3.4 Trigonalisierung und Jordansche Normalform
|
|
- Helene Winter
- vor 5 Jahren
- Abrufe
Transkript
1 3.4 Trigonalisierung und Jordansche Normalform Definition 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 ist, so kann man die Einschränkung F U : U U als Element in End K (U) auffassen. (2) Falls so ein F -invarianter Unterraum U Dimension 1 hat, so existiert λ K mit U Eig(F, λ). (3) λ K: Eig(F, λ) ist F -invariant. Lemma Sei V ein K-Vektorraum, dim V = n <, und sei U V ein F -invarianter Unterraum. (a) Sei E : e 1,..., e k Basis von U, die zu einer Basis E : e 1,..., e k, e k+1,..., e n von V ergänzt werde. Dann gilt: ( ) A C ME E (F ) = 0 B wobei A = M E E (F U) M k (K), B M n k (K), C M k (n k) (K) und 0 M (n k) k (K) die Nullmatrix. (b) Für die charakteristischen Polynome gilt P F = P A P B. Definition Sei V ein K-Vektorraum, F End K (V ). Eine F -invariante Zerlegung von V ist eine Zerlegung der Form V = U 1 U 2... U r mit r 2 und F -invarianten U i. Bemerkung. (1) Falls in so einer direkten Summe U i = {0} für ein i, so kann dieses U i aus der direkten Summe entfernt werden. Wir sind an nicht-trivialen solchen Zerlegungen interessiert, also Zerlegungen mit dim U i > 0 ( i). (2) Seien V endlich-dimensional, F End K (V ) und V = U 1 U 2... U r eine nicht-triviale F -invariante Zerlegung, und sei E i Basis von U i und sei E : E 1,..., E r die (aneinandergereihte) Basis von V. Mit A i := M E i E i (F Ui ) gilt dann A 1 ME E A 2, A r wobei hier ausserhalb der diagonal aneinandergereihten Blöcke A i nur Nullen stehen. 1
2 Ziel: Sei V ein K-Vektorraum, dim V = n <, F End K (V ). Finde eine Basis E, sodass sich ME E (F ) wie in vorheriger Bemerkung mit möglichst einfachen Blöcken darstellen lässt, und wo diese Blöcke bis auf ihre Reihenfolge in gewisser Weise eindeutig durch F bestimmt sind. Bemerkung und Beispiele Sei V ein K-Vektorraum, dim V = n <, F End K (V ). Folgende Fälle bzgl. der (Un)Möglichkeit F -invarianter Zerlegungen können auftreten. (1) Es gibt keinen F -invarianten Unterraum U mit {0} U V. Beispiel: Drehung in der Ebene R 2 um einen Winkel ungleich 2πn, π+2πn, n Z. (2) Es gibt einen F -invariante Unterraum U mit {0} = U V, es gibt aber nicht zwei solche F -invariante Unterräume {0} = U 1, U 2 V mit V = U 1 U 2. Beispiel: F : R 2 R 2 : x ( ) x. (3) Es existiert eine nicht-triviale F -invariante Zerlegung V = U 1 U 2. Beispiel: Jedes F : R 2 R 2 mit zwei verschiedenen Eigenwerten. Definition (1) Sei V ein K-Vektorraum, dim V = n <, F End K (V ). F ist trigonalisierbar falls eine Basis E von V existiert, sodass ME E(F ) eine obere Dreiecksmatrix ist. (2) A M n (K) ist trigonalisierbar falls A ähnlich zu einer oberen Dreiecksmatrix ist. Bemerkung. (1) F End K (V ) trigonalisierbar ME E (F ) trigonalisierbar für jede Basis E von V. (2) A M n (K) trigonalisierbar L A trigonalisierbar (wie üblich L A : K n K n : x A x, L A End K (K n )). Satz Sei V ein K-Vektorraum, dim V = n <, F End K (V ). Dann sind äquivalent: (i) F trigonalisierbar; (ii) es existiert eine sogenannte Fahne von F -invarianten Unterräumen mit dim V i = i, 0 i n. {0} = V 0 V 1 V 2... V n 1 V n = V 2
