. Für K = Q, K = C, K = F α 1

Größe: px
Ab Seite anzeigen:

Download ". Für K = Q, K = C, K = F α 1"

Transkript

1 1. Übungsblatt, für den Sei n eine nichtnegative ganze Zahl. Eine Abbildung f: C C mit f(z) = n i=0 a iz i, deren Koeffizienten a i komplexe Zahlen sind, nennen wir (komplexe) Polynom(abbildung). Falls der Koeffizient a n ungleich 0 ist, heißt n der Grad von f. Ist a n = 1 so bezeichnet man f als normiert. Polynome, deren Grad mindestens 1 ist, heißen nichtkonstant. Wir nennen f ein reelles Polynom, falls alle Koeffizienten a i reelle Zahlen sind. a) Sei f ein reelles Polynom und z C \ R eine Nullstelle von f, d.h. f(z) = 0. Zeigen Sie, dass z, das komplex konjugierte von z, ebenfalls eine Nullstelle von f ist. b) Beweisen Sie, dass jedes normierte, nichtkonstante reelle Polynom als Produkt von normierten reellen Polynomen vom Grad 1 oder 2 geschrieben werden kann, wobei die Polynome vom Grad 2 genau zwei konjugierte nicht reelle Nullstellen besitzen. Hinweis: Verwenden Sie den Fundamentalsatz der Algebra. 2. a) Zeigen Sie, dass jedes normierte reelle Polynom vom Grad 3 mindestens eine reelle Nullstelle besitzt. Hinweis: Führen Sie zwei Beweise. Für den ersten Beweis benützen Sie das 1. Übungsbeispiel. Den zweiten Beweis bauen Sie auf dem Zwischenwertsatz (aus der Analysis) auf. Untersuchen Sie für welche r R die Ungleichung r 3 > a 2 r 2 + a 1 r + a 0 erfüllt ist, und folgern Sie daraus, dass f(r) und f( r) für hinreichend große r unterschiedliche Vorzeichen haben. b) Verallgemeinern Sie den ersten Beweis und zeigen Sie, dass jedes reelle Polynom von ungeradem Grad mindestens eine reelle Nullstelle besitzt. 3. Bestimmen Sie alle A-invarianten Unterräume des R 2 für ( ) ( a) A =, b) A = ), c) A = ( ) ( ) 1 α 4. Sei K ein Körper, α K \ {0} und A =. Für K = Q, K = C, K = F α 1 2 und K = F 3 bestimmen Sie alle A-invarianten Unterräume des K 2. Hinweis: F 2 ist der Körper { 0, 1} bestehend aus den Restklassen modulo 2, F 3 der Körper { 0, 1, 2} bestehend aus den Restklassen modulo 3 mit den Verknüpfungstabellen (wobei wir nun bei den Restklassen den Querstrich weglassen): F 2 : F 3 :

2 2. Übungsblatt, für den Der Grad des Nullpolynoms sei als definiert. Für Polynome f 0 wurde der Grad von f im 1. Übungsblatt eingeführt. Wir schreiben dafür Grad(f). Beweisen Sie die Gradformeln für Polynome f und g. Grad(f + g) max{grad(f), Grad(g)}. Grad(fg) = Grad(f) + Grad(g). Wir verwenden dabei die Konvention n + ( ) = ( ) + n = ( ) + ( ) = und n > für alle ganzen Zahlen n Für ein komplexes Polynom f zeigen Sie: α C ist genau dann Nullstelle von f, wenn es ein Polynom g gibt, so dass f(z) = (z α)g(z). Hinweis: Schreiben Sie das Polynom f(z) := f(z + α) in der Form n i=0 b iz i und bestimmen Sie den Wert von b 0. Leiten Sie nun aus f(z) = f(z α) die gewünschte Darstellung von f her. 3. Beweisen Sie: Das reelle Polynom z 2 + αz + β kann genau dann als Produkt (z λ 1 )(z λ 2 ) mit λ 1, λ 2 R geschrieben werden, wenn α 2 4β erfüllt ist. 4. Berechnen Sie das Produkt fg der komplexen Polynome f und g. a) f(z) = 3 i=0 a iz i, g(z) = 2 i=0 b iz i. b) f(z) = 1 + 2iz + 3z 2 + (4 + i)z 3, g(z) = 1 + iz 2 + z 5 mit i 2 = 1. c) f(z) = 1 z 2, g(z) = 1 + z 2 + z 4 + z Bestimmen Sie Polynome q und r so dass f(z) = g(z)q(z) + r(z) erfüllt ist, mit r = 0 oder Grad von r kleiner als Grad von g. a) f(z) = 6z 7 + 5z z z z z 2 + 7z + 3, g(z) = z 4 + 2z 2 + z + 1 b) f(z) = 24z 5 12z 4 10z z 9, g(z) = 4z 2 + 2z 1.

3 3. Übungsblatt, für den Sei T ein linearer Operator auf dem Vektorraum V. Beweisen sie: a) Sei r eine positive ganze Zahl, und U 1,..., U r seien T -invariante Unterräume von V, dann ist U U r ebenfalls T -invariant. b) Sei I eine beliebige Indexmenge. Für i I seinen U i Unterräume von V, die invariant unter T bleiben. Dann ist ebenfalls T -invariant. i I 2. Sei V ein n-dimensionaler Vektorraum und sei A ein linearer Operator auf V. Beweisen sie: Wenn A n paarweise verschiedene Eigenwerte besitzt, dann bilden die Eigenvektoren von A eine Basis von V. 3. Beweisen sie, oder geben sie ein Gegenbeispiel zu folgender Aussage: Falls U ein Unterraum von V ist, der unter jedem linearen Operator T invariant ist, dann ist U = {0} oder U = V. Hinweis: Verwenden sie den Basisergänzungssatz. Falls ihnen der Beweis für beliebig dimensionales V zu schwer ist, dann führen sie ihn für V = R 3 durch. 4. Sei T ein linearer Operator auf V, so dass jeder Vektor in V ein Eigenvektor von T ist. Beweisen sie, dass T ein skalares Vielfaches der Identität ist. 5. Sei T ein linearer Operator auf dem n-dimensionalen Vektorraum V, so dass jeder (n 1)-dimensionale Unterraum von V invariant unter T ist. Beweisen sie, dass T ein skalares Vielfaches der Identität ist. Hinweis: Verwenden sie Beispiel 1 und Beispiel Sei T der lineare Operator auf R n gegeben durch T (x 1,..., x n ) = (x x n,..., x x n ). Bestimmen sie alle 1-dimensionalen T -invarianten Unterräume von R n. U i

