12.3 Kommutierende Abbildungen

Größe: px
Ab Seite anzeigen:

Download "12.3 Kommutierende Abbildungen"

Transkript

1 12.3 Kommutierende Abbildungen Definition Sei V ein endlichdimensionaler Vektorraum, und sei F eine Familie linearer Abbildungen V V mit UT = TU für alle U, T in F. Dann nennt man F eine Familie vertauschbarer (kommutierender) Operatoren. Ein Unterraum W heißt F-invariant, wenn er unter jedem U aus F invariant ist. Definition Sei V ein endlichdimensionaler Vektorraum, und sei F eine Familie linearer Abbildungen V V. Dann heißt die Familie simultan diagonalisierbar, wenn es eine Basis von V so gibt, dass alle Abbildungen bzgl. B in Diagonalgestalt dargestellt werden. Entsprechend: simultan trigonalisierbar. Offensichtlich ist eine Familie simultan diagonalisierbarer Operatoren eine kommutierende Familie. Für trigonalisierbare Operatoren gilt das nicht, weil es obere Dreiecksmatrizen gibt, die nicht vertauschbar sind. Lemma Sei F eine Familie vertauschbarer linearer Operatoren auf V, dim(v ) <. Wir nehmen an, dass alle Operatoren aus F trigonalisierbar sind. Ferner sei W V ein F-invarianter Unterraum von V. Dann gibt es ein v V \ W so, dass für jedes T aus F der Vektor T(v) in W v liegt. Beweis Wir dürfen annehmen, dass F endlich ist: Wähle eine Basis des von F erzeugten Unterraumes von End(V ). Es genügt dann, die Behauptung für diese Basis, z.b. bestehend aus T 1,..., T r, nachzuweisen. Lemma zeigt, dass es zu T 1 ein γ 1 und einen Vektor v 1 V \ W gibt mit (T 1 γ 1 id V )(v 1 ) W. (12.7) Sei V 1 der Unterraum, der von allen Vektoren v 1 mit (12.7) aufgespannt wird. Der Unterraum V 1 ist F-invariant: Sei v V 1 beliebig, und sei T ein Operator, der mit T 1 vertauscht (das gilt insbesondere für alle T aus F). Dann gilt (T 1 γ 1 id V )(Tv) = T 1 (Tv) γ 1 Tv = T(T 1 γ 1 id V )(v) W, 181

2 also ist T(v) V 1. Offenbar ist V 1 echt größer als W. Wir können deshalb im Prinzip so fortfahren: Wir definieren U 2 := T 2 V1. Dann ist auch U 2 ein trigonalisierbarer Operator, insbesondere zerfällt das Minimalpolynom in Linearfaktoren, weil das Minimalpolynom von U 2 ein Teiler des Minimalpolynoms von T 2 ist. Wir können jetzt einen Vektor v 2 V 1 \ W finden mit (T 2 γ 2 id V )(v 2 ) W. (12.8) Beachten Sie, dass auch (T 1 γ 1 id V )(v 2 ) W. Wir definieren nun V 2 als den Vektorraum, der von allen Vektoren mit (12.8) aufgespannt wird. Auch V 2 ist echt größer als W. Wir können also so fortfahren, bis wir einen Vektor v finden mit v / W und T j (v) γ j v W für j = 1,..., r, also T(v) W + v für alle T in F. Satz Ist V ein endlichdimensionaler K-Vektorraum, und ist F eine Familie vertauschbarer trigonalisierbarer linearer Abbildungen V V, so ist F simultan trigonalisierbar. Beweis Genauso wie Satz , wobei wir Lemma durch Lemma ersetzen. Satz Ist V ein endlichdimensionaler K-Vektorraum, und ist F eine Familie diagonalisierbarer linearer Abbildungen V V. Dann ist F genau dann simultan diagonalisierbar, wenn F eine vertauschbare Familie ist. Beweis Genauso wie Satz Ein Alternativbeweis (Induktion über dim V ) wird in der Vorlesung gegeben. Beispiel Die beiden reellen Matrizen ( ) 1 2 A := und B := 2 kommutieren: AB = BA = ( ) ( ) Als gemeinsame Basis, bzgl. der A und B gemeinsam diagonalisiert werden, können wir ( ) ( ) 1 2 B = (, 1 wählen. 182

