VI.3. JORDAN SCHE NORMALFORM 167
|
|
- Michael Schräder
- vor 6 Jahren
- Abrufe
Transkript
1 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 ϕ zum Eigenwert λ verstehen wir den Teilraum Ẽ λ := { v V N N : (ϕ λidv N (v = } = N ker ( (ϕ λid V N Beachte dass Ẽλ wegen der offensichtlichen Inklusionen ker ( (ϕ λid V N ker ( (ϕ λid V N+ tatsächlich einen Teilraum von V bildet der den Eigenraum zum Eigenwert λ enthält E λ Ẽλ Unter den verallgemeinerten Eigenräumen einer Matrix A M n n (K verstehen wir die verallgemeinerten Eigenräume der damit assoziierten linearen Abbildung K n K n x Ax VI3 Beispiel Die reelle Matrix A = hat charakteristisches Polynom p = (5 z 3 und daher nur einen Eigenwert λ = 5 mit algebraischer Vielfachheit 3 Der entsprechende Eigenraum E 5 = ker(a 5I = e ist ein dimensional Da A 5I 3 = ( (A 5I 3 = ( (A 5I 3 3 = ( ist der verallgemeinerte Eigenraum Ẽ5 = ker((a 5 3 = K 3 echt größer als E 5 VI33 Beispiel Die reelle Matrix A = ( hatcharakteristisches Polynomp = (3 z 4 (5 z also zwei Eigenwerte nämlich λ = 3 mit algebraischer Vielfachheit 4 und λ = 5 mit algebraischer Vielfachheit Aus ( ( A 3I 5 = (A 3I 5 = 4 4 erhaltenwir E 3 = ker(a 3I = e e 3 undẽ3 = ker ( (A 3I = e e e 3 e 4 der verallgemeinerte Eigenraum ist daher echt größer als der Eigenraum Ebenso A 5I 5 = (A 5I 5 = ( und daher E 5 = Ẽ5 = ker(a 5I = e 5 e 6 für diesen Eigenwert stimmt der verallgemeinerte Eigenraum also mit dem Eigenraum überein Wir untersuchen zunächst verallgemeinerte Eigenräume zum Eigenwert
2 68 VI EIGENWERTE UND EIGENVEKTOREN VI34 Lemma Sei V ein n-dimensionaler Vektorraum über einem Körper K und ϕ: V V linear Dann existiert N {n} sodass Es gilt dann für jedes k N Darüber hinaus gilt ker(ϕ N = ker(ϕ N+ ker(ϕ N = ker(ϕ N+k und img(ϕ N = img(ϕ N+k V = ker(ϕ N img(ϕ N und diese Zerlegung ist invariant unter ϕ dh ϕ ( ker(ϕ N ker(ϕ N und ϕ ( img(ϕ N img(ϕ N Weiters ist die Einschräkung ϕ ker(ϕ N : ker(ϕ N ker(ϕ N triangulierbar mit als einzigem Eigenwert und die Einschränkung ϕ img(ϕ N : img(ϕ N img(ϕ N ist invertierbar Bezeichnet m die algebraische Vielfachheit des Eigenwerts von ϕ so ist dim ( ker(ϕ N = m ker(ϕ N = ker(ϕ m und img(ϕ N = img(ϕ m Schließlich existiert eine Basis B von V sodass ( A [ϕ] BB = A = C M m m(k C GL n m (K Beweis Betrachte die aufsteigende Kette von Teilräumen: {} = ker(id V = ker(ϕ ker(ϕ ker(ϕ ker(ϕ n ker(ϕ n+ V Indirekt angenommen ker(ϕ N ker(ϕ N+ für alle N {n} Dann gilt wir erhalten dimker(ϕ N < dimker(ϕ N+ N = n = dimkerϕ < dimkerϕ < dimkerϕ < < dimkerϕ n < dimkerϕ n+ und somit dimker(ϕ n+ n + Da dies dimker(ϕ n+ dim(v = n widerspricht muss also ein N {n} mit ker(ϕ N = ker(ϕ N+ existieren Wir zeigen nun ker(ϕ N = ker(ϕ N+k mittels Induktion nach k Der Induktionsanfang k = ist trivial Für den Induktionsschritt sei nun k Da offensichtlich ker(ϕ N ker(ϕ N+k genügt es die umgekehrte Inklusion ker(ϕ N ker(ϕ N+k zu zeigen Sei dazu v ker(ϕ N+k Dann gilt ϕ N+ (ϕ k (v = ϕ N+k (v = also ϕ k (v ker(ϕ N+ = ker(ϕ N und daher v ker(ϕ N+k = ker(ϕ N wobei
3 VI3 JORDAN SCHE NORMALFORM 69 wir im letzten Gleichheitszeichen die Induktionsvoraussetzung verwendet haben Damit ist ker(ϕ N = ker(ϕ N+k gezeigt Insbesondere gilt dim(ker(ϕ N = dim(ker(ϕ N+k und wegen der Dimensionsformel dim(v = dim(ker(ϕ l +dim(img(ϕ l auch dim(img(ϕ N = dim(img(ϕ N+k für alle k N Da img(ϕ N+k img(ϕ N folgt img(ϕ N = img(ϕ N+k Wir zeigen nun ker(ϕ N img(ϕ N = {} (VI Sei dazu v ker(ϕ N img(ϕ N Dann existiert w V sodass v = ϕ N (w Somit ϕ N+N (w = ϕ N (v = also w ker(ϕ N+N = ker(ϕ N Dies bedeutet v = ϕ N (w = Damit ist (VI gezeigt Zusammen mit der Dimensionsformel dim(v = dim(ker(ϕ N +dim(img(ϕ N folgt dass V direkte Summe der Teilräume ker(ϕ N und img(ϕ N ist Die Invarianz der Zerlegung ist offensichtlich denn ϕ(ker(ϕ N ker(ϕ N ker(ϕ N und ϕ(img(ϕ N = img(ϕ N+ = img(ϕ N Daraus folgt auch dass die Einschränkungϕ img(ϕ : img(ϕ N img(ϕ N surjektivalsoinvertierbaristwähle N eine Basis b b k von ker(ϕ ergänze sie zu einer Basis b b k b k von ker(ϕ ergänze weiter zu einer Basis b b k