4 4. Übungsblatt, für den Sei n eine positive ganze Zahl, und sei ODM(n, K) die Menge der oberen n n-dreiecksmatrizen über einem Körper K. Mit A, B und C bezeichnen wir Matrizen aus ODM(n, K), mit a ij, b ij und c ij die Komponenten dieser Matrizen für 1 i, j n. (a) Zeigen Sie, dass ODM(n, K) bezüglich der Matrizenmultiplikation abgeschlossen ist. (b) Seien A, B ODM(n, K) und C = AB. Zeigen Sie, dass c ii = a ii b ii ist für alle i = 1,..., n. (c) Zeigen Sie, dass die invertierbaren Matrizen in ODM(n, K) eine Gruppe bilden und die Diagonalelemente von A 1 die Reziprokwerte der Diagonalelemente von A sind. Hinweis: Falls A ODM(n, K) invertierbar ist, gibt es eine Matrix A 1 = (x ij ) 1 i,j n, so dass A A 1 die Einheitsmatrix ist. Bestimmen Sie die x ij aus a a 1n x x 1n =... 0 a nn x n1... x nn 0 1 und folgern sie daraus, dass A 1 ebenfalls eine obere Dreiecksmatrix ist. (d) Zeigen Sie, dass es zu jeder Matrix A ODM(n, K) eine aufsteigende Folge von n Stück A-invarianten Unterräumen gibt. 2. Seien S und T zwei lineare Operatoren auf dem K-Vektorraum V, wobei S invertierbar ist, und sei f ein Polynom über K. Zeigen Sie: f(s T S 1 ) = S f(t ) S Seien S und T zwei lineare Operatoren auf dem endlich dimensionalen K-Vektorraum V. Zeigen Sie, dass S T und T S die gleichen Eigenwerte besitzen. Hinweis: Für Eigenwerte 0 ist der Beweis einfach. Der Eigenwert 0 erfordert eine eigene Überlegung.

5 5. Übungsblatt, für den Seien a, b R 3 mit a = b = 1 und 0 < a b < 2. Ferner sei das Winkelmaß des Winkels zwischen x und y definiert durch Zeigen Sie: (a) a o b und ( a + b) ( a b). (b) a, a + b > 0. (c) 0 < ( a, a + b) = ( a+ b 2, 3 b) < π. (d) a, b sind linear unabhängig. ( x, y) := arccos x x, y y. 2. Seien x 1, x 2, x 3 R 3 \ { 0} mit 1/2 < c < 1 und x = x, x für x R 3. Beweisen Sie die folgenden Aussagen: (a) Ist x i, x j = 0 für alle i j, dann ist ( x 1, x 2, x 3 ) eine Basis von R 3. (b) Ist x i = 1 und x i, x j = c für alle i j, dann ist ( x 1, x 2, x 3 ) eine Basis von R 3. (c) Gibt es 3 Einheitsvektoren mit c = 1/2? Gilt Aussage (b) im Fall c = 1/2? (d) Gibt es 3 Einheitsvektoren mit c = 1? 3. Sei V ein Vektorraum mit einer durch ein inneres Produkt induzierten Norm. Seien u, v V mit u = 3, u + v = 4 und u v = 6. Bestimmen Sie v. 4. Sei eine von einem reellen inneren Produkt, induzierte Norm auf V. Drücken Sie das innere Produkt x, y, x, y V, durch x + y und x y aus. 5. Beweisen Sie, dass die Ungleichung n a j b j 2 n für alle reellen Zahlen a 1,..., a n und b 1,..., b n gilt. ja 2 j n 1 j b2 j Hinweis: Führen Sie diese Ungleichung auf die Cauchy Schwarzsche Ungleichung n n a j b j a 2 j n zurück. b 2 j

6 6. Übungsblatt, für den Sei I das Intervall [a, b] für zwei reelle Zahlen a < b, und sei C(I) die Menge aller stetigen Funktionen von I nach R. Auf C(I) sei eine innere Verknüpfung gegeben durch: +: C(I) C(I) C(I), (f, g) f + g, (f + g)(r) := f(r) + g(r), r I und eine Multiplilkation mit Skalaren aus R: Zeigen Sie: : R C(I) C(I), (s, f) s f, (s f)(r) := s f(r), r I. (a) C(I) ist mit diesen Verknüpfungen ein R-Vektorraum. (b) Durch f, g := b ist ein inneres Produkt auf C(I) gegeben. a f(r)g(r) dr, f, g C(I) (c) Für k N 0 sei p k : I R gegeben durch r r k. Zeigen Sie, dass für n N die Menge P n (I) aller Polynomabbildungen von I nach R, deren Grad n ist, ein (n + 1)-dimensionaler Unterraum von C(I) ist, und beweisen Sie, dass {p 0,..., p n } eine Basis von P n (I) ist. Hinweis zu (b): Führen Sie den Beweis in folgender Reihenfolge: Warum existiert das Integral f, g? Weisen Sie die Bilinearität und dann die positive Definitheit von, nach. Wenn f C(I) ungleich Null ist, warum ist dann f, f > 0? 2. Sei I = [ π, π]. Ausgehend von der Basis {1, x,..., x 3 } von P 3 (I) bestimmen Sie eine Orthonormalbasis von P 3 (I). Bestimmen Sie die orthogonale Projektion σ von σ := sin I C(I) auf P 3 (I) und zeichnen Sie die Graphen von σ, σ und des Taylorpolynoms von σ vom Grad Fakultativ: Sei I = [ 1, 1]. Die Legendre-Polynome (L k ) k 0 sind gegeben durch L k (x) := 1 2 k k! d k dx k ( (x 2 1) k), k 0. (a) Zeigen Sie, dass L k (x) ein Polynom vom Grad k ist. (b) In C(I) sind für k l die Polynome L k und L l orthogonal. (c) Beweisen Sie: In C(I) gilt L k 2 = 2/(2k + 1), k 0. (d) Ausgehend von der Standardbasis bestimmen Sie eine Orthonormalbasis von P 5 (I). Welche Beziehung besteht zwischen dem Legendre-Polynom L k und dem entsprechenden Element der Orthonormalbasis für k 5? Hinweis: Zu (b): Falls k < l ist, genügen k + 1 partielle Integrationen, um das innere Produkt L k, L l zu bestimmen. Zu (c): Sie sollten k Mal partiell integrieren, um bei einem Faktor unter dem Integral den Operator d/dx zu eliminieren, und dann k Mal partiell integrieren, um das verbleibende Integral zu bestimmen.

