Fakultät für Mathematik

Institut für Algebra und Geometrie

Prof. Dr. Martin Henk, Dr. Eugenia Saorı́n Gómez, Ralph August, Eva Linke

Nachklausur Lineare Algebra II - SoSe 09

22.09.2009

Name Vorname Matrikelnummer Klausurnr.

Punkte Klausur
Aufgabe 1 2 3 4
max. Punkte 4 4 4 4
Punkte

P
Punkte Klausur Bonuspunkte

Bitte beachten!

• Schreiben Sie auf jedes Blatt Ihren Namen und Ihre Matrikelnummer.

• Beginnen Sie jede Aufgabe mit einem neuen Blatt.

• Alle Aussagen müssen sorgfältig begründet werden.

• Bearbeitungszeit 120 Minuten.

Viel Erfolg!
1. Zeigen Sie:
(a) Sei A ∈ M(2, 2; R) mit trA = 0. Dann gilt A2 = −(det A)E2 , wobei
E2 die 2 × 2-Einheitsmatrix ist.
(b) Ist A eine invertierbare n × n-Matrix und A
e die Adjunkte zu A, so gilt
e = (det A)n−1 .
det A
Lösung:
 
a b
(a) Sei A = . Aus trA = 0 folgt, dass a = −d gilt.
c d
Weiterhin ist − det A = −(ad − bc) = bc − ad und es gilt
 2   
2 a + bc ab + bd −ad + bc −db + bd
A = = = −(det A)E2 .
ac + cd bc + d2 −dc + cd bc − ad

(b) Da A invertierbar ist, ist det A 6= 0. Es gilt

e = det((det A)En ) = (det A)n .
e · det A = det(AA)
det A

Da det A 6= 0 ist, dürfen wir kürzen und erhalten die Aussage.

2. Für α ∈ R sei  
1−α 1 2α
A(α) =  0 2 0 .
−1 − α 1 2α + 2
In Abhängigkeit von α bestimme man die Jordansche Normalform von
A(α).
Lösung Das charakteristische Polynom von A(α) ist
 
1−α−t 1 2α
χA(α) (t) = det  0 2−t 0 
−1 − α 1 2α + 2 − t
 
1−α−t 2α
= (2 − t) det
−1 − α 2α + 2 − t
= (2 − t) [(1 − α − t)(2α + 2 − t) − (−1 − α)(2α)]
= (2 − t)(t2 − t(3 + α) + 2α + 2)
= (2 − t)2 (α + 1 − t).
Der Eigenraum zum Eigenwert 2 ergibt sich aus den Lösungen des Glei-
chungssystems  
−1 − α 1 2α 0
 0 0 0 0 ,
−1 − α 1 2α 0

2
 d.h. x = (x1 , x2 , x3 ) liegt im Eigenraum zum Eigenwert 2, genau dann wenn
(−1 − α)x1 + x2 + 2αx3 =0, also 
wenn x + α)x1 − 2αx3 . Damit ergibt
2 = (1 
 1 0 
sich der Eigenraum zu 1 + α x1 + −2α x3 : x1 , x3 . Somit ist der
0 1
 
Eigenraum zum Eigenwert 2 unabhngig von α 2-dimensional.
Ist α nun ungleich 1, so ergibt sich die Jordansche Normalform zu
 
2 0 0
J(a) = 0 2 0 .
0 0 α+1

Ist α nun gleich 1, so ist das charakteristische Polynom χA(2) (t) = (2 − t)2
und die Dimension des Eigenraums zum Eigenwert 2 ist 2, also ergibt sich
folgende Jordansche Normalform:
 
2 1 0
J(a) = 0 2 0 .
0 0 2

3. Sei V ein n-dimensionaler C-Vektorraum, und sei f : V −→ V linear mit

f n = 0, aber f n−1 6= 0. Zeigen Sie,

(a) dim Kernf i = i für i = 0, . . . , n.

(b) Es gibt eine Basis B von V , so dass
 
0 1 0 ··· 0
 0 0
 1 ··· 0 
MB (f ) =  0 0
 .. 
0 . 0 
 
 0 0 ··· ··· 1 
0 ··· 0 0 0

die Matrixdarstellung von f bzgl. dieser Basis ist.