3 Satz Sei V ein K-Vektorraum, dim V = n <, F End K (V ). Dann sind äquivalent: (i) F trigonalisierbar mit λ 1,..., λ n K in der Diagonalen einer Darstellungsmatrix in oberer Dreiecksform; (ii) Das charakteristische Polynom P F zerfällt in Linearfaktoren: P F (X) = ( 1) n n i=1 (X λ i). Definition Sei R ein Ring. Ein Element x R heißt nilpotent falls ein m N existiert mit x m = 0. Bemerkung. Da End K (V ) bzw. M n (K) Ringe sind, kann man von nilpotenten Endomorphismen bzw. nilpotenten Matrizen sprechen. Lemma Sei V ein K-Vektorraum, F End K (V ). Falls F nilpotent ist, so ist 0 ein Eigenwert von F, und es ist der einzige Eigenwert von F. Lemma Sei V ein K-Vektorraum, dim V = n <, F End K (V ). Falls F nilpotent ist, so ist F trigonalisierbar, wobei die Elemente in der Diagonalen einer Darstellungsmatrix von F in oberer Dreiecksform alle gleich 0 sind. Insbesondere gilt P F (X) = ( 1) n X n. Korollar Sei V ein K-Vektorraum, 1 dim V = n <, N End K (V ) nilpotent, λ K, F := λ id V +N End K (V ). Dann ist F trigonalisierbar, wobei die Elemente in der Diagonalen einer Darstellungsmatrix von F in oberer Dreiecksform alle gleich λ sind, d.h. λ... ME E λ Insbesondere gilt P F (X) = ( 1) n (X λ) n. Lemma Sei V ein K-Vektorraum, dim V = n <, G End K (V ). Dann gilt {0} Kern(G) Kern(G 2 ) Kern(G 3 )... und es gibt ein k n mit Kern(G l ) = Kern(G k ) l k. Satz und Definition Sei V ein K-Vektorraum, 1 dim V = n <, und sei λ K ein Eigenwert von F. 3
4 (a) k n mit Kern((F λ id V ) l ) = Kern((F λ id V ) k ) l k. Der Unterraum Hr(F, λ) := Kern((F λ id V ) k ) ist F -invariant und heißt Hauptraum von F zum Eigenwert λ. (b) F λ := H Hr(F,λ) End K (Hr(F, λ)) ist von der Form F λ = λ id Hr(F,λ) +N mit N End K (Hr(F, λ)) nilpotent. Insbesondere ist F λ trigonalisierbar mit einzigem Eigenwert λ, und P Fλ (X) = ( 1) m (X λ) m, wobei m = dim Hr(F, λ). Satz Sei V ein K-Vektorraum, dim V = n <, F End K (V ). Seien λ 1,..., λ s verschiedene Eigenwerte von F. Dann gilt s i=1 Hr(F, λ i) = s i=1 Hr(F, λ i). Lemma Sei A M n (K) eine obere Dreiecksmatrix, in der die Diagonalelemente all gleich 0 sind. Dann gilt A n = 0. Satz Sei V ein K-Vektorraum, dim V = n <, F End K (V ). Angenommen P F zerfällt vollständig in Linearfaktoren und wir haben P F (X) = ( 1) n r i=1 (X λ i) m i, wobei die λ 1,..., λ r alle verschieden sind (und r i=1 m i = n). Dann gilt: V = r Hr(F, λ i ) mit dim Hr(F, λ i ) = m i. i=1 Insbesondere gibt es eine Basis E von V sodass A 1 ME E A 2, A r mit λ i A i =.... M m i (K) λ i und wobei ausserhalb der diagonal aneinandergereihten Blöcke A i nur Nullen stehen. 4
5 Definition Eine Jordanmatrix ist eine quadratische Matrix der Form λ λ 1... J n (λ) =. 0 M n (K) λ Wir schreiben einfach J n statt J n (0). Satz (Normalform nilpotenter Endomorphismen). Sei V ein K-Vektorraum, dim V = n <, N End K (V ) nilpotent. Dann existiert eine Basis E von V sodass ME E (N) = J s1 J s2 J sr wobei hier ausserhalb der diagonal aneinandergereihten Blöcke J si nur Nullen stehen. Die s i sind bis auf die Reihenfolge eindeutig bestimmt (d.h. ist E eine Basis, in der ME E (F ) von obiger Gestalt mit Jordanblöcken J t 1,..., J tq ist, so ist r = q und, gegebenenfalls nach Umnummerierung, s i = t i.) Zusatz. Die obigen s i lassen sich wie folgt berechnen. Betrachte Kern(N 0 ) = {0} Kern(N) Kern(N 2 )... Kern(N n ) = V (wir wissen dass N l = 0 für großes l und Kern(N l ) = Kern(N n ) für l n). Sei m i = dim(kern(n i )), also 0 = m 0 m 1 m 2... m n = n. Dann gilt: r i Blöcke vom Typ J i in obiger Matrix genau dann wenn r 1 + r 2 + r r n = m 1 r 1 + 2r 2 + 2r r n = m 2 r 1 + 2r 2 + 3r r n = m 3.. r 1 + 2r 2 + 3r nr n = m n D.h. r = (r 1,..., r n ) ist Lösung des LGS m m m n 1 n m n 5