3 12.4 Jordan-Chevalley-Zerlegung Wir wollen uns in diesem Kapitel zunächst die Primärzerlegung für diagonalisierbare Operatoren anschauen, und dann den Fall genauer analysieren, dass das charakteristische Polynom in Linearfaktoren zerfällt. Satz Sei D End(V ), wobei V ein n-dimensionaler K-Vektorraum ist. Wenn D diagonalisierbar ist, und wennn γ 1,..., γ k die k verschiedenen Eigenwerte sind, dann gibt es k lineare Abbildungen, die die folgenden Eigenschaften haben: (a.) D = γ 1 E γ k E k. (b.) id V = E E k. (c.) E i E j = für i j. (d.) Die E i sind Projektionen, d.h. E 2 i = E i. (e.) Bild(E i ) = Eig(D, γ i ). Wir nehmen nun umgekehrt an, dass es γ 1,... γ k K und E 1,..., E k End(V ) so gibt, dass (a.), (b.) und (c.) gilt. Dann ist D diagonalisierbar, die γ i sind die Eigenwerte, und es gilt auch (d.) und (e.). Beweis Nach der Diskussion im letzten Kapitel sollte der Beweis nicht mehr schwer fallen. Einzelheiten werden ggf. in der Vorlesung vorgeführt. Wir betrachten nun die Konsequenzen der Primärzerlegung für trigonalisierbare Operatoren, d.h. Operatoren, für die das charakteristische und damit auch das Minimalpolynom in Linearfaktoren zerfällt. Dazu wird die folgende Definition wichtig werden: Definition Ein linearer Operator N End(V ) heißt nilpotent wenn es ein r gibt mit N r = V. Entsprechend definieren wir nilpotente Matrizen. 183

4 Beispiel Alle oberen Dreiecksmatrizen mit Nullen auf der Hauptdiagonalen sind nilpotent. Es gibt aber noch weitere Beispiele: ( ) 1 1 N = 1 1 erfüllt N 2 =. Sei nun T End(V ), und die E i seien die Projektionen, die zu den invarianten Unterräumen W i in der Primärzerlegung (Satz ) gehören. Wir setzen D = γ 1 E γ k E k. Dieser Operator ist diagonalisierbar (siehe Satz ). Wir definieren N := T D. Es gilt Das zeigt T = TE TE k D = γ 1 E γ k E k. N = (T γ 1 id V )E (T γ k id V )E k. Es folgt nun (beachte, dass die E i Projektionen sind mit E i E j =, und die E i kommutieren mit T) und N 2 = (T γ 1 id V ) 2 E (T γ k id V ) 2 E k N r = (T γ 1 id V ) r E (T γ k id V ) r E k. Nun gilt W i = Kern(T γ i id V ) r i = Bild(E i ). Wenn wir r groß genug wählen, gilt also N r =, weil (T γ i ) r i (v) = für alle v Bild(E i ) gilt. Weil die E i Polynome in T sind, so ist auch D und N ein Polynom in T. Damit ist bereits eine Hälfte des folgenden Satzes gezeigt: Satz Sei T End(V ), wobei V ein endlichdimensionaler K-Vektorraum ist. Das charakteristische Polynom zerfalle in Linearfaktoren. Dann gibt es einen diagonalisierbaren Operator D und einen nilpotenten Operator N mit T = D+N. Ferner gilt DN = ND, und sowohl D als auch N sind Polynome in T. Durch die beiden Bedingungen 184

5 (JC1) (JC2) T = D + N DN = ND sind D und N eindeutig bestimmt. Bemerkung Die in diesem Satz auftretende Zerlegung eines trigonalisierbaren Operators in einen diagonalisierbaren plus einen nilpotenten Operator wird manchmal auch Jordan-Chevalley-Zerlegung genannt Beweis Wir müssen nur die Eindeutigkeit der Zerlegung zeigen. Sei also D + N eine weitere Zerlegung in einen diagonalisierbaren und einen nilpotenten Operator, wobei D und N wieder kommutieren. Also sind D und N auch mit T vertauschbar, und damit sind die beiden Operatoren auch mit allen Polynomen in T vertauschbar, insbesondere auch mit D und N. Also bilden die D, N, D, N eine kommutierende Familie, und es gilt D D = N N. Weil D und D diagonalisierbar sind, sind sie simultan diagonalisierbar und damit ist auch D D diagonalisierbar. Kommen wir nun zu N N : Wir benutzen den verallgemeinerten binomischen Lehrsatz für beliebige kommutative Ringe r ( ) r (a + b) r = a i b r i i i= und setzen für a und b die Matrizen N und N ein. Weil N und N vertauschbar sind, können wir das machen! Wir erhalten r ( ) r (N N ) r = N i ( N ) r i. i i= Wenn wir r groß genug wählen, ist stets N i oder ( N ) r i die Nullabbildung, also ist ist N N nilpotent. Damit ist aber D D ein nilpotenter diagonalisierbarer Operator. Der einzige solche Operator ist die Nullabbildung, also D = D und N = N : Ein nilpotenter Operator hat als Minimalpolynom und als charakteristisches Polynom eine Potenz von x. Wenn er diagonalisierbar ist, muss das Minimalpolynom in paarweise verschiedene Linearfaktoren zerfallen, muss also x sein. 185

