Eigenwerteinschließungen I

Ähnliche Dokumente
Ordnungsstatistiken und Quantile

Sitzplatzreservierungsproblem

19. Amortisierte Analyse

(Markowitz-Portfoliotheorie)

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...}

Induktion am Beispiel des Pascalschen Dreiecks

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und:

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung.

Ergebnis- und Ereignisräume

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Einführung Fehlerrechnung

50 Matrixnormen und Eigenwertabschätzungen

Grundgesetze der BOOLEschen Algebra und Rechenregeln

Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste):

Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 54

1.1. Jährliche Rentenzahlungen Vorschüssige Rentenzahlungen Jährliche Rentenzahlungen Vorschüssige Rentenzahlungen

Es ist dann nämlich 2 2 2

1 Elementare Finanzmathematik

2. Mittelwerte (Lageparameter)

14. Folgen und Reihen, Grenzwerte

8. Mehrdimensionale Funktionen

Grundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik

Geometrisches Mittel und durchschnittliche Wachstumsraten

1 Mehrdimensionale Analysis

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik

Verdichtete Informationen

6. Übung - Differenzengleichungen

wahlberechtigte Personen der BRD zur Bundestagswahl zugelassene Parteien (SPD, CDU, Grüne, FDP)

Verteilungen und Schätzungen

MST Übung 3 Mathematik 2 Prof.Dr.B.Grabowski Tel.:

Allgemeine Prinzipien

AG Konstruktion KONSTRUKTION 2. Planetengetriebe (Umlaufgetriebe) Skript. TU Berlin, AG Konstruktion

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap.5: Kombinatorik. Referenzen zum Nacharbeiten:

Statistik. (Inferenzstatistik)

Zahlensysteme. Dezimalsystem. Binär- oder Dualsystem. Hexadezimal- oder Sedezimalzahlen

Festverzinsliche Wertpapiere. Kurse und Renditen bei ganzzahligen Restlaufzeiten

1 Mathe Formeln Statistik und Wahrscheinlichkeitsrechnung

1.2. Taylor-Reihen und endliche Taylorpolynome

Methoden der computergestützten Produktion und Logistik

Multiple Regression (1) - Einführung I -

Mathematischer Vorbereitungskurs für das Physikstudium. Kurt Bräuer Institut für Theoretische Physik Universität Tübingen

Bestimmen einer stetigen Ausgleichsfunktion f(x), die eine gegebene Menge von n Datenpunkten (x k

Formelsammlung zur Zuverlässigkeitsberechnung

( ) ( ) ) ( ) 1/ ( ) Beispiel: U = y1. 3. Ergänzungen zur Haushaltstheorie, insbesondere Dualität und Anwendungen

2 Regression, Korrelation und Kontingenz

Messfehler, Fehlerberechnung und Fehlerabschätzung

Lorenz' sche Konzentrationskurve und Disparitätsindex nach Gini

Physikalisch-Technische Bundesanstalt, Braunschweig

Teil IV Musterklausuren (Univ. Essen) mit Lösungen

3.3 Lineare Abbildungen und Matrizen

Die Binomialverteilung als Wahrscheinlichkeitsverteilung für die Schadenversicherung

Quantitative BWL 2. Teil: Finanzwirtschaft

Ausarbeitung UNENDLICHKEIT DER PRIMZAHLEN

Leitfaden zu den Indexkennzahlen der Deutschen Börse

Maße zur Kennzeichnung der Form einer Verteilung (1)

Höhere Mathematik 4 Kapitel 17 Wahrscheinlichkeitsrechnung

Das Verfahren von Godunov. Seminar Numerik Anja Bettendorf

Abschlussprüfung zum/zur Finanzplaner/in mit eidg. Fachausweis. Formelsammlung. Autor: Iwan Brot

TECHNISCHE UNIVERSITÄT MÜNCHEN

Prof. Dr. B.Grabowski. Die Behauptung I folgt aus der Multiplikationsformel: )

Ralf Korn. Elementare Finanzmathematik

Carl Friedrich Gauß (Deutscher Mathematiker, 1777 bis 1855) formulierte die folgende Formel n

Korrelations- und Assoziationsmaße

Vorlesung Multivariate Statistik. Sommersemester 2009

Man nennt nun ein Vektorfeld auf G stetig, differenzierbar, etc., wenn die Koeffizientenfunktionen X i sämtlich stetig, differenzierbar, etc. sind.