6 Falls m 1,..., m n N schon bekannt, so kann man dieses LGS lösen und mit den bekannten Lösungsmethoden zeigt man, dass es dann ein eindeutiges r Z n (sogar notwendigerweise in N n 0) gibt, welches dieses LGS löst (Übung). Dies zeigt dann auch die Eindeutigkeit der s i (bis auf die Reihenfolge). Bemerkung. Falls in gilt N k = 0 aber N k 1 0, so gibt es in der dortigen Matrix mindestens ein s i mit s i = k, aber es gibt kein s j > k. Korollar Sei V ein K-Vektorraum, dim V = n <, N End K (V ) nilpotent, λ K und F = λ id V +N. Dann existiert eine Basis E von V sodass J s1 (λ) ME E J s2 (λ)... J sr(λ) wobei hier ausserhalb der diagonal aneinandergereihten Blöcke J si (λ) nur Nullen stehen. Die s i sind bis auf die Reihenfolge eindeutig bestimmt Satz und Definition (Hauptsatz über die Jordansche Normalform). Sei (a) V ein K-Vektorraum, dim V = n <, F End K (V ), oder (b) F M n (K). Angenommen P F zerfällt in Linearfaktoren. Dann gilt: (a) Es gibt eine Basis E von V sodass J s1 (λ 1 ) ME E J s2 (λ 2 ) J sr(λ r ) wobei hier ausserhalb der diagonal aneinandergereihten Blöcke J si (λ i ) nur Nullen stehen. Die Paare (s i, λ i ) sind bis auf die Reihenfolge eindeutig bestimmt. (b) F ist ähnlich zu einer wie in (a) beschriebenen Blockmatrix. Die Paare (s i, λ i ) sind bis auf die Reihenfolge eindeutig bestimmt. Eine wie in (a) beschriebenen Blockmatrix heißt Jordansche Normalform (JN) von F. Bemerkung. Über C zerfallen Polynome immer in Linearfaktoren. Also besitzt jede Matrix in M n (C) bzw. jeder Endomorphismus in End C (V ) (wobei dim V < ) eine Jordansche Normalform. 6
7 Algorithmus zur Bestimmung der JN von Matrizen Sei A M n (K). (1) Berechne das charakteristische Polynom P A (X) und bestimme, ob es in Linearfaktoren zerfällt. Falls nicht, so existiert keine JN. (2) Falls P A (X) in Linearfaktoren zerfällt, berechne für jede Nullstelle λ in P A (X) deren Vielfachheit m = m(p A, λ) (siehe ). (3) Berechne für jede solche Nullstelle λ die Dimension m λ,i des Lösungsraums des LGS ( (A λi n ) i 0 ), und zwar für 1 i m, wobei dann gilt 1 m λ,1 m λ,2... m λ,m = m. Nach dem Zusatz zu lässt sich nun die Anzahl r k der Blöcke vom Typ J k (λ) berechnen. Man beachte hierbei: Zur Berechnung der Dimensionen m λ,i reicht es, zunächst Rang(A λi n ) i zu berechnen. Dann gilt nach Korollar 2.5.8: m λ,i = n Rang(A λi n ) i. Es gibt sicher ein i m mit m λ,i = m. Sobald man bei so einem i angelangt ist mit m λ,i = m, so gilt notwendigerweise m λ,i+1 = m λ,i+2 =... = m λ,m = m (diese Werte muss man also nicht mehr langwierig berechnen). Es kann nur Jordanblöcke J k (λ) geben mit k m. Für die Anzahlen r k der Blöcke vom Typ J k (λ), 1 k m muss man schließlich die (eindeutige) Lösung (r 1, r 2,..., r m ) des LGS m λ, m λ, m λ, m 1 m m λ,m = m bestimmen. 7
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
MehrTrigonalisierung. 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
Mehr23. 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,
MehrEigenwerttheorie. 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,
MehrKAPITEL 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
Mehr5.2 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.
