Sie sind auf Seite 1von 44

Lineare Algebra 2

Vorlesungsmitschrift

Prof. Stefan Felsner Technische Universität Berlin

SS 2008

L A T E Xed by Robert Rudow

12. August 2008

Inhaltsverzeichnis

4 Eigenwerte und Eigenvektoren

 

1

4.1 Definition

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

1

4.2 Beispiele

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

1

4.3 invarianter Unterraum

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

3

4.3.1 Definition

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

3

4.3.2 Beispiele

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

3

5 Endomorphismus

 

4

5.1 diagonalisierbar

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

4

5.2 Diagonalisierbarkeitskriterium

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

4

5.3 Proposition

 

(Summe der Eigenräume)

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5

5.4 Verallgemeinerte Eigenvektoren

 

6

5.5 Existenz von Eigenwerten über C

 

7

5.6 Hauptsatz der Algebra

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

7

6 Das charakteristische Polynom

 

8

6.0.1

Eigenschaften von det(A λI n )

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

9

6.1 Diagonalisierung

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

10

6.2 Diagonalisierungsalgorythmus

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

13

6.2.1

Beispiel .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

13

6.3 Triagonalisierung

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

14

6.3.1 Proposition

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

14

6.3.2 Proposition

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

15

6.4 Satz von Cayley Hamilton für Dreiecksmatrizen

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

15

6.5 Triagonalisierungssatz

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

16

6.5.1

Beipiel für Triagonalisierung

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

17

6.6 Das Minimalpolynom

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

20

Ideal

6.7 .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

20

6.7.1

Satz .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

20

6.8 Der Satz von Cayley-Hamilton

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

22

7 Jordansche Normalform

 

25

7.1 Blocktriagonalisierung

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

25

7.1.1 Zerlegungslemma

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

25

7.1.2 Proposition

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

27

7.1.3 Invarianzlemma

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

27

7.2 Haupträume

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

29

7.2.1 Definition

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

29

7.2.2 Proposition

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

30

7.3 Jordan -Blöcke

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

31

7.4 JNF berechnen

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

34

7.4.1 Beispiel 1

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

35

7.4.2 Beispiel 2

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

35

 

I

8

Euklidische Vektorräume

36

8.1 Skalarprodukt

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

36

8.2 Defintion Euklidischer VR

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

36

8.2.1

Beipiele

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

36

8.3 Die Cauchy-Schwarz-Unleichung

 

38

8.4 orthogonal

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

40

II

4

Eigenwerte und Eigenvektoren

Ziel: Verstehen von Endomorphismen Beipiel: Wenn M eine Diagonalmatrix ist

dann verstehen wir, wie M auf K n wirkt.

M e i = 0

010

0 = λ i e i

d.h e i wird um λ i gestreckt. Die λ i sind Eigenwerte von M.

4.1 Definition

Sei F ein Endomorphismus von V (V endlich dimensionaler VR über dem Körper K) λ K ist ein Eigenwert von F wen es einen Vektor v V, v 0 gibt, so daß F(v) = λ · v (v ist

immer 0). Der Vektor v ist Eigenvektor von F zum EW λ.

4.2 Beispiele

1. V = K

(1 - dim)

f : K K linear, wenn f(x + y) = f(x) + f(y) f(λx) = λf(x)

f

hat die Gestalt

f(x) = a · x,

a K

 

f

ist durch seinen einzigen EW a vollständig beschrieben.

2. M =

0

0

0 1 als Abbildung K 2 K 2

0 ist EW zum Vektor

1

0

Wenn v EV zum EW λ ist, dann ist mit µ 0 auch µv EV zum EW λ.

M Z

mit SMT = Z

(Zeilenstufenform) Wahl von Basen A,B ür Urbild VR und Bild VR. M und Z können verschiedene Eigenwerte haben. Bei Endomorphismen wollen wir nur eine Basis.

Beh. 0 ist einziger EW

nachrechen:

1

M

d.h.

y =

x

y

0

= λ ·

x

y

y

0

=

=

λx

λy

durch einsetzen folgt 0 = λ 2 x x = 0 y = 0

0 ist kein EV kein weiterer EW

3. Spiegelung an < β >, β =

a

b

β ist EV zum EW 1 β ist ein EV zum EW -1 Bzgl. der Basis B = (β, β ) hat ie Spiegelung die darstellende Matrix

1

0

0

-1

= M β (s)

4. Rotation um den Winkel α

Matrix: cos sin α α

-sin

cos α

???

Für α kπ gibt es keine weiteren EWe (keine EVe)

nachrechnen für den Spezialfall α = π (90 )

M =

2

0

1 0

=

-1

-y

x

M

x

y

= λ ·

x

y

d.h.

⇒ −y = λ 2 y

λ = 1 λ = 1

λ 2 = 1

y

=

λx

x

=

λy

EV zum EW i ist

1

-i

EV zum EW -1 ist 1 i

Darstellende Matrix zur Basis B = -i , 1 i ist

1

2

0

0 -i

i

Zu beachten ist hierbei, dass wir während unserer Rechnung den Körper von R nach C gewechselt haben. Die Existenz von EWen hängt also vom zugrundeliegenden Körper ab.

