Normalformen. Kapitel Zyklische Unterräume
|
|
- Jesko Kurzmann
- vor 6 Jahren
- Abrufe
Transkript
1 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 machen wir das auch meistens mit Matrizen 101 Zyklische Unterräume Definition 1011 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 1012 Ein Erzeugendensystem von Z(v, T) ist offenbar die Menge {v,t(v),,t n 1 (v)} Lemma 1013 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 9114 eingeführt haben: Definition 1014 Die Menge M(v,T) := {g K[x] : g(t)(v) = 0} nennt man den Annihilator oder das Annihilatorideal von v 162
2 Lemma 1015 Der T-Annihilator von v ist ein Ideal in K[x] Bemerkung 1016 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 1017 Der T-Annihilator teilt das Minimalpolynom von T 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 1018 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) Grad(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, Grad(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 im T-Annihilator von v liegt Das zeigt: dim(z(v,t)) k, weil jedes g(t)v Z(v,T) als Linearkombination von v,t(v),,t k 1 (v) geschrieben 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 1019 Die Darstellungsmatrix von U bzgl der Basis v,t(v),,t k 1 (v) ist die Begleitmatrix von p v 163
3 Definition Die Matrix a a a 2 0 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 6323 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 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 1018) U = T und somit Grad(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, dh f(t)v = f(t)w 164
4 Korollar Wenn ein T-invarianter Unterraum W ein T-invariantes Komplement hat, so ist W ein T-zulässiger Unterraum Wir kommen nun zu unserem Hauptsatz, der zeigt, dass jeder Vektorraum in zyklische Unterräume zerlegt werden kann 102 Hauptsatz über die Zerlegung in invariante Unterräume Satz 1021 Sei T Hom(V, 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: (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: Es wird nicht behauptet, dass die Z(v i,t) eindeutig sind, sondern nur die Annihilatoren Beispiel 1022 Sei T = Dann ist χ T = (x 1)(x 2) 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 zb v 2 = (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 v 1 =
5 Dann ist T 1 0 = und T = 13 3 = , der Annihilator ist also x 2 3x + 2 = (x 1)(x 2) Versuchen wir es mit einem anderen Vektor, zb Dann ist und T 2 v 1 = T 0 1 = = 10 = , also ist auch hier der Annihilator x 2 3x + 2 Es kommen nun einige Korollare: Korollar 1023 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 1021 W = W 0 Dann ist W = Z(v 1,T) Z(v r,t) ein T-invariantes Komplement Korollar 1024 Sei T Hom(V, 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 1021 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 1025 Sei T Hom(V, 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) Grad(p) 166
6 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 Die Dimension 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 Grad(p) = dimv (101) Wir überlegen uns nun, dass der Kern von p(t), aufgefasst als lineare Abbildung V V, höchstens die Dimension Grad(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 1 0 K (rk,rk k) 0 p 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 (101) 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: Satz 1026 Sei T Hom(V, V ), wobei V ein endlichdimensionaler Vektorraum ist Dann haben m T und χ T dieselben irreduziblen Teiler (bis auf Vielfachheit) Gilt m T = p r1 1 pr k k mit r i 1 und paarweise verschiedenen irreduziblen Polynomen p i, so ist wobei j=0 χ T = p d1 1 pd k k, ri dimkern(pi )(T) d i := Grad(p i ) 167
7 Beweis Vorlesung! 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 103 Normalformen Definition 1031 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 Satz 1032 Sei V ein K-Vektorraum der Dimension n, und sei T Hom(V, 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 1021 Wenn wir auf die Teilbarkeitsbedingung verzichten, können wir sogar erreichen, dass die A i Begleitmatrizen von Potenzen irreduzibler Polynome sind Satz 1033 Sei V ein K-Vektorraum der Dimension n, und sei T Hom(V, 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 2 0 (102) 0 0 B r 168
8 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 (102) Wikipedia nennt dies auch die Weierstraßsche Normalform Beweis Zur Existenz: Wende den Hauptsatz 1021 auf die Komponenten W i in der Primärzerlegung an Wir kommen nun zur Eindeutigkeit Die Polynome, die zu den Matrizen in der Darstellung (102) gehören, seien p j i, wobei 1 i k und j J i, dh 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 Das Minimalpoynom ist χ T = m T = k i=1 k i=1 j J i p j i p m(i) i, wobei m(i) := max J i Wenn wir diejenigen Blockmatrizen B i in (102) zusammenfassen, die zum selben irreduziblen Polynom p i gehören, erhalten wir eine Darstellung von T der Form T T 2 0 (103) 0 0 T k wobei χ Ti = j J i p j i und m T i = p m(i) i Wenn (B 1,, B k ) die zur Darstellung (103) gehörende Basis ist, dann muss B i ein Unterraum von Kern(p m(i) i (T)) sein Aus Diemsnionsgründen gilt sogar Gleichheit, weil Satz 9210 zeigt, dass es eine Zerlegung von V in eine direkte Summe der Kern(p m(i) i (T)) gibt Lax gesprochen kann man sagen, die Primärzerlegung ist eindeutig 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 2 0 (104) 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 1021, 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 169