b k b k3 von ker(ϕ 3 usw bis wir bei einer Basis B := (b b k von ker(ϕ N angelangt sind wobei k := dim(ker(ϕ N Bezüglich dieser Basis hat ϕ ker(ϕ N folgende Blockdiagonalgestalt: A := [ϕ ker(ϕ N ] B B = M k k(k (VI Dies zeigt dass die Einschränkung ϕ ker(ϕ N triangulierbar ist mit als einzigem Eigenwert Sei nun b k+ b n eine Basis von img(ϕ N und betrachte die Basis B := (b b n von V Da ϕ auf img(ϕ N invertierbar ist gilt ( A [ϕ] BB = C mit obigem A und C GL n k (K Insbesondere ist nicht Eigenwert von C Nach Lemma VI4(d gilt p ϕ = p A p C also muss der Eigenwert von A algebraische Vielfachheit m haben und wir erhalten k = m vgl (VI Daraus folgt nun auch A m = also [ϕ m ] BB = ( C m mit Cm GL n m (K Daraus lesen wir ker(ϕ N = ker(ϕ m und img(ϕ N = img(ϕ m ab Damit ist der Beweis des Lemmas vollständig
4 7 VI EIGENWERTE UND EIGENVEKTOREN Aus dem vorangehenden Lemma erhalten wir sofort eine analoge Aussage über verallgemeinerte Eigenräume zu beliebigen Eigenwerten: VI35 Lemma Sei V ein n-dimensionaler Vektorraum über einem Körper K und ϕ: V V linear Weiters sei λ Eigenwert von ϕ mit algebraischer Vielfachheit m und verallgemeinerten Eigenraum Ẽλ Dann gilt dim(ẽλ = m und Ẽ λ = ker ( (ϕ λid V m Weiters existiert ein invarianter komplementärer Teilraum W dh V = Ẽλ W ϕ(ẽλ Ẽλ ϕ(w W Darüber hinaus ist die Einschränkung ϕ Ẽλ : Ẽ λ Ẽλ triangulierbar mit λ als einzigen Eigenwert und λ ist kein Eigenwert der Einschräkung ϕ W : W W dh σ(ϕ Ẽλ = {λ} und σ(ϕ W = σ(ϕ\{λ} Schließlich existiert eine Basis B von V sodass λ ( A λ [ϕ] BB = A = C M m m(k λ und C M (n m (n m (K mit σ(c = σ(ϕ\{λ} Beweis Beachte dass Eigenwert der linearen Abbildung ϕ λid V : V V (VI3 ist und algebraische Vielfachheit m besitzt Wenden wir Lemma VI34 auf diese lineare Abbildung an so folgt dim(ẽλ = m Ẽ λ = ker ( (ϕ λid V m und der Teilraum W := img ( (ϕ λid V m bildet ein Komplement V = Ẽλ W Dabeide Teilräume unter ϕ λid V invariant sind sind sie auchinvariant unter ϕ dh ϕ(ẽλ Ẽλ und ϕ(w W Nach Lemma ist (ϕ λid V Ẽλ triangulierbar mit als einzigen Eigenwert Somit ist auch ϕ Ẽλ triangulierbar mit λ als einzigen Eigenwert insbesondere gilt σ(ϕ Ẽλ = {λ} Nach Lemma ist (ϕ λid V W invertierbar folglich ist λ kein Eigenwert von ϕ W dh λ / σ(ϕ W Aus der Invarianz der Zerlegung folgt σ(ϕ = σ(ϕ Ẽλ σ(ϕ W also σ(ϕ W = σ(ϕ\{λ} Sei nun B eine Basis von V wie in Lemma VI34 dh [ϕ λid V ] BB = (Ã Ã = C M m m(k
5 VI3 JORDAN SCHE NORMALFORM 7 und C GL n m (K Dann hat [ϕ] BB die Form (VI3 wobei A = Ã+λI m und C = C +λi n m VI36 Bemerkung Betrachte nochmals die Matrix A aus Beispiel VI33 Sie hat λ = 3 als Eigenwert mit algebraischer Vielfachheit 4 Nach dem vorangehenden Lemma muss Ẽ3 = ker ( (A 3I 4 gelten Weiter oben haben wir gesehen dass in diesem Fall sogar Ẽ3 = ker ( (A 3I gilt IA ist daher die algebraische Vielfachheit m eines Eigenwerts λ nicht die minimale Zahl mit Ẽ λ = ker ( (A λi m VI37 Satz (Primärzerlegung Sei V ein n-dimensionaler Vektorraum über einem Körper K und ϕ: V V linear Weiters bezeichnen λ λ k alle (paarweise verschiedenen Eigenwerte m m k ihre algebraischen Vielfachheiten und Ẽλ Ẽλ k die entsprechenden verallgemeinerten Eigenräume Dann gilt dim(ẽλ i = m i und Ẽ λi = ker ( (ϕ λ i id V m i (VI4 für alle i = k Darüber hinaus existiert ein invarianter Teilraum W sodass V = Ẽλ Ẽλ k W ϕ(ẽλ i Ẽλ i ϕ(w W (VI5 Die Einschränkung ϕ Ẽλi : Ẽ λi Ẽλ i ist triangulierbar mit λ i als einzigen Eigenwert und ϕ W hat keine Eigenwerte also σ(ϕ Ẽλi = {λ i } und σ(ϕ W = Schließlich existiert eine Basis B von V sodass A λ i [ϕ] BB = Ak wobei A λ i = i M m i m i (K A λ i und A M m m (K keineeigenwertebesitzt σ(a = und m = n m m k Zerfällt das charakteristische Polynom von ϕ in Linearfaktoren (etwa weil K algebraisch abgeschlossen ist dann ist W = {} V = Ẽλ Ẽλ k und der letzte Block in der Matrixdarstellung A tritt nicht auf dh m = Beweis Wir gehen mittels Induktion nach der Anzahl der verschiedenen Eigenwerte vor Der Induktionsanfang σ(ϕ = ist trivial Für den Induktionsschritt sei nun λ ein Eigenwert von ϕ Nach Lemma VI35 existiert ein komplementärer Teilraum W sodass V = Ẽλ W ϕ(ẽλ Ẽλ ϕ(w W (VI6 Bezeichnet ϕ := ϕ W : W W die Einschränkung so gilt weiters σ(ϕ Ẽλ = {λ } und σ(ϕ = {λ λ n }
