Anwendung v. symmetrischen Matrizen: Hauptachsentransformation

Ähnliche Dokumente
Anwendung v. symmetrischen Matrizen: Hauptachsentransformation

und Unterdeterminante

und Unterdeterminante

(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. Gegeben. Gesucht: Diagonalform: Finde und! Definition: Eigenvektor, Eigenwert

++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1

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

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren

6.3 Hauptachsentransformation

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen

Kleine Schwingungen vieler Freiheitsgrade

Tutorium Mathematik II, M Lösungen

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

L5.6 Symmetrische, hermitesche, orthogonale und unitäre Matrizen (Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen)

Kleine Schwingungen vieler Freiheitsgrade

Musterlösungen zur Linearen Algebra II Übungsklausur

P AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3

Klausur zur Vorlesung Lineare Algebra B im SS 2002 an der Universität Hannover

Trägheitstensor einer kontinuierlichen Massenverteilung

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

Kapitel 5. Eigenwerte. Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42

Kontrollfragen und Aufgaben zur 4. Konsultation

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Euklidische Normalformen der dreidimensionalen Quadriken

5.4 Hauptachsentransformation

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Lineare Algebra II 11. Übungsblatt

Eigenwerte (Teschl/Teschl 14.2)

8 Tangenten an Quadriken

6 Metrische Klassifikation der Quadriken

Eigenwertprobleme. 25. Oktober Autoren: 1. Herrmann, Hannes ( ) 2. Kraus, Michael ( ) 3. Krückemeier, Paul ( )

Lineare Algebra II (SS 13)

6 Symmetrische Matrizen und quadratische Formen

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

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni.

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

Einige Lösungsvorschläge für die Klausur zur Vorlesung

Kapitel 5 : Eigenwerte und Eigenvektoren

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

Proseminar über multimediale Lineare Algebra und Analytische Geometrie Wintersemester 2008/2009

Kurven 2. Ordnung in der affinen Ebene Durch Transformationen wird Vieles leichter

Proseminar Lineare Algebra II, SS 11. Blatt

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

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)

47 Singulärwertzerlegung

Übungsblatt

Technische Universität München Zentrum Mathematik. Übungsblatt 12

a, b, c bezeichnen nicht mehr Halbachsen von Ellipsen oder Hyperbeln. Für Hyperbeln und Ellipsen wurden spezielle Koordinatensysteme benutzt!

Klausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 8

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Quadriken. Quadriken und Hauptachsentransformation. Lineare Algebra II, WS 11/12 Ingo Blechschmidt 27. Februar 2012

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit

Eigenwerte und Diagonalisierung

Ziel: Wir wollen eine gegebene Quadrik auf eine einfache Form transformieren, aus der sich ihre geometrische Gestalt unmittelbar ablesen lässt.

46 Eigenwerte und Eigenvektoren symmetrischer Matrizen

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 29. April 2011

A = Eine symmetrische Matrix ist gleich ihrer transponierten Matrix: A t = A

Quadriken. Quadriken und Hauptachsentransformation. Lineare Algebra I, WS 10/11 Ingo Blechschmidt 13. März 2011

x y Kenner der Kegelschnitte werden hier eine Ellipse erkennen, deren Hauptachsen aber nicht mit der Richtung der Koordinatenachsen zusammenfallen.

Erweiterte Koordinaten

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Eigenwerte und Eigenvektoren

9.4 Lineare gewöhnliche DGL

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

3.3 Klassifikation quadratischer Formen auf R n

= 11 ± 5, also k 1 = 3 und k 2 = 8.

a ij i - te Gleichung (Zeile), i = 1,2,3,..., m

Probeprüfung Lineare Algebra I/II für D-MAVT

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Kontrollfragen und Aufgaben zur 3. Konsultation

Übungsaufgaben zur Linearen Algebra II. 1.) Lösen Sie das folgende lineare Gleichungssystem mit der Cramerschen Regel.

Lineare Gleichungssystem

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

Lösungsvorschläge für die Geometrie-Klausur vom 28.7.

Nützliches Hilfsmittel (um Schreiberei zu reduzieren): 'Erweiterte Matrix': Gauß- Verfahren

Eigenwerte und Eigenvektoren

8. Vorlesung, 5. April Numerische Methoden I. Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren

5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013

Musterlösung Serie 21

Aussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9

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

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

Lineare Algebra und analytische Geometrie II

Ausgewählte Lösungen zu den Übungsblättern 9-10

Musterlösungen zur Linearen Algebra II Weihnachtszettel

6 Lineare Abbildungen der euklidischen Ebene

Mathematik 2 für Naturwissenschaften

Spezielle Matrixformen

7.3 Unitäre Operatoren

Lineare Algebra II 8. Übungsblatt

Eigenwerte/Eigenvektoren/Eigenräume/Diagonalisierung

Transkript:

Zusammenfassung: Eigenwerte, Eigenvektoren, Diagonalisieren Eigenwertgleichung: Bedingung an EW: Eigenwert Eigenvektor charakteristisches Polynom Für ist ein Polynom v. Grad, Nullstellen. Wenn EW bekannt ist, finde dazugehörigen EV durch Lösen des linearen Gleichungsystems: Falls n linear unabhängige EV existieren, wird diagonalisiert durch, wobei die EV als Spaltenvektoren hat: Für symmetrische Matrix sind die EV zu verschiedenen EW orthogonal: Für eine symmetrische reelle Matrix sind alle EW reell: Anwendung v. symmetrischen Matrizen: Hauptachsentransformation Einleitende Bemerkungen: Gl. für Kreis: Gl. für Elllipse: (gestauchter Kreis) Gl. für Kugel: Gl. für Elllipsoid: (gestauchter Kugel) Diese Gleichungen haben eine "einfache" Form, weil das Koordinatensystem so gewählt ist, dass - dessen Ursprung im Mittelpunkt von Kreis/Ellipse/Kugel/Ellipsoid liegt; - dessen Koordinatenachsen parallel zu den Symmetrieachsen von Ellipse bzw. Ellipsoide liegen

Ist das nicht der Fall, wird die Form der Gleichungen komplizierter. Z.B. werden wir sehen: die Gleichung für eine verschobene, gedrehte Ellipse hat die Form: Kompaktere Notation, Aufgabe: Bestimme dasjenige Koordinatensystem für das die Gleichung für die Ellipse die (einfachst-mögliche) "Normalform" (67.2) annimmt, nämlich: Die entsprechenden Koordinatenachsen heißen "Hauptachsen" Die Transformation von zu heißt "Hauptachsentransformation", und hat die allg. Form: Verschiebung Drehung, die diagonalisiert Zunächst untersuchen wir den Einfluß einer Drehung des Koordinatensystems auf Form der Gleichung (67.4). Dafür schreiben wir sie kompakt tels Matrizen: Transformiere zu gedrehten Koordinatenachsen, tels orthgonaler Drehmatrix: Rücktransformation: (4), (5) eingesetzt in (1): Fazit: falls alle Eigenwerte v. positiv sind, beschreibt (6) ein gedrehtes Ellipsoid.

Betrachte nun das umgekehrte Problem. Gegeben sei eine quadratische Gl: symmetrisierte Form: Wie bringt man (1) in Hauptachsenform (a la 69.1)? Schreibe (1) als Matrixgleichung: : (per Konstruktion symmetrisch!) und diagonalisiere In diesem Zusammenhang heißt "Hauptachsentransformation" Beispiel: Finde Hauptachsenform für folgende Gleichung: symmetrische Schreibweise: Um geeignete Drehung zur Hauptachsenform zu finden, diagonalisiere: Bestimme Eigenwerte: Eigenvektor zu : Normierung Eigenvektor zu : EV sind orthonormal:

gesuchte Drehmatrix: beschreibt Drehung um, siehe (BB4.5) Bemerkung 1: durch geeignete Wahl der Vorzeichen der EV, kann man stets erreichen, dass Hätten wir z.b. statt (72.1) gewählt, wäre Bemerkung 2: Falls EW v. Hyperbeln: verschiedene Vorzeichen haben, ergeben sich Normalform einer Hyperbel: Betrachte nun zusätzlich zu Drehungen auch Verschiebungen in (69.2): Fazit: Verschiebung liefert zusätzliche Terme, linear in und -unabhängiog Umgekehrte Fragestellung: betrachte allgemeine Form einer quadratischen Gleichung: symmetrisch Ziel: schreibe (5) um in die Normalform

Trick: "Quadratische Ergänzung"! Wohlbekannt für Zahlen: Verallgemeinerung auf Matrizen: diagonalisiere: (gesuchte Normalform) Verallgemeinertes Eigenwertproblem Gegeben seien zwei symmetrische Matrizen, "positiv definit", d.h. alle EW sind positiv (> 0). Finde EW und EV, die "verallgemeinerte Eigenwertgleichung" erfüllen: Äquivalente Formulierung: finde so dass folgende Gleichung gilt: Lösungstrategie: diagonalisiere zunächst (lasse vortan Punkte weg) "Teile durch ", und bringe dadurch (4) in die übliche Form, die durch bereits bekannte Diagonalisierungsverfahren gelöst werden kann.

Konkret: ist positiv definit, Schreibe Also erhalten wir gewünschte Form (75.7): und ist symmetrisch, also diagonalisierbar durch eine Drehung: Laut (4): Diagonalisierung von liefert gesuchten EW Laut (6): die dazugehörigen verallgemeinerten EV sind die Spaltenvektoren von Folgerung: das verallgemeinerte Eigenwertproblem ist lösbar! Aber: EV sind nicht (euklidisch) orthogonal: Die EV sind jedoch orthogonal bezüglich, d.h. Zusammenfassung der Strategie zur Lösung eines verallgemeinerten EW-Problems: 1. Diagonalisiere (76.2). Physikanwendung: 2. Konstruiere (76.5). kleine gekoppelte Schwingungen: 3. Diagonalisiere EW (76.4) 4. EV: (76.8) Federn Massenmatrix

Wann sind zwei symmetrische Matrizen simultan diagonalisierbar? Sei : Simultane Eigenvektoren: d.h. und Notwendige Bedingung: und vertauschen: Ist (76.6) hinreichend? Diagonalisiere eventuell entarteten EW: Sei ein EV aus einem entarteten Unterraum: Dann ist ebenfalls ein EV von aus demselben entarteten Unterraum: Folgerung: Multiplikation lässt die entarteten Unterräume von invariant! Da kann separat auf jedem diagonalisiert werden. Zusammen: und sind simultan diagonalisierbar