5. I R betrachten V = C (I)

D : C C

D(f) = f ist ein Endomrphismus

Jedes λ R ist EW, EV e λx

Ist v EV von F dann gilt für <v> = U Unterraum von U

F(U) = U

4.3 invarianter Unterraum

4.3.1 Definition

Ein Unterraum U von V heißt invariant (F Endo(V)) wenn F(U) U

4.3.2 Beispiele

{0}

V

v EV dann ist <v> F-invariant

Kern(F)

Bild(F): F(v) = Bild(F) Bild(F) V F(Bild(F)) F(V) = Bild(F)

sind v 1 ,

, v k EV zu einem gemeinsamen EW λ dan ist U =< v 1 ,

, v k > F-invariant

w

U d.h. w = a 1 v 1 +

+ a k v k

 

F(w)

=

a 1 F(v 1 ) +

+ a k F(v K )

 

=

a 1 λv 1 +

+ a k λv k

=

λ(a 1 v 1 +

+ a k v k )

=

λw

 

3

5

Endomorphismus

5.1 diagonalisierbar

Definition

Ein Endomorphismus heißt diagonalisierbar, wenn er bzgl. einer geeigneten Basis(?) durch eine Diagonalmatrix dargestellt wird.

λ

1

λ

2

.

.

.

λn

F Endo ist diagonalisierbar

Basis bestehetnd aus EVen

Eine MAtrix A M K (n, n) heißt diagonalisierbar wenn es S GL K (n) gibt, so dasss SAS 1 Diagonalmatrix ist.

5.2 Diagonalisierbarkeitskriterium

Satz Sei V ein VR, dim V = n, F Endo(V) Wenn F n verschiedene EWs besitzt F diagbar

z.z.: n verschiedene EWs Basis aus EVs

Lemma

Sind λ 1 ,

unabhängig.

, λ k EWs eines Endo F und v 1 ,

Beweis

, v k EVs zu diesen EWs v 1 ,

, v k sind linear

Induktion über k I.A.: k = 1, v 1 0 weil EV v 1 linear unabhängig.

I.S. von k-1 nach k

Seien a 1 ,

, a k so dass

z.z.: alle a i sind 0. F auf 1 angewenden:

a 1 v 1 + a 2 v 2 +

+ a k v k = 0

a 1 λ 1 v 1 + a 2 λ 2 v 2 +

+ a k λ k v k = F(0) = 0

1

2

Multiplikation von 1 mit λ k (vertauschen und umstellen liefert)

a 1 λ k v 1 + a 2 λ k v 2 +

+ a k λ k v k = λ k · 0 = 0

4

3

Dierenz von 2 und 3 liefert

=0 laut I.V.

(λ 1 λ k )

0 weil λ i verschieden

a

1

=0 laut I.V.

(λ 2 λ k )

0 weil λ i verschieden

v 1 + a 2

v 2 +

v 1 ,

, v k1 sind linear unabhängig

a 1 = a 2 =

einsetzen in 1 liefert a k = 0

+

=0 laut I.V.

(λ k1 λ k )

0 weil λ i verschieden

a k1

= a k1 = 0

v

k1

+ a k (λ k λ k ) v k = 0

=0

Also sind v 1 ,

v k linear unabhängig

zum Satz: v 1 ,

, v k sind lin. unabh n Sück in einem n-dim VR Basis

Die EVs zu einem (gemeinsamen) EW werden zusammengefast:

Eig(F, λ) = {x V :

F(x) = λx}

(Menge der EV und der Nullvektor)

das ist der Eigenraum von F zum EW λ

Eigenschaften:

Ist λ der EW von F Eig(F, λ) {0}

Eig(F, λ) = Kern(F λ Id) (Eigenräume können als Kerne berechnet werden)

λ 1 λ 2 Eig(F, λ 1 ) Eig(F, λ 2 ) = {0}

Eig(F, λ) ist ein F-invarianter UR (w = iI a i v i ) und F(v i ) = λ i i I F(w) = λw)

5.3 Proposition

(Summe der Eigenräume)

Sind λ 1 ,

, λ k verschiedene EW on F End(V) dann gilt

Hintergrund

V = Eig(F, λ 1 ) Eig(F, λ 2 )

Eig(F, λ k ) U

V

= U + W d.h. v V u U, w W so dass v = u + w

V

= U V d.h.: v V !u U !w W mit v = u + w

Die Bedingung für V = U W ist

V = U + W und U W = {0}

5

Beweis Seien B 1 ,

, B k Basen der Eigenräume die Vereinugung von B 1

unanhänging Basisergänzung liefert Basis B on V.

B =

b

1

1 ,

, b

1

j

1

, b 2 1 ,

, b 2 ,

j

2

B

1

B

2

, b k 1 ,

, b k , b 0 1 ,

j

k

B

k

, b 0

t

a

a 1 v 1 Eig(F1 )

1

1 b 1

1 +

+ a

1

j

1 b

1

j

1

k

a i v i = δ

+

a 2 b 2 +

1

1

+ a 2 k b 2

j

j

k

+

a 2 v 2 Eig(F2 )

+

a k b k +

1

1

+ a k k b k

j

j

k

a k v k Eig(Fk )

= δ

B k ist linear

1

i=1

Lemma: EVen zu verschiedenen EWen sinf linear abhänging.

a 1 v 1 = δi a i

1 b i

1 + ··· + a i j i b i j i = 0

B i ist Basis von Eig(F, λ i )

a

d.h. alle Koetienten in 1 sind 0.

1