Satz. Wie wirkt sich ein Basiswechsel auf die Darstellungsmatrix einer linearen Abbildung F : V n V n aus?

Ähnliche Dokumente
6 Eigenwerte und Eigenvektoren

Musterlösungen zur Linearen Algebra II Übungsklausur

Eigenwerte und Diagonalisierung

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

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

6 Hauptachsentransformation

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

Lineare Algebra II, Lösungshinweise Blatt 9

MC-Serie 11: Eigenwerte

Lineare Abbildungen und Darstellungsmatrizen

Lineare Algebra II 6. Übungsblatt

3.6 Eigenwerte und Eigenvektoren

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

3.3 Eigenwerte und Eigenräume, Diagonalisierung

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Übungen zur Linearen Algebra 1

Einführung in die Mathematik für Informatiker

4 Lineare Algebra (Teil 2): Quadratische Matrizen

Lösungsskizzen zur Klausur

Lineare Algebra I: Eine Landkarte

Kapitel 18. Aufgaben. Verständnisfragen

KLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008

46 Eigenwerte und Eigenvektoren symmetrischer Matrizen

(Allgemeine) Vektorräume (Teschl/Teschl 9)

Lineare Algebra I Zusammenfassung

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

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

45 Eigenwerte und Eigenvektoren

Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

Lineare Abbildungen. i=0 c ix i n. K n K m

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

Variante A. Hinweise

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Eigenwerte und Eigenvektoren

Proseminar Lineare Algebra II, SS 11. Blatt

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

Eigenwerte und Eigenvektoren von Matrizen

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.

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

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Tutorium Mathematik II, M Lösungen

40 Lokale Extrema und Taylor-Formel

Lineare Algebra I (WS 13/14)

Übungen zu Einführung in die Lineare Algebra und Geometrie

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.

1.9 Eigenwerte und Eigenvektoren

Lineare Algebra und analytische Geometrie I

( ) Lineare Gleichungssysteme

Vektorräume und Rang einer Matrix

Lineare Algebra und analytische Geometrie I

2 Die Darstellung linearer Abbildungen durch Matrizen

Kapitel III. Lineare Abbildungen

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

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum

Einführung in die Kodierungstheorie

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

Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen)

8 Lineare Abbildungen

Musterlösungen zur Linearen Algebra II Blatt 5

Lineare Algebra und Numerische Mathematik für D-BAUG

5 Eigenwerte und die Jordansche Normalform

37 Gauß-Algorithmus und lineare Gleichungssysteme

Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften

9.2 Invertierbare Matrizen

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).

Lineare Algebra II 5. Übungsblatt

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Euklidische und unitäre Vektorräume

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

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

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

2.2 Kern und Bild; Basiswechsel

Ein Beispiel für eine lineare Abbildung

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren

Lineare Algebra Zusammenfassung

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.

11 Normalformen von Matrizen

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

1 Singulärwertzerlegung und Pseudoinverse

2 Die Dimension eines Vektorraums

11. BASIS, UNTERRAUM, und DIMENSION

Musterlösung zur Klausur Lineare Algebra II für Lehramt

6. Übungsblatt zur Mathematik I für Maschinenbau

Lineare Algebra II. Sommersemester Wolfgang Ebeling

Serie 10: Inverse Matrix und Determinante

Jürgen Hausen Lineare Algebra I

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar.

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Basen von Schnitt und Summe berechnen

PRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF.

9 Vektorräume mit Skalarprodukt

Lineare Abhängigkeit

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

Vorkurs Mathematik B

Transkript:

Wie wirkt sich ein Basiswechsel auf die Darstellungsmatrix einer linearen Abbildung F : V n V n aus? Seien [F] B und [F] B die Darstellungsmatrizen von F bezüglich zweier Basen B und B. Weiter sei T die Übergangsmatrix von B nach B. Algebra [v] B F T [F] B [v] B T [v] B = [v] B F [F] B [v] B = T [F] B [v] B = [F] B T [v] B Wir lesen ab: Satz Mit den Bezeichnungen oben gilt: [F] B = T [F] B T 1 T

Beispiel (Fortsetzung vom letzten Mal) Sei V = ( R 2, B, B die ) zuvor betrachteten Basen, und 3/2 1/2 [F] B =. 1/2 3/2 Für die ( Übergangsmatrix ) von B nach B ( hatten wir ) 1 1 S = und somit T = S 1 1 1 = 1 1 1 2. 1 1 Also Algebra [F] B = T [F] B T 1 = = 1 ( ) ( ) ( ) 1 1 3/2 1/2 1 1 = 2 1 1 1/2 3/2 1 1 ( ) 2 0 0 1 B ist also besonders geeignet um F zu beschreiben, da die Darstellungsmatrix sehr einfach (diagonal!) ist.

Anwendung ( ) 3/2 1/2 Sei A =. Man berechne A 1/2 3/2 n für n N. Lösung: Wir haben im Beispiel gesehen, dass A = T 1 BT mit B = diag(2, 1). Somit Algebra A n = (T 1 BT ) n = = (T 1 BT )(T 1 BT )... (T 1 BT ) = = T ( 1 B n T ) = ( ) 1 1 2 n 0 1 = 1 1 0 1 2 = 1 ( 2 n + 1 2 n ) 1 2 2 n 1 2 n + 1 ( 1 ) 1 1 1

Definition Die A, B R n n heissen ähnlich, falls eine reguläre Matrix P R n n existiert so dass PA = BP. Korollar Sei F : V n V n. Dann sind die Darstellungsmatrizen von F bezüglich verschiedener Basen ähnlich. Algebra Korollar Die Übergangsmatrix ([b 1 ] B... [b n ] B ) von B nach B ist die Darstellungsmatrix der Identität Id : V B V B, v v. Dabei bezeichnet V B den Vektorraum V, ausgerüstet mit der Basis B, und entsprechend V B den Vektorraum V, ausgerüstet mit der Basis B.