6 7 VI EIGENWERTE UND EIGENVEKTOREN Nach Induktionsvoraussetzung existiert ein Teilraum W von W sodass W = Ẽ λ Ẽ λ k W ϕ (Ẽ λ i Ẽ λ i ϕ (W W σ(ϕ W = wobei Ẽ λ i die verallgemeinerten Eigenräume von ϕ bezeichnen Offensichtlich ist Ẽ λ i Ẽλ i es gilt aber auch die umgekehrte Inklusion Ẽ λi Ẽ λ i für jedes i = k Sei dazu v Ẽλ i und N so dass (ϕ λ i id V N v = Bezeichnet v = e + w die eindeutige Zerlegung mit e Ẽλ und w W dann folgt (ϕ λ i id V N e = = (ϕ λ i id V N w wegen der Invarianz der Zerlegung (VI6 Da λ i nicht Eigenwert von ϕ Ẽλ ist muss e = gelten und daher v = w Ẽ λ i Dies zeigt Ẽ λ i = Ẽλ i und daher die invariante Zerlegung (VI5 Zerfällt das charakteristische Polynom in Linearfaktoren dann muss W = {} gelten da ja σ(ϕ W = Wählen wir Basen von Ẽλ i wie in Lemma VI35 und vereinigen diese mit einer Basis von W so erhalten wir eine Basis B von V bezüglich der die Matrixdarstellung [ϕ] BB die gewünschte Form hat Daraus erhalten wir sofort: VI38 Korollar Sei V ein endlich dimensionaler Vektorraum über einem Körper K und ϕ: V V linear Weiters bezeichnen λ λ k alle (paarweise verschiedenen Eigenwerte und Ẽλ Ẽλ k die entsprechenden verallgemeinerten Eigenräume Dann sind äquivalent: (a Das charakteristische Polynom p ϕ zerfällt über K in Linearfaktoren (b V = Ẽλ Ẽλ k (c dim(v = k i= dim(ẽλ i VI39 Beispiel Wir wollen die Primärzerlegung der Matrix 5 4 A = bestimmen Für das charakteristische Polynom erhalten wir 5 z 4 z p = det 3 z 6 6 z 6 4 z = det 5 z 4 z det( 6 z = (3 z 4 z 3 (5 z 3 z
7 VI3 JORDAN SCHE NORMALFORM 73 also σ(a = {35} Dann ist A 5I = (A 5I = 4 6 also E 5 = ker(a 5I = ( Ẽ 5 = ker ( (A 5I = ( siehe (VI4 Analog 4 A 3I = 6 3 (A 3I = also und E 3 = ker(a 3I = Ẽ 3 = ker ( (A 3I = ( ( Bezeichnen wir die gewonnene Basis von V mit B = ( ( ( ( ( ( 3 3 und die entsprechende Basiswechselmatrix mit S = T EB = 3 3 dann gilt [A] BB = S AS = die gesuchte Primärzerlegung von A ( ( (
8 74 VI EIGENWERTE UND EIGENVEKTOREN VI3 Satz (Caley Hamilton Sei V ein endlich dimensionaler Vektorraum über einem Körper K und ϕ: V V eine lineare Abbildung mit charakteristischem Polynom p Dann gilt p(ϕ = Beweis Wir werden dies nur für algebraisch abgeschlossene Körper zeigen der allgemeine Fall lässt sich dann durch Übergang zum algebraischen Abschluss von K beweisen Sei also K algebraisch abgeschlossen Es bezeichnen λ λ k alle verschiedenen Eigenwerte m m k ihre algebraischen Vielfachheiten und Ẽ λi die entsprechenden verallgemeinerten Eigenräume Für das charakteristische Polynom gilt dann p = (λ z m (λ k z m k und daher Nach Satz VI37 ist p(ϕ = (λ id V ϕ m (λ k id V ϕ m k V = Ẽλ Ẽλ k und ϕ(ẽλ i Ẽλ i Schränken wir p(ϕ: V V auf den Teilraum Ẽλ k V ein erhalten wir p(ϕ Ẽλk = (λ id V ϕ m (λ k id V ϕ m k Ẽλk = }{{} = siehe (VI4 Da die Faktoren (λ i id V ϕ m i miteinander kommutieren gilt auch und wir erhalten analog p(ϕ Ẽλi = (λ id V ϕ m (λ i id V ϕ m i Ẽλi = }{{} = p(ϕ Ẽλi = i = k Nachdem die Teilräume Ẽλ Ẽλ k ganz V aufspannen folgt p(ϕ = VI3 Bemerkung Ist A M n n (K und bezeichnet p das charakteristische Polynom von A dann gilt p(a = Dies folgt sofort aus aus Satz VI3 siehe auch Aufgabe 6 Etwa hat die Matrix A = 6 4 charakteristisches Polynom p = z 3 + 7z 6z + = ( z (3 z und es gilt tatsächlich p(a = A 3 +7A 6A+I 3 ( = = + ( ( ( ( 6 4 ( ( ( = (
