Übungsblatt

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

Lösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen

Lineare Algebra I Lösungsvorschlag

Wiederholungsserie II

Musterlösungen zur Linearen Algebra II Hauptklausur

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..

6 Eigenwerte und Eigenvektoren

5. Übung zur Linearen Algebra II -

4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Musterlösungen zur Linearen Algebra II Weihnachtszettel

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

Wiederholungsklausur zur Linearen Algebra I

Musterlösungen zur Linearen Algebra II Übungsklausur

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

7.3 Unitäre Operatoren

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

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

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

Lösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung

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

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,

Eigenwerte und Diagonalisierung

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

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

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

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

7.2 Die adjungierte Abbildung

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

6 Eigenwerte und Eigenvektoren

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

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II Lösungen der Klausur

Musterlösung der Klausur zur linearen Algebra II

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

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

Ausgewählte Lösungen zu den Übungsblättern 9-10

Lineare Algebra II Lösungen zu ausgewählten Aufgaben

Steilkurs Lineare Algebra 1 einige wichtige Stationen

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.

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

T := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass

Lineare Algebra II 12. Übungsblatt

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016

Klausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen.

Probeprüfung Lineare Algebra I/II für D-MAVT

1 Darstellungsmatrizen

2.11 Eigenwerte und Diagonalisierbarkeit

Klausur zur Vorlesung Lineare Algebra I

Lineare Differentialgleichungen

5.2 Diagonalisierbarkeit und Trigonalisierung

3.5 Trigonalisierbarkeit, verallgemeinerte Eigenräume und Jordansche Normalform

5 Diagonalisierbarkeit

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

Klausurvorbereitungsblatt Lineare Algebra

5 Eigenwerte und die Jordansche Normalform

23. Die Jordan sche Normalform

Serie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008

Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Blatt 3 - Lösung

Definitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.

Lineare Algebra II 6. Übungsblatt

Lineare Algebra für Physiker 11. Übungsblatt

Kapitel 11 Eigenwerte und Eigenvektoren

Sommer 2017 Musterlösung

12.3 Kommutierende Abbildungen

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

Lineare Algebra 2. Lösung zu Aufgabe 7.2:

Lineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz

Lineare Algebra und Geometrie II, Übungen

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

Musterlösungen zur Linearen Algebra II Blatt 2

Lineare Algebra I für Mathematiker Lösungen

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

4.2 Die adjungierte Abbildung

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Wiederholungsklausur zur Linearen Algebra II

6 Hauptachsentransformation

Berechnung der Determinante

Zeigen Sie, dass der einzige Gruppenhomomorphismus von (G, ) nach (Z 5, +) die Abbildung Φ : G Z 5

Klausur zu. Lineare Algebra II. Viel Erfolg! Fachbereich Mathematik WS 2012/13 Dr. habil. Matthias Schneider. Bonus Note. Aufgabe

Universität Bielefeld Sommersemester Lineare Algebra 2 Übungsblatt 1

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

10 Unitäre Vektorräume

Kapitel 13. Normalformen Zyklische Unterräume

44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall

1. Übungsblatt: Lineare Algebra I Abgabe: 1. November 2001 in den Übungsgruppen

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

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

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

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

Transkript:

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 berechnen mit der Regel von Sarrus Weiter ist und und es gilt Zusammen mit χ M = (X 2) 2 (X 4) 1 1 1 0 ker(m 2 E 3 ) = ker 2 0 0 = 1 1 1 1 1 2 2 2 0 1 ker((m 2 E 3 ) 2 ) = ker 2 2 2 = 1, 0 0 0 0 1 1 1 2 1 0 M 0 = 2 = 2 0 + 2 1 4 1 2 1 1 1 1 ker(m 4 E 3 ) = ker 2 2 0 = 1 1 1 1 0 1

2 erhalten wir also die Jordan-Basis 1 0 1 1, 2, 0 0 2 1 Aufgabe 2 (2 Punkte) Bestimmen Sie eine Basis von (1, 1, 1) in R 3 Die Vektoren (1, 1, 0) und (1, 0, 1) sind offenbar Elemente aus (1, 1, 1) und linear unabhängig Da dim R ( (1, 1, 1) ) = 1 ist, muss das orthogonale Komplement Dimension 2 haben, dh Aufgabe 3 (3 Punkte) (1, 1, 1) = (1, 1, 0), (1, 0, 1) Bestimmen Sie eine Jordan-Basis und die additive Jordan Zerlegung für die Matrix 10 4 3 M = 7 1 3 M 3 (R) 7 4 0 Wir berechnen zunächst χ M = (X 3) 3 Dann ist 7 4 3 1 0 ker(m 3 E 3 ) = ker 7 4 3 = 1, 3 7 4 3 1 4 0 und (M 3 E 3 ) 2 = 0, dh wir können 0 R 3 \ ker(m 3 E 3 ) wählen und 1 erhalten 0 3 0 3 M 0 = 3 = 3 0 + 3 1 0 1 3 Dann ist 0 3 0 3, 3, 0 4 3 1

