r (α (m) jk xm ) m=0 ist ein Algebren Isomorphismus; daher identifiziert man K n n [x] mit K[x] n n, z. B.

Größe: px
Ab Seite anzeigen:

Download "r (α (m) jk xm ) m=0 ist ein Algebren Isomorphismus; daher identifiziert man K n n [x] mit K[x] n n, z. B."

Transkript

1 Kapitel 10 Normalformen 10.1 Der Satz von Cayley Hamilton Dieser schöne Satz der linearen Algebra besagt, dass das Minimalpoynom stets ein Teiler des charakteristischen Polynoms ist; mit anderen Worten, dass jede quadratische Matrix als Nullstelle ihres charakteristischen Polynoms aufgefasst werden kann Bemerkungen. (1) Wie schon früher erwähnt, lassen sich Matrizen, Determinanten, Polynome etc. ebenso über Ringen wie über Körpern definieren. Zum Beispiel gilt für jede n n Matrix A über einem kommutativen Ring mit 1 und die Adjunkte A = (α ij ) mit α ij := det A i(e j ) = ( 1) i+j det A ji (wobei A ji aus A durch Streichen der j ten Zeile und i ten Spalte entsteht): A A = A A = (det A) E (vgl. Kapitel 5.3). Im nicht-kommutativen Fall gibt es allerdings einige Probleme. (2) Die Abbildung I : K n n [x] K[x] n n, (α (m) jk ) xm ( α (m) jk xm ) m=0 m=0 ist ein Algebren Isomorphismus; daher identifiziert man K n n [x] mit K[x] n n, z. B. ( ) ( ) ( ) 1 0 α β x α β xe A = Ex A = x = für A K γ δ γ x δ (3) Ist R eine K Algebra, so ist M e : K R, α αe ein injektiver Algebren Homomorphismus. Man kann deshalb o. B. d. A. annehmen, dass K eine Unteralgebra von R mit e = 1 ist. (4) Für Elemente a, b eines Ringes R schreiben wir a b, falls es ein q R mit q a = b gibt. Im nicht-kommutativen Fall bedeutet dies etwas anderes als a q = b! 106

2 KAPITEL 10. NORMALFORMEN 107 Wir rekapitulieren ein Lemma, das wir schon in Kapitel 6 kennengelernt haben: Lemma. (Divisionslemma) Für Elemente a eines Ringes R und Polynome p R[x] gilt: p(a) = 0 (x a) p, d. h. es gibt ein q R mit p = q (x a). Die Koeffizienten von q liegen in dem von a und den Koeffizienten von p erzeugten Unterring Folgerung. (Linearfaktoren von Polynomen) Für eine K Algebra R und ein algebraisches a R sowie p K[x] R[x] gilt: (x a) p in R[x] (x a) p in K[a][x] µ a p in K[x]. Dabei ist K[a][x] eine kommutative Unteralgebra von R[x] Satz. (Cayley Hamilton für Matrizen) Sei K ein kommutativer Ring mit 1. Für jede Matrix A K n n gilt dann χ A (A) = 0. Ist K ein Körper, so gilt sogar χ A = δ A µ A, wobei δ A der ggt aller (n 1) reihigen Unterdeterminanten von xe A ist; insbesondere µ A χ A. Umgekehrt ist χ A ein Teiler von µ A n. Ist χ A = p n j j eine Zerlegung in irreduzible Faktoren p j, so gilt µ A = p m j j mit 1 m j n j Folgerung. (Cayley Hamilton für Endomorphismen) Für jeden Endomorphismus F eines n dimensionalen Vektorraumes V gilt χ F (F ) = 0. Das Minimalpolynom µ F ist also ein Teiler des charakteristischen Polynoms χ F Folgerung. Zu A GL (n, K) gibt es ein eindeutiges Polynom r K[x] (n 1) ten Grades mit x r(x) = 1 χ A (0) 1 χ A (x) und r(a) = A Satz. (Minimalpolynom trigonalisierbarer Matrizen) Ist A trigonalisierbar, so gilt r χ A (x) = (x λ j ) n j mit paarweise verschiedenen λ j ( den Eigenwerten von A), µ A (x) = r (x λ j ) m j für geeignete m j mit 1 m j n j. Ist A sogar diagonalisierbar, so gilt m j = 1 für alle j r. ( ) ( ) ( ) α β x α β x δ β Beispiel. A =, xe A =, (xe A) =, γ δ γ x δ γ x α δ A = x α, falls A = αe, und δ A = 1 sonst, µ A = x α, falls A = αe, und µ A = χ A sonst.