7 7. Übungsblatt, für den Sei V ein endlich dimensionaler R- oder C-Vektorraum, T ein linearer Operator auf V und T der adjungierte Operator zu T. Zeigen Sie: λ ist genau dann ein Eigenwert von T, wenn λ ein Eigenwert von T ist. 2. Sei V ein normierter R- oder C-Vektorraum, dessen Norm durch ein inneres Produkt, induziert wird. Für x, y V sei d(x, y) := x y. Zeigen Sie, dass d eine Metrik auf V ist, d.h. (a) d(x, y) 0 für alle (x, y) V 2, (b) d(x, y) = 0 dann und nur dann wenn, x = y, (c) d(x, y) = d(y, x) für alle (x, y) V 2, (d) d(x, y) d(x, z) + d(z, y) für alle (x, y, z) V Was passiert wenn man das Gram Schmidtsche Orthonormalisierungsverfahren in einem Vektorraum mit innerem Produkt auf ein Tupel linear abhängiger Vektoren anwendet? 4. Sei T ein linearer Operator auf einem R- oder C-Vektorraum V mit innerem Produkt,. Sei U ein Unterraum von V und P U die orthogonale Projektion von V auf U. Zeigen Sie, dass U genau dann T -invariant ist, wenn P U T P U = T P U gilt. 5. Sei R[x] die Menge aller Polynome über R. Zeigen oder widerlegen Sie: (a) Die formale Ableitung n i=0 a ix i D( n i=0 a ix i ) := n i=0 ia ix i 1 ist linear. (b) Die formale Integration n i=0 a ix i I( n i=0 a ix i ) := n a i i=0 i+1 xi+1 ist linear. (c) Es gilt D I = id R[x]. (d) Es gilt I D = id R[x]. 6. Gegeben sei die Matrix A = (a) Bestimmen Sie alle 1-dimensionalen A-invarianten Unterräume von R 3. (b) Zeigen Sie, dass eine Ebene E = {(x, y, z) R 3 n 1 x + n 2 y + n 3 z = 0} mit n 1 0 nicht A-invariant sein kann. (c) Bestimmen Sie alle A-invarianten Ebenen E = {(x, y, z) R 3 n 1 x+n 2 y +n 3 z = 0} mit n 2 0 bzw. mit n 3 0. (d) Wieviele A-invariante Unterräume besitzt R 3? Hinweis: Die 2-dimensionalen Unterräume der R 3 sind Ebenen, die den Nullpunkt enthalten. Als solche besitzen Sie eine Darstellung als E = E n = {(x, y, z) R 3 n 1 x + n 2 y + n 3 z = 0}, wobei n = (n 1, n 2, n 3 ) 0 ein Normalvektor auf E ist. Die Ebene E n ist dann und nur dann A invariant, wenn für alle v = (x, y, z) E n gilt, A v, n = 0.

8 8. Übungsblatt, für den Die Bezeichnung K stehe für R oder C. 1. Sei T der lineare Operator auf K n, n N, gegeben durch T (x 1,..., x n ) = (0, x 1,..., x n 1 ). Bestimmen Sie T. 2. Bestimmen Sie ein Polynom q P 2 ([0, 1]) (siehe 6. Übungsblatt, 1. Beispiel) so, dass für alle p P 2 ([0, 1]) gilt: p(1/2) = p, q. 3. Sei T eine lineare Abbildung zwischen den beiden inneren Produkträumen V und W. Zeigen Sie: (a) T ist genau dann injektiv, wenn T surjektiv ist. (b) T ist genau dann surjektiv, wenn T injektiv ist. 4. Widerlegen Sie die folgende Behauptung: Das Produkt zweier selbstadjungierter Operatoren auf einem endlich dimensionalen inneren Produktraum ist selbstadjungiert. Hinweis: Finden Sie ein Gegenbeispiel in der Menge der 2 2-Matrizen über R. 5. Sei T ein linearer Operator auf dem inneren Produktraum V und U ein Unterraum von V. Zeigen Sie, dass U genau dann T -invariant ist, wenn U invariant unter T ist. 6. Sei T ein normaler linearer Operator auf einem inneren Produktraum. Zeigen Sie, dass T k für alle k N normal ist.

9 9. Übungsblatt, für den Sei V ein endlich dimensionaler K-Vektorraum mit innerem Produkt, wobei K für R oder C steht. 1. Sei T ein linearer Operator auf V. Zeigen Sie: dim ker T = dim ker T, dim T (V ) = dim T (V ). 2. Sei T ein positiver linearer Operator auf V. Zeigen Sie, dass T k positiv ist für alle k N. 3. Sei U ein Unterraum von V. (Dann besitzt V die Darstellung als U U. Sei P U die orthogonale Projektion auf U, d.h. falls V v = u + u mit u U und u U, dann ist P U (v) := u.) Zeigen Sie, dass P U ein positiver Operator ist. 4. Zeigen Sie, dass die Identität auf K 2 unendlich viele Quadratwurzeln besitzt. 5. Sei T der lineare Operator auf K 3 gegeben durch T (x, y, z) = (z, 2x, 3y). Bestimmen Sie die Isometrie S des K 3, sodass T = S T T. 6. Sei S ein linearer Operator auf dem n-dimensionalen Vektorraum V. Beweisen Sie oder geben Sie ein Gegenbeispiel zur Aussage: Falls es eine Orthonormalbasis (e 1,..., e n ) von V gibt, sodass Se i = 1 für alle i mit 1 i n, dann ist S eine Isometrie. 7. Seien k < n zwei natürliche Zahlen. Berechnen Sie das Produkt MN der zwei Blockmatrizen M = (I k, A), N = ( A, I n k ), wobei I r die r-zeilige Einheitsmatrix ist (r N) und A eine k (n k)-matrix ist.

10 10. Übungsblatt, für den Sei V ein endlich dimensionaler K-Vektorraum mit innerem Produkt, wobei K für R oder C steht. 1. Sei V ein C-Vektorraum und T ein normaler linearer Operator auf V mit T 9 = T 8. Zeigen Sie, dass T selbstadjungiert ist, und dass T 2 = T gilt. 2. Sei T ein normaler linearer Operator auf V. Zeigen Sie, dass für alle k N gilt: ker T = ker T k, T (V ) = T k (V ). 3. Sei T ein normaler linearer Operator auf V. Zeigen Sie: (a) ker T = ker T, (b) ker T = T (V ), (c) T (V ) = T (V ). 4. Sei T ein positiver Operator auf V. Beweisen Sie, dass T dann und nur dann invertierbar ist, wenn T v, v > 0 für alle v V \ {0} erfüllt ist. 5. Sei n N, v R n, v = 1 und sei σ: R n R n gegeben durch σ(x) := x 2 x, v v. (a) Was bedeutet σ in den Fällen n = 1, n = 2 oder n = 3? (b) Zeigen Sie, dass σ eine Isometrie ist. (c) Bestimmen Sie alle Eigenvektoren von σ. (d) Zeigen Sie, dass σ selbst-adjungiert ist. (e) Zeigen Sie, dass es eine Orthonormalbasis von R n gibt, bezüglich der die Matrixdarstellung von σ eine Diagonalmatrix ist, in der n 1 mal der Wert 1 und einmal der Wert 1 auftritt. 6. Sei (e 1, e 2, e 3 ) die Standardbasis von R 3. (a) Bestimmen Sie die Matrix D der Drehung δ, mit der Drehachse {λ(e 1 + e 2 + e 3 ) λ R}, die den Punkt e 2 + e 3 in e 1 + e 2 überführt. (b) Bestimmen Sie die Matrix S der Spiegelung σ an der Ebene mit Normalvektor gleich e 1 +e 2 +e 3. (c) Zeigen Sie, dass σ δ = δ σ und dass σ δ eine Isometrie ist.

11 11. Übungsblatt, für den Sei V ein endlich dimensionaler K-Vektorraum, wobei K für R oder C steht. 1. Sei m N, v V \ {0}, T ein linearer Operator auf V, T m 1 v 0 und T m v = 0. Zeigen Sie, dass die Vektoren v, T v,..., T m 1 v linear unabhängig sind. 2. Seien S und T lineare Operatoren auf V. Beweisen Sie: (a) Falls ST nilpotent ist, dann ist auch T S nilpotent. (b) Falls S nilpotent ist und ST = T S, dann ist auch T S nilpotent. (c) Falls S und T nilpotent sind und ST = T S, dann ist S + T nilpotent. 3. Sei A eine n n-matrix über K, n N, und A I n sei nilpotent. Zeigen Sie, dass A invertierbar ist und bestimmen Sie A Sei A eine nilpotente n n-matrix über C, n N. (a) Welche Eigenwerte kann A besitzen? (b) Bestimmen Sie das charakteristische Polynom von A. (c) Bestimmen Sie die Menge aller diagonalisierbaren nilpotenten n n-matrizen über C. (d) Geben Sie eine nilpotente Matrix vom Rang 3 an. 5. Zeigen Sie, dass es nilpotente Matrizen A und B gibt, sodass zugleich A+B und AB nicht nilpotent sind. 6. Bestimmen Sie alle verallgemeinerten Eigenvektoren der Operatoren S und T auf C 2 gegeben durch S(x, y) := (y, 0) und T (x, y) := ( y, x) für (x, y) C Betrachten Sie den C-Vektorraum C mit dem inneren Produkt v, w = vw, für v, w C. Bestimmen Sie (a) alle Basen von C, (b) alle Orthonormalbasen von C, (c) alle linearen Operatoren auf C also die Menge L(C) (mit genauer Herleitung), (d) alle invertierbaren Operatoren auf C, (e) alle selbstadjungierten Operatoren auf C, (f) alle normalen Operatoren auf C, (g) alle positiven Operatoren auf C, (h) alle Isometrien auf C, (i) alle diagonalisierbaren Operatoren auf C, (j) alle trigonalisierbaren Operatoren auf C, (k) alle nilpotenten Operatoren auf C. Sei T ein linearer Operator auf C. Bestimmen Sie (l) alle Eigenwerte von T, (m) das charakteristische Polynom von T, (n) alle Operatoren auf C, die ähnlich zu T sind, (o) alle Operatoren, mit denen T vertauschbar ist, (p) die Menge aller Operatoren auf C, die mit allen Operatoren vertauschbar sind. (q) Zeigen Sie, dass L(C) ein zu C isomorpher Vektorraum ist, geben Sie einen Isomorphismus an, bestimmen Sie dim L(C) und beantworten Sie die Fragen (a) (p) für L(C) anstelle von C.

