Kapitel 13. Normalformen Zyklische Unterräume

Größe: px
Ab Seite anzeigen:

Download "Kapitel 13. Normalformen Zyklische Unterräume"

Transkript

1 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 wir das auch meistens mit Matrizen Zyklische Unterräume Definition Die Menge Z(v,T) := {g(t)v : g K[x]} heißt der von v erzeugte T-zyklische Unterraum. Ein Vektor v heißt zyklisch wenn Z(v,T) = V. Bemerkung Ein Erzeugendensystem von Z(v, T) ist offenbar die Menge {v,t(v),...,t n 1 (v)}. Lemma Z(v,T) ist ein T-invarianter Unterraum. In einem gewissen Sinne dual zum Begriff des zyklischen Unterraums ist der Begriff des T-Annihilators, den wir bereits (etwas allgemeiner) in Definition eingeführt haben: 190

2 Definition Die Menge M(v,T) := {g K[x] : g(t)(v) = 0} nennt man den Annihilator oder das Annihilatorideal von v. Das folgende Lemma haben wir auch schon im letzten Kapitel bewiesen(siehe Lemma (??)): Lemma Der T-Annihilator von v ist ein Ideal in K[x]. Bemerkung Der monische Erzeuger dieses Ideals wird oft auch als der T-Annihilator bezeichnet. Weil jedes Ideal genau einen monischen Erzeuger hat, und weil verschiedene monische Polynome verschiedene Ideale erzeugen, ist diese Begriffsverwirrung gerechtfertigt. Lemma Der T-Annihilator teilt das Minimalpolynom von T (siehe Lemma??). Man kann sich vorstellen, dass zwischen dem von v erzeugten zyklischen Unterraum und dem T-Annihilator ein Zusammenhang besteht dergestalt, dass ein großes Annihilatorideal auf einen kleinen zyklischen Unterraum hindeutet und umgekehrt. Der nächste Satz präzisiert dies: Satz Sei v V, v 0. Mit p v bezeichnen wir den T-Annihilator von v. Der Grad von p v sei k. Dann gilt: (a.) deg(p v ) = dim(z(v,t)). (b.) {v,t(v),...,t k 1 (v)} ist eine Basis von Z(v,T). (c.) Sei U = T Z(v,T). Dann gilt m U = p v. Beweis Sei g = p v q+r, deg(r) < k oder r = 0 (übliche Division mit Rest). Dann gilt g(t)(v) = p v (T)q(T)(v)+r(T)(v) = r(t)(v), weil p v q imt-annihilator von v liegt. Daszeigt: dim(z(v,t)) k, weil jedes g(t)v Z(v,T) als Linearkombination von v,t(v),...,t k 1 (v) geschrieben 191

3 werden kann, denn Grad(r) < k. Ferner ist r(t)(v) 0 für alle Polynome r K[x] vom Grad < k, weil p v das Polynom kleinsten Grades ist mit p v (T)(v) = 0. Das zeigt k = dim(z(v,t)), also (a.) und (b.). Wir betrachten nun U. Es gilt p v (U)g(T)(v) = p v (T)g(T)(v) = g(t)p v (T)(v) = g(t)(0) = 0 für alle g K[x]. Das zeigt m U p v. Ferner gilt 0 = m U (U)(v) = m U (T)(v), also p v m U, denn p v erzeugt den T-Annihilator von v. Das zeigt zusammen p v = m U. Bemerkung Die Darstellungsmatrix von U bzgl. der Basis ist die Begleitmatrix von p v : v,t(v),...,t k 1 (v) Definition Die Matrix a a a a n a n 1. heißt die Begleitmatrix des Polynoms n 1 f = x n + a i x i. i=0 Wir haben in Satz gezeigt, dass f das charakteristische Polynom dieser Matrix ist. Das folgende Korollar zeigt, dass dies auch das Minimalpolynom ist. Unklar bleibt, ob es im Fall m T = χ T auch stets einen zyklischen Vektor gibt. Das ist in der Tat der Fall, und wir werden es später noch zeigen. 192

