung und das bedeutet, dass keine Eigenwerte und damit auch keine
Eigenvektoren
besitzt.
Wir fassen nun die Matrix als eine reelle Matrix auf und untersuchen die zugehörige Abbildung
-
Die gleichen Rechnungen führen auf die notwendige Lösungsbedingung
,
die jetzt von den beiden reellen Zahlen
-
erfüllt wird. Für diese beiden Werte kann man unabhängig voneinander nach Eigenvektoren suchen. Wir betrachten zuerst den Fall
,
was zum linearen Gleichungssystem
-
führt. Dies schreibt man als
-
bzw. als
lineares Gleichungssystem
-
Dieses ist einfach lösbar, der Lösungsraum ist eindimensional und
-
ist eine Basislösung.
Für
führen dieselben Umformungen zu einem weiteren linearen Gleichungssystem, für das der Vektor
-
eine Basislösung ist. Über sind also
und
Eigenwerte und die zugehörigen
Eigenräume
sind
-