9 VI3 JORDAN SCHE NORMALFORM 75 VI3 Bemerkung Es scheint verlockend den Beweis von Satz VI3 wie folgt kürzer zu führen: Da p(z = det(a zi n ist p(a = det(a AI n = det(a A = det( = Dies ist jedoch kein korrekter Beweis! Das Problem liegt beim vermeintlichen Gleichheitszeichen p(a = det(a AI n denn auf der linken Seite steht eine Matrix p(a wohingegen auf der rechten Seite der Skalar det(a AI n steht VI33 Definition (Nilpotente Abbildungen Sei V ein endlich dimensionaler K-Vektorraum Eine lineare Abbildung ϕ: V V wird nilpotent genannt falls N N existiert sodass ϕ N = Eine Matrix A M n n (K wird nilpotent genannt wenn die damit assoziierte lineare Abbildung K n K n x Ax nilpotent ist Dies ist genau dann der Fall wenn A N = für ein N N Aus den vorangehenden Betrachtungen folgt sofort: VI34 Proposition Sei V ein n-dimensionaler Vektorraum über einem Körper K und ϕ: V V eine lineare Abbildung Dann sind äquivalent: (a ϕ ist nilpotent (b Ẽ = V (c ϕ n = (d Es existieren ineinander geschachtelte Teilräume (Flagge {} = V V V V r = V sodass ϕ(v i V i für alle i = r (e Es existiert eine Basis B von V bezüglich der die Matrixdarstellung von ϕ strikte obere Dreiecksgestalt hat dh [ϕ] BB = Ist K algebraisch abgeschlossen dann ist dies weiters äquivalent zu (f σ(ϕ {} Eine Folge (strikt geschachtelter Teilräume wie in (d ist durch {} = ker(ϕ ker(ϕ ker(ϕ ker(ϕ r = V gegeben wobei r die kleinste Zahl mit ϕ r = bezeichnet (Nilpotenzindex Eine Basis wie in (e lässt sich gewinnen indem wir mit einer Basis von ker(ϕ beginnen diese zu einer Basis von ker(ϕ ergänzen weiter zu einer Basis von ker(ϕ 3 ergänzen usw bis wir schließlich bei einer Basis von V landen VI35 Korollar Sei V ein endlich dimensionaler Vektorraum über einem Körper K und ϕ: V V eine lienare Abbildung deren charakteristisches Polynom in Linearfaktoren zerfällt Dann existiert eine eindeutig bestimmte diagonalisierbare lineare Abildung ψ: V V und eine eindeutig bestimmte nilpotente
10 76 VI EIGENWERTE UND EIGENVEKTOREN lineare Abbildung ν: V V sodass ϕ = ψ +ν und ψν = νψ Darüber hinaus haben ϕ und ψ das selbe charakteristische Polynom also die gleichen Eigenwerte und algebraischen Vielfachheiten Beweis Die Existenz von ψ und ν folgt aus der Primärzerlegung Ist B eine Basis von V bezüglich der [ϕ] BB von der Form in Satz VI37 ist dann definieren wir [ψ] BB (und damit ψ durch die Diagonaleinträge von [ϕ] BB und ν := ϕ ψ Eine einfache Überlegung zeigt dass diese linearen Abbildungen alle gewünschten Eigenschaften haben Es bleibt daher nur noch die Eindeutigkeit zu zeigen Seien dazu ψ: V V diagonalisierbar und ν: V V nilpotent sodass ϕ = ψ+ν und ψν = νψ Da die verallgemeinerten Eigenräume von ϕ ganzv aufspannen genügt es ψ Ẽλ = λidẽλ für jeden Eigenwert λ von ϕ zu zeigen denn dadurch sind ψ und dann auch ν = ϕ ψ eindeutig festgelegt Da ψ und ν kommutieren gilt auch ϕψ = ψϕ und ϕν = νϕ und daher siehe Aufgabe 6 ψ(ẽλ Ẽλ und ν(ẽλ Ẽλ Beachte dass ν Ẽλ und ϕ Ẽλ λidẽλ beide nilpotent sind Da sie kommutieren ist auch ihre Differenz ψ Ẽλ λidẽλ = ϕ Ẽλ λid Ẽλ ν Ẽλ nilpotent siehe Aufgabe6Andererseitsistψ Ẽλ λidẽλ auchdiagonalisierbarsieheaufgabe63 Somitistψ Ẽλ λidẽλ diagonalisierbarundnilpotentalsonullsieheaufgabe64 Wir erhalten ψ Ẽλ = λidẽλ Nach Korollar VI35 lässt sich jede Matrix A M n n (K deren charakteristisches Polynom in Linearfaktoren zerfällt in der Form A = D + N schreiben wobei D M n n (K diagonalisierbar N M n n (K nilpotent und DN = ND Die Matrizen D und N sind durch diese Eigenschaften eindeutig bestimmt die Eigenwerte von A und D und deren algebraische Vielfachheiten stimmen überein VI36 Satz Sei V ein n-dimensionaler K-Vektorraum und ϕ: V V eine nilpotente lineare Abbildung Dann existieren Vektoren v v l V und Zahlen r r r l sodass ϕ r i (v i = für jedes i = l und so dass v ϕ(v ϕ r (v v ϕ(v ϕ r (v v l ϕ(v l ϕ r l (v l eine Basis von V bildet Bezeichnet B diese Basis in umgekehrter Reihenfolge dann ist die Matrixdartsellung von der Form ε ε [ϕ] BB = (VI7 εn
11 VI3 JORDAN SCHE NORMALFORM 77 für gewisse ε i {} Es gilt in diesem Fall n = r + +r l und l = dimkerϕ = + {i ε i = } Eine solche Basis kann durch Lösen linearer Gleichungssysteme algorithmisch konstruiert werden (siehe den Beweis unten Beweis Sei r die kleinste Zahl sodass ϕ r = und ϕ r Es existiert daher v V sodass ϕ r (v Wir zeigen zunächst dass die Vektoren v ϕ(v ϕ (v ϕ r (v linear unabhängig in V sind Seien dazu λ i K mit λ v +λ ϕ (v +λ ϕ (v + +λ r ϕ r (v = Da ϕ r (v = erhalten wir durch sukzessives Anwenden von ϕ das System λ v +λ ϕ (v +λ ϕ (v + +λ r ϕ r (v = λ ϕ (v +λ ϕ (v + +λ r ϕ r (v = λ ϕ (v + +λ r 3ϕ r (v = λ ϕ r (v +λ ϕ r (v = λ ϕ r (v = (VI8 Da ϕ r (v folgt daraus λ = λ = = λ r = in dem wir Gleichungssystem von unten nach oben inspizieren Dies zeigt dass (VI8 linear unabhängig sind Bezeichne den davon aufgespannten Teilraum mit U := v ϕ(v ϕ (v ϕ r (v Beachte dass U invariant unter ϕ ist dh ϕ(u U Die Abbildung ϕ induziert daher eine Abbildung auf dem Quotientenraum ϕ: V V ϕ([v] = [ϕ(v] V := V/U Beachte ϕ r = denn ϕ r ([v] = [ϕ r (v] = [] = für jedes v V Insbesondere ist auch ϕ: V V nilpotent Mittels Induktion nach der Dimension von V dürfen wir daher annehmen dass Zahlen r r r l und Vektoren v v l V existieren sodass ϕ r i ( v i = für jedes i = l und so dass v ϕ( v ϕ r ( v v l ϕ( v l ϕ r l ( v l (VI9 eine Basis von V bildet Wähle Repräsentanten ṽ ṽ l V dh v i = [ṽ i ] Es folgt [ϕ r i (ṽ i ] = ϕ r i ( v i = also ϕ r i (ṽ i U Es existieren daher µ ij K sodass ϕ r i (ṽ i = r j= µ ij ϕ j (v i = l (VI3
12 78 VI EIGENWERTE UND EIGENVEKTOREN Anwenden von ϕ r r i liefert unter Verwendung von ϕ r = = ϕ r (ṽ i = ϕ r r i ( ϕ r i (ṽ i = = r j= r +r r i µ ij ϕ r r i +j (v j=r r i µ ij r +r i ϕ j (v = r j=r r i µ ij r +r i ϕ j (v Aus der linearen Unabhängigkeit des Systems (VI8 folgt µ i = µ i = = µ iri = Zusammen mit (VI3 erhalten wir also Setzen wir dann gilt somit Beachte dass ϕ r i (ṽ i = r j=r i µ ij ϕ j (v v i := ṽ i r j=r i µ ij ϕ j ri (v i = l ϕ r i (v i = und v i = [v i ] i = l v ϕ(v ϕ r (v v l ϕ(v l ϕ r l (v l (VI3 unter der kanonischen Projektion V V v [v] bijektiv auf die Basis (VI9 abgebildet wird Somit ist (VI3 linear unabhängig in V und bildet die Basis eines zu U komplementären Teilraums Da v ϕ(v ϕ r (v eine Basis von U ist bildet v ϕ(v ϕ r (v v ϕ(v ϕ r (v v l ϕ(v l ϕ r l (v l also eine Basis von V Damit ist der erste Teil des Satzes gezeigt Die verbleibenden Aussagen sind nun offensichtlich Für nilpotente Matrizen A M n n (K besagt der vorangehende Satz dass eine invertierbare Matrix S GL n (K und Skalare ε i {} existieren sodass S AS die Form (VI7 hat VI37 Beispiel Die Matrix A = 3
13 VI3 JORDAN SCHE NORMALFORM 79 ist nilpotent denn A 4 = A 3 = A 4 = Wir wollen eine invertierbare Matrix S finden sodass S AS die Gestalt (VI7 hat Wir gehen wie im Beweis des vorangehenden Satzes vor Da A 3 und A 4 = ist r = 4 Es ist v so zu wählen dass A 3 v Wir verwenden v = e 4 und erhalten A 4 v = sowie v = ( Av = ( A v = A 3 v = Nach dem Beweis des Satzes oben sind diese Vektoren linear unabhängig und spannen daher einen 4-dimensionalen Teilraum U auf Um den Nilpotenzindex der induziertenabbildungaufdemquotientenraumk 6 /U zubestimmenbeobachten wir dass img(a zur Gänze in U liegt aber img(a U somit r = Es ist daher ṽ so zu bestimmen dass Aṽ U Wir entscheiden uns für ṽ = e und erhalten ṽ = ( Aṽ = ( A ṽ = Setzen wir v := ṽ Av dann gilt A v = und v = 4 Av = ( = A 3 v U Wir erhalten eine Basis B und die entsprechende Basiswechselmatrix S 3 ( ( ( 3 4 } {{ } B S = 3 4 3
14 8 VI EIGENWERTE UND EIGENVEKTOREN mit der gewünschten Eigenschaft: S AS = VI38 Definition (Jordanblock Unter dem Jordanblock der Größe m N mit Eigenwert λ K verstehen wir die Matrix λ λ J m (λ := M m m(k λ VI39 Satz (Jordan Zerlegung Sei V ein n-dimensionaler Vektorraum über einem Körper K und ϕ: V V eine lineare Abbildung deren charakteristisches Polynom über K in Linearfaktoren zerfällt Weiters bezeichnen λ λ k alle (paarweise verschiedenen Eigenwerte von ϕ und m m k ihre algebraische Vielfachheiten und n n k ihre geometrischen Vielfachheiten Dann existiert eine Basis B von V sodass die Matrixdarstellung von ϕ folgende Blockdiagonalgestalt besitzt: J m (λ J (λ mn [ϕ] BB = J (λ mk k J (λ mknk k Dabei sind m ij N und m i + +m ini = m i für jedes i = k Für die Anzahl der Jordanblöcke zum Eigenwert λ i und Größe mindestens r gilt { j mij r } = dimker ( (ϕ λ i id V r dimker ( (ϕ λ i id V r Insbesondere ist diese Matrixdarstellung von ϕ bis auf die Reihenfolge der Jordanblöcke eindeutig betsimmt Sie wird die Jordan sche Normalform von ϕ genannt Beweis Bezeichnen Ẽλ i = ker ( (ϕ λ i id V m i die verallgemeinerten Eigenräume von ϕ so haben wir nach Satz VI37 eine invariante Zerlegung V = Ẽλ Ẽλ k ϕ(ẽλ i Ẽλ i