1.2.2 Prozentrechnung

Innovative Information Retrieval Verfahren

Abschlussprüfung zum/zur Finanzplaner/in mit eidg. Fachausweis. Formelsammlung. Autor: Iwan Brot

Eine einfache Formel für den Flächeninhalt von Polygonen

1.4 Wellenlängenbestimmung mit dem Prismenspektrometer

Wir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach!

Regressionsverfahren haben viele praktische Anwendungen. Die meisten Anwendungen fallen in eine der folgenden beiden Kategorien:

Zusammenfassung: Gleichungen und Ungleichungen

II. Wahrscheinlichkeitsrechnung

Grundzüge der Preistheorie

3. Irreduzible Polynome und Kreisteilungspolynome

4. Interpolation und Approximation

n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =

12 UMPU Tests ( UMP unbiased )

Zahlenfolgen und Konvergenzkriterien

Strittige Auffassungen zu Anforderungsprofil und Betriebsart bei der Neufassung der IEC und -7

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Maschinelles Lernen II. Clustering 2

Mathematik: Mag. Schmid Wolfgang & LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK

Zum Problem unterjähriger Zinsen und Zahlungen in der Zinseszinsrechnung

Komplexe Zahlen. Lernziele dieses Abschnitts sind:

Das Beweisverfahren der vollständigen Induktion

2. Zusammenhangsanalysen: Korrelation und Regression

Unter einer Rente versteht man eine regelmässige und konstante Zahlung

Statistik für Ingenieure (IAM) Version 3.0/

Hochschule Furtwangen University Sommersemester Prof. Dr. Thomas Schneider Medien und Informatik 2. Übungsblatt 5. dar.

6. Zusammenhangsmaße (Kovarianz und Korrelation)

8. MARKOVKETTEN 127. Abbildung 8.1: Reduzible und periodische Markovkette. p ji IIP[X n 1 = j] = [(IIP[X n 1 = j]) j E P ] i. j=0

Thema 5: Reduzierte Datenanforderungen II: Naive Diversifikation

3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.

II. Wahrscheinlichkeitsrechnung

Nagl, Einführung in die Statistik Seite 1

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Transkript:

auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky

Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl

Eletug Egewerteschleßuge I

Eletug - Defto: E Eschleßugssatz gbt e Gebet a, dem ee bestmmte Azahl vo Egewerte eer Matrx legt. - Bsher ur A R betrachtet, u A C. - Awedugsbespele: Nullstellebestmmug vo Polyome, Iverterbarket vo Matrze, Robusthet vo Egewerte vo Itervallmatrze - Vorab ege Deftoe ud Bezechuge (Wederholug aus Numerk I)

Egewerteschleßuge I Kodto vo Egewerte

Kodto vo Egewerte. Satz Satz: Se λ 0 ee efache Nullstelle des char. Polyoms χ A der -Matrx A, x ud y zugehörge Rechts- ud Lks- egevektore vo A, d.h. Ax = λ0x, y A= λ0 y, xy, 0 ud C ee belebge -Matrx. Da gbt es ee für geüged klees ε, ε ε0, stetg dfferezerbare Fukto λε ( ), so dass glt: λ(0) = λ ud λ (0) = 0 y Cx y x ud λε ( ) efache Nullstelle des char. Polyoms vo A+ εc st.