3 KAPITEL 10. NORMALFORMEN Zerlegungen für Endomorphismen und Matrizen Im Folgenden betrachten wir Endomorphismen eines endlich-dimensionalen K-Vektorraums V. Die entsprechenden Aussagen über Matrizen sind leicht zu ergänzen. Aus dem Kapitel 8.3 über Zerlegungen in beliebigen K-Algebren können wir direkt einige der wichtigsten Sätze über die K-Algebren End K (V ) und K n n übernehmen. Zunächst erinnern wir daran, dass die Eigenwerte eines Endomorphismus F End K (V ) genau die Nullstellen des Minimalpolynoms µ F sind. Dieses hat also die gleichen Nullstellen wie das charakteristische Polynom, allerdings möglicherweise mit geringerer Vielfachheit (Satz von Cayley Hamilton). Für die zerfallenden bzw. halbeinfachen Elemente der Algebra End K (V ) gibt es eine besonders einprägsame Charakterisierung: Satz. (Zerfallende und halbeinfache Endomorphismen) Die trigonalisierbaren Endomorphismen sind genau die zerfallenden Elemente von End K (V ). Die diagonalisierbaren Endomorphismen sind genau die halbeinfachen Elemente von End K (V ) Bemerkung. Eine Projektion ist ein idempotentes Element des Endomorphismenringes End K (V ). Mit H ist auch id V H eine Projektion (auf einen zu H + (V ) komplementären Unterraum), und {H, id V H} ist eine Spektralschar, sofern 0 H id V. Allgemeiner gilt: Satz. (Spektralscharen und direkte Summen) (1) Für jede Spektralschar {H 1,..., H r } in End K (V ) ist H j die Projektion auf den Unterraum U j := H j + (V ) {0}, und V ist die direkte Summe dieser Unterräume: r V = U j. (2) Umgekehrt gibt es zu jeder direkten Summenzerlegung r V = U j in Unterräume U j {0} genau eine Spektralschar {H 1,..., H r } mit H + j (V ) = U j. Es besteht also eine bijektive Zuordnung zwischen Spektralscharen in End K (V ) und direkten Summenzerlegungen von V in von Null verschiedene Summanden Satz. (Spektralzerlegung für diagonalisierbare Endomorphismen) Die folgenden Aussagen über einen Endomorphismus F End K (V ) sind äquivalent: (a) F ist diagonalisierbar. (b) µ F zerfällt in paarweise verschiedene Linearfaktoren. (c) F besitzt eine (eindeutige) Spektralzerlegung. (d) Es gibt eine Spektralschar {H 1,..., H r } in End K (V ) mit H + j (V ) = V (F, λ j). In der Spektralzerlegung F = r λ j H j sind die λ j die verschiedenen Eigenwerte von F, und die H j sind die Projektionen auf die zugehörigen Eigenräume V (F, λ j ).

4 KAPITEL 10. NORMALFORMEN Bemerkung. Für Diagonalmatrizen Λ = diag (λ 1,..., λ n ), wobei λ 1,..., λ r verschieden sind und {λ 1,..., λ n } = {λ 1,..., λ r } gilt, ist die Spektralzerlegung leicht zu bestimmen: { 1, falls λj = λ Λ = λ j H j mit H j = diag (ε j1,..., ε jn ), ε jk = k. 0, sonst Für eine diagonalisierbare Matrix A = CDC 1 ist dann die Spektralzerlegung A = λ j CH j C 1, und für beliebige Polynome p K[x] ergibt sich die Spektralzerlegung von p(a) aus p(a) = p(λ j ) CH j C 1 durch Zusammenfassung der Summanden mit gleichen Koeffizienten p(λ j ) Satz. (Jordan Chevalley Zerlegung für Endomorphismen) Für einen Endomorphismus F End K (V ) sind äquivalent: (a) F ist trigonalisierbar. (b) µ F zerfällt in Linearfaktoren. (c) F besitzt eine (eindeutige) Minimalzerlegung. (d) F besitzt eine (eindeutige) Zerlegung F = H + N in einen diagonalisierbaren Endomorphismus H und einen nilpotenten Endomorphismus N mit H N = N H Folgerung. Jede trigonalisierbare Matrix A K n n besitzt eine eindeutige Zerlegung A = H + N in eine diagonalisierbare Matrix H und eine nilpotente Matrix N mit HN = N H, und H besitzt eine Spektralzerlegung H = λ j H j, wobei die λ j sowohl die Eigenwerte von H als auch die von A sind Bemerkung. Wir betonen nochmals, dass ohne Forderung der Vertauschbarkeit eine Zerlegung A = λ j H j + N mittels einer Spektralschar {H 1,..., H r } und einer nilpotenten Matrix N nicht notwendig die Minimalzerlegung von A ist, selbst wenn die λ j die verschiedenen Eigenwerte von A sind. Darüberhinaus braucht A nicht einmal zu zerfallen, wenn eine solche Zerlegung existiert.

5 KAPITEL 10. NORMALFORMEN Beispiel. Die Zerlegung ( ) ( A = = ) ( ) = H + N, ist keine Jordan-Chevalley Zerlegung: H ist halbeinfach und N ist nilpotent, aber A ist nicht zerfallend über R, da µ A = x 2 3x + 3 keine reellen Nullstellen hat. Hier gilt HN NH! Definition. Ein Unterraum U von V heißt F -invariant, falls F + (U) U gilt. In diesem Fall ist F U : U U, u F (u) ein Endomorphismus von U. Die Menge der F invarianten Unterräume von V bezeichnen wir mit U F Bemerkung. Summen und Durchschnitte beliebig vieler F invarianter Unterräume sind wieder F invariant, d. h. U F ist gegen Summen und Durchschnittbildung abgeschlossen Satz. (Begleitmatrizen) Für festes v V und F End K (V ) sei G : K[x] V definiert durch G(p) = p(f )(v). (1) G ist ein Vektorraum Homomorphismus (d. h. K linear). (2) Kern G = {p K[x] p(f )(v) = 0} ist ein Hauptideal in K[x], also von der Form q K[x] für ein eindeutiges normiertes Polynom q = k j=0 q j x j K[x]. (3) Bild G =: U ist ein F invarianter Unterraum von V, d. h. F + (U) U. (4) B = (v, F (v),..., F k 1 (v)) ist eine geordnete Basis von U. (5) Bezüglich B hat F U : U U die Darstellungsmatrix (sogenannte Begleitmatrix ) q C = C F,v = q k 1 (6) q = χ C = χ F U = µ F U ist ein Teiler von χ F Definition. Für Matrizen A j K n j n j (n j r) bezeichnen wir mit [A 1,..., A r ] die Diagonal Kästchenmatrix A 1 0 A =... Kn n (n = n j ). 0 A r Die Verkettung zweier Tupel B 1 = (b 1,..., b m ) und B 2 = (b m+1,..., b n ) definieren wir durch B 1 B 2 = (b 1,..., b m, b m+1,..., b n ). Die Verkettung endlich vieler Tupel B 1,..., B r entsteht durch Hintereinanderschreiben : B 1 B r = B 1 (B 2 B r ).