15 VI3 JORDAN SCHE NORMALFORM 8 und die Einschränkung ϕ Ẽλi ist triangulierbar mit einzigem Eigenwert λ i Somit ist die Einschränkung ϕ Ẽλi λ i idẽλi : Ẽ λi Ẽλ i nilpotent Nach Satz VI36 existiert daher eine Basis B i von Ẽλ i und Zahlen ε ij {} sodass ε i [ ] ϕ Ẽλi λ i idẽλi B i B i = εimi Folglich: Beachte [ ϕ Ẽλi] B i B i = λ i ε i λ i εimi n i = dim(e λi = dim ( ker(ϕ λ i id V ( = dim ker ( ϕ Ẽλi λ i idẽλi = + {j ε ij = } Es existieren daher Zahlen m i m ini N sodass m i + +m ini = m i und λ i J [ mi (λ i ϕ Ẽλi] B i B i = λ J mij (λ i = i J (λ mini i }{{} λ i m i m i }{{} m ij m ij Die Vereinigung B := B B k bildet daher eine Basis von V bezüglich der ϕ die gewünschte Form hat Daraus erhalten wir sofort dim ( ker(ϕ λ i id V r = dim (ker ( r ϕ Ẽλi λ i idẽλi = dimker ( Jmi ( J mini ( r = {j m ij }+ + {j m ij r} λ i unddaher { j mij r } = dimker ( (ϕ λ i id V r dimker ( (ϕ λ i id V r Für Matrizen A M n n (K deren charakteristisches Polynom über K in Linearfaktoren zerfällt besagt der vorangehende Satz gerade dass eine invertierbare Matrix S GL n (K existiert sodass S AS wie die Matrix in Satz VI39
16 8 VI EIGENWERTE UND EIGENVEKTOREN aussieht Eine mögliche Jordan sche Normalform ist etwa: wobei wie bisher alle nicht spezifizierten Eintragungen Null sind VI3Korollar Zwei Matrizen AB M n n (K deren charakteristische Polynome in Linearfaktoren zerfallen sind genau dann ähnlich wenn ihre Jordan schen Normalformen bis auf die Reihenfolge der Jordanblöcke gleich sind Dies ist genau dann der Fall wenn A und B die selben Eigenwerte λ λ k haben und für jedes i = k und jedes r die folgende Relation gilt: 5 dimker ( (A λ i I n r = dimker ( (B λ i I n r VI3 Bemerkung Durch die geometrischen und algebraischen Vielfachheiten der Eigenwerte ist die Jordan sche Normalform noch nicht eindeutig festgelegt Etwa haben die beiden Matrizen 7 A = und B = beide nur einen Eigenwert nämlich λ = 7 mit algebraischer Vielfachheit 6 und geometrischer Vielfachheit Die beiden Matrizen sind jedoch nicht ähnlich da ihre Jordan schen Normalformen verschieden sind es gibt daher keine invertierbare Matrix S GL 6 (K sodass S AS = B Dass A und B nicht ähnlich sein können folgt auch direkt aus (B 7I 3 = und (A 7I 3 VI3 Beispiel Wir wollen die Jordan sche Normalform der Matrix A =
17 VI3 JORDAN SCHE NORMALFORM 83 bestimmen Wir setzen N := A 7I n und berechnen N = 5 7 N = 4 N 3 = Somit dimker(n = 3 dimker(n = 6 und dimker(n r = für r 3 Nach Satz VI39 hat die Jordan sche Normalform von A daher 3 Jordanblöcke der Größen 3 und muss somit folgende Gestalt haben: J = (VI3 Um auch eine Matrix S mit S AS = J zu bestimmen gehen wir wie im Beweis von Satz VI36 vor Da N und N 3 = ist r = 3 Es daher v so zu wählen dass N v Wir verwenden v = e 5 und erhalten: v = Nv = N v = N 3 v = Da img(n U := v Nv N v aber img(n U ist r = Es daher v so zu wählen dass Nv / U und N v = Wir verwenden v = e und erhalten v = Nv = N v = Da img(n v Nv N v v Nv ist auch r 3 = Es ist daher v 3 so zu wählen dass Nv 3 / v Nv N v v Nv und N v 3 = Wir verwenden v 3 = e 7 und erhalten 5 7 v 3 = Nv 3 = N v 3 = Insgesamt erhalten wir folgende Basis und Transformationsmatrix: 5 7 } {{ } B S = 5 7
18 84 VI EIGENWERTE UND EIGENVEKTOREN Nach Konstruktion gilt S AS = J siehe (VI3 VI33 Beispiel Betrachte die Folge Genauer: x = x = x = x n = 6x n x n +8x n 3 n 3 Wir wollen eine explizite Formel für x n herleiten Setzen wir v n := x n x n+ A := 8 6 x n+ danngiltv n+ = Av n unddaherv n = A n v Dadasgesuchtex n denersteneintrag von v n bildet genügt es also A n zuberechnen Dascharakteristische Polynom von A ist p = ( z 3 die Matrix hat also nur einen Eigenwert nämlich Es gilt A I = (A I = (A I 3 = und daher b = (A Ib = (A I b = 4 4 Daraus lesen wir die Jordan sche Normalform von A ab: S AS = wobei S = S = Damit können wir die Potenzen von A bestimmen siehe Aufgabe 66 A n = S n ( S = S n n n n n n n n S n Somit ( v n = A n v = S n n n n n n n n = S n n n n = n Der erste Eintrag liefert die gesuchte explizite Formel für x n ( n x n = n = n(n n = n(n n 3 ( n ( n n n ( n+ ( n+ n
