13. Vorlesung. Lineare Algebra und Koordinatenwechsel.

Ähnliche Dokumente
Eigenwerte und Diagonalisierung

Lineare Algebra: Determinanten und Eigenwerte

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Lösungsvorschlag

4 Lineare Abbildungen

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

6 Hauptachsentransformation

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

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

Tutorium Mathematik II, M Lösungen

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops

6 Eigenwerte und Eigenvektoren

1 Vektoren, Vektorräume, Abstände: 2D

6.3 Hauptachsentransformation

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?

4 Lineare Abbildungen Basisdarstellungen

Proseminar Lineare Algebra II, SS 11. Blatt

Klausur HM I H 2005 HM I : 1

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren

Rückblick auf die letzte Vorlesung

D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j

Eigenwerte und Eigenvektoren

MC-Serie 11: Eigenwerte

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

6. Vektor- und Koordinaten-Geometrie.

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

4 Affine Koordinatensysteme

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

Lineare Algebra II 6. 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,

Lineare Algebra I (WS 13/14)

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von

Aufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).

2 Die Algebra der Matrizen

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE

Ausgewählte Lösungen zu den Übungsblättern 4-5

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

Lineare Algebra 2 (SS 13) Blatt 13: Musterlösung

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

0, v 6 = , v 4 = 1

Übungen zu Einführung in die Lineare Algebra und Geometrie

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Trigonalisierung einer Matrix Version ( )

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Lineare Algebra II, Lösungshinweise Blatt 9

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}.

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

3 Strukturen aus der Algebra: Gruppe, Ringe, Körper

45 Eigenwerte und Eigenvektoren

[5], [0] v 4 = + λ 3

Lineare Gleichungssysteme

3.3 Klassifikation quadratischer Formen auf R n

4.3 Affine Punkträume

Musterlösungen zur Linearen Algebra II Übungsklausur

Musterlösung 7 Lineare Algebra für die Naturwissenschaften

11 Eigenwerte und Eigenvektoren

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Matrizen und Determinanten, Aufgaben

Leitfaden 34. , dies ist eine reelle symmetrische Matrix, also diagonalisierbar.

Klausur Lineare Algebra I & II

Mathematische Erfrischungen III - Vektoren und Matrizen

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

1 Matrizenrechnung zweiter Teil

Lineare Algebra und analytische Geometrie I

Übungen zu Einführung in die Lineare Algebra und Geometrie

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Höhere Mathematik II. 7 Lineare Algebra II. für naturwissenschaftliche Studiengänge. 7.1 Wiederholung einiger Begriffe

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik

5.7 Lineare Abhängigkeit, Basis und Dimension

Zusammenfassung zum Thema Vektor- und Matrizenrechnung

6 Symmetrische Matrizen und quadratische Formen

2.2 Kern und Bild; Basiswechsel

Mathematik für Informatiker II

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

Symplektische Geometrie

β 1 x :=., und b :=. K n β m

5.4 Hauptachsentransformation

2.3.4 Drehungen in drei Dimensionen

4 Lineare Abbildungen und Matrizen

3 Matrizenrechnung. 3. November

Klausurähnliche Aufgaben

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)

8 Die Riemannsche Zahlenkugel

6 Symmetrische und hermitesche Matrizen

4 Eigenwerte und Eigenvektoren

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

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

Definition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und

6 Symmetrische Matrizen und quadratische Formen

Theoretische Fragen zu ausgewählten Themen in Lineare Algebra

Serie 10: Inverse Matrix und Determinante

3 Lineare Differentialgleichungen

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Transkript:

3. Vorlesung. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation der lineare Abbildungen der Ebene kommen.. Invariante Geraden. Satz. Sei p A (x) : x Spur(A) x + det(a). Dann ist Beweis. durch Nachrechnen. p A (A) Satz. Die Eigenwerte der Matrix A Mat R sind gegeben durch λ / ( Spur(A) ± ) Spur (A) 4det(A) Beweis. Nach Definition sind die Eigenwerte λ R die Lösungen p A (λ), für das Minimalpolynom p A von A. Satz. Jede lineare Abbildung L : R R mit det L ist eine Bijektion. Beweis. Es gibt eine Matrix A Mat R mit Setze B : A. Dann ist L L A (L A L B )(v) L A (L B (v)) A(Bv) AA v v Klaus Johannson, Lineare Algebra (L/L5)