6 KAPITEL 10. NORMALFORMEN Lemma. (Matrixdarstellung mittels direkter Summanden) Für j r sei V j ein n j dimensionaler Unterraum des Vektorraums V und B j eine geordnete Basis von V j sowie B = B 1 B r. Dann sind die folgenden drei Aussagen über einen Endomorphismus F End K (V ) äquivalent: (a) Jedes V j ist F invariant, und V ist direkte Summe der V j. (b) F + (B j ) V j (j r), und B ist eine geordnete Basis von V. (c) A = M B B (F ) ist eine Diagonal Kästchenmatrix [A 1,..., A r ] mit A j K n j n j. In diesem Fall sind die A j die Darstellungsmatrizen der Einschränkungen von F auf V j : A j = M B j B j (F Vj ). Dieses Lemma legt nahe, V in geeignete F invariante Unterräume zu zerlegen, um eine möglichst einfache Matrixdarstellung für F zu erhalten. Im Idealfall eines diagonalisierbaren Endomorphismus F gelingt eine direkte Summenzerlegung in eindimensionale Unterräume mit Hilfe einer Basis aus Eigenvektoren (siehe Kapitel 6) Satz. (Vertauschbare Endomorphismen) Für F, G End K (V ) mit F G = G F ist V (G, λ) = Kern (G λ id V ) ein F invarianter Unterraum. Sind F und G diagonalisierbar, so besitzt V eine Basis aus gemeinsamen Eigenvektoren von F und G. Insbesondere sind dann auch F + G, F G und F G diagonalisierbar Folgerung. Für jeden Endomorphismus F End K (V ) und jedes Polynom p K[x] ist Kern p(f ) ein F invarianter Unterraum von V. Wir präzisieren nun die Zusammenhänge zwischen Kernen und Minimalpolynomen: Satz. (Galois Verbindung zwischen Polynomen und Unterräumen) Für jeden Endomorphismus F End K (V ) erfüllen die Abbildungen κ : K[x] U F, p Kern p(f ) und µ : U F K[x], U µ F U die Äquivalenz Es gilt (0) µ(u) p U κ(p). (1) U κ µ(u), (2) µ κ(p) p, (3) p q = κ(p) κ(q), (4) U W = µ(u) µ(w ), (5) µ F U µ F, (6) κ(ggt (p, q)) = κ(p) κ(q), (7) κ(kgv (p, q)) = κ(p) + κ(q), (8) κ(p q) = κ(p) κ(q).

7 KAPITEL 10. NORMALFORMEN 112 Wie die nachfolgenden Zerlegungssätze zeigen werden, entsprechen den Produktzerlegungen von Polynomen direkte Summenzerlegungen eines Vektorraumes in invariante Unterräume Satz. (Erster Zerlegungssatz) Ist F End K (V ) und U die direkte Summe F invarianter Unterräume U 1,..., U r, so gilt: r µ F U = kgv (µ F Uj : j = 1,..., r) und χ F U = χ F Uj. Sind die Polynome µ F Uj µ F U = µ F Uj und χ F U = χ F Uj Satz. (Zweiter Zerlegungssatz) Für F End K (V ) und q = r q j K[x] sei paarweise teilerfremd, so gilt insbesondere: U := Kern q(f ) und U j := Kern q j (F ). Dann ist U die direkte Summe der F invarianten Unterräume U j : r U = U j, und entsprechende Zerlegungen gelten für Minimalpolynom und charakteristisches Polynom: µ F U = µ F Uj und χ F U = χ F Uj Bemerkung. Wie man leicht zeigen kann, sind für Polynome h j aus dem Zerlegungslemma die Endomorphismen H j = h j (F ) U = h j (F U ) gerade die Projektionen von U auf die Kerne U j = Kern q j (F ). So erhält man unter Verwendung von einen Beweis für den zweiten Zerlegungssatz Satz. (Dritter Zerlegungssatz) Für F End K (V ) sei µ F = p m j j die Zerlegung in normierte irreduzible Faktoren p j, und U j := Kern p j (F ), U m j := Kern p j (F ) m (m N), V j := U m j j. Dann ist V die direkte Summe der F invarianten Unterräume V j, und es gilt: (1) m m j µ F U m j = p m j j (2) m m j µ F U m j = p m j. U m j = U m+1 j U m j = V j,

8 KAPITEL 10. NORMALFORMEN Folgerung. (Zerlegung von Minimal- und charakteristischem Polynom) Für jeden irreduziblen Faktor p j von µ F bzw. χ F sei V j der größte der Unterräume U m j := Kern p j (F ) m (m N). Dann gilt für m j = min{m : Uj m = Uj m+1 } und n j = dim V j /grad p j : V j = U m j j, µ F Vj = p m j j, µ F = V j = U n j j, χ F Vj = p n j j, χ F = p m j j, p n j j. Zusammenfassend erhalten wir nun ein besonders einprägsames Resultat, das die Korrespondenz zwischen Teilern des Minimalpolynoms und F invarianten Unterräumen verdeutlicht: Satz. (Isomorphiesatz für Minimalpolynome von Endomorphismen) Für F End K (V ) sei T F die Menge der normierten Teiler des Minimalpolynoms von F und K F := {Kern G G K[F ]}. Dann ist die Abbildung κ : T F K F, p Kern p(f ) ein Bijektion mit p q κ(p) κ(q), und die Umkehrabbildung ist µ : K F T F, U µ F U. T F und K F sind also isomorphe endliche geordnete Mengen Beispiel. µ F = x 2 (x 1)(x 2) V = U 2 0 U 1 U 2 µ F x 2 (x 1) x 2 (x 2) x(x 1)(x 2) x 2 x(x 1) x(x 2) (x 1)(x 2) x x 1 x 2 1 T F V U 2 0 U 1 U 2 0 U 2 U 0 U 1 U 2 U 2 0 U 0 U 1 U 0 U 2 U 1 U 2 κ K µ F U 0 U 1 U 2 {0}