Kodto vo Egewerte. Satz Bewes: Betrachte de stetg dfferezerbare Fukto C C C f :. ( Bz, ) det( B zid) = χ B ( z) D f( A, λ ) = χ ( λ ) 0, köe wr de Satz über mplzte Da 0 A 0 Fuktoe awede. exstert ee Umgebug U vo A ud f B, Λ ( B) = 0 für B U ee Fukto Λ auf U mt ( ) Da zu C C e ε 0 > 0 exstert mt A+ εc U für ε ε0, gbt es auch ( ) λε mt f ( A+ εc, λε ( )) = 0 ( λε ( ) =Λ ( A+ εc) ) Wähle Rechts- ud Lksegevektore x( ε ) ud y( ε ) so, dass dese für ε ε0 stetg dfferezerbare Fuktoe vo ε sd. (möglch, z.b. mt adugerte Determate)

Kodto vo Egewerte. Satz Aus ( A+ εcx ) ( ε) = λε ( ) x( ε) erhält ma durch Ablete ach ε ud Esetze vo ε = 0 : Cx( ε) + ( A+ εcx ) ( ε) = λ ( ε) x( ε) + λε ( ) ( x ε) ε = 0 Cx + Ax (0) = λ (0) x + λ x (0) y 0 0 0 0 λ (0) y0 x0 = y0 Cx0 + ( y0 A λ0y0 ) (0) x 0 0 0 x0 = 0 y Cx λ (0) =. y

Kodto vo Egewerte. Satz Folgeruge: y Cx - I. Näherug hat ma: λε ( ) λ0 + ε. y x - Mt y x cos( xy, ): = x y folgt: y Cx y Cx Cx C λ (0) = = y x x y cos( xy, ) x cos( xy, ) cos( xy, )

Kodto vo Egewerte. Defto Defto: De Kodto ees efache Egewertes λ eer Matrx A C mt Rechts- ud Lksegevektore x ud y st defert als: κλ ( ) = cos( xy, ) Bemerkuge: - Wrd κ groß, so exstert ee beachbarte Matrx zu A, de ee mehrfache Egewert hat - Für hermtesche Matrze glt: x=y (bs auf Velfache), d.h. cos(x,y)=. Egewerte vo hermtesche Matrze sd relatv störugsuempfdlch. - Für efache Egewerte eer gestörte Matrx A+ εc gbt es ee obere Schrake K, so dass λε ( ) λ0 K ε für ε ε0.

Egewerteschleßuge I 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo

Eschleßugssätze 3. Satz: Bauer-Fke lfslemma: See AB, C, belebge Norm. Da glt für alle Egewerte λ vo A, de kee Egewerte vo B sd: ( λ ) ( ) ( λ ) Id B A B Id B A B Bewes: Se x Egevektor zum Egewert λ vo A. Ax= λx A B x= λid B x ( ) ( ) (λ ke Egewert vo B ) ( ) ( ) ( λid B) ( A B) λid B A B x= x De adere Uglechug folgt aus der Dreecksuglechug.

Eschleßugssätze 3. Satz: Bauer-Fke Satz: (Bauer-Fke) See AB, C, A dagoalserbar mt S AS dag( λ ( A) ) =. Da exstert zu edem Egewert λ ( B) e Egewert λ ( A) mt λ( B) λ( A) κ ( S) A B. Bewes: We λ = λ( B) ke Egewert vo A st, folgt: ( ) ( ) ( ) λ = λ = λ ( λ ( )) Id A S S Id A S S S Id dag A S ( λ ( λ ( ))) S S Id dag A = κ ( S ) = max λ λ ( A) ( ) m λ λ ( A) κ ( S) λid A

Eschleßugssätze 3. Satz: Bauer-Fke Satz: (Bauer-Fke) See AB, C, A dagoalserbar mt S AS dag( λ ( A) ) =. Da exstert zu edem Egewert λ ( B) e Egewert λ ( A) mt λ( B) λ( A) κ ( S) A B. Bewes (): ( ) m λ λ( A) κ ( S) λid A lfslemma ( ) ( ) ( ) κ ( S) λid A λid A A B ( ) ( ) ( ) ( ) κ ( S) λid A λid A A B κ ( S) A B =