6 Für Matrizen gilt: Satz Sei T K (n,n). Das charakteristische Polynom von T zerfalle in Linearfaktoren. Dann gibt es eine diagonalisierbare Matrix D und eine nilpotente Matrix N mit T = D + N. Ferner gilt DN = ND. Durch die beiden Bedingungen (JC1) (JC2) T = D + N DN = ND sind D und N eindeutig bestimmt. Bemerkung Wenn eine Matrix T in der Form T = γ I n + N mit einer oberen Dreiecksmatrix N, die auf der Diagonalen nur Nulleinträge hat, geschrieben werden kann, dann ist dies auch bereits die Jordan- Chevalley-Zerlegung, weil γi n N = NγI n. Beispiel Sei T End(R 4 ) diejenige lineare Abbildung, die bzgl. der kanonischen Basis C die Darstellungsmatrix R(4,4) 2 1 hat. Wir suchen die Jordan-Chevalley-Zerlegung dieser Matrix. Dazu betrachten wir die dazugehörende lineare Abbildung T. Man rechnet leicht das charakteristische Polynom χ T = x(x + 1) 3 und das Minimalpolynom m T = x(x + 1) 2 aus. Wir erhalten als Primärzerlegung R 4 = W 1 W 2 mit W 1 = Kern(T) =

7 und 1 W 2 = Kern(T + I) 2 = Kern 1 1 =, 1, Bezüglich der Basis B = ( 1 2, 1, 1, 1 1 ) haben die Projektionen E 1 (auf W 1 ) und E 2 (auf W 2 ) die Darstellungsmatrizen 1 [E 1 ] B B =, [E 2] B B = Die Darstellungsmatrix von T bzgl. B ist [T] B B = P 1 [T] C CP = 1 1 1, (12.9) wobei P = [id R 4] B C = die übliche Transformationsmatrix ist Der diagonalisierbare Operator in der Jordan-Chevalley-Zerlegung ist der nilpotente Operator ist D = E 1 1 E 2, N = TE 1 + (T + id V )E

8 Bezüglich der Basis B ausgedrückt ist [D] B B = und [N] B B = 1 Die Zerlegung von [T] C C erhalten wir, wenn wir die Transformation (12.9) rückgängig machen: [T] C C = [N] C C + [D] C C mit entsprechend 1 [N] C C = P[N] B BP 1 =, 1 [D] C C = Die Zerlegung der Matrix ist also = Man rechnet schnell aus, dass diese beiden Matrizen auch in der Tat kommutieren. Wir halten noch einmal fest: Jeder Operator, dessen charakeristisches Polynom in Linearfaktoren zerfällt (der also trigonalisierbar ist) kann als Summe 188

9 eines diagonalisierbaren und nilpotenten Operators geschrieben werden. Diese Zerlegung ist eindeutig, wenn man verlangt, dass die beiden Operatoren miteinander vertauschbar sind. Im wesentlichen geht es nun also darum, Normalformen von nilpotenten Operatoren zu finden. 189

4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit

4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit 4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit Definition 4.41. Eine Familie F linearer Operatoren heißt vertauschbar oder kommutierend, wenn für je zwei Operatoren U,T in F gilt: UT = TU.

Mehr

6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar.

6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar. Um zu zeigen, dass die irreduziblen Teiler eines reellen Polynoms höchstens den Grad 2 haben, fassen wir nun (x γ) und (x γ) zusammen und stellen fest, dass (x (a + b i))(x ((a b i)) = x 2 2a + (a 2 +

Mehr

7.3 Unitäre Operatoren

7.3 Unitäre Operatoren Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren

Mehr

7.2 Die adjungierte Abbildung

7.2 Die adjungierte Abbildung 7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)

Mehr

3.5 Trigonalisierbarkeit, verallgemeinerte Eigenräume und Jordansche Normalform

3.5 Trigonalisierbarkeit, verallgemeinerte Eigenräume und Jordansche Normalform LinAlg II Version 1 29. Mai 2006 c Rudolf Scharlau 219 3.5 Trigonalisierbarkeit, verallgemeinerte Eigenräume und Jordansche Normalform Das Problem der Normalformen für Endomorphismen handelt kurz gesprochen

Mehr

Lineare Algebra II Lösungen zu ausgewählten Aufgaben

Lineare Algebra II Lösungen zu ausgewählten Aufgaben Lineare Algebra II Lösungen zu ausgewählten Aufgaben Blatt 2, Aufgabe 3 a) Wir zeigen, daß das Ideal (2, X) kein Hauptideal in Z[X] ist. (Dieses Ideal besteht aus allen Elementen in Z[X], die von der Form

Mehr

Kapitel 13. Normalformen Zyklische Unterräume

Kapitel 13. Normalformen Zyklische Unterräume Kapitel 13 Normalformen In diesem ganzen Kapitel ist V ein n-dimensionaler K-Vektorraum und T End(V). Natürlich können Sie sich T auch immer als Matrix vorstellen, und wenn wir konkret rechnen, dann machen

Mehr

5.2 Diagonalisierbarkeit und Trigonalisierung

5.2 Diagonalisierbarkeit und Trigonalisierung HINWEIS: Sie finden hier eine vorläufige Kurzfassung des Inhalts; es sind weder Beweise ausgeführt noch ausführliche Beispiele angegeben. Bitte informieren Sie sich in der Vorlesung. c M. Roczen und H.