4 Korollar Wenn V einen T-zyklischen Vektor hat, so gilt m T = χ T. Beweis Wenn es einen zyklischen Vektor v gibt, so gilt V = Z(v,T). Dann gilt (mit den Bezeichnungen aus Satz ) U = T und somit deg(m T ) = dimv. Unser nächstes Ziel ist es zu zeigen, dass sich jeder Vektorraum in zyklische Unterräume zerlegen lässt. Definition Sei T Hom(V,V), W V. Dann heißt W ein T- zulässiger Unterraum, wenn gilt: (Z1) W ist T-invariant. (Z2) Wenn f(t)(v) W gilt für ein f K[x] und ein v V, so gibt es auch ein w W mit f(t)(v) = f(t)(w). Lemma Sind W und W zwei T-invariante Unterräume mit V = W W, so sind W und W sogar T-zulässig. Beweis Sei v = w +w mit w W, w W. Ferner sei f(t)(v) W, also f(t)(w)+f(t)(w ) W. Weil W und W aber auch T-invariant sind, gilt sogar f(t)(w) W und f(t)(w ) W. Also muss f(t)(w ) = 0 gelten, d.h. f(t)(v) = f(t)(w). Korollar Wenn ein T-invarianter Unterraum W ein T-invariantes Komplement W hat, d.h. V = W W, so ist W ein T-zulässiger Unterraum. Wir kommen nun zu unserem Hauptsatz, der zeigt, dass jeder Vektorraum in zyklische Unterräume zerlegt werden kann Hauptsatz über die Zerlegung in invariante Unterräume Satz Sei T End(V), dimv = n. Sei W 0 ein T-zulässiger Unterraum von V, W 0 V. Dann gibt es v 1,...,v r V (v i 0) mit folgenden Eigenschaften: 193

5 (a.) V = W 0 Z(v 1,T)... Z(v r,t). (b.) p k teilt p k 1 für k = 2,...,r, wobei p i der T-Annihilator von v i ist. Ferner sind die p i durch (a.) und (b.) und die Bedingung v i 0 eindeutig bestimmt. Gilt W 0 = {0}, so ist p 1 das Minimalpolynom von T. In diesem Fall heißen die p i die invarianten Faktoren von T. Dem Beweis dieses Satzes wollen wir einen eigenen Abschnitt widmen. Warnung:Eswirdnichtbehauptet,dassdieZ(v i,t)eindeutigsind,sondern nur die Annihilatoren. Beispiel Sei T = Dann ist χ T = (x 1)(x 2) 2 und m T = (x 1)(x 2). Dann muss es also v 1 und v 2 geben mit Annihilatoren p 1 = (x 1)(x 2) sowie p 2 = x 2. Ein Vektor v 2 mit Annihilator x 2 ist ein Eigenvektor zum Eigenwert 2, also z.b. 2 v 2 = 1 0 (nachrechnen!). Um einen Vektor v 1 mit Annihilator p 1 zu finden, genügt es, irgendeinen Vektor zu nehmen, der kein Eigenvektor ist. Ein solcher Vektor muss als Annihilator (x 1)(x 2) haben. Versuchen wir es beispielsweise mit 1 v 1 = 0 0 Dann ist T 0 = 1 und T 2 0 = 3 = , der Annihilator ist also x 2 3x+2 = (x 1)(x 2). 194

6 Versuchen wir es mit einem anderen Vektor, z.b. 0 v 1 = 1 0 Dann ist und T T 1 = = 10 = , also ist auch hier der Annihilator x 2 3x+2. Es kommen nun einige Korollare: Korollar Ist W V ein T-invarianter Unterraum von V, so hat W genau dann ein T-invariantes Komplement W, wenn W ein T-zulässiger Unterraum ist. Beweis Ist W = V, so ist W = {0}. Andernfalls setzen wir in Satz W = W 0. Dann ist W = Z(v 1,T)... Z(v r,t) ein T-invariantes Komplement. Korollar Sei T End(V), wobei V ein endlichdimensionaler Vektorraum ist. Dann gibt es einen Vektor v V, dessen T Annihilator gleich dem Minimalpolynom ist. Ferner gibt es genau dann einen zyklischen Vektor, wenn m T = χ T gilt. Beweis Setze in Satz W 0 = {0}. Dann ist die Existenz eines Vektors v mit Annihilator m T Teil des Satzes. Der Rest folgt aus Korollar Wir wollen uns lineare Abbildungen mit m T = χ T = p r für ein p K[x] noch etwas genauer anschauen: Lemma Sei T End(V), wobei V ein endlichdimensionaler K- Vektorraum ist. Ferner gelte m T = χ T = p r für ein Polynom p. Dann gilt für 0 i r: dimbild(p i (T)) = (r i) deg(p). 195

