Proseminar Lineare Algebra SS10

Ähnliche Dokumente
Lineare Algebra II, Lösungshinweise Blatt 9

Einführung in die Mathematik für Informatiker

Musterlösungen zur Linearen Algebra II Blatt 5

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

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

5 Eigenwerte und die Jordansche Normalform

6 Hauptachsentransformation

Eigenwerte und Diagonalisierung

4 Lineare Algebra (Teil 2): Quadratische Matrizen

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

Lineare Abbildungen und Darstellungsmatrizen

6 Eigenwerte und Eigenvektoren

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

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Kochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf

11 Normalformen von Matrizen

Stichwortliste zur Vorlesung. Lineare Algebra II. Gabriela Weitze-Schmithüsen. Saarbrücken, Sommersemester 2016

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

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

Übungen zur Linearen Algebra 1

Satz 25 A sei eine (n n)-matrix über K

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

Euklidische und unitäre Vektorräume

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Lineare Algebra II 6. Übungsblatt

Sesqui- und Bilinearformen

2.2 Kern und Bild; Basiswechsel

Technische Universität München Zentrum Mathematik. Übungsblatt 7

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu

Vektorräume und Rang einer Matrix

Algorithmus zur Berechnung der Jordannormalform

Lineare Abbildungen Definitionen von linearer Abbildung, linearer Transformation, affiner Abbildung. Parallentreue und Teilverhältnistreue

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

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra II 5. Übungsblatt

Musterlösungen zur Linearen Algebra II Übungsklausur

2 Die Dimension eines Vektorraums

Lineare Algebra - alles was man wissen muß

Lineare Abhängigkeit

Numerische Mathematik für Ingenieure und Physiker

11. BASIS, UNTERRAUM, und DIMENSION

Beziehungen zwischen Vektorräumen und ihren Dimensionen

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren

Lineare Algebra und analytische Geometrie I

Probeklausur zur Linearen Algebra II (B2)

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

Musterlösung Klausur zur Linearen Algebra II

Proseminar Lineare Algebra II, SS 11. Blatt

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester gehalten von Harald Baum

3.4 Der Gaußsche Algorithmus

Lineare Algebra I (WS 13/14)

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

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

Lineare Algebra I Zusammenfassung

Einführung in die Mathematik für Informatiker

Lineare Algebra, Teil 2 Abbildungen

Matrizen, Determinanten, lineare Gleichungssysteme

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

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

KLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008

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

Übungen zur Linearen Algebra 1

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

Lineare Algebra. Teil III. Inhaltsangabe

Lösungsskizzen zur Klausur

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

Kap 5: Rang, Koordinatentransformationen

Aufgaben zu Kapitel 15

Eigenwerte und Eigenvektoren

9.2 Invertierbare Matrizen

( ) Lineare Gleichungssysteme

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

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

Kurze Geschichte der linearen Algebra

Einleitung 19. Teil I Einführung 23. Kapitel 1 Motivation 25

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

8 Lineare Abbildungen

Lösungen zum 3. Aufgabenblatt

Übungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr.

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

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

Mathematische Erfrischungen III - Vektoren und Matrizen

Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung

Quadratische Matrizen

Eigenwerte und Eigenvektoren von Matrizen

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

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

Lineare Algebra II. Prof. Dr. Uwe Jannsen Sommersemester Transformation auf Dreiecksgestalt

Kapitel 17. Determinanten

MC-Serie 11: Eigenwerte

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Copyright, Page 1 of 5 Die Determinante

3.6 Eigenwerte und Eigenvektoren

Transkript:

Proseminar Lineare Algebra SS1 Normalform von Matrizen Jordansche Normalform Philip Bauermeister Heinrich-Heine-Universität Betreuung Prof. Dr. Oleg Bogopolski