Mehr

Musterlösungen zur Linearen Algebra II Weihnachtszettel

Musterlösungen zur Linearen Algebra II Weihnachtszettel Musterlösungen zur Linearen Algebra II Weihnachtszettel Aufgabe. Welche der folgenden Matrizen 3 0 0 A = 0 4, B = 3, C = 0 0 0 6 0 0 0 sind über R und welche über C diagonalisierbar? Bestimmen Sie dazu

Mehr

Trigonalisierung. Definition. 1) Sei F : V V linear, dim V = n. Dann heißt F trigonalisierbar, wenn es eine Basis B von V gibt sodass a 11 a 12..

Trigonalisierung. Definition. 1) Sei F : V V linear, dim V = n. Dann heißt F trigonalisierbar, wenn es eine Basis B von V gibt sodass a 11 a 12.. Trigonalisierung Sei F : V V linear und dim V = n. Wir beschäftigen uns jetzt mit der Frage, ob es eine Basis B von V gibt, sodass M B (F ) eine Dreiecksmatrix ist. Definition. ) Sei F : V V linear, dim

Mehr

KAPITEL 8. Normalformen. 1. Blockmatrizen. ,C K m 2 n 1. X = K (m 1+m 2 ) (n 1 +n 2 ) K L. und Y = M N Blockmatrizen mit.

KAPITEL 8. Normalformen. 1. Blockmatrizen. ,C K m 2 n 1. X = K (m 1+m 2 ) (n 1 +n 2 ) K L. und Y = M N Blockmatrizen mit. KAPITEL 8 Normalformen Definition 8.1 (Blockmatrizen). Sind 1. Blockmatrizen A K m 1 n 1,B K m 1 n 2,C K m 2 n 1 und D K m 2 n 2 so nennet man die Matrix X = ( A B C D ) K (m 1+m 2 ) (n 1 +n 2 ) eine Blockmatrix

Mehr

29 Lineare Algebra 2 (SS 2009) 4.9. Das charakteristische Polynom sei Produkt von linearen Polynomen.

29 Lineare Algebra 2 (SS 2009) 4.9. Das charakteristische Polynom sei Produkt von linearen Polynomen. 9 Lineare Algebra (SS 009) 49 Das charakteristische Polynom sei Produkt von linearen Polynomen 49 Das charakteristische Polynom sei Potenz eines linearen Polynoms Wir betrachten nun eine Matrix A, sodass

Mehr

23. Die Jordan sche Normalform

23. Die Jordan sche Normalform Chr.Nelius, Lineare Algebra II (SS 2005) 1 23. Die Jordan sche Normalform Wir suchen für einen trigonalisierbaren Endomorphismus unter seinen dreiecksförmigen Darstellungsmatrizen eine Darstellungsmatrix,

Mehr

3.4 Trigonalisierung und Jordansche Normalform

3.4 Trigonalisierung und Jordansche Normalform 3.4 Trigonalisierung und Jordansche Normalform Definition 3.4.1. Sei V ein K-Vektorraum, F End K (V ). Ein Unterraum U V heißt F -invariant falls F (U) U. Bemerkung. (1) Falls U V ein F -invarianter Unterraum

Mehr

Normalformen. Kapitel Zyklische Unterräume

Normalformen. Kapitel Zyklische Unterräume Kapitel 10 Normalformen In diesem ganzen Kapitel ist V ein n-dimensionaler K-Vektorraum und T Hom(V, V ) Natürlich können Sie sich T auch immer als Matrix vorstellen, und wenn wir konkret rechnen, dann

Mehr

Proseminar Lineare Algebra SS10

Proseminar Lineare Algebra SS10 Proseminar Lineare Algebra SS1 Normalform von Matrizen Jordansche Normalform Philip Bauermeister Heinrich-Heine-Universität Betreuung Prof. Dr. Oleg Bogopolski 2 1 Matrizen linearer Abbildungen 1.1 Definition

Mehr

Lineare Algebra I Lösungsvorschlag

Lineare Algebra I Lösungsvorschlag Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 25/26 Lineare Algebra und analytische Geometrie I Vorlesung 28 If it works, it s out of date David Bowie Ein Zerlegungssatz Satz 28 Sei ϕ: V V ein trigonalisierbarer K-Endomorphismus

Mehr

Lineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz

Lineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz Lineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz Aufgabe 1 Sei V ein endlich-dimensionaler K-Vektorraum, und seien f und g Endomorphismen von V mit f g = g f. Zeige: a) Sind f und g diagonalisierbar,

Mehr

3.7 Eigenwerte und Eigenvektoren

3.7 Eigenwerte und Eigenvektoren 3.7. EIGENWERTE UND EIGENVEKTOREN 123 3.7 Eigenwerte und Eigenvektoren Wir wollen jetzt lineare Endomorphismen durch Matrizen besonders übersichtlicher Gestalt (u.a. mit möglichst vielen Nullen) beschreiben,

Mehr

Lineare Algebra II, Lösungshinweise Blatt 9

Lineare Algebra II, Lösungshinweise Blatt 9 Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren

Mehr

2.11 Eigenwerte und Diagonalisierbarkeit

2.11 Eigenwerte und Diagonalisierbarkeit 2.11. EIGENWERTE UND DIAGONALISIERBARKEIT 127 Die Determinante eines Endomorphismus Wir geben uns jetzt einen endlichen erzeugten K-Vektorraum V und einen Endomorphismus ϕ : V V vor. Wir wollen die Determinante

