Lineare Algebra II, Lösungshinweise Blatt 9

Ähnliche Dokumente
Lineare Algebra II Lösungen zu ausgewählten Aufgaben

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

Lineare Algebra I Lösungsvorschlag

3.7 Eigenwerte und Eigenvektoren

Serie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen

23. Die Jordan sche Normalform

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II 6. Übungsblatt

Lineare Algebra und analytische Geometrie I

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

4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit

Lineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz

12.3 Kommutierende Abbildungen

Musterlösungen zur Linearen Algebra II Weihnachtszettel

3.5 Trigonalisierbarkeit, verallgemeinerte Eigenräume und Jordansche Normalform

Lineare Algebra für Physiker 11. Übungsblatt

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.

5.2 Diagonalisierbarkeit und Trigonalisierung

Lineare Algebra und analytische Geometrie I

Nachholklausur zur Linearen Algebra I, WS 03/04

Lineare Algebra I für Mathematiker Lösungen

Lineare Algebra I. Prof. Dr. Daniel Roggenkamp Vorlesung -

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

2.11 Eigenwerte und Diagonalisierbarkeit

Übungen zur Diskreten Mathematik I

KLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008

Lineare Algebra Weihnachtszettel

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

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

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

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik

Sommer 2017 Musterlösung

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..

Aufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie:

Lineare Algebra 2. Lösung zu Aufgabe 7.2:

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

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

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

Trigonalisierung einer Matrix Version ( )

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

Lineare Algebra II Lösungen der Klausur

Übungsblatt 13. Lineare Algebra I für Informatiker, Dr. Frank Lübeck, SS 2010

5 Diagonalisierbarkeit

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015

Lineare Algebra: Determinanten und Eigenwerte

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

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1

Klausur HM I F 2004 HM I : 1

7.3 Unitäre Operatoren

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

Lineare Algebra Klausur 1

Wiederholungsserie II

Lösung 13: Unitäre Vektorräume und normale Abbildungen

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

Lineare Algebra Klausur 2

Proseminar Lineare Algebra II, SS 11. Blatt

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

Klausurvorbereitungsblatt Lineare Algebra

Lineare Algebra II 3. Übungsblatt

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,

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

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

Eigenwerttheorie. Martin Gubisch Lineare Algebra I WS 2007/2008

Lineare Algebra I Lösung der Probeklausur

Lösungen Serie 5. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler

Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen

Lineare Algebra I Winter 2018 (Lösung)

Universität Bielefeld Sommersemester Lineare Algebra 2 Übungsblatt 1

Studienrichtung: Physik / technische Mathematik, Lehramt, oder andere.

7.2 Die adjungierte Abbildung

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

5 Minimalpolynom und charakteristisches Polynom

Basisprüfung. 18. August 2015

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

Lösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen

1 Lineare Abbildungen

Serie 5. ETH Zürich - D-MAVT Lineare Algebra II. Prof. Norbert Hungerbühler

Kapitel 11 Eigenwerte und Eigenvektoren

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

Serie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:

4.2 Die adjungierte Abbildung

2 Ähnlichkeit von Matrizen, Eigenwerte und Eigenvektoren

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

Lineare Algebra 2 (SS 13) Blatt 13: Musterlösung

Lineare Algebra und analytische Geometrie I

Scheinklausur zur Linearen Algebra I, WS 05/06, 2. Teil

TECHNISCHE UNIVERSITÄT MÜNCHEN. Lineare Algebra 1 WS 2006/07 Lösungen Blatt 13/ Probeklausur. Lösungen zur. Zentrum Mathematik

Mathematik I. Vorlesung 12. Lineare Abbildungen

Proseminar Lineare Algebra SS10

Vordiplomsklausur zur Linearen Algebra I

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

Lösung zu Serie 9. Lineare Algebra D-MATH, HS Prof. Richard Pink

Für die Matrikelnummer M = Dann sind durch A =

Lösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.