7 Beweis Sei v ein zyklischer Vektor für T. Sei dim(bild(p i (T))) =: n(i). Dann kann man p(t) als eine surjektive lineare Abbildung Bild(p i (T)) Bild(p i+1 (T)) auffassen. DieDimension des Kernes dieser linearen Abbildung sei s(i). Dann zeigt die Dimensionsformel also s(i)+n(i+1) = n(i), s(0)+...+s(r 1) = n(0) n(r) = r deg(p) = dimv. (13.1) Wir überlegen uns nun, dass der Kern von p(t), aufgefasst als lineare Abbildung V V, höchstens die Dimension deg(p) hat. Es sei p = p k x k +...+p 0 mit p k 0. Es gilt k 1 p(t)(t i (v)) = p k T k+i (v)+ p j T i+j (v). Das zeigt, dass die Vektoren T i (v), i = 0,...,(r 1)k 1 durch p(t) auf linear unabhängige Vektoren abgebildet werden: Wenn wir die Bilder bzgl. der Basis v,tv,...,t rk 1 v darstellen und in eine Matrix schreiben, erhalten wir p 0 0 p 1 p p k p k p k. K (rk,rk k). 0 0 p p k Diese Matrix hat offenbar den Rang rk k, also s(0) k (Dimensionsformel). Das zeigt auch s(i) k und deshalb gilt in (13.1) stets s(i) = Grad(p) = k, woraus die n(i) dann berechnet werden können. Eine weitere Folgerung ist eine Verallgemeinerung des Satzes von Cayley- Hamilton: j=0 196

8 Satz Sei T End(V), wobei V ein endlichdimensionaler Vektorraum ist. Dann haben m T und χ T dieselben irreduziblen Teiler (bis auf Vielfachheit). Gilt m T = p r pr k k mit r i 1 und paarweise verschiedenen irreduziblen Polynomen p i, so ist wobei Beweis Vorlesung! χ T = p d p d k k, d i := dimkern(p r i i )(T). deg(p i ) Wir können jetzt zwei verschiedene Strategien fahren, um Normalformen zu erhalten. Zunächst einmal können wir einfach die Zerlegung in zyklische Unterräume Z(v 1,T 1 )... Z(v k,t) nehmen und T bezüglich einer Basis darstellen, so dass die Darstellungsmatrizen von T eingeschränkt auf die zyklischen Unterräume genau Begleitmatrizen von Polynomen sind. Das liefert die sogenannte rationale Normalform. Wir können aber auch erst Primärzerlegung machen und dann die Primärkomponenten in zyklische Unterräume zerlegen. Dieses Vorgehen funktioniert in allen K-Vektorräumen. Wenn K algebraisch abgeschlossen ist, oder wenn das charakteristische Polynom von T in Linearfaktoren zerfällt, so kann man nocht etwas mehr aussagen (Jordan sche Normalform). All diese Normalformen werden im nächsten Abschnitt behandelt Normalformen Definition Eine Matrix heißt in rationaler Normalform, wenn sie von der Form A A A r ist, wobei A i Begleitmatrix eines Polynoms p i ist und p i+1 teilt p i. Manchmal nennt man dies auch die Frobenius-Normalform. 197

9 Satz Sei V ein K-Vektorraum der Dimensionn, undsei T End(V). Dann gibt es eine Basis B von V so, dass die Darstellungsmatrix [T] B B in rationaler Normalform ist. Verschiedene rationale Normalformen beschreiben verschiedene lineare Abbbildungen. Beweis Das folgt unmittelbar aus unserem Hauptsatz Wenn wir auf die Teilbarkeitsbedingung verzichten, können wir sogar erreichen, dass die A i Begleitmatrizen von Potenzen irreduzibler Polynome sind. Satz Sei V ein K-Vektorraum der Dimensionn, undsei T End(V). Die verschiedenen irreduziblen Teiler von χ T seien p 1,...,p k. Dann gibt es eine Basis B von V so, dass die Darstellungsmatrix [T] B B die Form B B (13.2). 0 0 B r hat, wobei die B i Begleitmatrizen von Polynomen p t j sind. Dabei sind die B i bis auf die Reihenfolge eindeutig bestimmt. Eine lineare Abbildung hat (bis auf die Reihenfolge der B i ) genau eine Darstellungsmatrix der Form (13.2).Man nennt dies auch die Weierstraßsche Normalform. Beweis Zur Existenz: Wende den Hauptsatz auf die Komponenten W i in der Primärzerlegung an. Wir kommen nun zur Eindeutigkeit. Die Polynome, die zu den Matrizen in der Darstellung (13.2) gehören, seien p j i, wobei 1 i k und j J i, d.h. es treten gewisse Potenzen von p i auf, und diese Exponenten fassen wir in der Menge J i zusammen. Das charakteristische Polynom von T ist also χ T = k i=1 j J i p j i. Das Minimalpoynom ist m T = k i=1 p m(i) i, 198