. Lineare Algebra (L/L5) Somit ist L A L B id. Ebenso zeigt man L B L A id Also ist L B eine Links- und eine Rechts-Inverse von L A. Demnach ist L L A eine Bijektion. Satz. Jede lineare Abbildung L : R R mit det L bildet Geraden auf Geraden ab. Beweis. Genauer bildet L die Gerade g { u + t(v u) t R } auf die Gerade L(g) : { L(u) + t(l(v) L(u)) t R } ab, denn L(u + t(v u)) L(u) + t(l(v) L(u)) da L eine lineare Abbildung ist. Satz. Sei L : R R eine lineare Abbildung mit det L und Spur(A) > Dann gibt es eine invariante Gerade, d.h. eine Gerade g R mit g und L(g) g Beweis. Da det A und SpurA >, hat L zwei verschiedene Eigenwerte λ / R. Zu jedem Eigenwert gibt es einen -dimensionalen Eigenraum E(L,λ i ) : ker(a λ i I) mit Also sind E(L,λ ) E(λ ) {} und R E(L,λ ) + E(L,λ ) g i : E(L,λ i ), i, zwei invariante Geraden.. Klassifikation von Linearen Abbildungen. Definition. Sei det A. Dann A heißt elliptisch Spur < A heißt parabolisch Spur Klaus Johannson, Lineare Algebra (L/L5)

A heißt hyperbolisch Spur >. 3 Koordinaten. 3 Beispiele. cos α sin α () Spur cos sin α cos α α + sin α <, for all α. Dies ist eine Drehung. b () Spur +. Dies ist eine Scherung λ (3) Spur λ + /λ λ >. 3. Koordinatenwechsel. Sei L : R R eine lineare Abbildung. Die Standard Einheitsvektoren e und e definieren das Standard Koordinatensystem. Angenommen wir entscheiden uns ein anderes Koordinatensystem zu wählen. Frage. Was müssen wir ändern. Antwort. Wir müssen die Beschreibungen von linearen Abbildungen ändern. Jede Beschreibung einer linearen Abbildung hängt nämlich von der Wahl eines Koordinatensystems ab. Sehen wir uns das jetzt einmal genauer an. Um eine lineare Abbildung L überhaupt anzugeben brauchen wir eine Matrix A Mat R. Diese könnte man eine Beschreibungsmatrix nennen. Denn sie beschreibt durch die Vorschrift L(x) : Ax eine lineare Abbildung. a b Die Koeffizienten c d dieser Matrix A sind (bzgl. der Basis e,e ) gegeben durch: Ae : ae + ce Ae : be + de Klaus Johannson, Lineare Algebra (L/L5)

4. Lineare Algebra (L/L5) Diese Koeffizienten ändern sich aber bei einer anderen Koordinatenwahl. Hierzu das am besten ein Beispiel zur Illustration: Beispiel. A und 3 5 Ae Ae und 3 5 3 5 ] ] 3 3 5 + + 5 Wir sagen die lineare Abbildung hat die Beschreibungsmatrix e,e. 3e + e e + 5e 3 5 bzgl. der Basis Wir ändern jetzt das Koordinatensystem indem wir ein neues Koordinatensystem statt durch die bisherigen Basisvektoren e,e festlegen, z. B. durch die Wahl der Vektoren v : und v : als neue Basisvektoren. Wie lautet nun die Beschreibungsmatrix B neuen Basis v,v? Es muss ja wieder gelten Betrachten wir Gleichung (). Wir haben () L(v ) Bv av + cv () L(v ) Bv bv + dv Av Also müssen wir das Gleichungssystem av 9 + cv a 3 5 ] + c Nun ist und so a c 9 ] 9 3 ] a c a b c d in der Klaus Johannson, Lineare Algebra (L/L5)

3 Koordinaten. 5 Also lautet die Beschreibungsmatrix für L im Koordinatensystem v,v : B 3?? Die zweite Spalte berechnet man genauso. Diesmal indem man das zweite Gleichungssystem () löst. In den meisten Fällen wird die Beschreibungsmatrix im neuen Koordinatensystem nicht einfacher aussehen. Aber es gilt: Satz. Determinante und Spur einer linearen Abbildung sind für jedes Koodrdinatensystem gleich. Beweis. ohne Beweis. Satz. Sei A Mat R eine Matrix mit det A und SpurA > Dann hat A zwei invariante Eigengeraden g,g. Seien v i g i nicht-verschwindende Vektoren. Dann ist die Beschreibungsmatrix für A bzgl. der neuen Basis v,v eine Diagonalmatrix. Beweis. Wir haben Av λ v und Av λ v also lautet die Beschreibungsmatrix in dem neuen Koordinatensystem λ B λ Dies beweist den Satz. Bemerkung. Wir sehen also, dass sich alle linearen Abbildungen mit det und Spur > geometrisch wie Diagonalmatrizen verhalten. Hieraus beweist man dann z.b. leicht, dass hyperbolische Matrizen Kreise auf Kreise usw. abbilden. Wir käonnen aber darauf nicht mehr engehen. Literature. K. Jänich, Lineare Algebra S. Lang, Linear Algebra H. Zieschang, Lineare Algebra und Geometrie Klaus Johannson, Lineare Algebra (L/L5)