Sendet man ein Wort, d.h. eine 0-1-Sequenz der Länge n, so können Übertragungsfehler passieren: 010011 010111 Frage: Ist es möglich, solche Übertragungsfehler auf Empfängerseite zu erkennen und zu korrigieren? Algebra Idee: Verwende Worte eines geeigneten Wörterbuches: Ostern Ogtern??? Ostern!!! Dabei sollte des Wörterbuch keine Wörter enthalten, die andern Wörtern sehr ähnlich sind: So könnte das empfangene Wort Yaus ursprünglich Maus, Haus oder Laus gewesen sein.

Konstruktion eines solchen Wörterbuchs: Hamming-Code Vorbemerkung: Alle Rechnungen werden modulo 2 ausgeführt. 1. Sei r N. Schreibe alle 0-1-Sequenzen 0 der Länge r als Spalten in eine Matrix H r R r n mit n = 2 r 1. Z.B. für r = 3: 0 0 0 1 1 1 1 H 3 = 0 1 1 0 0 1 1 1 0 1 0 1 0 1 Algebra

2. Berechne Ham(r) := Beachte { } c = (c 1... c n ) : c i {0, 1}, chr = 0 Algebra ch r = 0 H r c = 0 c ker H r Für r = 3: 0 0 1 0 1 0 0 1 1 (c 1 c 2 c 3 c 4 c 5 c 6 c 7 ) 1 0 0! = (0 0 0) 1 0 1 1 1 0 1 1 1

Da Rang H 3 = 3, können wir c 1, c 2, c 3, c 4 als freie Parameter wählen, und c 5, c 6, c 7 daraus berechnen. Dies ergibt die folgende Liste mit 2 4 = 16 Lösungen: Ham(3): 0 0 0 0 0 0 0 1 0 0 0 0 1 1 0 0 0 1 1 1 1 1 0 0 1 1 0 0 0 0 1 0 1 1 0 1 0 1 0 1 0 1 0 0 1 1 0 0 1 1 0 1 1 0 1 0 0 1 0 0 1 0 1 1 1 0 0 1 1 0 0 1 0 1 0 1 0 1 1 0 1 0 0 1 0 1 1 0 0 1 1 1 1 1 0 0 0 0 0 1 1 1 1 0 0 1 1 1 1 1 1 1 Algebra Wir halten fest: (a) Hat ein Vektor c nur an der i-ten Stelle eine 1 und sonst lauter 0, so ist ch r gerade die i-te Zeile von H r, also nicht der Nullvektor. Somit ist es nicht möglich, dass ein Element von Ham(3) genau eine 1 enthält.

(b) Hat ein Vektor c nur an der i-ten und der j-ten Stelle eine 1 und sonst lauter 0, so ist chr gerade die Summe der i-ten und der j-ten Zeile von Hr, also nicht der Nullvektor (Beachte: modulo 2 ist a + b = 0 a = b). Somit ist es nicht möglich, dass ein Element von Ham(3) genau zwei 1 enthält. (c) Da ker H r ein Vektorraum ist, ist die Differenz h i h j 0 von zwei verschiedenen Elementen von Ham(3) wieder ein Element von Ham(3). Somit unterschieden sich wegen (a) und (b) zwei Elemente von Ham(3) an mindestens 3 Stellen. Fazit: Wird bei der Übertragung eines Wortes h i Ham(3) ein Bit falsch übertragen, h i h i, so kann der Empfänger dies erkennen, da h i / Ham(3) schliessen, dass h i das eigentlich gesendete Wort war, denn alle andern Wörter in Ham(3) unterscheiden sich in midestens 2 Bits von h i. Algebra Definition Ein Code mit den oben beschriebenen Eigenschaften heisst 1-fehlerkorrigierend.

Ein 6er im Lotto Ham(3) ist gleichzeitig ein sicheres Lotto-Tipp-System: Wer die 16 Tipps aus Ham(3) als Wettscheine abgibt, hat bei der nächsten Ziehung (x 1, x 2, x 3, x 4, x 5, x 6, x 7 ) mit x i {0, 1} einen sicheren 6er! Algebra

Definition λ C ist ein Eigenwert von A R n n zum Eigenvektor x 0 Ax = λx (x 0) λ ist Nullstelle des charakteristischen Polynoms det(a λi) und 0 x ker(a λi) =: Eigenraum E λ. Algebra Die algebraische Vielfachheit eines Eigenwerts λ ist dessen Vielfachheit als Nulstelle des charakteristischen Polynoms. Die geometrische Vielfachheit eines Eigenwerts λ ist die Dimension des Eigenraums E λ.

Satz Seien λ 1,..., λ k paarweise verschiedene EW von A und x 1,..., x k dazu gehörige EV. Dann sind x 1,..., x k linear unabhängig. Algebra