2 1 Matrizen linearer Abbildungen 1.1 Definition Darstellungsmatrix Sei V ein -Vektorraum mit dim(v) = n und :V Sei p = {,,, }eine Basis von V. Wenn wir die Vektoren (p(p n ) in ihrer Basis p = {,,, } darstellen: (p + + + (p n )= + + + mit = Die Matrix ( ) heisst Darstellungsmatrix Man bezeichnet sie mit [] = ( ). 1.2 Definition Übergangsmatrix Sei V ein -Vektorraum mit dim(v) = n und :VAbbildung. Seien p = {,,, } und k = {,,, } zwei verschiedene Basen von V. Dann kann man die zweite Basis durch die erste ausdrücken: = + + + = + + +

3 Mit = Die Matrix T =( ) heisst Übergangsmatrix p zu k. 1.3 Satz [], [] und T =( ) Übergangsmatrix von e zu v. Dann gilt : [] = [] T 2 nilpotente Abbildungen und ihre Jordansche Normalform 2.1 Definition ßt nilpotent, wenn es ein n = Bsp1 : Jede Matrix der Form A= oder B=

4 Bsp2: Nullabbildung = mit n =1 ist nilpotent Bsp 3 : Die Matrix A= 1 1 ist nilpotent da A²= 1 1 2.2 Definition -Tabelle -Tabelle ist eine nicht-leere Tabelle der Form v v v v v v v v v v v v v v mit : 1. Tabelle ist rechtsbündig 2. Für die Elemente der Tabelle gilt 3. Für jede Zeile,,, gilt

5 2.3 Lemma -Tabelle linear unabhängig, so sind alle Vektoren der Tabelle linear unabhängig Beweis: Durch Bsp.: Sei -Tabelle, in der,, linear unabhängig sind. Dann folgt : + + + + + + = () + () + () + () () + () + () + () + () = (1) + + + + + + + = liefert: () + () + ()

6 Da linear unabhängig also = : Durch einsetzen in (2) folgt : + () + () + () + () = (2) + + + + + = () + () + () = = + = Da und linear unabhängig folgt =. Durch einsetzen in (1) folgt = = =. Setzt man dies nun in die Anfangsgleichung ein folgt auch, dass = = =. Daraus folgt nun = = = und somit die lineare Unabhängigkeit von,,. Bem.-Tabelle in der letzten Spalte nicht linear unabhängig 2.4 Definition Elementare Transformation Die folgenden Operatoren nennt man elementare Transformationen: ET2) Addieren eines Teils einer längeren Zeile zu einer kürzeren ET3) Streichen eines Kästchens, das den Nullvektor enthält und die Tabelle dadurch rechtsbündig macht Dadurch lassen sich die Ve-Tabelle linear unabhängig machen.

7 2.5 Lemma Die elementare Transformation ändert den Spann der -Tabelle nicht. Bew: ET1) Seien,, -Tabelle und sp(,, ) Z.Z. sp(,,,, ) =sp(,,,, ),,,, ), d.h. x = + + + + = + + ( )+ + x,,,, ) sp(,,,, ),,,, ),,,, ), d.h. x = + + + + = + + + + x,,,, ) sp(,,,, ) sp(,,,, ) Also folgt: sp(,,,, ) =sp(,,,, ) ET2) Z.Z. sp(,,,,,, ) =sp(,,,, +,, ),,,,,, ), d.h. x = + + + + + + = + +( ) + + + + = + + + + + + + = + + + + ( + )+ + x sp(,,,, +,, ) sp(,,,,,, ),,,, +,, ) Also folgt sp(,,,,,, ) =sp(,,,, +,, ) ET3)

8 Z.Z. sp(,, ) =sp(,,,, ),, ) d.h. x = + + = + + + + x,,,, ) sp(,, ),,,, ) Insgesamt folgt. sp(,, ) =sp(,,,, ) 2.6 Satz Jordansche Normalform für nilpotente Abbildungen Sei V ein -Vektorraum mit dim(v) = n und :V Dann existiert eine Basis v = {,,, }, so dass die Matrix von in der Basis v eine Blockdiagonale Form hat: Wobei jeder Block folgende Form hat [] = = 1 1 1 2.7 Bsp.: 3 Sei :V mit A:= 1 nilpotente lineare Abbildung A²= A³ = ab: = (1,,) (,,)