Lösung:

(a) Offensichtlich ist für jede lineare Abbildung Kernf i ⊆ Kernf i+1 . Des-
weiteren ist Kernf 0 = KernEn = {0}, und nach Voraussetzung ist
Kernf n = V . Also gilt

{0} = KernEn ⊆ Kernf 1 ⊆ · · · ⊆ Kernf n−1 ⊆ Kernf n = V, (**)

und es reicht zu zeigen, dass alle diese Inklusionen strikt sind. Denn nur
dann erhöht sich in jedem Schritt die Dimension der Kerne um genau

3
 eins. Angenommen es ist Kernf j = Kernf j+1 für ein j ∈ {0, . . . , n−1}.
Wir zeigen, dass dies zu dem Widerspruch Kernf j = V führt. Da
f n−1 6= 0 ist sicherlich j < n − 1. Für x ∈ Kernf j+2 gilt aber
0 = f j+2 (x) = f j+1 (f (x)), und nach der Annahme folgt f (x) ∈
Kernf j+1 = Kernf j . Dies impliziert aber f j+1 (x) = 0, also Kernf j+2 ⊆
Kernf j+1 , und mit (**) folgt Kernf j+1 = Kernf j+2 . Setzt man dieses
Argument nun fort, dann erhlt man den Widerspruch.
(b) Zuerst zeigen wir, dass λ = 0 der einzige Eigenwert von f ist. Dazu ei
λ ∈ R ein Eigenwert von f . Das bedeutet, dass es ein v ∈ V gibt, mit
v 6= 0, so dass f (v) = λv gilt. Da f n = 0, gilt

0 = f n (v) = f n−1 (λv) = λn v

und somit folgt λ = 0.

Nach (a) ist dim Kernf = 1, und somit gibt es nur einen Eigenvektor
zum Eigenwert 0. Also liefert die Jordanform von f die gewünschte
Darstellung.

4. (a) Sei V ein n-dimensinaler unitärer Vektorraum mit Skalarprodukt h·, ·i

und induzierter Norm | · |. Sei U ⊂ V eine Unterraum mit 0 <
dim U < n, und sei b1 , . . . , bn eine Orthonormalbasis von V mit U =
lin{b1 , . . . , bk }. Desweiteren sei y ∈ V . Man zeige, dass für alle u ∈ U
gilt:
Xn
|y − u|2 ≥ hy, bj i2 .
j=k+1

(b) Sei A ∈ M(n, n; R) eine symmetrische positiv semidefinite Matrix mit

minimalem Eigenwert p λ1 P
und maximalem Eigenwert λn . Desweiteren
n n 2
sei für x ∈ R , ||x|| = i=1 (xi ) die Euklidische Norm. Man zeige,
n
dass für alle x ∈ R gilt

λ1 ||x|| ≤ ||A x|| ≤ λn ||x||.

Lösung:
Pn
(a) Sei y = i=1 µi bi . Dann ist µi = hy, bi i (Korollar 6.18) und mit u =

4
 Pk
i=1 ρi bi folgt
n
X k
X
2
|y − u| = | µ i bi − ρi bi |2
i=1 i=1
Xk n
X k
X n
X
=h (µi − ρi ) bi + µ i bi , (µi − ρi ) bi + µ i bi i
i=1 i=k+1 i=1 i=k+1
k
X n
X n
X n
X
= (µi − ρi )2 + (µi )2 ≥ (µi )2 = (hy, bi i)2 .
i=1 i=k+1 i=k+1 i=k+1

(b) (Vgl. Übung 14.4 ii)). Nach Satz 6.61&6.63 gibt es eine orthogonale
Matrix S, so dass A = S D S −1 , wobei D die Diagonalmatrix ist,
bestehend aus den nicht-negativen (Korollar 5.44) reellen Eigenwerten
λ1 ≤ · · · ≤ λn von A. Die Spalten von S, bezeichnet mit s1 , . . . , sn , sind
zugehörige Eigenvektoren, die insbesondere P eine Orthonormalbasis des
Rn bilden. Seien µ1 , . . . , µn ∈ R mit x = ni=1 µi si , also x = S µ wobei
µ = (µ1 , . . . , µn )| . Dann ist
n
X n
X n
X
2
||x|| = h µi , si , µi , si i = (µi )2 = ||µ||2 , (*)
i=1 i=1 i=1

und so
||A x||2 = ||S D S −1 Sµ||2 = ||S D µ||2 = µ| D| S | S D µ = µ| D Dµ
X n
= (λi )2 (µi )2 .
i=1

Nun ist 0 ≤ λ1 ≤ λi ≤ λn für alle Eigenwerte λi , und mit (*) folgt die
Behauptung.