9 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 Grad(p j ) Es gilt a(1) b j Grad(p j ) = dimv Lemma 1025 zeigt: j=0 a(1) dim(bild(p i 1 (T))) dim(bild(p i (T))) = b j Grad(p) Deshalb sind die b j eindeutig durch dim(bild(p i (T))) für i = 0,,a(1) bestimmt 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 944) Wir suchen dann die rationale Normalform von N Diese ist aber eindeutig bestimmt Wir wollen das jetzt etwas formaler machen Definition 1034 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 (γ1) 0 T =, 0 T (γ k) j=i 170
10 wobei T (γi) eine Jordanmatrix zum Eigenwert γ i ist und γ i γ j für i j Satz 1035 Sei V ein n-dimensionaler K-Vektorraum, und sei T Hom(V, 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 ) ri ) ist Dann ist T i := T Wi ein Operator mit charakteristischem Polynom (x γ i ) di 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, dh 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 (γi) 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 1032 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 1036 Sei J 0 k 1,,k r die Jordan sche Normalform eines nilpotenten Operators N mit charakteristischem Polynom x n Dann gilt: x k1 = m N r = dim Kern(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 171
11 Beweis Vorlesung Beispiel 1037 (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 (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 dim Kern(T γid) = 3 dimkern(t γid) 2 = 6 dimkern(t γid) 3 = 7, dim Kern(T γid) = 3 dimkern(t γid) 2 = 5 dimkern(t γid) 3 = 7 Das folgt aus unserem Satz 1036, 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 = Diese Matrix hat Rang 4, die Dimension des Kernes ist also 3 Nun betrachten 172
12 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! 104 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 γ i verschieden sind) und 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 ) ri 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 1035 die Größen der Jordankästen in der Jordan schen Normalform von T i bestimmen 173
13 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,,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, wobei b j die Anzahl der Jordankästen der Größe j ist, siehe Satz 1036 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 Vefahren, 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 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 1041 Sei N Hom(V, V ) ein nilpotenter Operator Sei j=i 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 ) (105) Dann ist linear unabhängig in Kern(N j+1 ) {u 1,,u r,nw 1,,Nw t } 174
14 Beweis Wir bemerken zunächst Nw i Kern(N j+1 ) (klar!) Angenommen, also r λ i u i + i=1 r λ i u i = i=1 Anwenden von N j liefert i=1 t µ i N(w i ) = 0, i=1 t µ i N(w i ) in Kern(N j ) i=1 t t 0 = N j ( µ i N(w i )) = N j+1 ( µ i w i ), dh t i=1 µ iw i Kern(N j+1 ) Also kann t i=1 µ iw i als Linearkombination von u 1,,u r, v 1,,v s geschrieben werden Das geht aber wegen (105) nur, wenn alle µ i = 0 sind Dann sind aber auch alle λ i = 0, weil die u i linear unabhängig sind Bemerkung 1042 Dieses Lemma ist ein Spezialfall des Hauptsatzes 1021 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 1021 verweisen In der Vorlesung werden wir dieses Verfahren an einem kleinen Beispiel erläutern Eine Beispielsitzung, wie man die Rechnungen mit MAPLE machen kann, könnte wie folgt aussehen (Einzelheiten werden in der Vorlesung erläutert Machen Sie sich bitte selbstständig mit den verwendeten MAPLE-Befehlen vertraut): > restart; with(linalg): with(linearalgebra): Warning, the protected names norm and trace have been redefined and unprotected Warning, the assigned name GramSchmidt now has a global binding > read "matm"; print(j); i=1 175
15 [ 1035, 820, 300, 270, 86, 485, 718, 82, 273, 203, 238, 160, 94, 168, 55, 186] [ 2071, 1655, 603, 534, 167, 983, 1463, 155, 559, 419, 489, 327, 193, 345, 110, 376] [ 720, 573, 208, 186, 60, 337, 502, 56, 192, 142, 166, 112, 65, 119, 39, 129] [ 1015, 807, 293, 266, 85, 480, 711, 78, 271, 202, 237, 159, 94, 167, 54, 183] [ 2046, 1619, 591, 534, 171, 955, 1415, 165, 539, 399, 467, 314, 185, 331, 110, 366] [ 901, 709, 261, 236, 76, 417, 615, 77, 234, 173, 201, 135, 80, 143, 49, 160] [ 1270, 1014, 371, 328, 102, 603, 896, 96, 343, 258, 299, 200, 118, 212, 68, 230] [ 1024, 792, 293, 273, 92, 458, 671, 95, 253, 182, 215, 148, 84, 155, 56, 177] [ 301, 230, 87, 82, 27, 135, 195, 30, 75, 55, 61, 42, 24, 46, 18, 51] [ 1062, 823, 302, 285, 96, 480, 702, 99, 265, 191, 226, 153, 91, 160, 58, 185] [ 2429, 1934, 701, 637, 205, 1152, 1705, 189, 651, 485, 570, 381, 227, 398, 130, 439] [ 1974, 1580, 572, 515, 163, 947, 1404, 148, 537, 404, 472, 313, 189, 329, 105, 360] [ 1804, 1429, 520, 474, 155, 846, 1250, 145, 477, 353, 414, 279, 163, 293, 98, 323] [ 894, 693, 256, 239, 80, 403, 590, 81, 222, 161, 190, 130, 75, 137, 48, 155] [108, 105, 33, 23, 3, 72, 114, 4, 45, 38, 46, 27, 20, 26, 4, 27] [ 1244, 996, 361, 322, 101, 594, 884, 94, 339, 254, 296, 197, 118, 207, 67, 226] > factor(charpoly(j,x)); > factor(minpoly(j,x)); (x 1) 16 (x 1) 3 > I16:=array(116, 116, identity): > NJ:=J-I16: > B1:=kernel(NJ): nops(b1); 176