VI.4. REELLE NORMALFORMEN 185
VI.4. REELLE NORMALFORMEN 185 VI.4. Reelle Normalformen. Wir wollen hier die Primärzerlegung des vorangehenden Abschnitts verfeinern und anschließend die reelle Jordan sche Normalform besprechen. Wir beginnen
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
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
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
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,
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
Mehra 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
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
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
Mehr3.5 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
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.
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.
MehrVII.2. INNERE PRODUKTE 227
VII.2. INNERE PRODUKTE 227 der Abstand von v zum Teilraum W genannt. Dabei bezeichnet p: V W die Orthogonalprojektion aus Satz VII.2.32 und b 1,...,b k ist eine beliebige Orthonormalbasis von W. Offensichtlich
Mehr[ϕ] BB = λ. λ n. i = 1,...,n
VI. Eigenwerte und Eigenvektoren Wir wollen in diesem Abschnitt lineare Abbildungen ϕ: V V genauer untersuchen, wobei V einen endlich-dimensionalen Vektorraum bezeichnet. VI.. Diagonalisierbarkeit. Wir
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
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
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
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
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
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
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
Mehr5 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
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
Mehr70 IV. ENDLICH-DIMENSIONALE VEKTORRÄUME
IV. Endlich-dimensionale Vektorräume Unter einem endlich-dimensionalen Vektorraum verstehen wir einen Vektorraum, der eine endliche Basis besitzt. Die entscheidende Beobachtung ist die Tatsache, dass in
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
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)
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
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
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.)
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,
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
MehrIV.3. RANG VON MATRIZEN 81
IV3 RANG VON MATRIZEN 8 Ist b,,b n eine Basis des reellen Vektorraums V, dann bildet b,,b n auch eine Basis des komplexen Vektorraums V C Mit V ist daher auch V C endlichdimensional und es gilt dim C V
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
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
MehrLösung 13: Unitäre Vektorräume und normale Abbildungen
D-MATH Lineare Algebra II FS 2017 Dr. Meike Akveld Lösung 13: Unitäre Vektorräume und normale Abbildungen 1. a) Im Folgenden sei γ : V V C die Abbildung γ(v, w) v + w 2 v w 2 i v + iw 2 + i v iw 2. : Wir
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
Mehr3.4 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
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,
MehrLineare 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
MehrBeispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger
Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit
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
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
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 +
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,...,
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() =
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,
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
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
MehrLineare 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.