9 KAPITEL 10. NORMALFORMEN Bemerkungen. Unter einem Verband versteht man eine halbgeordnete Menge, in der zu je zwei Elementen a, b eine kleinste obere Schranke, genannt Supremum, sowie eine größte untere Schranke, genannt Infimum, existiert. Besitzen sogar beliebige Teilmengen Suprema und Infima, so spricht man von einem vollständigen Verband. Beispielsweise ist jedes Hüllensystem ein vollständiger Verband, in dem das Infimum der Durchschnitt und das Supremum die Hülle der Vereinigung ist. In diesem Sinne ist das System U(V ) aller Unterräume von V, aber auch das System U F aller F invarianten Unterräume (für einen festen Endomorphismus F ) ein vollständiger Verband, desgleichen das System K F aller Kerne von Endomorphismen in K[F ]. Andererseits bilden die normierten Teiler des Minimalpolynoms µ F einen endlichen Verband T F mit der Teilbarkeitsrelation als Halbordnung, dem kgv als Supremum und dem ggt als Infimum. Der Isomorphiesatz besagt, dass die beiden Verbände T F und K F isomorph sind. Darüberhinaus beinhaltet Satz , dass die Abbildung κ : p Kern p(f ) vom Verband K 1 [x] aller normierten Polynome in den Verband U F aller F invarianten Unterräume ein Verbands Homomorphismus ist (d. h. Suprema und Infima bewahrt). Erinnern wir uns daran, dass wir für einen Endomorphismus G End K (V ) sinnvoll Potenzen des Unterraums U = Kern G definieren können: U m := Kern (G m ) (m N). Die Potenzschreibweise U m für Kern (G m ), falls U = Kern G, wird gerechtfertigt durch die Tatsache, dass für U, W K F das Produkt U W = Kern (G H) (U = Kern G, W = Kern H; G, H K[F ]) wohldefiniert, d. h. unabhängig von der Wahl der Endomorphismen G und H ist. Die Abbildung κ : K 1 [x] K F ist dann nicht nur ein Verbands Homomorphismus, sondern auch ein Homomorphismus zwischen den Halbgruppen K 1 [x] und K F, so dass gilt κ(p m ) = κ(p) m. Wir wollen den dritten Zerlegungssatz noch für die einfachere (wenn auch nicht immer halbeinfache) Situation eines zerfallenden Endomorphismus formulieren Satz. (Summenzerlegung in erhöhte Eigenräume) Ist F ein zerfallender, d. h. trigonalisierbarer Endomorphismus, also µ F = (x λ j ) m j und χ F = (x λ j ) n j, und bezeichnet U j den Eigenraum V (F, λ j ) = Kern (F λ j id V ), so ist V die direkte Summe der erhöhten Eigenräume V j = U m j j ; weiter ist n j die Dimension von V j, und m j = min{m U m j = U m+1 j } = min{m Rang (F λ j id V ) m = Rang (F λ j id V ) m+1 } Satz. (Endomorphismen mit minimalem charakteristischen Polynom) Für einen zerfallenden Endomorphismus F sind folgende Aussagen äquivalent: (a) µ F = χ F. (b) µ F U = χ F U für jeden F invarianten Unterraum U. (c) Zu jedem F invarianten Unterraum U gibt es genau ein p T F mit U = Kern p(f ). (d) dim Kern p(f ) = grad p für jeden Teiler p von µ F. (e) dim U m j = m für alle m N mit m m j.

10 KAPITEL 10. NORMALFORMEN Die Jordansche Normalform Wir sahen bereits, dass jede halbeinfache, d. h. diagonalisierbare Matrix zu genau einer Diagonalmatrix ähnlich ist. In diesem Abschnitt nehmen wir uns vor, zu jeder zerfallenden, d. h. trigonalisierbaren Matrix eine möglichst einfach gestaltete ähnliche Matrix zu finden. Genauer werden wir in jeder Ähnlichkeitsklasse eine im wesentlichen eindeutige Diagonal Kästchenmatrix bestimmen, deren Gestalt einer Diagonalmatrix ziemlich nahe kommt: In der Hauptdiagonalen stehen wie bisher die Eigenwerte, in der ersten Nebendiagonalen Nullen und Einsen, und alle anderen Koeffizienten sind Null Definition. Die nilzyklische Matrix vom Rang m 1 ist definiert durch { N m =... = (n jk ) K m m 1 für k = j + 1, mit n jk = 1 0 sonst. 0 0 Für λ K heißt λ J λ,m =... = λe m + N m 1 0 λ Jordan Kästchen zum (Eigen ) Wert λ. Speziell ist also N m = J 0,m. Eine Diagonal Kästchenmatrix [J 1,..., J s ] heißt Jordan Matrix, falls jedes J k ein Jordan Kästchen ist. Unser Ziel ist es, zu zeigen, dass jede trigonalisierbare Matrix zu einer solchen (bis auf Reihenfolge der Kästchen eindeutigen) Jordan Matrix ähnlich ist. Wie im vorigen Abschnitt erweist es sich als vorteilhaft, zunächst mit Endomorphismen statt mit Matrizen zu arbeiten. Im Folgenden sei F stets ein zerfallender Endomorphismus eines n dimensionalen Vektorraums V mit Minimalpolynom µ F = (x λ j ) m j und charakteristischem Polynom χ F = (x λ j ) n j Satz. (Allgemeine Jordan Form) (1) Für jeden Eigenwert λ j von F ist der erhöhte Eigenraum V j = V (F, λ j ) m j = Kern (F λ j id V ) m j ein F invarianter Unterraum der Dimension n j, und V ist die direkte Summe der V j.