12 12. Übungsblatt, für den Sei V ein endlich dimensionaler K-Vektorraum, wobei K für R oder C steht. 1. Zeigen oder widerlegen Sie: Ist T ein linearer Operator auf V, dann ist V = ker T T (V ). 2. Sei T ein linearer Operator auf V mit T 2 = T. Zeigen Sie, dass dann V = ker T T (V ) gilt. 3. (a) Geben Sie einen Operator T auf C 4 an, dessen Minimalpolynom gleich z(z 1) 2 ist. (b) Geben Sie einen Operator T auf C 4 an, dessen charakteristisches Polynom und Minimalpolynom gleich z(z 1) 2 (z 3) sind. Begründen Sie genau die Wahl von T. 4. Zeigen Sie: Der lineare Operator T : C 3 C 3, T (z 1, z 2, z 3 ) = (z 2, z 3, 0) besitzt keine Quadratwurzel. 5. Sei N ein linearer Operator auf K 5 gegeben durch N(z 1, z 2, z 3, z 4, z 5 ) = (2z 2, 3z 3, z 4, 4z 5, 0). Bestimmen Sie eine Quadratwurzel von id K 5 + N. 6. Sei dim V = n, n N, n 2, und T ein linearer Operator auf V so dass ker T n 2 ker T n 1. Zeigen Sie, T hat höchstens 2 verschiedene Eigenwerte. 7. Sei V ein C-Vektorraum und T ein linearer Operator auf V. Beweisen Sie, dass die folgenden Aussagen äquivalent sind: (a) V besitzt eine Basis aus Eigenvektoren. (b) Jeder (von 0 verschiedene) verallgemeinerte Eigenvektor T ist ein Eigenvektor von T. (c) Das Minimalpolynom von T besitzt nur einfache Nullstellen.

13 Lösungen zum 12. Übungsblatt 6. Da ker T n 2 ker T n 1 ist, existiert ein v V, sodass T n 2 (v) 0 und T n 1 (v) = 0. Nach dem 1. Beispiel des 11. Übungsblattes sind die Vektoren v, T (v),..., T n 2 (v) linear unabhängig. Weiters sind sie alle verallgemeinerte Eigenvektoren von T zum Eigenwert λ 0 = 0. Die Dimension von U 0, der Menge der verallgemeinerten Eigenvektoren von T zu λ 0, ist demnach nicht kleiner als n 1. Hätte T mindestens 3 verschiedene Eigenwerte, dann gibt es neben λ 0 mindestens noch zwei weitere Eigenwerte λ 1 und λ 2, λ i λ j für i j, i, j {0, 1, 2}. Die Dimension von U i, der Menge der verallgemeinerten Eigenvektoren von T zu λ i, i {1, 2}, ist größer gleich 1, und V enthält U 0 U 1 U 2. Daher ist n = dim V dim U 0 + dim U 1 + dim U 2 n = n + 1, was unmöglich ist. Also ist die Annahme, T hätte mindestens 3 verschiedene Eigenwerte, falsch. 7. (a) = (b): Nach Voraussetzung besitzt T bezüglich der Basis aus Eigenvektoren Diagonalgestalt. Seien λ 1,..., λ m die paarweise verschiedenen Eigenwerte von T. Dabei trete λ i genau r i -mal in der Diagonale auf, 1 i m. Also ist dim V = m i=1 r i. Zum Eigenwert λ i gibt es daher r i linear unabhängige Eigenvektoren. Sei U i, 1 i m, die Menge der verallgemeinerten Eigenvektoren von T zum Eigenwert λ i. Dann ist V = U 1 U m. Also gilt dim V = m i=1 dim U i. Die r i linear unabhängigen Eigenvektoren von T zu λ i liegen in U i, daher ist dim U i r i, woraus dim V m i=1 r i folgt. Oben haben wir gezeigt, dass in dieser Ungleichung Gleichheit gilt, folglich muß dim U i gleich r i sein. Deshalb besitzt U i eine Basis aus Eigenvektoren. Jeder verallgemeinerte Eigenvektor zu λ i kann daher als Linearkombination von Eigenvektoren zu λ i dargestellt werden, ist somit (falls ungleich 0) ein Eigenvektor zu λ i (Nachrechnen!). Dies gilt für jedes i {1,..., m}. (b) = (c): Der Operator T besitze genau m 1 paarweise verschiedene Eigenwerte λ 1,..., λ m. Sei V = U 1 U m die Zerlegung von V in die T -invarianten Unterräume U i, die die Mengen der verallgemeinerten Eigenvektoren zu λ i von T sind. Nach Voraussetzung sind die von 0 verschiedenen Elemente u von U i bereits Eigenvektoren, d.h. sie erfüllen die Gleichung (T λ i id)u = 0. Sei v V, dann existieren eindeutig bestimmte u i U i, 1 i m, so dass v = u u m gilt. Da die Operatoren (T λ i id) miteinander vertauschbar sind für 1 i m erhalten wir: m m (T λ i id)v = (T λ i id)(u u m ) i=1 = = = i=1 m i=1 m (T λ i id)u j m m (T λ i id)(t λ j id)u j i=1 i j m m (T λ i id)0 = 0. i=1 i j (Achtung: Das Produkt von Operatoren ist deren Hintereinanderausführung!) Deshalb ist das Minimalpolynom von T ein Teiler von m i=1 (z λ i). Da dieses Polynom normiert ist, und die Nullstellen dieses Polynoms genau die m verschiedenen Eigenwerte von T sind, ist dieses Polynom das Minimalpolynom von T.