16 7 > MB1:=matrix([B1[1], B1[2], B1[3], B1[4], B1[5], B1[6],B1[7]]): > B2:=kernel(multiply(NJ,NJ)): nops(b2); 14 > rank(stackmatrix(mb1, B2[1])); 8 > MB2:=matrix([B2[1]]): > rank(stackmatrix(mb1, MB2, B2[2])); 9 > MB2:=stackmatrix(MB2,B2[2]): > rank(stackmatrix(mb1, MB2, B2[3])); 10 > MB2:=stackmatrix(MB2,B2[3]): > rank(stackmatrix(mb1, MB2, B2[4])); 11 > MB2:=stackmatrix(MB2,B2[4]): > rank(stackmatrix(mb1, MB2, B2[5])); 12 > MB2:=stackmatrix(MB2,B2[5]): > rank(stackmatrix(mb1, MB2, B2[6])); 13 > MB2:=stackmatrix(MB2,B2[6]): > rank(stackmatrix(mb1, MB2, B2[7])); 14 > MB2:=stackmatrix(MB2,B2[7]): > B3:=kernel(multiply(NJ,NJ,NJ)): > rank(stackmatrix(mb1, MB2, B3[1])); 15 > MB3:=matrix([B3[1]]): > rank(stackmatrix(mb1, MB2, MB3, B3[2])); 16 > MB3:=stackmatrix(MB3, B3[2]): > MB3:=stackmatrix(MB1,multiply(NJ,B3[1]),multiply(NJ,B3[2])): > rank(mb3); 9 > rank(stackmatrix(mb3, B2[1])); 10 > R2:=matrix([B2[1]]): > rank(stackmatrix(mb3,r2,b2[2])); 177
17 11 > R2:=stackmatrix(R2,B2[2]): > rank(stackmatrix(mb3,r2,b2[3])); 12 > R2:=stackmatrix(R2,B2[3]): > rank(stackmatrix(mb3,r2,b2[4])); 13 > R2:=stackmatrix(R2,B2[4]): > rank(stackmatrix(mb3,r2,b2[5])); 14 > R2:=stackmatrix(R2,B2[5]): > MB3:=matrix([B3[1], multiply(nj,b3[1]), multiply(nj,nj,b3[1]), > B3[2], multiply(nj,b3[2]), multiply(nj,nj,b3[2]), > row(r2,1), multiply(nj,row(r2,1)), > row(r2,2), multiply(nj,row(r2,2)), > row(r2,3), multiply(nj,row(r2,3)), > row(r2,4), multiply(nj,row(r2,4)), > row(r2,5), multiply(nj,row(r2,5))]): > rank(mb3); > multiply(inverse(transpose(mb3)),j,transpose(mb3));
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 +
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.)
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
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
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,
MehrLineare 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
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
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,
MehrEuklidische 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
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
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
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
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
Mehr6.5 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
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() =
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
MehrKapitel 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
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
Mehr5.7 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
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.
Mehr5 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
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
Mehr9 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
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,...,
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,
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.
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
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
MehrMathematik 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.
MehrBild, 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
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
MehrVorlesung 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
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
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-
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
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
MehrLineare 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
MehrLineare 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
MehrKapitel 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
MehrV. 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
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 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
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
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
MehrÜbungen 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
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,
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
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
Mehr1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen
1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen
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?