Eschleßugssätze 3. Satz: Gershgor Satz: (Gershgor) Se A C. Da glt: spec( A) wobe K = { µ : µ a R} C mt K, = R = K Gershgor-Krese vo A, R Gershgor-Rade vo A. Bewes:. Fall: a Damt folgt sofort: λ = für e {,..., }. Fall: spec( A) λ K.. λ, λ a {,..., } Wede lfslemma a mt B = dag( a ) ud = : ( λid dag a ) ( A dag a ) ( ) ( ) = a

Eschleßugssätze 3. Satz: Gershgor Satz: (Gershgor) Se A C. Da glt: spec( A) wobe K = { µ : µ a R} C mt K, = R = K Gershgor-Krese vo A, R Gershgor-Rade vo A. Bewes (): ( λid dag a ) ( A dag a ) ( ) ( ) dag( )( A dag( a )) λ a max a λ a = = R λ a R für e {,..., }. = a

Eschleßugssätze 3. Gershgor-Bespel Bespel zu Gershgor: 4 0 3 Se A = 0. Da erhält ma ach Gershgor für de Egewerte: 0 3 { C } { C } { C } λ, λ, λ µ : µ 4 3 µ : µ ( ) µ : µ 0 3-4 6 - - -3

Eschleßugssätze 3.3 Korollar: Wlkso Korollar: (Wlkso) Ist J {,..., } ud M = K dsukt vo M = K, so ethält M geau J # J ud M geau # J Egewerte vo A. J Bewes: A : t dag( a ) ta Se = ( ) +, t [ 0,] t De Egewerte vo A0 = dag( a ) sd a,..., a mt a K, also lege M geau # J ud M geau # J Egewerte vo A 0. Da A t stetg vo t abhägt, häge auch de λ ( At) stetg vo t ab (d.h. glech vele λ M für alle [ 0,] t ud aalog für M ). λ M M,..., ud M M = folgt de Beh. Da { }

Eschleßugssätze 3.4 weterer Satz zu Gershgor Satz: A rreduzbel etweder λ a < R für e oder λ a R für alle. Bewes: Se λ Egewert vo A, d.h. Ax = λx für e Wähle Permutatosmatrx P so, dass y y < r < für e r {,..., } Egewert λ. See folgt: R = x C. OE x =. = Px mt y = y =... = y r = ud. Da st y Egevektor vo B T = PAP zum = b de permuterte Gershgor-Rade vo A, da ( λ ) {,..., } By = λy by = b y =. (*)

Eschleßugssätze 3.4 weterer Satz zu Gershgor Satz: A rreduzbel etweder λ a < R für e oder λ a R für alle. Bewes (): ( λ ) {,..., } By = λy b y = b y =. (*).Fall: r =, d.h. y = {,..., }. Ugl. (*) R = b y b y = λ b y = λ b = = λ legt alle Gershgor-Krese. {,..., }

Eschleßugssätze 3.4 weterer Satz zu Gershgor Satz: A rreduzbel etweder λ a < R für e oder λ a R für alle. Bewes (3): ( λ ) {,..., } By = λy by = b y =. (*).Fall: r <. Für < r glt: mt A rreduzbel folgt: (*) λ b = λ b y = by b y = = ( ) = b b + b y = R b y = = r+ = r+ = r+ > 0 r ud > r mt b 0 mt λ b < R.