14 (c) = (a): Sei dim V = n N und seien λ 1,..., λ m, 1 m n, die paarweise verschiedenen Eigenwerte von T. Da V ein komplexer Vektorraum ist, besitzt T eine Jordansche Normalform T. Diese ist eine Blockdiagonalmatrix bestehend aus Jordanblöcken der Form λ i ( λ i ), oder... 1, 1 i m. 0 λ i Wir wollen zeigen, dass alle diese Blöcke nur von der Gestalt ( λ i ) sind. Indirekte Annahme, es gäbe einen Block von der Form λ i0 I k + N mit k 2, i 0 {1,..., m} und N = Dann ist N k 1 0 und N k = 0. Folglich ist z k das Minimalpolynom von N. Nach Voraussetzung ist m i=1 (z λ i) das Minimalpolynom von T. Daher gilt m i=1 (T λ ii n ) = 0. Da T eine Blockdiagonalmatrix ist, gilt m i=1 (T j λ i I nj ) = 0 für jeden Jordanblock T j von T mit einer geeignet dimensionierten Einheitsmatrix I nj. Also gilt dies auch für den oben beschriebenen Jordanblock λ i0 I k + N. Da die Matrizen I k und N vertauschbar sind erhalten wir 0 = = = m (λ i0 I k + N λ i I k ) i=1 m ((λ i0 λ i )I k + N) i=1 m ((λ i0 λ i )I k + N) i=1 i i 0 k 1 = a 0 I k + a j N j N k 2 = a 0 N + a j N j+1 N mit geeigneten a j C, 0 j k 1, wobei insbesondere a 0 0 (Warum?). Wir erhalten ein (von 0 verschiedenes) Polynom P (z) := a 0 z + k 2 a jz j+1 mit P (N) = 0. Deshalb ist das Minimalpolynom z k von N ein Teiler von P (z). Da a 0 ungleich 0 ist, folgt daraus k = 1, in Widerspruch zu unserer Annahme k 2. Also war die Annahme falsch und alle Jordanblöcke von T sind 1 1-Matrizen. Folglich besitzt T bezüglich einer geeignet gewählten Basis Diagonalgestalt. Die Elemente dieser Basis sind dann Eigenvektoren von T, d.h. V besitzt eine Basis bestehend aus Eigenvektoren von T.

15 Name: Matrikelnr.: Lineare Algebra II, Übungen, Sommersemester Klausur am Bitte markieren Sie Ihre Lehrveranstaltungsgruppe durch Ankreuzen: Gruppe Fripertinger Gruppe Schöpf 1. Sei n N, v R n, v = 1 und sei π: R n R n gegeben durch π(x) := x x, v v, wobei x, y := n i=1 x iy i für x = (x 1,..., x n ), y = (y 1,..., y n ) R n. (a) Was bedeutet π im Fall n = 2 geometrisch? (b) Zeigen Sie, dass π keine Isometrie ist und dass π(x) x ist für alle x R n. (c) Bestimmen Sie alle Eigenwerte von π. (d) Zeigen Sie, dass π selbst-adjungiert ist. (e) Beschreiben Sie alle Orthonormalbasen von R n, bezüglich der die Matrizendarstellungen von π Diagonalgestalt besitzen. Geben Sie eine solche Diagonalmatrix an. 2. Sei V ein endlich-dimensionaler K-Vektorraum mit innerem Produkt, wobei K für R oder C steht, dim V = n, n N. Sei T ein normaler linearer Operator auf V und sei (v 1,..., v n ) eine Orthonormalbasis von V, so dass T bezüglich dieser Basis eine Matrixdarstellung als obere Dreiecksmatrix besitzt. Zeigen Sie, dass diese Matrix sogar eine Diagonalmatrix ist. 3. Geben Sie einen linearen Operator T auf C 4 an, dessen charakteristisches Polynom gegeben ist durch z(z 2) 2 (z + i), und dessen Minimalpolynom gleich z(z 2)(z + i) ist. Begründen Sie ausführlich, warum das charakteristische Polynom und das Minimalpolynom von diesem Operator T von der geforderten Gestalt sind. 4. Sei V ein endlich dimensionaler K-Vektorraum mit innerem Produkt, wobei K für R oder C steht. Zeigen Sie: wenn T ein nilpotenter selbst-adjungierter Operator auf V ist, dann ist T = 0. Lösung: 1. (a) Sei x R 2, dann ist π(x) die Projektion von x auf das orthogonale Komplement von [v] = {λv λ R}. (b) Berechne π(v) = v v, v v = v v 2 v = v v = 0. Also ist π(v) = 0 1 = v, weshalb π keine Isometrie ist. Sei x R n beliebig, dann ist π(x) 2 = x x, v v, x x, v v = x, x x, v v, x x, v x, v + x, v 2 v, v = x 2 2 x, v 2 + x, v v 2 = x 2 x, v 2 x 2,

16 da x, v 2 0. (c) Sei x R n \ {0}. Für x [v] gilt x = µv mit µ 0 und π(x) = µv µv, v v = µv µv = 0. Also ist x ein Eigenvektor zum Eigenwert 0. Für x [v] ist π(x) = x, da x, v = 0 ist. Also ist x ein Eigenvektor zu dem Eigenwert 1. Es gilt R n = [v] [v], mit dim[v] = n 1. Sei x = w 1 + w 2 mit w 1 0 w 2, w 1 [v] und w 2 [v], dann ist x kein Eigenvektor von π, denn π(x) = π(w 1 + w 2 ) = π(w 1 ) + π(w 2 ) = 0 + w 2 {µ(w 1 + w 2 ) µ R}. Also sind 0 und 1 die Eigenwerte von π. (d) Zu zeigen: π(x), y = x, π(y) für alle x, y R n. π(x), y = x x, v v, y = x, y x, v v, y und x, π(y) = x, y y, v v = x, y y, v x, v = x, y x, v v, y. Also ist π selbstadjungiert. (e) Behauptung: Die Menge aller Orthonormalbasen von R n, bezüglich der die Matrizendarstellungen von π Diagonalgestalt besitzen, ist {B {v}, B { v} B ist eine Orthonormalbasis von [v] }. Sei B eine Orthonormalbasis von [v]. Dann sind die Elemente von B Eigenvektoren zum Eigenwert 1, und die Matrizendarstellung von von π eingeschränkt auf [v] ist eine (n 1) (n 1)- Diagonalmatrix deren Diagonalelemente alle gleich 1 sind. B {v} bzw. B { v} sind dann Orthonormalbasen von R n, da v = v = 1 und v, v [v]. Also sind B {v} bzw. B { v} Orthonormalbasen von R n bestehend aus Eigenvektoren, und die Matrizendarstellungen von π bezüglich dieser Basen hat Diagonalgestalt diag(1,..., 1, 0). }{{} n 1 Bisher haben wir gezeigt, dass die Matrizendarstellungen von π bezüglich aller Basen der Form B {v} oder B { v}, wobei B eine Orthonormalbasis von [v] ist, Diagonalgestalt besitzen. Falls umgekehrt π bezüglich einer Orthonormalbasis von R n Diagonalgestalt besitzt, so müssen die Basiselemente Eigenvektoren von π sein. Sie liegen also in [v] oder [v]. Die einzigen Vektoren der Länge 1 in [v] sind v und v. Die Basiselemente, die in [v] liegen, bilden eine Orthonormalbasis von [v]. Also ist jede Orthonormalbasis von R n, bezüglich der die Matrixdarstellung von π Diagonalgestalt besitzt, von der Form B {v} oder B { v}, wobei B eine Orthonormalbasis von [v] ist. 2. Sei die Matrixdarstellung von T gegeben durch a 11 a a 1n 0 a M := a 2n a nn