eine Jordan-Basis Weiter ist σ := 3 E 3 eine Diagonalmatrix und somit insbesondere halbeinfach und für ν := M 3 E 3 gilt ν 2 = 0, dh ν ist nilpotent Somit ist die additive Jordan Zerlegung gegeben durch M = σ + ν Aufgabe 4 (3 Punkte) Seien K ein Körper, V ein endlich-dimensionaler K-Vektorraum und f : V V ein K-Endomorphismus Seien B und B zwei Basen von V, sodass die Matrizen von f bezüglich B und B in Jordanform sind Zeigen Sie: die Matrix von f bezüglich B stimmt mit der Matrix von f bezüglich B nach einer Permutation der Elemente von B über ein Seien J(λ 1, n 1 ),, J(λ r, n r ) die Jordankästchen in der Darstellungsmatrix zur Basis B und J(µ 1, m 1 ),, J(µ s, m s ) die Jordankästchen in der Darstellungsmatrix zur Basis B Da das charakteristische Polynom χ f unabhängig von der Wahl der Basis ist, stimmen die Mengen der Eigenwerte überein, dh {λ 1,, λ r } = {µ 1,, µ s } Wir wählen nun ein Jordankästchen maximaler Größe aus Dieses sei obda ein Teil der Matrix bzgl B und ist somit J(λ i, n i ) für ein i {1,, r} Dieses Kästchen ist eindeutig bestimmt durch ker(( f λ i id) n i) und somit unabhängig von der Wahl der Basis, dh auch bzgl B muss es ein Jordankästchen J(µ j, m j ) der entsprechenden Größe geben (hierfür gilt dann λ i = µ j und n i = m j ) Streichen wir nun diese Jordankästchen aus ihrer jeweiligen Matrix sowie die zugehörigen Basisvektoren, so folgt die Aussage induktiv Aufgabe 5 (5 Punkte) Sei M M n (R) halbeinfach (dh M ist diagonalisierbar in M n (C)) Zeigen Sie: es existiert eine Basis B von R n, sodass die Matrix M bezüglich B die Form d 1 0 0 0 0 d m 0 0, 0 0 B 1 0 0 0 0 B r ( ) ai b wobei B i = i mit b b i a i = 0 für alle 1 i r, hat i 3

4 Wir bezeichnen die verschiedenen reellen Eigenwerte von M mit α 1,, α p Ist λ C \ R ein Eigenwert von M, so ist auch λ Eigenwert von M, da M M n (R) Daher können wir die komplexen Eigenwerte von M in verschiedenen Paaren λ 1, λ 1,, λ, λ sortieren Das charakteristische Polynom ist dann von der Form χ M = p (X α i ) n i und wir erhalten aus der Diagonalisierbarkeit über C das Minimalpolynom µ M = p (X α i ) (X λ j )(X λ j ) Dies liefert die Zerlegung ( p ) R n = ker(m α i E n ) ker((m λ j E n )(M λ j E n )) und durch Wahl einer Basis der jeweiligen Kerne ist M ähnlich zu einer Matrix der Form D 1 0 0 0 Dp F1 0 0 0 F wobei D i M ni (R) mit χ Di = (X α i ) n i für i = 1,, p und F j M 2mj (R) mit χ Fj = für j = 1,, ist Da M über C diagonalisierbar ist, sind auch die D i und F j über C diagonalisierbar, dh µ Di = X α i und somit ist D i = α i E ni Definieren wir nun d 1 = = d n1 = α 1, d n1 +1 = = d n1 +n 2 = α 2, usw, so ergibt sich im oberen Bereich der Matrix bereits die gewünschte Form Da die F j diagonalisierbar über C sind, gibt es linear unabhängige Vektoren v 1,, v mj C 2m j mit F j v k = λ j v k für k = 1,, m j Da F j reelle Einträge hat, gilt offenbar F j v k = F j v k = λ j v k = λ j v k, dh v 1,, v mj sind Eigenvektoren zu λ j und somit über C linear unabhängig zu v 1,, v n Damit kann man leicht nachrechnen, dass die Vektoren {Re(v 1 ), Im(v 1 ),, Re(v mj ), Im(v mj )}

linear unabhängig über R sind und somit eine Basis des R 2m j bilden Schreiben wir nun λ j = a j + ib j und setzen x k := Re(v k ), y k := Im(v k ), so erhalten wir F j x k + i F j y k = F j (x k + iy k ) = λ j (x k + iy k ) = a j x k b j y k + i(b j x k + a j y k ) Aus dem Real- und Imaginärteil der obigen Gleichung ergibt sich nun die zu F j ähnliche Darstellungsmatrix A j 0 0 0 0 0 0 A j mit ( ) aj b A j = j b j Durchführung für jedes j = 1,, und geeignete Definition der B 1,, B r liefern nun die gewünschte Form von M a j 5 Diese Lösungen erheben nicht den Anspruch darauf vollständig zu sein Insbesondere stellen sie keine Musterlösung dar, auf die ein Korrektor volle Punktezahl geben würde Bei Fragen wenden Sie sich bitte an den Assistenten