11 KAPITEL 10. NORMALFORMEN 116 (2) Bezeichnet H j die Projektion von V auf V j, so hat F folgende Minimalzerlegung: F = λ j H j + N mit N Vj = (F λ j id V ) Vj = F Vj λ j id Vj. (3) Ist B j eine geordnete Basis von V j, so wird F bezüglich der Basis B = B 1 B r durch eine Diagonal Kästchenmatrix [λ 1 E n1 + M 1,..., λ r E nr + M r ] mit nilpotenten Matrizen M j K n j n j dargestellt. Wir wissen schon, dass bei geeigneter Wahl der Basen B j die nilpotenten Matrizen M j echte obere Dreiecksmatrizen werden. Es wird uns gelingen, die Basen B j so zu wählen, dass die M j sogar die zu Beginn beschriebene besonders einfach Gestalt (nur Einsen in der ersten Nebendiagonalen) haben. Dazu noch eine Definition. Für G End K (V ) und u V heißt der kleinste u enthaltende G invariante Unterraum der von u erzeugte G zyklische Unterraum Satz. (Zyklische Basis) Ist U der von u erzeugte G zyklische Unterraum von V, so gibt es ein m N, so dass C = (G m 1 (u),..., G(u), u) eine geordnete ( zyklische ) Basis von U ist. Weiter gilt: G U ist nilpotent (G U ) m = 0 G m (u) = 0 M C C (G U ) = N m Bemerkung. Bezüglich der geordneten Basis (u, G(u),..., G m 1 (u)) wird der nilpotente Endomorphismus G U durch die transponierte nilzyklische Matrix Nm T dargestellt Folgerung. (Nilzyklische Endomorphismen) Der Endomorphismus G End K (V ) wird genau dann bezüglich einer geeigneten Basis durch die nilzyklische Matrix N m dargestellt, wenn G nilpotent und V G zyklisch ist. Grundlegend für die Konstruktion einer geeigneten Jordan Basis, bezüglich der ein gegebener Endomorphismus F durch eine Jordan Matrix dargestellt wird, ist das folgende Lemma. (Stufenbasis für invariante Unterräume) Für F End K (V ), G K[F ] sei U m := Kern G m, m G := min{m U m =U m+1 }. Dann gilt: (1) G (U m ) = U m+1. (2) (U m ) ist eine aufsteigende Folge F invarianter Unterräume mit U m = U m G für m m G. (3) Es gibt Stufen S 1,..., S mg, so dass B m = S 1 S m für jedes m m G eine Basis von U m+1 ist. (4) Ist C U m+1 \ U m und B m C linear unabhängig in U m+1, so ist B m 1 G m (C) linear unabhängig in U m, kann also zu einer Basis von U m ergänzt werden. (5) Es gibt eine Treppe T 1,..., T mg, so dass B m 1 T m für jedes m m G eine Basis von U m ist und T m = G + (T m+1 ) Z m für geeignete Ergänzungen Z m gilt (wobei T mg +1 = ).

12 KAPITEL 10. NORMALFORMEN Definition. Für beliebige Endomorphismen G End K (V ) und deren Darstellungsmatrizen A sind Rang, Dimensions und Differenzenfolgen definiert durch r A = r G = (r m ) mit r m := Rang A m = dim Bild G m, d A = d G = (d m ) mit d m := n r m = dim V r m, s A = s G = (s m ) mit s m := d m d m 1 = r m 1 r m, z A = z G = (z m ) mit z m := s m s m+1 = r m 1 2r m + r m+1. A m hat bei fest gewähltem m für jede Darstellungsmatrix A von G den gleichen Rang! Mit den Bezeichnungen von gilt nun d m = B m = dim U m, s m = S m = T m, z m = Z m = s m s m Folgerungen. (Rang, Dimensions und Differenzenfolgen) Für jeden Endomorphismus G eines n dimensionalen Vektorraums V gilt: (1) Die Rangfolge r G = (r m ) ist monoton fallend und für m m G konstant. (2) Die Dimensionsfolge d G = (d m ) ist monoton wachsend und für m m G konstant. (3) Die Differenzenfolge s G = (s m ) ist monoton fallend, nichtnegativ, und s m =0 für m > m G. (4) Die zweite Differenzenfolge z G = (z m ) ist nichtnegativ, z mg > 0, und z m = 0 für m > m G. (5) Aus der Folge z G können die Folgen s G, d G, r G und m G zurückgewonnen werden: m G m s m = z k, d m = s k = n r m, k=m k=1 m G = max{m N 0 z m 0} = max{m N 0 s m 0}. Insbesondere gilt für nilpotentes G: n = dim V = r 0 = m G m=1 z m m, r m = 0 für m m G Definition. Für eine beliebige Folge z = (z m ) N [N] 0 sei m z := max{m z m 0}, n z = m z m=1 z m m, N z := [N mz,..., N mz,..., N m,..., N m,..., N 1,..., N 1 ] K nz nz, wobei für jedes m m z das nilzyklische Kästchen N m genau z m mal auftritt. Jetzt können wir die Ähnlichkeitsklassen nilpotenter Matrizen charakterisieren:

13 KAPITEL 10. NORMALFORMEN Satz. (Normalform nilpotenter Endomorphismen und Matrizen) (1) Für jeden nilpotenten Endomorphismus G End K (V ) ist V direkte Summe G zyklischer Unterräume, und G besitzt genau eine Darstellungsmatrix der Form N z mit z N [N] 0. (2) Jede nilpotente Matrix ist genau zu einer Matrix N z ähnlich. (3) Für je zwei nilpotente Matrizen A und B gilt: A B r A = r B d A = d B s A = s B z A = z B N za = N zb Bemerkung. Jede Folge z = (z m ) N [N] 0 kann durch eine einzige natürliche Zahl n z codiert werden: Bezeichnet (p m ) = (2, 3, 5,... ) die Folge der Primzahlen, so ist die Abbildung ν : N [N] 0 N, z n z = pm zm wegen der eindeutigen Primfaktorzerlegung bijektiv. Durch Kombination von und (Zusammensetzen der Jordan Basen für die einzelnen Summanden aus der Minimalzerlegung) gelangen wir schließlich zu der gewünschten Normalform für beliebige zerfallende Endomorphismen und Matrizen: Satz. (Jordansche Normalform) (1) Ein Endomorphismus ist genau dann zerfallend, wenn er durch eine bis auf die Reihenfolge der Kästchen eindeutige Jordan Matrix dargestellt werden kann. (2) Eine Matrix ist genau dann zerfallend (d. h. trigonalisierbar), wenn sie zu einer bis auf die Reihenfolge der Kästchen eindeutigen Jordan Matrix ähnlich ist. Zusammenfassend erhalten wir nun ein praktisches Ähnlichkeitskriterium mittels der Invariantenfunktion einer zerfallenden Matrix A: Definition. Für eine zerfallende Matrix A ist die Invariantenfunktion z(a) z(a) : K N N 0, (λ, m) z A λe (m) Bemerkung. Definitionsgemäß gilt λ ist Eigenwert von A d A λe 0 s A λe 0 z A λe Satz. (Invarianten und Ähnlichkeit) Für zwei zerfallende Matrizen A, B K n n sind folgende Beziehungen äquivalent: (a) A ist ähnlich zu B. (b) r A λe = r B λe für jedes λ K, d. h. A und B haben die gleichen Rangfolgen. (c) s A λe = s B λe für jedes λ K, d. h. A und B haben die gleichen Differenzenfolgen. (d) z A λe = z B λe für jedes λ K, d. h. A und B haben die gleiche Invariantenfunktion. (e) A und B haben die gleiche Jordansche Normalform. Unter Beachtung der Tatsache, dass über einem geeigneten Erweiterungskörper jedes Polynom in Linearfaktoren zerfällt, ergeben sich einige interessante

14 KAPITEL 10. NORMALFORMEN Folgerungen. (1) Zwei 2 2 Matrizen sind genau dann ähnlich, wenn sie das gleiche Minimalpolynom haben. (2) Zwei 3 3 Matrizen sind genau dann ähnlich, wenn sie das gleiche Minimalpolynom und das gleiche charakteristische Polynom haben. (3) Zwei nilpotente 3 3 Matrizen sind genau dann ähnlich, wenn sie das gleiche Minimalpolynom haben. (4) Jede quadratische Matrix ist zu ihrer Transponierten ähnlich Algorithmus. (Bestimmung der Jordanschen Normalform) 1. Schritt: Charakteristisches Polynom χ A (x) = det(xe A) berechnen. 2. Schritt: Eigenwerte = Nullstellen von χ A bestimmen. 3. Schritt: Für jeden Eigenwert λ die Rangfolge r m = r A λe (m) = Rang (A λe) m z. B. durch elementare Umformungen bestimmen. Abbrechen, falls r m = r m+1 eintritt, und m λ = m setzen. 4. Schritt: Zweite Differenzenfolgen (Invariantenfunktion) z m = z A λe (m) = r m 1 2r m + r m+1 berechnen, sowie n λ = m λ m=1 z m m setzen. 5. Schritt: Die Jordansche Normalform von A ist die Diagonalkästchenmatrix [J λ1,..., J λr ], wobei λ 1,..., λ r die verschiedenen Eigenwerte von A sind und jede der Matrizen J λ = λe nλ + N za λe sich aus den Jordankästchen zum Eigenwert λ zusammensetzt: N za λe = [N mλ,..., N mλ,..., N m,..., N m,..., N }{{}}{{} 1,..., N 1 ]. }{{} z mλ mal z m mal z 1 mal n λ ist die algebraische, m λ die geometrische Vielfachheit von λ. Die Berechnung einer zugehörigen Jordan Basis ist wesentlich aufwendiger: Zunächst finde man Basen der erhöhten Eigenräume Kern (A λe) m und konstruiere dann daraus mittels geeignete Stufenbasen.

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

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

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

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

3.5 Trigonalisierbarkeit, verallgemeinerte Eigenräume und Jordansche Normalform

3.5 Trigonalisierbarkeit, verallgemeinerte Eigenräume und Jordansche Normalform LinAlg II Version 1 29. Mai 2006 c Rudolf Scharlau 219 3.5 Trigonalisierbarkeit, verallgemeinerte Eigenräume und Jordansche Normalform Das Problem der Normalformen für Endomorphismen handelt kurz gesprochen

Mehr

23. Die Jordan sche Normalform

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

Mehr

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

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

12.3 Kommutierende Abbildungen

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

Mehr

6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar.

6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar. Um zu zeigen, dass die irreduziblen Teiler eines reellen Polynoms höchstens den Grad 2 haben, fassen wir nun (x γ) und (x γ) zusammen und stellen fest, dass (x (a + b i))(x ((a b i)) = x 2 2a + (a 2 +

Mehr

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

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 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

3.4 Trigonalisierung und Jordansche Normalform

3.4 Trigonalisierung und Jordansche Normalform 3.4 Trigonalisierung und Jordansche Normalform Definition 3.4.1. Sei V ein K-Vektorraum, F End K (V ). Ein Unterraum U V heißt F -invariant falls F (U) U. Bemerkung. (1) Falls U V ein F -invarianter Unterraum

Mehr

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 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

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

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

2.11 Eigenwerte und Diagonalisierbarkeit

2.11 Eigenwerte und Diagonalisierbarkeit 2.11. EIGENWERTE UND DIAGONALISIERBARKEIT 127 Die Determinante eines Endomorphismus Wir geben uns jetzt einen endlichen erzeugten K-Vektorraum V und einen Endomorphismus ϕ : V V vor. Wir wollen die Determinante

Mehr

Trigonalisierung. Definition. 1) Sei F : V V linear, dim V = n. Dann heißt F trigonalisierbar, wenn es eine Basis B von V gibt sodass a 11 a 12..