10 wobei m(i) := maxj i. Wenn wir diejenigen Blockmatrizen B i in (13.2) zusammenfassen, die zum selben irreduziblen Polynom p i gehören, erhalten wir eine Darstellung von T der Form T T (13.3). 0 0 T k wobeiχ Ti = j J i p j i undm T i = p m(i) i.wenn(b 1,...,B k )diezurdarstellung (13.3)gehörendeBasisist, dannmuss B i einunterraumvonkern(p m(i) i (T)) sein. Aus Dimensionsgründen gilt sogar Gleichheit, weil Satz zeigt, dass es eine Zerlegung von V in eine direkte Summe der Kern(p m(i) i (T)) gibt. Wir dürfen uns deshalb auf den Fall beschränken, dass das charakteristische Polynom von T eine Potenz eines irreduziblen Polynoms p = p i ist. Jetzt sei also C C (13.4). 0 0 C r eine Matrix, in der C i die Begleitmatrix von p a(i) ist, a(i) a(i+1). Zu zeigen ist die Eindeutigkeit der a(i). Das folgt aus unserem Hauptsatz , weil wir hier ja gerade die rationale Normalform von T, eingeschränkt auf Kern(p m(i) i (T)) betrachten. Man kann die Eindeutigkeit aber auch noch anders erhalten. Dieser Zugang hat den Vorteil, auch noch ein konstruktives Verfahren für die Berechnung der a(i) zu liefern. Das Minimalpolynom von T ist p a(1), damit ist a(1) eindeutig. Sei nun b j die Anzahl der Blockmatrizen C i der Größe deg(p j ). Es gilt Lemma zeigt: a(1) b j deg(p j ) = dimv. j=0 a(1) dim(bild(p i 1 (T))) dim(bild(p i (T))) = b j deg(p). 199 j=i

11 Deshalb sind die b j eindeutig durch dim(bild(p i (T))) für i = 0,...,a(1) bestimmt. Die Weierstraß sche Normalform einer dieagonalisierbaren Matrix ist eine Diagonalmatrix. Das ist bei der rationalen Normalform nicht der Fall: Die rationale Normalform ( ) einer Matrix der Größe 2 mit Minimalpolynom (x 0 2 1)(x + 2) ist, obwohl die Matrix diagonalisierbar ist. Der Vorteil 1 1 der rationalen Normalform ist, dass man sie schnell berechnen kann, ohne das charakteristische Polynom in irreduzible Teiler zu zerlegen. Wir haben damit nun alle Hilfsmittel in der Hand, den Satz über die Jordan sche Normalform einer Matrix zu formulieren. Wir setzen voraus, dass das charakteristische Polynom in Linearfaktoren zerfällt. Die Idee ist dann simpel: Wir machen erst Primärzerlegung. Wir erhalten so Operatoren mit charakteristischem Polynom (x γ) s. Solche Operatoren können wir eindeutig als Summe eines diagonalisierbaren und eines nilpotenten Operators schreiben (Satz ). Wir suchen dann die rationale Normalform von N. Diese ist aber eindeutig bestimmt. Wir wollen das jetzt etwas formaler machen. 200

12 Definition Eine Matrix γ γ 0 0 J (γ) k := 0 1 γ 0 0 K (k,k) γ heißt Jordankästchen zum (Eigen)wert γ. Eine Matrix J (γ) k 1,...,k r = J (γ) k J (γ) k 2 mit k 1 k 2... k r heißt Jordanmatrix zum (Eigen)wert γ. Eine Matrix T heißt in Jordan scher Normalform, wenn T (γ 1) 0 T =....., 0 T (γ k) wobei T (γ i) eine Jordanmatrix zum Eigenwert γ i ist und γ i γ j für i j. Satz Sei V ein n-dimensionaler K-Vektorraum, und sei T End(V). Das charakteristische Polynom von T sei χ T = (x γ 1 ) d1 (x γ k ) d k, wobei γ i γ j für i j. Das Minimalpolynom sei m T = (x γ 1 ) r1 (x γ k ) r k. Dann gibt es eine Basis B derart, dass [T] B B in Jordan scher Normalform ist. Die Jordanmatrix ist bis auf die Reihenfolge der Jordanmatrizen eindeutig bestimmt. Beweis Primärzerlegung liefert eine Basis B = B 1... B k, wobei B i eine Basis von W i := Kern((T γ i ) r i ) ist. Dann ist T i := T Wi ein Operator 201