Übungen zur Diskreten Mathematik I Blatt 6

Transkript:

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 Sie, dass A nilpotent ist, dh, es gibt ein k N mit A k = 2 Sei A Mat C (n n) Zeigen Sie, dass A genau dann nilpotent ist, wenn der einzige Eigenwert von A ist Lösung 3 5 5 9 5 5 9 A 2 = 5, 5 A3 =, A4 =, A5 = Sei A Mat C (n n) Dann zerfällt das charakteristische Polynom in Linearfaktoren, dh, A ist trigonalisierbar und es existiert eine Basis B, so dass die lineare Abbildung x Ax bezüglich dieser Basis eine obere Dreiecksmatrix hat: λ λ n Sei also A k =, dann ist λ k = λ k n Also ist λ k i = für alle i, also λ i = ist einziger Eigenwert von A Umgekehrt, wenn λ i = der einzige Eigenwert ist, dann ist die Matrix B =,

also B ij = für i j Wir beweisen mit vollständiger Induktion, dass A k erst auf der kten Nebendiagonalen von Null verschiedene Einträge haben kann, dh A k ij = für j i + k Induktionsverankerung (k=2): Bij 2 = B il B }{{} lj = B il B lj =, falls j i + = i + k }{{} l =,i l l i+ =,l j Induktionsannahme: Induktionsschritt: B k ij =, j i + k (B k+ ) ij = B il B }{{} lj = B il Blj k = für j i + k = i + (k + ) }{{} l =,i l l i+ =,l+k j Damit haben wir die Induktionsbehauptung bewiesen Also gilt: A n ij = für alle i, j Aufgabe 2 (4 Punkte) Sei Bestimmen Sie die Eigenwerte von A 2 Sei 3 2 A = 2 2 W i = ker(a λi 5 ) i und U i = W im(a λi 5 ) i für i =,,m, m = max{i (A λi 5 ) i } und λ Eigenwert von A Finden Sie Basen B i = {w,,w li } von U i, so dass B i B i für alle i =,,m 3 Finden Sie eine Basis B von R 5, so dass B i B und λ λ MB B (A) = λ λ 2 λ 2 wobei λ i Eigenwerte von A sind Lösung 2 Der einzige Eigenwert ist λ = 2 (Entwicklung nach der dritten Zeile, Entwicklung nach der zweiten Spalte, Entwicklung nach der zweiten Zeile) Der Eigenraum von A zum Eigenwert λ = 2 berechnet sich zu W = ker = Span, Weiter ist (A 2) 2 =, (A 2)3 =,

also m = 2 Außerdem ist U 2 = W Im(A 2) 2 = W Span = Span, also sei B 2 = {w } = Genauso U = W im(a 2) = W Span,,, so dass B = {w, w 2 } =, eine Basis von U ist mit B 2 B Da w im(a 2) 2 im(a 2) existiert ein w im(a 2) mit (A 2)w = w, zum Beispiel w = Da w im(a 2) existiert w 2 mit (A 2)w 2 = w, zum Beispiel w 2 = Genauso für w 2 im(a 2): w2 = erfüllt (A 2)w 2 = w 2 Insgesamt haben wir also sowie Aw = 2w, Aw = 2w + w, Aw 2 = 2w 2 + w Aw 2 = 2w 2, Aw 2 = 2w 2 + w 2 also hat die Matrix bezüglich der Basis B = {w, w, w2, w 2, w2 } die gewünschte Form