MehrLineare 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)
Mehr12.3 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
MehrLineare 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
MehrTutorium 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() =
MehrHeinrich 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
Mehr2.11 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
Mehr29 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
MehrEigenwerte 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
Mehr3.7 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,
MehrLineare 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
MehrLineare 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
MehrLineare 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
Mehr4.4 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.
Mehr6.3 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 +
MehrLineare 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
MehrAusgewählte 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
MehrMusterlösung 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
Mehr5.4 Affine Abbildungen in C 2 und R 2
5.4 Affine Abbildungen in C 2 und R 2 Notation. Wir erinnern an die affine Ähnlichkeit von Matrizen (5.3.(ii)): L, L n (K). Dann: L a L 2 falls C AGL n (K) mit C L 2 C = L. Die aus 3.2.9 bekannte übliche
MehrBasisprüfung. 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
MehrLineare 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
Mehr7.3 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
MehrAlle 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,
MehrLösungsskizzen 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)
MehrProseminar 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
Mehr6 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,
Mehr5.4 Affine Abbildungen in C 2 und R 2
5.4 Affine Abbildungen in C 2 und R 2 Notation. Wir erinnern an die affine Ähnlichkeit von Matrizen (5.3.8): L 1, L 1 AM n (K). Dann: L 1 a L 2 falls C AGL n (K) mit C 1 L 2 C = L 1. Die aus 3.2.9 bekannte
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:
MehrTutorium 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.
MehrSerie 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
Mehr5.3 Typen und Klassifikation affiner Abbildungen
53 Typen und Klassifikation affiner Abbildungen Definition 531 Sei A ein AR und Aff(A) die Gruppe der Affinitäten von A τ Aff(A) heißt Translation falls p, q A gilt: pτ(p) = qτ(q) Der dann von der Wahl
MehrKlausur 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
MehrMusterlösungen 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
Mehr5.3 Typen und Klassifikation affiner Abbildungen
53 Typen und Klassifikation affiner Abbildungen Definition 531 Sei A ein AR und Aff(A) die Gruppe der Affinitäten von A τ Aff(A) heißt Translation falls p, q A gilt: pτ(p) = qτ(q) Der dann von der Wahl
MehrWiederholungsserie 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
MehrÜbungsblatt
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
Mehr2 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,
Mehr3.3 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.
Mehr6 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,
MehrBerechnung der Determinante
Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,
Mehr4.4 Hermitesche Formen
44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung
MehrAufgaben 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
MehrKapitel 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
MehrLösung 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
MehrKapitel 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
MehrKLAUSUR 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
MehrKapitel 5. Endomorphismen von Vektorräumen. 5.4 Die jordansche Normalform
Kapitel 5 c M. Roczen und H. Wolter Preview zur aktuellen Fassung: Lineare Algebra individuell Online Ver. 0.52, 15.5.2005 Alle Rechte vorbehalten Endomorphismen von Vektorräumen V 0 sei ein Vektorraum
Mehr7.2 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.)
MehrKontrollfragen und Aufgaben zur 4. Konsultation
1 Technische Universität Ilmenau Fakultät für Mathematik und Naturwissenschaften Institut für Mathematik Dr. Jens Schreyer und Prof. Dr. Michael Stiebitz Kontrollfragen und Aufgaben zur 4. Konsultation
Mehr5. 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?