13 mit charakteristischem Polynom (x γ i ) d i. Dieser Operator kann eindeutig als Summe eines diagonalisierbaren Operators D i und eines nilpotenten Operators N i dargestellt werden, wobei D i und N i vertauschbar sind. Diese Zerlegung ist D i = γ i id Wi und N i = T i γ i id Wi. Die rationale Normalform von N i ist eine Jordanmatrix zum Wert 0, d.h. wir finden eine Basis von W i so, dass N i durch eine Jordanmatrix dargestellt wird. Der Operator T i wird bezüglich dieser Matrix durch eine Jordanmatrix zum Eigenwert γ i dargestellt. Das zeigt die Existenz der Jordan schen Normalform. Zur Eindeutigkeit: Die Größe der Jordanmatrix T (γ i) sei in einer (möglicherweise) anderen Jordan schen Normalform d i. Dann ist das charakteristische Polynom von T genau (x γ 1 ) d 1 (x γk ) d k, also d i = d i. Wenn es für den Operator T i verschiedene Darstellungen in Jordan scher Normalform gäbe, so gäbe es für den eindeutig bestimmten nilpotenten Operator zwei verschiedene rationale Normalformen, Widerspruch zu Satz Wenn wir die Jordan sche Normalform einer Matrix oder eines Operators bestimmen wollen, genügt es, sich die nilpotenten Operatoren T i γ i id Wi genauer anzuschauen. Die Größe der Jordankästen in der Jordan schen Normalform eines solchen nilpotenten Operators kann man recht einfach bestimmen. Grundlage dafür ist Lemma : Satz Sei J 0 k 1,...,k r die Jordan sche Normalform eines nilpotenten Operators N mit charakteristischem Polynom x n. Dann gilt: x k 1 = m N r = dimkern(n). Wenn wir mit b j die Anzahl der Jordankästen der Größe j bezeichnen, so gilt k 1 dimkern(n i ) dimkern(n i 1 ) = b j. j=i Beweis Vorlesung Beispiel (1.) Sei T ein Operator auf C 6 mit χ T = (x 3) 6, m T = (x 2) 2, dimeig(t,2) = 3. Dann gibt es für die Jordan sche Normalform von T nur die Möglichkeit J (3) 2,2,2. 202

14 (2.) Es kann keine Matrix geben mit χ T = (x 3) 6, m T = (x 3) 2 sowie dimeig(t,3) = 2: In diesem Fall gäbe es nur zwei Jordankästen (wegen der Dimension 2 des Eigenraums), von denen der größte die Größe 2 hat (weil 2 der Exponent im Minimalpolynom ist). (3.) Ist χ T = (x γ) n, m T = (x γ) r und dimkern(t γid) = k, so ist die Jordan sche Normalform durch diese drei Angaben nicht eindeutig bestimmt. Im Fall n = 7, k = 3 und r = 3 gibt es nämlich die beiden Möglichkeiten J (γ) 3,2,2 sowie J (γ) 3,3,1. Man kann die beiden Fälle aber unterscheiden, wenn man die Dimensionen der Kerne von (T γid) i kennt. Im Fall J (γ) 3,2,2 gilt im Fall J (γ) 3,3,1 dimkern(t γid) = 3 dimkern(t γid) 2 = 6 dimkern(t γid) 3 = 7, dimkern(t γid) = 3 dimkern(t γid) 2 = 5 dimkern(t γid) 3 = 7. Das folgt aus unserem Satz , kann man aber auch direkt nachrechnen: Wir setzen N = T γid. Es geht also um die Jordan sche Normalform von N und die Dimensionen der Kerne von N i. Im Fall J (γ) 3,2,2 sieht die Jordan sche Normalform von N wie folgt aus: J (0) 3,2,2 = DieseMatrixhatRang4,dieDimensiondesKernesistalso3.Nunbetrachten 203

15 wir (J (0) 3,2,2 )2 = Diese Matrix hat nur noch den Rang 1. (J (0) 3,2,2) 3 ist dann die Nullmatrix. Im zweiten Fall J (γ) 3,3,1 gilt J (0) 3,3,1 = Auch diese Matrix hat den Rang 4, und auch hier ist (J (0) 3,3,1) 3 die Nullmarix. Aber jetzt erhalten wir (J (0) ,3,1 )2 = eine Matrix vom Rang 2! 13.4 Ein Verfahren zur Bestimmung einer Jordanbasis Mit den im letzten Abschnitt angestellten Überlegungen können wir die Jordan sche Normalform bestimmen: Wir müssen das charakteristische Polynom χ T = (x γ 1 ) d1 (x γ k ) d k (wobei die γi verschieden sind) und 204