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 215/216 Lineare Algebra und analytische Geometrie I Vorlesung 27 In der letzten Vorlesung haben wir die Haupträume zu einem Eigenwert λ zu einem Endomorphismus ϕ als Kern

Mehr

m 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23

m 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23 Kapitel 5 Eigenwerte 5. Definition und Beispiele Wir sehen uns ein System dreier schwingender Kugeln der Massen m, m und m 3 an, die durch Federn aneinander gekoppelt sein sollen. m k m k 3 m 3 x ( t x

Mehr

Wiederholungsserie II

Wiederholungsserie II Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095

Mehr

Kapitel 11. Bilinearformen über beliebigen Bilinearformen

Kapitel 11. Bilinearformen über beliebigen Bilinearformen Kapitel 11 Bilinearformen über beliebigen Körpern Wir können in diesem Kapitel rasch vorgehen, weil die meisten Konzepte im Zusammenhang mit Sesquilinearformen bereits eingeführt wurden. In diesem Abschnitt

Mehr

Lösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen

Lösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen Technische Universität Berlin Sommersemester 2008 Institut für Mathematik 18 Juli 2008 Prof Dr Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Klausur zur Linearen Algebra II Aufgabe 1 (1+1+1 Punkte)

Mehr

D-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld. Clicker Fragen

D-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld. Clicker Fragen D-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld Clicker Fragen Frage 1 Wenn eine reelle Matrix einen Eigenvektor hat, so hat es unendlich viele Eigenvektoren Sei u K n einen Eigenvektor von A M

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 MUSTERLÖSUNG Name: Studiengang: Aufgabe 1 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter die Aufgabenstellung

Mehr

Serie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen

Serie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen D-MATH Lineare Algebra I/II HS 2017/FS 2018 Dr. Meike Akveld Serie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen 1. Sei V ein K-Vektorraum. a) Sei T End(V ). Zeigen Sie, dass die folgenden alles

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 25 J ai décidé d être heureux parce que c est bon pour la santé Voltaire Trigonalisierbare Abbildungen

Mehr

VI.3. JORDAN SCHE NORMALFORM 167

VI.3. JORDAN SCHE NORMALFORM 167 VI3 JORDAN SCHE NORMALFORM 67 VI3 Definition (Verallgemeinerte Eigenräume Sei V ein endlich-dimensionaler K-Vektorraum ϕ: V V linear und λ ein Eigenwert von ϕ Unter dem verallgemeinerten Eigenraum von

Mehr

Übungsblatt

Übungsblatt Prof Dr Fabien Morel Lineare Algebra II Dr Anand Sawant Sommersemester 2018 Übungsblatt 11 20062018 Aufgabe 1 (2 Punkte) Berechnen Sie eine Jordan-Basis für die Matrix 3 1 1 M = 2 2 0 M 3 (R) 1 1 3 Wir

Mehr

Lösung zu Serie Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: A := B :=

Lösung zu Serie Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: A := B := Lineare Algebra D-MATH, HS 204 Prof. Richard Pink Lösung zu Serie 2. Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: 0 2 0 0 0 2 0 0 0 0 0 0 0

Mehr

Musterlösung der Klausur zur linearen Algebra II

Musterlösung der Klausur zur linearen Algebra II David Blottière SS 7 Patrick Schützdeller Universität Paderborn Julia Sauter Musterlösung der Klausur zur linearen Algebra II Aufgabe 1 Bestimmen Sie Jordan-Normalformen der folgenden Matrizen, und schreiben

Mehr

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II 8. Übungsblatt Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.

Mehr

Musterlösungen zur Linearen Algebra II Blatt 2

Musterlösungen zur Linearen Algebra II Blatt 2 Musterlösungen zur Linearen Algebra II Blatt 2 Aufgabe. Sei R ein nullteilerfreier kommutativer Ring mit. Setze K := R R\{0}/ mit der Äquivalenzrelation definiert durch (a, b) (a, b ) genau dann, wenn

Mehr

r (α (m) jk xm ) m=0 ist ein Algebren Isomorphismus; daher identifiziert man K n n [x] mit K[x] n n, z. B.

r (α (m) jk xm ) m=0 ist ein Algebren Isomorphismus; daher identifiziert man K n n [x] mit K[x] n n, z. B. Kapitel 10 Normalformen 10.1 Der Satz von Cayley Hamilton Dieser schöne Satz der linearen Algebra besagt, dass das Minimalpoynom stets ein Teiler des charakteristischen Polynoms ist; mit anderen Worten,

Mehr

Tutorium 3. 1 Nilpotente Endomorphismen. Definition. Sei Φ End(V ). Φ heißt nilpotent: n N : Φ n = 0