17 Da T normal ist, ist T mit T vertauschbar, d.h. MM = M M. Sei MM = (b ij ) 1 i,j n und M M = (c ij ) 1 i,j n. Dann ist b ii = n j=i a ija ij und c ii = i a jia ji für 1 i n. Aus b 11 = c 11 folgt n a 1j 2 = a Deshalb ist n j=2 a 1j 2 = 0, woraus a 1j = 0 folgt für 2 j n. Nun folgt daraus zusammen mit b 22 = c 22, dass n 2 a 2j 2 = a j2 2 = a 22 2, j=2 woraus dann a 2j = 0 folgt für 3 j n. Analog zeigt man dann zeilenweise, dass a ij = 0 für 3 i n und i + 1 j n. 3. Sei T der Operator x x 1 x x 2. x x 3 x i x 4 Da dieser Operator durch eine Diagonalmatrix (wir nennen sie M) gegeben ist, sind seine Eigenwerte in der Diagonale als 0, 2 und i ablesbar, und das charakteristische Polynom von T ist z(z 2) 2 (z+i), da der Eigenwert 2 zweimal auftritt. Es bleibt zu zeigen, dass das Minimalpolynom dieses Operators gleich z(z 2)(z + i) ist. Dazu berechnen wir M (M 2I 4 ) (M + ii 4 ) = i i =, i i i da das Produkt von Diagonalmatrizen wieder eine Diagonalmatrix ist, wobei jeweils die Elemente, die in der j-ten Diagonalposition stehen, miteinander multipliziert werden müssen. Das zeigt, dass das Minimalpolynom von T ein Teiler von z(z 2)(z + i) ist. Da dieses Polynom normiert ist, und jeden Eigenwert von T genau einmal als Nullstelle besitzt, ist dieses Polynom das Minimalpolynom von T. 4. Da T nilpotent ist, sind alle Eigenwerte von T gleich 0. Da T selbst-adjungiert ist, gibt es nach dem Spektraltheorem eine Orthonormalbasis von V bestehend aus Eigenvektoren von T. Bezüglich dieser Basis besitzt T Diagonalgestalt, wobei in der Diagonale die Eigenwerte (also 0) stehen. Also ist diese Diagonalmatrix die 0-Matrix und T der 0-Operator. 2. Lösung: Da T selbst-adjungiert ist, ist T auch normal, also ist ker T = ker T k für alle k N. Da T nilpotent ist, ist ker T dim V = V, also ker T = V, d.h. T = 0.

Lineare Algebra II 8. Übungsblatt

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

Mehr

7.3 Unitäre Operatoren

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

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

Mehr

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

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

Mehr

7.2 Die adjungierte Abbildung

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

Mehr

Basisprüfung. 18. August 2015

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

Mehr

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

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

Mehr

4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit

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

Mehr

Lineare Algebra II Lösungen der Klausur

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

Mehr

Wiederholungsserie II

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

Mehr

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

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

Mehr

Lineare Algebra II Lösungen zu ausgewählten Aufgaben

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

Mehr

Lineare Algebra I für Mathematiker Lösungen

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

Mehr

Musterlösung der Klausur zur linearen Algebra II

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

Mehr

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

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

Mehr

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

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

Mehr

Lineare Algebra II 6. Übungsblatt

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

Mehr

Sommer 2017 Musterlösung

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

Mehr

10 Unitäre Vektorräume

10 Unitäre Vektorräume 10 Unitäre Vektorräume Pink: Lineare Algebra 2014/15 Seite 98 10 Unitäre Vektorräume Die Theorie komplexer Vektorräume mit Skalarprodukt folgt denselben Linien wie die Theorie reeller Vektorräume mit Skalarprodukt;

Mehr

Lineare Algebra II (NAWI) SS2014 Übungsblatt 1

Lineare Algebra II (NAWI) SS2014 Übungsblatt 1 Lineare Algebra II (NAWI) SS2014 Übungsblatt 1 Aufgabe 1. Welche der folgenden Abbildungen sind Sesquilinearformen oder Bilinearformen? Welche davon sind Skalarprodukte? (a) B 1 : R R R, (x, y) xy (b)

Mehr

Eigenwerte und Diagonalisierung

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

Mehr

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

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

Mehr

Lineare Algebra 2. Lösung zu Aufgabe 7.2:

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

Mehr

3.7 Eigenwerte und Eigenvektoren

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

Mehr

Universität Bielefeld Sommersemester Lineare Algebra 2 Übungsblatt 1

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

Mehr

Übungsblatt

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

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

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

Mehr

Richie 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 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.