9 = (,1,) (,,) (,,) = (,,1) (3, 1,) (,,) (,,) -Tabelle ein: (1,,) (,1,) (,,) (,,1) (3,-1,) (,,) Multipliziere die 2. Zeile mit (-1) (ET1) und addiere den darunter liegenden Teil der 3. Zeile (ET2). Streiche das Kästchen mit dem Nullvektor und mach die Tabelle wieder rechtsbündig. (1,,) (3,,) (,,1) (3,-1,) (,,) (1,,) und (3,,) kann durch (-i,,) dargestellt werden und können gestrichen werden. Wir erhalten die Basis v:={ (,,), (3, 1,),(,,1) } = (,,) (,,) = (3, 1,) (,,) = 1* 1 [] = 1 = (,,1) (3, 1,) = 1* Berechnung der Übergangsmatrix T von e zu v : Wir stellen die Vektoren der Basis v durch die Vektoren der Basis e dar: = (,,) = -i *(1,,) =-i* 3 = (3, 1,) = 3*(1,,) +(-1)*(,1,) = 3* + (1) T = 1 1 = (,,1) = 1* Es gilt T [] = [] T und lässt sich durch nachrechnen leicht überprüfen.

1 3 Jordan Normalform für lineare Abbildungen 3.1 Satz Zerlegungssatz Zerfällt das charakteristische Polynom () der Abbildung :V und sind,, die paarweise verschiedenen Eigenwerte von, so gibt es eine -invariante Zerlegung V= mit := Kern[( id) ] = Kern ( ) Und -invariant (i=1...k). Darüber hinaus ist nilpotent auf. 3.2 Satz Jordansche Normalform für lineare Abbildungen Sei V ein - Dann existiert eine Basis v = {,,, } diagonale Form hat: [] = Wobei jeder Block ein elementarer Jordanblock folgende Form ist = 1 1 1 ( Bsp.: 2 1 2 A= 1 2 2 1 2 1. Berechnung der Eigenwerte () =d-a) = -6 +13 +4 = ( 2) ( 1) Eigenwerte : = 1, = 2 2. Berechnung von (A- E)

11 1 1 2 4 2 (A- E) = (A-E) = 1 1 2, (A-E)² = 1 1 1 1 2 1 3. Berechnung von (A- E) 1 2 1 2 2 (A- E) = (A-2E)= 1 2 2, (A-E)² = 2 3 4 1 4. Berechnung Kern((A-E)²) 4 2 (A-E)² *x = 1 = 2 1 1 1 <, > 1 1 Sei =, 5. Berechnung Kern((A-2E)²) 1 2 2 (A-2E)² *x = 2 3 4 = 2 <, > 1 1 2 Sei =, 1 1 6. Nun bilden wir, -Tabelle ein : = (1,,,) (1,1,,) (,,,) = (,1,,) (1, 1,,) (,,,) (1,,,) (1,1,,) (,1,,) (1, 1,,) Addiere die 2. Zeile zur 1. Streiche das Kästchen mit dem Nullvektor und mach die Tabelle wieder rechtsbündig. (1,1,,) (,1,,) (1, 1,,) (1, 1,,) kann durch (-1, -1,,) dargestellt werden und kann gestrichen werden.

12 Wir erhalten die Vektoren h:={(1, 1,,), (,1,,) } 7. Wir bilden h mit ab : =(1, 1,,) = (,1,,) (1, 1,,) = 1* [] = 1 8. Wir erzeugen durch addieren von E zu [] =E+ [] = 1 1 + 1 = 1 1 1 9. Wir wiederholen die Schritte 6-8 für, und erhalten die Vektoren g:=, = (2,,,1), = (,,1,), = 2 1 2 1. Wir bilden V = 1 1 = = 1 1 1 2 1 2 = 1 2 1 2 11. Bestimmung der Wechselmatrix T indem wir die Vektoren h und g durch die Vektoren der Standartbasis e abbilden : =(1, 1,,) =(-1)* +(-1)* = (,1,,) = 1* 1 2 = (2,,,1) = 2* +1* T = 1 1 1 1 = (,,1,) = 1* Es gilt T=T und lässt sich durch nachrechnen leicht überprüfen.