Tutorium 3. 1 Nilpotente Endomorphismen. Definition. Sei Φ End(V ). Φ heißt nilpotent: n N : Φ n = 0 Tutorium 3 1 Nilpotente Endomorphismen Definition. Sei Φ End(V ). Φ heißt nilpotent: n N : Φ n = Bemerkung. Sei V {}. Dann ist λ = einziger EW. Und wegen H(Φ, ) = Kern((Φ id) k ) Kern(Φ n ) = Kern() =

Mehr

Sommer 2017 Musterlösung

Sommer 2017 Musterlösung Sommer 7 Musterlösung. (5 Punkte) a) Sei V ein Vektorraum über K und sei T End(V ). Geben Sie die Definition eines Eigenwertes von T und zeigen Sie für endlichdimensionales V, dass λ K genau dann ein Eigenwert

Mehr

Theorem von Lie, Jordan-Chevalley Zerlegung, Cartan Kriterium

Theorem von Lie, Jordan-Chevalley Zerlegung, Cartan Kriterium Theorem von Lie, Jordan-Chevalley Zerlegung, Cartan Kriterium A. Schmeding alsch@mail.upb.de 17. November 2006 1 Theorem von Lie 1.1 Konventionen. In dieser Ausarbeitung sei F, sofern nicht anders definiert,

Mehr

9 Lineare Algebra 2 (SS 2009)

9 Lineare Algebra 2 (SS 2009) 9 Lineare Algebra 2 (SS 2009) Vorbemerkung: Das Einsetzen von quadratischen Matrizen in Polynome. Im folgenden sei R ein kommutativer Ring und R[T] der Polynomring mit Koeffizienten in R (dies ist wieder

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Darstellungsmatrizen 2 2 Diagonalisierbarkeit

Mehr

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen 1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 53 Norm von Endomorphismen und Matrizen Definition 53.1. Es seien V und W endlichdimensionale normierte K-

Mehr

Serie Sei V ein Vektorraum. Man nennt eine lineare Abbildung P : V V eine Projektion, falls P 2 = P gilt. Zeigen Sie:

Serie Sei V ein Vektorraum. Man nennt eine lineare Abbildung P : V V eine Projektion, falls P 2 = P gilt. Zeigen Sie: Prof Emmanuel Kowalski Lineare Algebra II Serie 3 Sei V ein Vektorraum Man nennt eine lineare Abbildung P : V V eine Projektion, falls P 2 = P gilt Zeigen Sie: a Der Kern und das Bild einer Projektion

Mehr

Lineare Algebra II 6. Übungsblatt

Lineare Algebra II 6. Übungsblatt Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein

Mehr

Lineare Abbildungen. i=0 c ix i n. K n K m

Lineare Abbildungen. i=0 c ix i n. K n K m Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht

Mehr

4.2 Die adjungierte Abbildung

4.2 Die adjungierte Abbildung 4.2. DIE ADJUNGIERTE ABBILDUNG 177 4.2 Die adjungierte Abbildung Die Vektorräume dieses Paragraphen seien sämtlich euklidisch, die Norm kommt jetzt also vom inneren Produkt her, v = v v. Zu f Hom R (V,

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

Ausgewählte Lösungen zu den Übungsblättern 9-10 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt

Mehr

Eigenwerttheorie. Martin Gubisch Lineare Algebra I WS 2007/2008

Eigenwerttheorie. Martin Gubisch Lineare Algebra I WS 2007/2008 Eigenwerttheorie Martin Gubisch Lineare Algebra I WS 27/28 Motivation Gegeben seien ein K-Vektorraum V der Dimension n < und eine K-lineare Abbildung f : V V Wir suchen eine Basis V = v 1,, v n von V,

Mehr

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009 I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe

Mehr

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016, Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren

Mehr

Lineare Schieberegisterfolgen

Lineare Schieberegisterfolgen Lineare Schieberegisterfolgen Sei K ein endlicher Körper. Man nehme zwei Vektoren x 0 a0 x n 1, a n 1 K n n 1 x n := a i x i und betrachte die lineare Abbildung : K n K n, die durch i=0, berechne x 0 x

Mehr

Lineare Algebra für Physiker 11. Übungsblatt

Lineare Algebra für Physiker 11. Übungsblatt Lineare Algebra für Physiker 11. Übungsblatt Fachbereich Mathematik SS 01 Prof. Dr. Matthias Schneider./. Juli 01 Dr. Silke Horn Dipl.-Math. Dominik Kremer Gruppenübung Aufgabe G1 (Minitest) (a) Welche

Mehr

Scheinklausur, 2. Teil, Lineare Algebra I, WS 2001, Prof. Dr. G. Hiß. Ja oder

Scheinklausur, 2. Teil, Lineare Algebra I, WS 2001, Prof. Dr. G. Hiß. Ja oder Gruppe A Scheinklausur 2. Teil 15.2.2002 Lineare Algebra I WS 2001 Prof. Dr. G. Hiß Name: Matrikelnummer: Kreuzen Sie bei jeder Frage entweder Ja oder Nein oder nichts an. Auswertung der Multiple-Choice-Aufgaben:

Mehr

Basisprüfung. 18. August 2015

Basisprüfung. 18. August 2015 Lineare Algebra I/II D-MATH, HS 4/FS 5 Prof Richard Pink Basisprüfung 8 August 25 [6 Punkte] Betrachte den reellen Vektorraum R 3 zusammen mit dem Standardskalarprodukt, und die Vektoren 9 3 v := 6, v

Mehr

Lineare Algebra 2. Lösung zu Aufgabe 7.2:

Lineare Algebra 2. Lösung zu Aufgabe 7.2: Technische Universität Dortmund Sommersemester 2017 Fakultät für Mathematik Übungsblatt 7 Prof. Dr. Detlev Hoffmann 15. Juni 2017 Marco Sobiech/ Nico Lorenz Lineare Algebra 2 Lösung zu Aufgabe 7.1: (a)

Mehr

5 Diagonalisierbarkeit

5 Diagonalisierbarkeit 5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj

Mehr

Lösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.

Lösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG

KLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG KLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG Aufgabe 1 Es sei K ein Körper, V ein K-Vektorraum, und seien v 1,..., v n V (n N). (a) Definieren Sie, wann die endliche Familie v 1,...,

Mehr

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2, Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist

Mehr

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen 12 Lineare Algebra - Übersicht Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn

Mehr

6 Die Jordansche Normalform

6 Die Jordansche Normalform 6 Die Jordansche Normalform 6.1 Definition Sei f End K (V ). i) U V heißt f-invariant, falls f(n) U n U. Mit f U End K (C) bezeichnen wir die Einschränkung von f auf U: f U (v) = f(u) für u U. ii) Eine

Mehr

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche,

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche, Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 2014 Lineare Algebra 1 Vierzehnte & Fünfzehnte Woche, 1672014 10 Determinanten (Schluß) Das folgende Resultat

Mehr

Lineare Algebra II (SS 13)

Lineare Algebra II (SS 13) Lineare Algebra II (SS 13) Bernhard Hanke Universität Augsburg 03.07.2013 Bernhard Hanke 1 / 16 Selbstadjungierte Endomorphismen und der Spektralsatz Definition Es sei (V,, ) ein euklidischer oder unitärer

Mehr

Lineare Algebra II Zwischentest

Lineare Algebra II Zwischentest Lineare Algebra II Zwischentest Dr. Stephan Ehlen, Dr. Chris Jennings-Shaffer, Jonathan Schürr 14.06.18 Dieser Zwischentest besteht aus 7 Aufgaben und enthält insgesamt 12 Seiten. Sie haben für die Bearbeitung

Mehr

Lineare Algebra 2 (SS 13) Blatt 13: Musterlösung

Lineare Algebra 2 (SS 13) Blatt 13: Musterlösung Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra 2 (SS ) Blatt : Musterlösung Aufgabe. Es sei C (R) der R-Vektorraum der unendlich oft differenzierbaren Funktionen auf R und : C (R) C (R), f f die Abbildung,

Mehr

Lineare Algebra II Lösungen der Klausur

Lineare Algebra II Lösungen der Klausur Prof Dr K Doerk 673 Jens Mandavid Christian Sevenheck Lineare Algebra II Lösungen der Klausur (a Diese Aussage ist richtig, sie stimmt nämlich für k = Sei nämlich n N beliebig und bezeichne N die Menge

Mehr

und Unterdeterminante

und Unterdeterminante Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,

Mehr

und Unterdeterminante

und Unterdeterminante Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,

Mehr

Sesqui- und Bilinearformen

Sesqui- und Bilinearformen Kapitel 8 Sesqui- und Bilinearformen 8.1 Sesquilinearformen Definition 8.1.1 Sei V ein reeller oder komplexer K-Vektorraum (also K = R oder C). Eine Abbildung f : V V K heißt eine Sesquilinearform wenn

Mehr

Lineare Algebra II 5. Übungsblatt

Lineare Algebra II 5. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,

Mehr

1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen

1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen Hannover, den 0. April 2006. Übungsblatt: Lineare Algebra II Abgabe: 24./25.4.2006 in den Übungsgruppen ( ) 2 5 a) Zeigen Sie, dass A = und B = 2 ( 7 6 invertierbare Matrix T an mit T AT = B. b) Zeigen

Mehr

Lineare Algebra I. Prof. Dr. Daniel Roggenkamp Vorlesung -

Lineare Algebra I. Prof. Dr. Daniel Roggenkamp Vorlesung - Lineare Algebra I Prof. Dr. Daniel Roggenkamp - 22.Vorlesung - Aus der letzten Vorlesung: Polynome K[t] (p 0, p,, p i K mit p i = 0 i > i 0 für ein i 0 = i 0 p i t i = p 0 + p t + p 2 t 2 + + p i0 t i

Mehr

Kapitel 5. Endomorphismen von Vektorräumen. 5.3 Nilpotente Endomorphismen

Kapitel 5. Endomorphismen von Vektorräumen. 5.3 Nilpotente Endomorphismen Kapitel 5 c M Roczen und H Wolter Preview zur aktuellen Fassung: Lineare Algebra individuell Online Ver 052, 1552005 Alle Rechte vorbehalten Endomorphismen von Vektorräumen V 0 sei ein Vektorraum über

