• Keine Ergebnisse gefunden

Lineare Algebra II

N/A
N/A
Protected

Academic year: 2022

Aktie "Lineare Algebra II"

Copied!
3
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Lineare Algebra II

SoSe 2014 L¨osung von Blatt 15

-Tim Schulze-

Aufgabe 1. Bezeichne die angegebenen Vektoren mitv1, ..., v4. Es istH={P4

i=1kivi|P

iki = 1}nach Vorlesung. Durch Inklusion sieht man nunH =v1+hvi−v1: 2≤i≤4i=:v1+U. Hierbei ist

”⊇“offensichtlich. Die andere Inklusion folgt mittels v1+

4

X

i=2

λi(vi−v1) = 1−

4

X

i=2

λi

! v1+

4

X

i=2

λivi.

L¨ose nun

(v2−v1)t (v3−v1)t (v4−v1)t

 a b c d

= 0.

Nach anschließendem normieren erh¨alt man so

e= 1 7√

10

−4

−5 7 20

 .

Dies liefert die Hessesche Normalform H =

v∈R4 :he, vi=he, v1i= 2

√10

.

Aufgabe 2. Beweis.(i) Die Vektorraumeigenschaft ¨uberpr¨uft man leicht. Zur Dimension. Eine Basis des Raums ist offensichtlich gegeben durch die Matrizen Eij,ji, i≥j, wobei dies die Matri- zen sind, deren Eintr¨age in den Komponentenij und ji jeweils 1 seien und alle weiteren Eintr¨age Null seien. F¨ur i = 1 erhalten wir also n solcher Matrizen. F¨ur i= 2 n−1 usw. Insgesamt also Pn

i=1i= n(n+1)2 Matrizen. Sie formen offensichtlich eine Basis.

(ii) Seien A, B ∈ Ks. Dann gilt xtAx > 0, xtBx > 0 f¨ur alle x ∈ Rn, x 6= 0. Demnach 0 <

xtAx+xtBx=xt(A+B)x, d.h.A+B∈Ks. Analog folgt dies f¨urλAund positives λ∈R. (iii) Die Vektorraumeigenschaft ¨uberlassen wir wieder dem Leser. Sei L ∈ H. Dann schreibe L = <(L) +i=(L). Jetzt ist <(L) eine reelle symmetrische Matrix und =(L) eine reelle schief- symmetrische Matrix. Die schiefsymmetrischen Matrizen bilden einen reellen Vektorraumso(n) der Dimension n(n−1)2 . Eine Basis ist gegeben durch die MatrizenAij,ji, i > j mitaij = 1, aji =−1 und akl= 0, fallsk6=ioder l6=j.

Insgesamt dim(H)R= n(n+1)2 +n(n−1)2 =n2. (iv) Analog zu (ii).

1

(2)

(v) Sei A ∈ Kh. Dann gilt q(x) := xtAx > 0 f¨ur alle x, ∂B1 =: {x ∈ Cn : |x| = 1}. Da

∂B1 eine kompakte Menge ist, nimmt die Funktion q(x) dort ihr Minimum an. Es gibt also ein c >0 : min(q(x)) =n2c. Sei jetzt 0< ε < c. Dann folgt auf ∂B1:

xtAx+xtBx≥n2c−X

i,j

|xi||xj||bij| ≥n2c−n2ε >0.

Durch Multiplikation mit |x|erh¨alt man xt(A+B)x >0 f¨ur alle x6= 0.

Aufgabe 3. Behauptung. Es ist χp(t) = (t−1)r·tn−r.

Beweis. Sei (b1, ..., br) eine Basis des Bildes von p. Dann gibt es f¨ur ein beliebiges 1 ≤i ≤r ein yi ∈V :bi =p(yi). Ausp◦p=p folgt nunp(bi) =p(p(yi)) =p(yi) =bi. Demnachp|im(p)= idV. WeilV = im(p)⊕ker(p) gilt, erg¨anze (b1, ..., br) durch Hinzunahme vonn−r linear unabh¨angigen Vektoren (br+1, ..., bn) aus dem Kern zu einer Basis von V. Die zu dieser Basis geh¨orende Matrix ist jetzt von der Form

D= Er 0r×(n−r)

0(n−r)×r 0(n−r)×(n−r)

! .

Also χp(t) =χD(t) = (t−1)r·tn−r.

Aufgabe 4. Beweis.1. Die Sesquilinearit¨at ergibt sich aus der Linearit¨at des Integral.

Hermitezit¨at: hf, gi=R

If(x)g(x)dx=R

Ig(x)f(x)dx=hg, fi.