16 das Minimalpolynom m T = (x γ 1 ) r1 (x γ k ) r k bestimmen, dann die Primärzerlegung W 1... W k. Dabei ist W i = Kern(T γ i ) r i. Die Operatoren T i = T Wi zerlegen wir in einen diagonalisierbaren und einen nilpotenten Operator N i = T i γ i id Wi Wenn wir die Ränge der Matrizen N j i für j = 1,...,r i bestimmen, können wir daraus mit Satz die Größen der Jordankästen in der Jordan schen Normalform von T i bestimmen. Damit ist aber noch nicht klar, wie man eine Basis bestimmt, bzgl. der ein Operator T in Jordan scher Normalform dargestellt wird. Mit dieser Frage wollen wir uns nun beschäftigen. Es genügt, nilotente Abbildungen zu untersuchen. Sei also N eine nilpotente Abbildung mit m N = x n und m N = x r. Zunächst einmal suchen wir eine Basis B = B 1... B r so, dass B 1,...,B i = Kern(N i ) ist. Das kann man einfach erreichen: Wenn man schon eine Basis von Kern(N i ) und von Kern(N i+1 ) kennt, so kann man die Basis von Kern(N i ) durch Vektoren aus Kern(N i+1 ) zu einer Basis von Kern(N i+1 ) ergänzen. Beachte: B i = dim(kern(n i )) dim(kern(n i 1 )) = r b j, j=i wobei b j die Anzahl der Jordankästen der Größe j ist, siehe Satz Es gilt also B 1 B 2... B r. Eine solche Basis nennen wir Stufenbasis. Eine Stufenbasis mit der zusätzlichen Eigenschaft {N(w) : w B i } B i 1 für i = 2,...,r nennen wir eine Jordanbasis. Bezüglich einer solchen Basis wird N in Jordan scher Normalform dargestellt: Wir haben eine Basis, in der mit w auch stets N(w) ein Basisvektor ist, es sei denn N(w) = 0. Wenn wir die Basisvektoren entsprechend ordnen, so erhalten wir als Darstellungsmatrix eine Jordanmatrix. Das folgende Lemma ist die Grundlage für ein Verfahren, wie wir eine Stufenbasis B modifizieren können, um eine Jordanbasis zu erhalten. Wir wollen die B i sukzessive, beginnend mit i = r, zu B i modifizieren. Zunächst tun wir 205

17 nichts: B r = B r. Danach soll in B i eine Teilmenge durch {N(w) : w B i } ausgetauscht werden, um so das neue B i zu erhalten. Das folgende Lemma zeigt, dass dies stets möglich ist. Lemma Sei N End(V) ein nilpotenter Operator. Sei u 1,...,u r eine Basis von Kern(N j ) u 1,...,u r,v 1,...,v s eine Basis von Kern(N j+1 ) u 1,...,u r,v 1,...,v s,w 1,...,w t eine Basis von Kern(N j+2 ) (13.5) Dann ist linear unabhängig in Kern(N j+1 ). {u 1,...,u r,nw 1,...,Nw t } Beweis Wir bemerken zunächst Nw i Kern(N j+1 ). Wir nehmen jetzt an, dass r t λ i u i + µ i N(w i ) = 0, also i=1 r λ i u i = i=1 Anwenden von N j liefert 0 = N j ( i=1 t µ i N(w i ) in Kern(N j ). i=1 t µ i N(w i )) = N j+1 ( i=1 t µ i w i ), d.h. t i=1 µ iw i Kern(N j+1 ). Also kann t i=1 µ iw i als Linearkombination vonu 1,...,u r,v 1,...,v s geschrieben werden. Dasgeht aber wegen (13.5)nur, wenn alle µ i = 0 sind. Dann sind aber auch alle λ i = 0, weil die u i linear unabhängig sind. Bemerkung Dieses Lemma ist ein Spezialfall des Hauptsatzes für nilpotente Operatoren, den wir im nächsten Abschnitt beweisen wollen. Wir können also im Beweis für die Existenz der Jordan schen Normalform auch auf dieses Lemma statt auf den deutlich schwierigeren Satz verweisen. Der Satz zeigt aber ja noch viel mehr (rationale Normalform!). i=1 206

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

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

12.3 Kommutierende Abbildungen

12.3 Kommutierende Abbildungen 12.3 Kommutierende Abbildungen Definition 12.3.1 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

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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 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

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

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

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

Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie-

Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie- 1 Vorbemerkungen Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie- benen Vektoren. Wird die Matrix A = ( a 1,..., a n ) mit dem Vektor c = c 1. c n multipliziert,

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

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

Tutorium 2. 1 Der Polynomring

Tutorium 2. 1 Der Polynomring 1 Der Polynomring Tutorium 2 Wiederholung. Eine Einheit eines Rings ist ein multiplikativ invertierbares Element. Zum Beispiel sind {1, 1} die Einheiten in Z, und alle Zahlen außer der 0 in jedem Körper.