Mehr

Nachholklausur zur Linearen Algebra I, WS 03/04

Nachholklausur zur Linearen Algebra I, WS 03/04 16.4.2004 Nachholklausur zur Linearen Algebra I, WS 03/04 Prof. Dr. H. Pahlings Tragen Sie bitte auf diesem Deckblatt leserlich und in Blockbuchstaben Ihren Namen und Ihre Matrikelnummer ein und unterschreiben

Mehr

3 Determinanten, Eigenwerte, Normalformen

3 Determinanten, Eigenwerte, Normalformen Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses

Mehr

Musterlösungen zur Linearen Algebra II Hauptklausur

Musterlösungen zur Linearen Algebra II Hauptklausur Musterlösungen zur Linearen Algebra II Hauptklausur Aufgabe. Q ist unitär genau dann, wenn gilt Q Q = I n. Daraus folgt, dass a) und c) richtig sind. Die -Matrix A := (i) zeigt, dass i.a. A A t, d.h. b)

Mehr

Klausur zur Vorlesung Lineare Algebra II

Klausur zur Vorlesung Lineare Algebra II Universität zu Köln Sommersemester 06 Mathematisches Institut 9. Juli 06 Prof. Dr. P. Littelmann Dr. Teodor Backhaus Klausur zur Vorlesung Lineare Algebra II Bearbeitungszeit 80 Minuten Bitte geben Sie

Mehr

Lineare Algebra I für Mathematiker Lösungen

Lineare Algebra I für Mathematiker Lösungen Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation

Mehr

5 Minimalpolynom und charakteristisches Polynom

5 Minimalpolynom und charakteristisches Polynom 5 Minimalpolynom und charakteristisches Polynom 5.1 Lemma Sei A K n n. Dann ist λ K genau dann ein Eigenwert von A, wenn det(λe n A) = 0. 5.2 Beispiel ( ) 1 4 i) A = R 1 1 2 2 det(λe 2 A) = λ 1 4 1 λ 1

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 12

Technische Universität München Zentrum Mathematik. Übungsblatt 12 Technische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 12 Hausaufgaben Aufgabe 12.1 Sei f : R 3 R 3 gegeben durch f(x) :=

Mehr

. Für K = Q, K = C, K = F α 1

. Für K = Q, K = C, K = F α 1 1. Übungsblatt, für den 5.3.2008 1. Sei n eine nichtnegative ganze Zahl. Eine Abbildung f: C C mit f(z) = n i=0 a iz i, deren Koeffizienten a i komplexe Zahlen sind, nennen wir (komplexe) Polynom(abbildung).

Mehr

Lineare Algebra Weihnachtszettel

Lineare Algebra Weihnachtszettel Lineare Algebra Weihnachtszettel 0..08 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 42 Normale Endomorphismen Nach Satz 34.1 besitzt eine Isometrie über C eine Orthonormalbasis aus Eigenvektoren

Mehr

Wiederholungsklausur zur Linearen Algebra II

Wiederholungsklausur zur Linearen Algebra II Wiederholungsklausur zur Linearen Algebra II Prof. Dr. C. Löh/D. Fauser/J. Witzig 5. Oktober 2017 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie,

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

Mehr

Mathematik für Anwender I

Mathematik für Anwender I Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von

Mehr

Lineare Algebra Weihnachtszettel

Lineare Algebra Weihnachtszettel Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet

Mehr

ist (oder besser Abspalten von Linearfaktoren beschäftigen. Zu einem beliebigen Körper K betrachten wir die Menge (j,k) N N j+k=n

ist (oder besser Abspalten von Linearfaktoren beschäftigen. Zu einem beliebigen Körper K betrachten wir die Menge (j,k) N N j+k=n 8. Polynomringe Das Umgehen mit Polynomen, d.h. mit Ausdrücken der Form a 0 + a 1 x + a 2 x 2 +... + a n x n ist aus der Schule vertraut, falls die Koeffizienten a 0,..., a n ganze oder rationale oder

Mehr

Übungsblatt 13. Lineare Algebra I für Informatiker, Dr. Frank Lübeck, SS 2010

Übungsblatt 13. Lineare Algebra I für Informatiker, Dr. Frank Lübeck, SS 2010 Übungsblatt 3 Lineare Algebra I für Informatiker, Dr Frank Lübeck, SS Für Matrikelnummer: 9787 Abgabezeitpunkt: Do Jul :: CEST Dieses Blatt wurde erstellt: Do 5 Jul 8:47:36 CEST Diese Übung besteht aus

Mehr

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung

Mehr

Lineare Algebra - Determinanten und Eigenwerte

Lineare Algebra - Determinanten und Eigenwerte Lineare Algebra - Determinanten und Eigenwerte 26 März 2011 1 Determinanten 11 Definition (Determinanten): Sei K ein Körper und N n 0 Dann nennt man eine durch det : M(n n, K) K, a det(a) definierte Abbildung

Mehr

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 15: Eigenwerte und -vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 5. November 2009) Diagonalisierbarkeit

Mehr