MehrVektorräume. 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
Mehr1 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
MehrDefinitionen. 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
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
MehrProjektive 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
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
MehrLineare 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:
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,
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
MehrDefinition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i.
Kapitel Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften von R 3 interessieren, so stört manchmal die Ausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise
MehrSummen und direkte Summen
Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M
Mehrtechnische 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
MehrLineare 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
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 23 Die Gradformel Satz 1. Seien K L und L M endliche Körperweiterungen. Dann ist auch K M eine endliche Körpererweiterung und
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
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
Mehr4.3 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
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
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
MehrWiederholung: lineare Abbildungen
Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) =
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
Mehr44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall
44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall 44 1 Zusammenfassung Dieser Paragraf richtet sich im Aufbau weitgehend nach 42, um den Zerlegungssatz (44.7) analog zum Satz über die
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.
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:
MehrGrundlagen der Mathematik 1
Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben
Mehr2.3 Basis und Dimension
Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit
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,
MehrBasis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Basis und Dimension Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren aus V. 1) (v i ) i I heißt ein Erzeugendensystem von V, wenn Span(v i ) = V. 2) (v i ) i I heißt Basis von
MehrVerständnisfragen: Lineare Algebra und Analytische Geometrie I und II
Verständnisfragen: Lineare Algebra und Analytische Geometrie I und II Matrizen, lineare Gleichungssysteme Wie kommt man von einem linearen Gleichungssystem zu einer Matrix? Was ist die Zeilenstufenform?
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
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung
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 Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 24 Das Lernen und der Orgasmus finden letztlich im Kopf statt Der Satz von Cayley-Hamilton Arthur Cayley
MehrDie wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.
Definition: Lineare Abbildung Lineare Abbildungen Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. 8.1 Definition: Lineare Abbildung Eine Funktion f : V Ñ W zwischen
Mehr1 Lineare Abbildungen
1 Lineare Abbildungen Definition 1 Sei K ein Körper und V und W K-Vektoräume. Eine Abbildung f : V W heisst linear oder Homomoprhismus, wenn gilt: fv 1 + v 2 = fv 1 + fv 2 v 1, v 2 V fλv = λfv λ K, v V
Mehrein vom Nullvektor verschiedener Vektor, dann ist jeder dazu parallele (kollinear) Veka tor d ein Vielfaches von a. + λ 2 a 2
II. Basis und Dimension ================================================================= 2.1 Linearkombination und Basis -----------------------------------------------------------------------------------------------------------------
MehrMusterlösung Klausur zur Linearen Algebra II
Musterlösung Klausur zur Linearen Algebra II Samstag 8. Juli 6 -Uhr. a) Sei f : V W k-linear. Denieren Sie V und f : W V. b) Die Gruppe G operiere auf der Menge M. Denieren Sie die Bahn und die Isotropiegruppe
MehrLineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,
MehrÜbungsblatt 7: Gruppen und Normalformen
Übungsblatt 7: Gruppen und Normalformen 1. ABELSCHE GRUPPEN 1.1. Sei ν(n) die Anzahl der Isomorphieklassen abelscher Gruppen der Ordnung n. (a) ν ist multiplikativ, d.h. ν(nm) = ν(n)ν(m) für ggt(n, m)
MehrMathematik I. Vorlesung 11. Lineare Unabhängigkeit
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 11 Lineare Unabhängigkeit Definition 11.1. Es sei K ein Körper und V ein K-Vektorraum. Dann heißt eine Familie von Vektoren v i, i I,
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
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
MehrLINEARE ALGEBRA II (LEHRAMT GYMNASIUM) SOMMERSEMESTER 2017
LINEARE ALGEBRA II (LEHRAMT GYMNASIUM) SOMMERSEMESTER 2017 CAROLINE LASSER Inhaltsverzeichnis 1. Euklidische Vektorräume 2 1.1. Skalarprodukte und Normen (26.4.) 2 1.2. Orthonormalisierung (3.5.) 2 1.3.
Mehr1 Eigenschaften von Abbildungen
Technische Universität München Christian Neumann Ferienkurs Lineare Algebra für Physiker Vorlesung Dienstag WS 2008/09 Thema des heutigen Tages sind zuerst Abbildungen, dann spezielle Eigenschaften linearer
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
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
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,
MehrMathematik I. Vorlesung 16. Eigentheorie
Prof Dr H Brenner Osnabrück WS 009/00 Mathematik I Vorlesung 6 Eigentheorie Unter einer Achsenspiegelung in der Ebene verhalten sich gewisse Vektoren besonders einfach Die Vektoren auf der Spiegelungsachse
Mehri) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.
Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):
Mehr