Positive Definitheit: Sei f 6= 0. Dann existiert ein x : f(x) 6= 0. Und somit f(x)f(x) > 0. Die Stetigkeit liefert nun die Positivit¨at des Integrals.

2. Seien f, g∈ CC(R,C) und sei supp(f),supp(g)⊂[−r, r] f¨ur ein hinreichend großesr ∈R. hdf

dx, gi= Z r

−r

f0(x)g(x)dx

= [f(x)g(x)]r−r− Z r

−r

f(x)g0(x)dx

=− Z

Rf(x)g0(x)dx

=hf,−dg dxi.

Dies beweist die Behauptung.

3.

hdf

dx, gi+hf,dg

dxi=f(x)g(x)|ba

=− Z b

a

f(x)eva(g(x))δadx+ Z b

a

f(x)evb(g(x))δbdx.

Demnach

hdf

dx, gi=hf,−dg

dx−eva(g)δa+ evb(g)δbi

2

(3)

und es folgt die Behauptung.

Aufgabe 5. SchreibeM :=

aE2+bX

a, b∈Q , wobeiX = −1 −1

1 0

! .

Beweis. (i) Die quadratischen Matrizen bilden einen Ring. Es bleibt die Abgeschlossenheit von (M,+),(M,·) sowie die Existenz multiplikativer Inverse zu zeigen.

Die Abgeschlossenheit von (M,+) ist offensichtlich. Wegen

(aE2+bX)(cE2+dX) =acE2+adX+bcX+bdX2

=acE2+ (ad+bc)X+bd(−X−E2)

= (ac−1)E2+ (ad+bc−bd)X ∈M folgt die Abgeschlossenheit von (M,·).

Ist 06= (aE2+bX) =:A∈M, so ist 1 (a2−ab+b2

a b

−b a−b

!

die Inverse. Hierbei bleibt zu argumentieren, dassa2−ab+b2 6= 0 ist. DaA6= 0 ist, sind a, b6= 0.

Angenommen a 6=b und a, b haben dasselbe Vorzeichen, d.h. 0 > −ab. Dann gilt a2 −ab+b2 >

a2−2ab+b2= (a−b)2 >0.

Haben sie verschiedene Vorzeichen, also−ab >0, so kommen wir zua2−ab+b2 > a2+b2>0.

Bleibt noch der Falla=bzu untersuchen. Hier ist offensichtlich a2−ab+b2 =a2>0.

Damit ist die K¨orpereigenschaft gezeigt.

(ii) und (iii). Das charakteristische Polynom von X ist nach Cayley-Hamilton und der obigen Berechnung χX(t) =t2+t+ 1. Es besitzt die komplexen Nullstellen

t1/2=−1 2 ±i

√3 2 .

Damit istX¨uberCdiagonalisierbar und es existiert eine reg¨ul¨are MatrixT :T−1XT = diag(t1, t2).

Sei nun A∈M beliebig. Dann existieren a, b∈Q:A=aE2+bX. Folglich

T−1AT =aT−1E2T +bT−1XT =aE2+b= diag(a+bt1, a+bt2).

DaχX(t) ¨uberR nicht in Linearfaktoren zerf¨allt, istM hier nicht simultan diagonalisierbar.

3

Referenzen

ÄHNLICHE DOKUMENTE

Es seien E ij die Elementarmatrizen, also jene Matrizen, die genau in der j-ten Spalte der i-ten Zeile eine 1 und ansonsten nur Nullen als Eintr¨ age haben... Bilinearit¨ at liegt

Man muss sich dessen bewusst sein, dass, wenn eine Menge X leer oder m¨oglicher- weise leer ist, uns dies nicht verbietet, ¨uber Elemente von X zu sprechen.. Dass wir dies k¨onnen

DIGITAL-EQUIPMENT CORPORATION '.- IT QUANTI-TV/VARIATION MAVNARD... DIGITAL

Rather, it collects a message generated by a user interface program such as UNIX mail(C), edits the message as required by the destination network, and calls

Programs that you create with most languages (including assembly language) will be .exe (executable) files. Note, how- ever, that when you use an external command, you

The simulator will process function 239 (RETURN PRINTER TYPE) by making the corresponding Extended System Function Calls required to perform the function. FUNCTION

Hier blüht noch die ganze Blumenliebhaberei der Franzofen, freilich nicht mehr in der derben, breiten und wilden Art, wie lie in den letzten Jahrzehnten Mode war,

obdobně jako u pozdního Rilka, ale na rozdíl od něho je u Steinera poznání vždy nerozlučně spjato s vírou (povětšinou v její mystické variantě: zde