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

Musterlösungen für die Nachklausur in LinAlg vom

Musterlösungen für die Nachklausur in LinAlg vom Musterlösungen für die Nachklausur in LinAlg vom 10.10.16 1. Finden Sie mindestens ) zwei Dreh )Matrizen ) M R 2 2 mit der Eigenschaft 1 0 M = : M = ± 1 1 2 ±1 1 k k 1 k 2. Sei A R 3 3 die Matrix A = 0

Mehr

Übungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 1

Übungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 1 Übungen zur Vorlesung Lineare Algebra II, SoSe 216, Blatt 1 Mündliche Aufgaben Die Aufgaben aus diesem Blatt bestehen zu einem großen Teil aus den Aufgaben von Blatt 13 der LA1. Sie dienen vor allem der

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

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

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

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

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

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

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

6.5 Lineare Abhängigkeit, Basis und Dimension

6.5 Lineare Abhängigkeit, Basis und Dimension 6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von

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

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

Lösung zu Serie Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen

Lösung zu Serie Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen Lineare Algebra D-MATH, HS 4 Prof. Richard Pink Lösung zu Serie. Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen Polynom ist. Lösung: Das charakteristische Polynom eines

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

5. Übung zur Linearen Algebra II -

5. Übung zur Linearen Algebra II - 5. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 2. Aufgabe 7 5 A := 2. 3 2 (i) Berechne die Eigenwerte und Eigenvektoren von A. (ii) Ist A diagonalisierbar?

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

5.7 Lineare Abhängigkeit, Basis und Dimension

5.7 Lineare Abhängigkeit, Basis und Dimension 8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n

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 20 Kultur ist Reichtum an Problemen. Egon Friedell Der Interpolationssatz Satz 20.1. Es sei K ein Körper

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

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

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

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 0/06 Lineare Algebra und analytische Geometrie I Vorlesung... und ein guter Lehrer kann auch einem schlechten Schüler was beibringen Beziehung zwischen Eigenräumen Wir

Mehr

1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen

1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen Hannover, den 7. Februar 2002 Aufgabe. Übungsblatt: Lineare Algebra II Abgabe: 8./9.4.2002 in den Übungsgruppen (2, 2, 3 Punkte) Der Vektorraum V = C[, ] sei mit dem üblichen Skalarprodukt f, g = f(t)g(t)

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 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

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

8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet:

8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: 8. EIGENWERTTHEORIE I 139 8 Eigenwerttheorie I Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: K[x] = Abb[N, K] = {P ; P = a n x n + a n 1 x n 1 + + a 0 ; a

Mehr

Mathematik I. Vorlesung 18. Vielfachheiten und diagonalisierbare Abbildungen. µ λ = dim(eig λ (ϕ))

Mathematik I. Vorlesung 18. Vielfachheiten und diagonalisierbare Abbildungen. µ λ = dim(eig λ (ϕ)) Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 18 Vielfachheiten und diagonalisierbare Abbildungen Satz 18.1. Es sei K ein Körper und es sei V ein endlichdimensionaler K- Vektorraum.

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

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

Kapitel 11 Eigenwerte und Eigenvektoren

Kapitel 11 Eigenwerte und Eigenvektoren Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare

Mehr

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen Übungen zum Ferienkurs Lineare Algebra 5/6: Lösungen Darstellungsmatrizen. Bestimme die Darstellungsmatrix M B,B (f ) für die lineare Abbildung f : 3, die durch f (x, y, z) = (4x + y z, y + z) definiert

Mehr

Lineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin:

Lineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin: Lineare Algebra I - 9.Vorlesung - rof. Dr. Daniel Roggenkamp & Falko Gauß Korrektur: 2. Klausurtermin: 09.02.2017 Linearkombination von Vektoren lineare Hülle Erzeugendensystem S lineare Unabhängigkeit

Mehr

V. Lineare Algebra. 35 Lineare Abbildungen und Matrizen. 156 V. Lineare Algebra

V. Lineare Algebra. 35 Lineare Abbildungen und Matrizen. 156 V. Lineare Algebra 156 V. Lineare Algebra V. Lineare Algebra 35. Lineare Abbildungen und Matrizen 156 36. Eigenwerte und Eigenvektoren 161 37. Hauptvektoren 165 38. Normen und Neumannsche Reihe 168 39. Numerische Anwendungen

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

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018 (Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,

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

Projektive Räume und Unterräume

Projektive Räume und Unterräume Projektive Räume und Unterräume Erik Slawski Proseminar Analytische Geometrie bei Prof. Dr. Werner Seiler und Marcus Hausdorf Wintersemester 2007/2008 Fachbereich 17 Mathematik Universität Kassel Inhaltsverzeichnis