Trigonalisierung. Definition. 1) Sei F : V V linear, dim V = n. Dann heißt F trigonalisierbar, wenn es eine Basis B von V gibt sodass a 11 a 12.. Trigonalisierung Sei F : V V linear und dim V = n. Wir beschäftigen uns jetzt mit der Frage, ob es eine Basis B von V gibt, sodass M B (F ) eine Dreiecksmatrix ist. Definition. ) Sei F : V V linear, dim

Mehr

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

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

Mehr

5 Minimalpolynom und charakteristisches Polynom

5 Minimalpolynom und charakteristisches Polynom 5 Minimalpolynom und charakteristisches Polynom 5.1 Lemma Sei A K n n. Dann ist λ K genau dann ein Eigenwert von A, wenn det(λe n A) = 0. 5.2 Beispiel ( ) 1 4 i) A = R 1 1 2 2 det(λe 2 A) = λ 1 4 1 λ 1

Mehr

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

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

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

9 Lineare Algebra 2 (SS 2009)

9 Lineare Algebra 2 (SS 2009) 9 Lineare Algebra 2 (SS 2009) Vorbemerkung: Das Einsetzen von quadratischen Matrizen in Polynome. Im folgenden sei R ein kommutativer Ring und R[T] der Polynomring mit Koeffizienten in R (dies ist wieder

Mehr

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

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

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

Tutorium 2. 1 Der Polynomring

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

Mehr

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

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 215/216 Lineare Algebra und analytische Geometrie I Vorlesung 27 In der letzten Vorlesung haben wir die Haupträume zu einem Eigenwert λ zu einem Endomorphismus ϕ als Kern

Mehr

Kapitel 5. Endomorphismen von Vektorräumen. 5.4 Die jordansche Normalform

Kapitel 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

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik 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

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

5 Diagonalisierbarkeit

5 Diagonalisierbarkeit 5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj

Mehr

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

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

Kapitel 13. Normalformen Zyklische Unterräume

Kapitel 13. Normalformen Zyklische Unterräume Kapitel 13 Normalformen In diesem ganzen Kapitel ist V ein n-dimensionaler K-Vektorraum und T End(V). Natürlich können Sie sich T auch immer als Matrix vorstellen, und wenn wir konkret rechnen, dann machen

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

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

20. Die Jordansche Normalform

20. Die Jordansche Normalform 20. Die Jordansche Normalform 233 20. Die Jordansche Normalform Im letzten Kapitel haben wir bereits ausführlich untersucht, wie man zu einer gegebenen quadratischen Matrix A Mat(n n,k) eine möglichst

Mehr

4 Eigenwerte und Eigenvektoren

4 Eigenwerte und Eigenvektoren 4 Eigenwerte und Eigenvektoren Sei V {0} ein K Vektorraum und f : V V K linear. Definition: Ein Eigenwert von f ist ein Element λ K, für die es einen Vektor v 0 in V gibt, so dass f(v) = λ v. Sei nun λ

Mehr

1 Darstellungsmatrizen

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

Mehr

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

Stichwortliste zur Vorlesung. Lineare Algebra II. Gabriela Weitze-Schmithüsen. Saarbrücken, Sommersemester 2016

Stichwortliste zur Vorlesung. Lineare Algebra II. Gabriela Weitze-Schmithüsen. Saarbrücken, Sommersemester 2016 Stichwortliste zur Vorlesung Lineare Algebra II Gabriela Weitze-Schmithüsen Saarbrücken, Sommersemester 2016 Kapitel I Jordansche Normalform Ziel: Wir möchten Matrizen bis aus Ähnlichkeit klassifizieren.

Mehr

5. Übung zur Linearen Algebra II -

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

Mehr

Lineare Algebra 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

Lösung zu Serie Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: A := B :=

Lösung zu Serie Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: A := B := Lineare Algebra D-MATH, HS 204 Prof. Richard Pink Lösung zu Serie 2. Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: 0 2 0 0 0 2 0 0 0 0 0 0 0

Mehr

Lineare Algebra II 6. Übungsblatt

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

Mehr

D-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld. Clicker Fragen

D-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld. Clicker Fragen D-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld Clicker Fragen Frage 1 Wenn eine reelle Matrix einen Eigenvektor hat, so hat es unendlich viele Eigenvektoren Sei u K n einen Eigenvektor von A M

Mehr

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

Lösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:

Lösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: Lineare Algebra D-MATH, HS 04 Prof. Richard Pink Lösung zu Serie. [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: a) F (X) := X 5 X in R[X] und C[X]. b) F (X) := X 4 +X 3 +X in

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 25/26 Lineare Algebra und analytische Geometrie I Vorlesung 28 If it works, it s out of date David Bowie Ein Zerlegungssatz Satz 28 Sei ϕ: V V ein trigonalisierbarer K-Endomorphismus

Mehr

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche,

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche, Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 2014 Lineare Algebra 1 Vierzehnte & Fünfzehnte Woche, 1672014 10 Determinanten (Schluß) Das folgende Resultat

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

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

Lineare Algebra Vordiplomsprotokoll

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

Mehr

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

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

Mehr

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

Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.