MehrUniversität 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
MehrTECHNISCHE 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
MehrKapitel 5 : Eigenwerte und Eigenvektoren
Kapitel 5 : Eigenwerte und Eigenvektoren 5.1 Definition und allgemeine Eigenschaften Definition 5.1 Sei A eine quadratische (n n)-matrix. λ C heißt Eigenwert von A, wenn ein Vektor x C n mit x 0 existiert,
Mehr5.3 Darstellungsmatrizen affiner Abbildungen
5.3 Darstellungsmatrizen affiner Abbildungen Definition 5.3.1. Seien A und B endlich-dimensionale ARs mit dim A n, dim B m und KS E : (p 0,..., p n ) von A und KS F : (q 0,..., q m ) von B. Sei α : A B
MehrSommer 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
Mehrr (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,
Mehr1. 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
MehrSerie 1: Eigenwerte & Eigenvektoren
D-MATH Lineare Algebra II FS 2017 Dr. Meike Akveld Serie 1: Eigenwerte & Eigenvektoren 1. Beweisen oder widerlegen Sie, dass die folgenden Paare von Matrizen über dem angegebenen Körper zueinander ähnlich
MehrLineare 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
MehrLösungsskizze zur Wiederholungsserie
Lineare Algebra D-MATH, HS Prof. Richard Pink Lösungsskizze zur Wiederholungsserie. [Aufgabe] Schreibe die lineare Abbildung f : Q Q 5, x +x +x x x +x +6x f x := x +x +8x x x +x +x. x +x +5x als Linksmultiplikation
MehrLineare 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-
MehrNormalformen. 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
Mehr4 Determinanten, Eigenwerte, Diagonalisierung, Jordansche Normalform
Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Donnerstag WS 2/2 4 Determinanten, Eigenwerte, Diagonalisierung, Jordansche Normalform 4 Determinanten 4 Definition
MehrLineare 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
Mehr6 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
Mehr4 Funktionenfolgen und normierte Räume
$Id: norm.tex,v 1.57 2018/06/08 16:27:08 hk Exp $ $Id: jordan.tex,v 1.34 2018/07/12 20:08:29 hk Exp $ 4 Funktionenfolgen und normierte Räume 4.7 Kompakte Mengen Am Ende der letzten Sitzung hatten wir zwei
MehrLineare 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
MehrKLAUSUR 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,...,
MehrLösung zu Serie 20. Die Menge der Polynome vom Grad 4 ohne Nullstelle ist gegeben durch
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pin Lösung zu Serie 20 1. (a) Bestimme alle irreduziblen Polynome vom Grad 4 in F 2 [X]. (b) Bestimme die Fatorisierung von X 6 + 1 und X 10 + 1 und X 20 +
MehrSerie 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
Mehrm 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
MehrVI.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
Mehr1. 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)
MehrLineare 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
MehrLineare 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
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrLineare 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
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
Mehr12 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
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
MehrLineare 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
Mehr1 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
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2016
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 26 L I N E A R E A L G E B R A F Ü R T P H, U E (3.64) 2. Haupttest (FR, 2..27) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
MehrLineare Algebra II 12. Übungsblatt
Lineare Algebra II 12. Übungsblatt Fachbereich Mathematik SS 2011 Prof. Dr. Kollross 13. / 14. Juli 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Probeklausur) Sprechen Sie über die Probeklausur
MehrLineare 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
MehrLineare 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,
MehrTrigonalisierung einer Matrix Version ( )
Trigonalisierung einer Matrix Version (21.05.04) > with(linalg): > B:=matrix(4,4,[3,-1,1,-1, 2,1,0,-2, -1,0,4,0, 1,-1,0,2]); 3 1 1 1 B := 2 1 0 2 1 0 4 0 1 1 0 2 B ist Darstellungsmatrix des Endomorphismus
MehrMusterlösung 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,
Mehr1 Die Jordansche Normalform
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 4/5 A Die Jordansche Normalform Vierter Tag (9.03.205) Im Zusammenhang mit der Lösung komplexer Differentialgleichungssysteme
MehrLineare 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
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
Mehr2.3 Basis und Dimension
23 Basis und Dimension Erinnerung Gegeben ein K-Vektorraum V, ein Vektorensystem x,, x n in V Eine Linearkombination in den x i ist ein Vektor der Form λ x + + λ n x n mit λ i K Die λ i heißen Koeffizienten
MehrLineare Algebra. 13. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 3. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 29, 27 Erinnerung Satz. Axiomatischer Zugang, Eigenschaften der Determinante. Die Abbildung det :
Mehr