Eschleßugssätze 3.4 Abschluss Gershgor Wetere Verbesseruge für Gershgor: - Awedug auf A ud A (gleche Egewerte) - Ählche Trasformato durch Dagoalmatrze (mest ur Verbesserug für ee Egewert)

Eschleßugssätze 3.5 Deftoe Defto: x Ax x x für \{ 0} x C heßt Reylegh-Quotet vo x bzgl. der Matrx A. x Ax C aller Reylegh-Quotete vo A x x heßt Werteberech der Matrx A. Defto: De Mege GA ( ) = : x \{ 0} Bemerkuge: - Werte -Berech, da sbesodere alle Egewerte ethalte sd. (Geauer: ma ka zege: GAst ( ) de kovexe ülle der Egewerte). - A hermtesch A hat ur reelle Egewerte ( ) λ ; λ GAst das Itervall [ ] m max

Eschleßugssätze 3.6 Satz: Bedxo Satz: (Bedxo) Zerlegt ma A C A hermtesch, so glt für alle z GA ( ), spezell auch für alle Egewerte λ vo A : = +, wobe = ( A+ A ) ud = ( A A ) λ λ ( ) Re( z) λ ( ) m max ( ) Im( z) λ ( ) m max Bewes: x Ax x Ax+ x A x x x Re( z) maxre = max = max = λmax( ) x 0 x 0 x 0 x x x x x x x Ax x Ax x A x x x Im( z) maxim = max = max = λmax( ) x 0 x 0 x 0 x x x x x x aaloge Abschätzug ach ute lefert Beh.

Eschleßugssätze 3.7 Bespel Fortgesetztes Bespel: 4 0 3 4 0 Es war A = 0. Wede Gershgor auf A = 0 a 0 3 0 ud erhalte: λ, λ, λ µ C: µ 4 µ C: µ ( ) µ C : µ 0 4 3 { } { } { } 4-4 - 4 - -4

Eschleßugssätze 3.7 Bespel Fortgesetztes Bespel: 4 0 3 4 0 Es war A = 0. Wede Gershgor auf A = 0 a 0 3 0 ud erhalte: λ, λ, λ µ C: µ 4 µ C: µ ( ) µ C : µ 0 4 3 { } { } { } 4-4 - 4 6 - -4

Eschleßugssätze 3.7 Bespel Fortgesetzes Bespel (): 4 0 Bereche u = Re( A) = 0 0 ud erhalte mt Satz vo Bedxo: ud 0 0 = Im( A) = 0 0 0 0 0 { C : [.854;4.854 ], [ ;] } λ a+ b a b 0.5 - - 3 4 5-0.5 -

Eschleßugssätze 3.5 Deftoe Fortgesetztes Bespel (3): sgesamt erhalte wr also für de Egewerte vo A: Tatsächlche Egewerte vo A: λ.79, λ 0., λ3 4.67

Egewerteschleßuge I 4 Satz: Courat / Weyl

Zusatz 4 Satz: Courat / Weyl Satz: (Courat/Weyl) V Utervektorraum vo = V C : dm( V) = Se { } Ist A () () C hermtesch mt Egewerte λ λ... λ λ λ = mmax = V V 0 x V max m V V+ 0 x V x Ax x x x Ax x x, da glt:

Zusatz 4 Satz: Courat / Weyl Satz: (Courat/Weyl) x Ax () λ = mmax V V 0 x V x x () λ = max m V V+ 0 x V x Ax x x ( λ λ... λ ) Bewes: () Se { },..., x x ee Orthoormalbass vo A mt Ax = λx. Setze V = spa( x,..., x ) V. Da hat x V ee Darstellug x Ax x x = λ α = λ = α = x Ax max = λ. x V x x x Ax x x x= α x ud es glt: =

Zusatz 4 Satz: Courat / Weyl Satz: (Courat/Weyl) x Ax () λ = mmax V V 0 x V x x () λ = max m V V+ 0 x V x Ax x x ( λ λ... λ ) Bewes (): Se u V V belebg, W = spa( x,..., x ). Da st dm( V) + dm( W) = +, d.h. es exstert e 0 x V W mt Darstellug x Ax x x x = = α x. = = λα = λ α. eraus folgt de Beh. () Folgere aalog de komplemetäre Räume de zwete Aussage.

The Ed Egewerteschleßuge I