Die 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

Mehr

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen 12 Lineare Algebra - Übersicht Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 53 Norm von Endomorphismen und Matrizen Definition 53.1. Es seien V und W endlichdimensionale normierte K-

Mehr

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

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

Mehr

Lineare Algebra 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

Probeklausur Lineare Algebra 1 Achten Sie auf vollständige, saubere und schlüssige Argumentation! 100 Punkte sind 100%. Inhaltsverzeichnis

Probeklausur Lineare Algebra 1 Achten Sie auf vollständige, saubere und schlüssige Argumentation! 100 Punkte sind 100%. Inhaltsverzeichnis Prof. Dr. Wolfgang Arendt Manuel Bernhard Wintersemester 5/6 Probeklausur Lineare Algebra Achten Sie auf vollständige, saubere und schlüssige Argumentation! Punkte sind %. Inhaltsverzeichnis Aufgabe Aufgabe

Mehr

Berechnung der Determinante

Berechnung der Determinante Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,

Mehr

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

Serie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen

Serie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen D-MATH Lineare Algebra I/II HS 2017/FS 2018 Dr. Meike Akveld Serie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen 1. Sei V ein K-Vektorraum. a) Sei T End(V ). Zeigen Sie, dass die folgenden alles

Mehr

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

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

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

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse

Mehr

3.3 Das charakteristische Polynom

3.3 Das charakteristische Polynom LinAlg II Version 1 2. Mai 2006 c Rudolf Scharlau 209 3.3 Das charakteristische Polynom Wir setzen die im vorigen Abschnitt begonnene Untersuchung von Eigenvektoren und Eigenwerten fort und stellen den

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

Kapitel 11 Eigenwerte und Eigenvektoren

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

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 22 Algebraische Körpererweiterung Satz 1. Sei K L eine Körpererweiterung und sei f L ein Element. Dann sind folgende Aussagen

Mehr

Normalformen. Kapitel Zyklische Unterräume

Normalformen. Kapitel Zyklische Unterräume Kapitel 10 Normalformen In diesem ganzen Kapitel ist V ein n-dimensionaler K-Vektorraum und T Hom(V, V ) Natürlich können Sie sich T auch immer als Matrix vorstellen, und wenn wir konkret rechnen, dann

Mehr

Tutorium 3. 1 Nilpotente Endomorphismen. Definition. Sei Φ End(V ). Φ heißt nilpotent: n N : Φ n = 0

Tutorium 3. 1 Nilpotente Endomorphismen. Definition. Sei Φ End(V ). Φ heißt nilpotent: n N : Φ n = 0 Tutorium 3 1 Nilpotente Endomorphismen Definition. Sei Φ End(V ). Φ heißt nilpotent: n N : Φ n = Bemerkung. Sei V {}. Dann ist λ = einziger EW. Und wegen H(Φ, ) = Kern((Φ id) k ) Kern(Φ n ) = Kern() =

Mehr

Lineare 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. 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:

Mehr

6 Die Jordansche Normalform

6 Die Jordansche Normalform 6 Die Jordansche Normalform 6.1 Definition Sei f End K (V ). i) U V heißt f-invariant, falls f(n) U n U. Mit f U End K (C) bezeichnen wir die Einschränkung von f auf U: f U (v) = f(u) für u U. ii) Eine

Mehr

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

ist (oder besser Abspalten von Linearfaktoren beschäftigen. Zu einem beliebigen Körper K betrachten wir die Menge (j,k) N N j+k=n

ist (oder besser Abspalten von Linearfaktoren beschäftigen. Zu einem beliebigen Körper K betrachten wir die Menge (j,k) N N j+k=n 8. Polynomringe Das Umgehen mit Polynomen, d.h. mit Ausdrücken der Form a 0 + a 1 x + a 2 x 2 +... + a n x n ist aus der Schule vertraut, falls die Koeffizienten a 0,..., a n ganze oder rationale oder

Mehr

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

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

Mehr

6 Hauptachsentransformation

6 Hauptachsentransformation 6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten

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

Ringe. Kapitel Einheiten

Ringe. Kapitel Einheiten Kapitel 8 Ringe Die zahlreichen Analogien zwischen Matrizenringen und Endomorphismenringen (beides sind zugleich auch Vektorräume) legen es nahe, allgemeinere ringtheoretische Grundlagen bereitzustellen,

Mehr

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

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

Mehr

Eigenwerttheorie. Martin Gubisch Lineare Algebra I WS 2007/2008

Eigenwerttheorie. 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,

Mehr

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

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

Mehr

Wiederholungsklausur zur Linearen Algebra II

Wiederholungsklausur zur Linearen Algebra II Wiederholungsklausur zur Linearen Algebra II Prof. Dr. C. Löh/D. Fauser/J. Witzig 5. Oktober 2017 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie,

Mehr

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

Klausur zur Linearen Algebra I

Klausur zur Linearen Algebra I Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik 24.03.2010 Klausur zur Linearen Algebra I Prüfen Sie sofort nach Beginn der Klausur, ob Sie alle 8 Aufgaben erhalten haben.

Mehr

Lineare Algebra II, Lösungshinweise Blatt 9

Lineare Algebra II, Lösungshinweise Blatt 9 Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren

Mehr

Lineare Algebra 2 (SS 13) Blatt 13: Musterlösung

Lineare Algebra 2 (SS 13) Blatt 13: Musterlösung Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra 2 (SS ) Blatt : Musterlösung Aufgabe. Es sei C (R) der R-Vektorraum der unendlich oft differenzierbaren Funktionen auf R und : C (R) C (R), f f die Abbildung,

Mehr

Lineare Differentialgleichungen

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

Mehr

Musterlösungen zur Linearen Algebra II Weihnachtszettel

Musterlösungen zur Linearen Algebra II Weihnachtszettel Musterlösungen zur Linearen Algebra II Weihnachtszettel Aufgabe. Welche der folgenden Matrizen 3 0 0 A = 0 4, B = 3, C = 0 0 0 6 0 0 0 sind über R und welche über C diagonalisierbar? Bestimmen Sie dazu

Mehr

Lineare Darstellungen von Symmetrischen Gruppen

Lineare Darstellungen von Symmetrischen Gruppen Lineare Darstellungen von Symmetrischen Gruppen 150 232 (Holtkamp) 2st., Mi 12.00-14.00, NA 2/24 1 Beispiel 1. Freies Monoid über Alphabet X Beispiel 2. S 1, S 2, S 3,... Satz 1. (Bijektion zw. Partitionen

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 20 Kultur ist Reichtum an Problemen. Egon Friedell Der Interpolationssatz Satz 20.1. Es sei K ein Körper

Mehr