Aufgabe 3 (4 Punkte) Ist V ein endlichdimensionaler Vektorraum über einem Körper K und f End K (V ), so heißt das normierte Polynom kleinsten Grades m f K[x]\{} mit m f (f) = (Nullabbildung) Minimalpolynom von f Anmerkung: Ein Polynom p(x) = m p i x i K[x] vom Grad m heißt normiert, falls p m = gilt k= Es sei V ein endlichdimensionaler Vektorraum (n = dim(v )) über einem Körper K und f End K (V ) Bestätigen Sie folgendes Verfahren zur Bestimmung des Minimalpolynoms von f: Gegeben sei v V \{} Es sei r die kleinste Zahl, so dass die Vektoren {v, f(v ),, f r (v )} linear abhängig sind Zeigen Sie: ist invariant bezüglich f U := Span{v, f(v ),,f r (v )} 2 Nach Wahl von r existieren Zahlen α,, α r K, die nicht alle gleich sind, für die ist Sei dann p (x) = r k= r k= α k f k (v ) = α k x k K[x]\{} Zeigen Sie: p (x) ist ein Polynom vom Grad r und nach Normierung (Multiplikation mit α r ) erhält man das Minimalpolynom m f von f = f U 3 Ist U = V, so ist man fertig Sonst existiert ein Vektor v 2 V \U, für den das gleiche Verfahren angewandt wird: U 2 := Span{v 2, f(v 2 ),, f r2 (v 2 )} ist ein bezüglich f invarianter Unterraum von V Das Minimalpolynom m f2 wird entsprechend definiert Zeigen Sie: Setzt man das Verfahren fort, bis V = U + + U r für ein r N, so ist das normierte kleinste gemeinsame Vielfache von m f,, m fr Minimalpolynom m f von f das Lösung 3 Zu a): Offensichtlich ist f(f k (v )) U für k =,,r 2 f(f r (v )) = f r (v ) ist als linear Kombination von v,, f r (v ) darstellbar, da {v,, f r (v )} linear unabhängig ist und {v,,f r (v ), f r (v )} linear abhängig ist Also bildet f die Basis {v,, f r (v )} von U nach U ab, womit f(u ) U folgt Zu b): α r ist nicht, da sonst r k= α k f k (v ) = ist und wegen der linearen Unabhängigkeit von {v,, f r (v )} dann α i = i =,, r wäre, also hat p (x) den Grad r Außerdem ist r p (f)(f i (v )) = ( α k f k )(f i (v )) = k= r k= r α k f k+i (v ) = (f i )( α k f k (v )) = für i =,,r, womit p (f) eine Basis von U und damit auch U auf abbildet Wegen der linearen Unabhängigkeit von {v,,f r (v )} kann es auch kein Polynom q(x) K[x]\{} kleineren Grades geben mit q(f)(v ) = Zu c): Dies zeigt man mit Induktion über r, wobei der Induktionanfang r = trivial ist Sind U,,U r invariant unter f, so ist auch V = U + + U r invariant unter f k=

(f(u + + u r ) = f(u ) + + f(u r ) U + + U r ) Nach Induktionsannahme ist das Minimalpolynom m f V von f V das kleinste gemeinsame Vielfache der Minimalpolynome m f,,m fr von f,,f r Nach der Präsenzübung ist dann das Minimalpolynom m f von f das kleinste gemeinsame Vielfache von m f V und m fr, welches das kleinste gemeinsame Vielfache von m f,, m fr ist Aufgabe 4 (4 Punkte) Sei V ein endlichdimensionaler Vektorraum über R und ϕ End R (V ) mit 7ϕ 2 ϕ 6 = ϕ + 6ϕ 2 ϕ 3 = 6 Id V Zeigen Sie: Es gibt Untervektorräume X, Y von V mit: V = X Y, ϕ(x) = x für alle x X, ϕ(y) = y für alle y Y Schreiben Sie die Projektion P : X Y V, x + y x (x X, y Y ) als Polynom in ϕ Hinweis: Sei p (x) = x 6 + 7x 2 6 und p 2 (x) = x 3 + 6x 2 + x 6 Finden Sie Polynome q, r mit p = p 2 q + r Lösung 4 Polynomdivision ergibt q(x) = x 3 + 6x 2 + 37x + 222 und r(x) = 326(x 2 ), und also ist ϕ 6 + 7ϕ 2 6 Id V = ( ϕ 3 + 6ϕ 2 + ϕ 6 Id V )(ϕ 3 + 6ϕ 2 + 37ϕ + 222 Id V ) 326(ϕ 2 Id V ) Damit folgt aus auch ϕ 6 + 7ϕ 2 6 Id V = ϕ 3 + 6ϕ 2 + ϕ 6 Id V = (ϕ 2 Id V ) = (ϕ + Id V )( ϕ + Id V ) = Behauptung: Setzt man X := { 2 (ϕ + Id V )(v) v V } und Y := { 2 ( ϕ + Id V )(v) v V } so erfüllen diese alle Bedingungen! Da v = 2 (ϕ + Id V )(v) + 2 ( ϕ + Id V )(v) v V gilt, ist V = X + Y Außerdem gilt für beliebiges x = (ϕ + Id V )(v) X ( ϕ + Id V )(x) = (( ϕ + Id V )(ϕ + Id V ))(v) =, also ϕ(x) = Id V (x) = x Für beliebiges y = ( ϕ + Id V )(v) Y erhält man analog ϕ(y) = Id V (y) = y Ist v X Y, so ist v = ϕ(v) = v, also v =, womit dann auch V = X Y gilt Für P ergibt sich P = 2 ϕ + 2 Id V