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
MehrTechnische 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) :=
MehrLösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung
D-MATH Lineare Algebra I/II HS 07/FS 08 Dr Meike Akveld Lösung 3: Sylvesters Trägheitssatz & Singulärwertzerlegung Wir wissen, dass eine Basis B von R n existiert, sodass p [β Q ] B I I q 0 n p q gilt
MehrZeigen Sie, dass der einzige Gruppenhomomorphismus von (G, ) nach (Z 5, +) die Abbildung Φ : G Z 5
Aufgabe I (4 Punkte) Es sei G : {e, g, g, g } eine 4-elementige Gruppe mit neutralem Element e Die Verknüpfung auf G werde mit bezeichnet Außerdem seien in G folgende Gleichungen erfüllt: g g g und g g
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 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
MehrD-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
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
MehrLineare 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
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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
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,
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
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
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
MehrDeterminanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.
Determinanten Motivation: Man betrachte das lineare Gleichungssystem [ [ [ a b x u = (1) c d y v Sei obda a und c Dann ist (1) äquivalent zu [ [ ca cb x = ac ad y und ferner zu [ [ ca cb x ad cb y Falls
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,
MehrKlausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen.
Klausur Lineare Algebra I am 03.02.10 Es sind insgesamt 60 Punkte bei der Klausur zu erreichen. Aufgabe 1. (6 Punkte insgesamt) a.) (3P) Definieren Sie, was eine abelsche Gruppe ist. b.) (3P) Definieren
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,
MehrMusterlösungen 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
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 =
Mehr4.2 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,
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
Mehr8 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
MehrLösung 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
MehrLösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015
sskizzen der Klausur zur Linearen Algebra im Herbst 5 Aufgabe I. Es sei (G, ) eine Gruppe mit neutralem Element e und M {x G x x e}. Zeigen Sie: (a) Ist G kommutativ, so ist M eine Untergruppe von G. (b)
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
MehrLösung 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
MehrLeitfaden 20. t = dim V dimu.
Leitfaden 2 Einschub (Nachtrag zur LA I): Komplementärbasen Sei V ein Vektorraum, U ein Unterraum Eine Folge (v,, v t ) von Vektoren aus V heißt linear unabhängig modulo U, falls folgendes gilt: sind p
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
Mehr4 Eigenwerte und Eigenvektoren
4 Eigenwerte und Eigenvektoren Sei V {0} ein K Vektorraum und f : V V K linear. Definition: Ein Eigenwert von f ist ein Element λ K, für die es einen Vektor v 0 in V gibt, so dass f(v) = λ v. Sei nun λ
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
MehrLösungsvorschläge zur Klausur. Lineare Algebra, Herbst 2010
Lösungsvorschläge zur Klausur Lineare Algebra, Herbst 200 I. Es seien n eine natürliche Zahl, M = {,..., n} N und S n die Gruppe der Permutationen der Menge M. Zeigen Sie: a) Für jedes a M ist H a := {σ
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
MehrSteilkurs 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
MehrLösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen
D-MATH Lineare Algebra II FS 7 Dr. Meike Akveld Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen. a) Wegen der Linearität im ersten Argument gilt sicherlich w S :, w =. Somit ist S und
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
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
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
MehrMathematik 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
MehrRichie Gottschalk Lineare Algebra I Seite 1. a) Welche der folgenden Ringe sind kommutativ? Es gibt genau einen Unterraum W von V mit dim(w ) = n.
Richie Gottschalk Lineare Algebra I Seite Aufgabe Im Folgenden sind K immer ein Körper und V ein K-Vektorraum. a) Welche der folgenden Ringe sind kommutativ? K[x] K[x] ist per se ein kommutativer Polynomring.
MehrÜbungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Blatt 3 - Lösung
Technische Universität München Physik Department Pablo Cova Fariña, Claudia Nagel Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 207/8 Blatt 3 - Aufgabe : Darstellungsmatrizen Sei
MehrLösungen zur Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende
MehrLineare Algebra. 12. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 12. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 14, 2017 1 Erinnerung: Determinanten, Orthogonale/unitäre Matrizen Sei A R 2 2, dann kann die Inverse
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,...,
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
MehrLineare Algebra und Geometrie II, Übungen
Lineare Algebra und Geometrie II, Übungen Gruppe (9 9 45 ) Sei A 2 Bestimmen Sie A und A Finden Sie weiters Vektoren u, v R 2 mit u und Au A, beziehungsweise v und Av A Zunächst die Berechnung der Norm
Mehr4 Lineare Abbildungen Basisdarstellungen
4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w
MehrDiagonalisierbarkeit 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
MehrLösung Lineare Algebra I Sommer 2018 Version A
Lösung Lineare Algebra I Sommer 208 Version A. (25 Punkte) Kreuzen Sie direkt auf dem Abgabeblatt an, ob die Behauptungen oder sind. Sie müssen Ihre Antworten nicht begründen! Bewertung: Punkt für jede
MehrHenning 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