Mehr

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

3 Vektorräume abstrakt

3 Vektorräume abstrakt Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare

Mehr

Lösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen

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

Mehr

Lineare Algebra I Lösungsvorschlag

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

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

Mehr

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153 3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische

Mehr

5.2 Diagonalisierbarkeit und Trigonalisierung

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

Mehr

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

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

Mehr

Lösungsskizze zur Wiederholungsserie

Lösungsskizze 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

Mehr

Klausur zur Vorlesung Lineare Algebra II

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

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 2 2. (Frühjahr 29, Thema 3, Aufgabe 3) Gegeben sei die reelle 3 3 Matrix 4 2 A = 2 7 2 R 3 3. 2 2 a)

Mehr

23. Die Jordan sche Normalform

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

Mehr

4.4 Hermitesche Formen

4.4 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

Mehr

Musterlösungen für die Nachklausur in LinAlg vom

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

Mehr

Lineare Algebra für Physiker 11. Übungsblatt

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

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

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

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

Mehr

4 Lineare Abbildungen Basisdarstellungen

4 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

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (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 =

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch

Mehr

Steilkurs Lineare Algebra 1 einige wichtige Stationen

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

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

12.3 Kommutierende Abbildungen

12.3 Kommutierende Abbildungen 12.3 Kommutierende Abbildungen Definition 12.3.1 Sei V ein endlichdimensionaler Vektorraum, und sei F eine Familie linearer Abbildungen V V mit UT = TU für alle U, T in F. Dann nennt man F eine Familie

Mehr

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 6

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 6 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum

Mehr

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

Lineare Algebra und Geometrie II, Übungen

Lineare 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

Mehr

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1

18 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

Mehr

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

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

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008

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

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2 2

Mehr

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

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

Mehr

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Orthonormalisierung. 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).

Mehr

Lineare Algebra und analytische Geometrie I

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

Mehr

VII.2. INNERE PRODUKTE 227

VII.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

Prüfung Lineare Algebra 2

Prüfung Lineare Algebra 2 1. Überprüfen Sie die folgenden Aussagen: (1) Zwei reelle symmetrische Matrizen sind genau dann ähnlich, wenn sie die gleiche Signatur haben. (2) Jede symmetrische Matrix ist kongruent zu einer Diagonalmatrix,

Mehr

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

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

Mehr

Lösung 13: Unitäre Vektorräume und normale Abbildungen

Lösung 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

Mehr

Lösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung

Lösung 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

Mehr

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT

Lösungen 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

Mehr

MC-Serie 11: Eigenwerte

MC-Serie 11: Eigenwerte D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung

Mehr

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

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

Mehr

6. Normale Abbildungen

6. Normale Abbildungen SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische

Mehr

Probeklausur zur Linearen Algebra II

Probeklausur zur Linearen Algebra II Probeklausur zur Linearen Algebra II Prof. Dr. C. Löh/D. Fauser/J. Witzig 24. Juli 207 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle

Mehr

Grundlagen der Mathematik 2 Nachklausur

Grundlagen der Mathematik 2 Nachklausur Andreas Gathmann und Yue Ren Sommersemester 6 Grundlagen der Mathematik Nachklausur Bearbeitungszeit: 8 Minuten Aufgabe (6 Punkte): Es sei f : R R, (x,y) xye (x+y). (a) Bestimme alle lokalen Maxima und

Mehr

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

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

Mehr

Klausur Lineare Algebra I & II

Klausur Lineare Algebra I & II Prof. Dr. G. Felder, Dr. Thomas Willwacher ETH Zürich, Sommer 2010 D MATH, D PHYS, D CHAB Klausur Lineare Algebra I & II Bitte ausfüllen! Name: Vorname: Studiengang: Bitte nicht ausfüllen! Aufgabe Punkte

Mehr

Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4.

Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4. Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4. Aufgabe 2.1 (8 Punkte) Es sei K ein Körper, n N, V ein 2n-dimensionaler K -Vektorraum und U

Mehr

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

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

Mehr

Verständnisfragen: Lineare Algebra und Analytische Geometrie I und II

Verständnisfragen: 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?

Mehr

Diagonalisierbarkeit symmetrischer Matrizen

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

Mehr

auf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a

auf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a x LINEARE ABBILDUNGEN Denition: Seien V; V Vektorraume Eine Abbildung f heit linear, falls (i) (ii) f(x + y) f(x) + f(y) (x; y V ) f(x) f(x) ( R; x V ) Bemerkungen: I (i) und (ii) oben sind aquivalent

Mehr

(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.

(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet. L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum

Mehr

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

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

Mehr

Ferienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen

Ferienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen Technische Universität München Department of Physics Ferienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen Freitag, 16.03.2012 Sascha Frölich Ferienkurs Lin. Alg. -

Mehr

Kontrollfragen und Aufgaben zur 3. Konsultation

Kontrollfragen und Aufgaben zur 3. Konsultation 1 Technische Universität Ilmenau Fakultät für Mathematik und Naturwissenschaften Institut für Mathematik Prof. Dr. Michael Stiebitz Kontrollfragen und Aufgaben zur 3. Konsultation Termin: Ort: Determinante

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

5 Lineare Algebra (Teil 3): Skalarprodukt 5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale

Mehr

3 Bilinearform, Basen und Matrizen

3 Bilinearform, Basen und Matrizen Lineare Algebra II 2. Oktober 2013 Mitschrift der Vorlesung Lineare Algebra II im SS 2013 bei Prof. Peter Littelmann von Dario Antweiler an der Universität zu Köln. Kann Fehler enthalten. Veröentlicht

Mehr

Unter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über

Unter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über 9 Innere Produkte In diesem Kapitel betrachten wir immer Vektorräume über dem Körper der reellen Zahlen R oder dem Körper der komplexen Zahlen C. Definition 9.1: Sei V ein Vektorraum über R. Ein inneres

Mehr

L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren. Gegeben. Gesucht: Diagonalform: Finde und! Definition: Eigenvektor, Eigenwert

L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren. Gegeben. Gesucht: Diagonalform: Finde und! Definition: Eigenvektor, Eigenwert L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors

Mehr

Lineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz

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

Mehr

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015

Lösungsskizzen 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)

Mehr

Analytische Geometrie

Analytische Geometrie 21 Vorlesungen über Analytische Geometrie für Lehramtstudierende der Schulformen Grund-, Mittel- und Realschule Jens Jordan Universität Würzburg, Wintersemster 2015/16 Hier kommt noch ein schönes Bildchen

Mehr

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

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

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn

Mehr

Lineare Algebra I Ferienblatt

Lineare Algebra I Ferienblatt Wintersemester 09/0 Prof. Dr. Frank-Olaf Schreyer Dr. Janko Boehm Lineare Algebra I Ferienblatt. Sei, das Euklidische Skalarprodukt auf R. Das Kreuzprodukt a b von Vektoren a, b R ist durch die Formel

Mehr

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

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

Mehr