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

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

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

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

2 Ähnlichkeit von Matrizen, Eigenwerte und Eigenvektoren

2 Ähnlichkeit von Matrizen, Eigenwerte und Eigenvektoren 2 ÄHNLICHKEIT VON MATRIZEN, EIGENWERTE UND EIGENVEKTOREN 1 19. Mai 2000 2 Ähnlichkeit von Matrizen, Eigenwerte und Eigenvektoren Motivation. Es seien: V ein K-Vektorraum mit dim V = n < und F End V, Φ,

Mehr

Lineare Differentialgleichungen

Lineare Differentialgleichungen Technische Universität München Thomas Reifenberger Vorlesung, Kapitel 4 Repetitorium Analysis I für Physiker Analysis I Lineare Differentialgleichungen 1 Das Matrixexponential Definition 1.1 Sei A C n

Mehr

Lineare Algebra I/II LVA ,

Lineare Algebra I/II LVA , Lineare Algebra I/II LVA 401-1151-00,401-1152-00 Prof. G. Wüstholz, C. Fuchs Lösungen zur Basisprüfung, HS08/FS09 09.02.2010 1. a) (1 Punkt) Wir beginnen mit dem charakteristischen Polynom der Matrix A:

Mehr

Vektorräume. Kapitel Definition und Beispiele

Vektorräume. Kapitel Definition und Beispiele Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte

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 Vordiplomsprotokoll

Lineare Algebra Vordiplomsprotokoll Lineare Algebra Vordiplomsprotokoll Datum: 20.09.2006 Prüfer: Prof. Dr. Peter Müller Note: 1.0 Wie misst man die Gröÿe eines Vektorraums? Die Gröÿe eines Vektorraums ist die Dimension, d.h. die Anzahl

Mehr

Henning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich

Henning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es

Mehr

1 Darstellungsmatrizen

1 Darstellungsmatrizen Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Darstellungsmatrizen Vereinbarungen für dieses Kapitel: K Körper V und W endlich-dimensionale K-Vektorräume B = {v

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

Musterlösung Donnerstag - Determinanten und Eigenwerte

Musterlösung Donnerstag - Determinanten und Eigenwerte Musterlösung Donnerstag - Determinanten und Eigenwerte 6. März Aufgabe : Zum Aufwärmen () Zeige, dass eine nilpotente Endomorphismus nur die Null als Eigenwert hat. Hinweis: Ein Endomorphismus heißt nilpotent,

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben

Mehr

Universität Bielefeld Sommersemester Lineare Algebra 2 Übungsblatt 1

Universität Bielefeld Sommersemester Lineare Algebra 2 Übungsblatt 1 Übungsblatt 1 Abgabe bis 10:00 Uhr am Donnerstag, den 19. April 2018, im Postfach Ihrer Tutorin bzw. Ihres Tutors. Es sei K ein beliebiger Körper. Seien V und W endlich-dimensionale K-Vektorräume, mit

Mehr

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis

Mehr

Studienrichtung: Physik / technische Mathematik, Lehramt, oder andere.

Studienrichtung: Physik / technische Mathematik, Lehramt, oder andere. Lineare Algebra und Analytische Geometrie II Sommer 26 4.7.26 Erste Klausur für Studierende der Mathematik inkl. Lehramt) Zweite Klausur für Studierende der Physik Name deutlich lesbar!):.......................................................................

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

Diagonalisierbarkeit symmetrischer Matrizen

Diagonalisierbarkeit symmetrischer Matrizen ¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren

Mehr

1 Grundlagen zur Darstellungstheorie

1 Grundlagen zur Darstellungstheorie Seminar Gruppen in der Physik SS 06 Vortrag 1 Gruppen und ihr Darstellung Matthias Nagl 1 Grundlagen zur Darstellungstheorie In diesem Vortrag wird es nur um lineare Darstellungen endlicher Gruppen in

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

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

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

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

Steilkurs Lineare Algebra 1 einige wichtige Stationen

Steilkurs Lineare Algebra 1 einige wichtige Stationen Steilkurs Lineare Algebra 1 einige wichtige Stationen Für einen Körper K ist ein K-Vektorraum V eine Menge mit einer kommutativen und assoziativen Verknüpfung + : V V V, für die es ein neutrales Element

Mehr

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4

Mehr

Lineare Abbildungen. i=0 c ix i n. K n K m. linear. Wir können also jeder Matrix eine lineare Abbildung zuordnen.

Lineare Abbildungen. i=0 c ix i n. K n K m. linear. Wir können also jeder Matrix eine lineare Abbildung zuordnen. 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

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau 312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind

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