Lineare Algebra 2, SS 2013
Name:
Matrikelnummer:
Dieser Test enth¨ alt 7 Aufgaben auf 2 Seiten und z¨ ahlt insgesamt 36 Punkte. Ein Ergebnis ab 18 Punkten ist positiv.
Bitte antworten Sie in unmissverst¨ andlicher Sprache, mit Formeln oder verbal, wie es Ihnen angenehmer ist. Die Klarheit Ihrer Sprache fließt wesentlich in die Bewertung ein!
Bitte antworten Sie pr¨ agnant: Ausf¨ uhrungen, die nicht zur direkten Beantwor- tung der gestellten Fragen dienen, bringen keine zus¨ atzlichen Punkte, und k¨ onnen sogar, wenn sie falsch sind, auch zu Punkteabzug f¨ uhren!
Danke und viel Erfolg!
* Je eine Definition aus jedem der drei Hauptteile. Hier soll ¨uberpr¨uft werden, ob Sie die genauen Begriffe kennen.
Aufgabe 1. Definieren Sie die folgenden Begriffe: (Nur die Definitionen sind ge- fragt.)
(1) 2 Punkte: Vielfachheit einer Nullstelle eines Polynoms.
(2) 2 Punkte: Diagonalisierbare Matrix.
(3) 2 Punkte: Unit¨ are Matrix.
L¨osung:
(1) Seifein Polynom ¨uber einem K¨orperK, seiγ∈Keine Nullstelle vonf. Die Vielfachheit vonγals Nullstelle vonfist die gr¨oßte Zahlm, sodass (x−γ)mein Teiler vonf ist.
(2) Sei A∈ Kn×neine quadratische Matrix ¨uber einem K¨orper K.Aheißt genau dann diagonalisierbar, wennKneine Basis aus Eigenvektoren vonAbesitzt.
(3) Eine MatrixA∈Cn×nheißt genau dann unit¨ar, wennT∗T =T T∗=En.
* Je eine Wissensfrage aus jedem Hauptabschnitt, hier soll ¨uberpr¨uft werden, ob Sie Kenntnis und ¨Uberblick ¨uber den Inhalt des Stoffes haben. Bei der Beantwortung dieser Fragen m¨ussen Sie nicht begr¨unden oder beweisen.
Aufgabe 2. 4 Punkte:
(1) 2 Punkte: Formulieren Sie das Lemma von Fitting. (Sie m¨ ussen es nicht beweisen!)
(2) 2 Punkte: Wof¨ ur wurde in der Vorlesung Lemma von Fitting gebraucht?
L¨osung:
(1) SeiKein K¨orper undF ∈Kn×n. Dann gilt:
• {0} ⊂ker(F)⊂ker(F2)⊂ · · ·
• Kn⊃rg(F)⊃rg(F2)⊃ · · ·
• Es gibt einr∈ Nsodass ker(Fr) = ker(Fr+1). Sobald ein solchesrerreicht ist, sind f¨ur alles≥rdie Kerne ker(Fs) = ker(Fr).
• F¨urrwie oben istKndie direkte SummeKn= ker(Fr) + rg(Fr).
(2) SeiA∈Kn×n. Das Lemma von Fitting zeigt, dass die aufsteigende Folge der ker((λ−A)i) station¨ar wird, wir k¨onnen den Hauptraum vonAf¨ur den Eigenwertλdefinieren, und zeigen, dass ¨uber algebraisch abgeschlossenen K¨orpern der ganze Kn in eine direkte Summe von Hauptr¨aumen zerlegt werden kann.
Aufgabe 3. 4 Punkte: Sei V ein Vektorraum mit innerem Produkt ⟨· , ·⟩ , W ein Unterraum von V mit einer Basis (b
1, · · · , b
n), und x ∈ V . Wie kann man die orthogonale Projektion von x auf W berechnen, wenn (b
1, · · · , b
n) eine beliebige Basis ist.
Geben Sie nur die Methode an, Sie m¨ ussen nicht begr¨ unden, warum sie funktioniert.
L¨osung:
Wir erstellen die Gramsche Matrix
G=
⟨b1, b1⟩ · · · ⟨b1, bn⟩ ..
.
.. .
⟨bn, b1⟩ · · · ⟨bn, bn⟩
und l¨osen das lineare Gleichungssystem
G
η1
.. . ηn
=
⟨b1, x⟩ .. .
⟨bn, x⟩
. Die orthogonale Projektion vonxaufW ist dann∑n
i=1ηibi.
Aufgabe 4. 4 Punkte: Sei A ∈ C
n×nnormal.
(1) 2 Punkte: Wie kann man an den Eigenwerten von A erkennen, ob A her- mitesch ist?
(2) 2 Punkte: Wenn A hermitesch ist, wie kann man an den Eigenwerten von A erkennen, ob A positiv definit ist?
Sie m¨ ussen Ihre Antworten nicht begr¨ unden oder beweisen.
L¨osung:
(1) Eine normale Matrix ist genau dann hermitesch, wenn alle ihre Eigenwerte reell sind.
(2) Eine hermitesche Matrix ist genau dann positiv definit, wenn alle Eigenwerte echt gr¨oßer als Null sind.
* Je eine Aufgabe zu den Details der Beweise in jedem Hauptabschnitt. Hier soll ¨uberpr¨uft werden, ob Sie die mathematischen Zusammenh¨ange verstehen und auch in unmissverst¨andlicher und klarer Sprache wiedergeben k¨onnen.
Aufgabe 5. 6 Punkte: Sei K eine konvexe Teilmenge eines Vektorraums V uber ¨ R mit innerem Produkt ⟨· , ·⟩ . Sei x ∈ V und u ∈ K, so dass f¨ ur alle y ∈ K gilt:
∥ x − u ∥ ≤ ∥ x − y ∥ . Zeigen Sie: F¨ ur alle y ∈ K gilt
⟨ x − u, y − u ⟩ ≤ 0 .
L¨osung:
SeiKkonvex unduder n¨achste Punkt ausKanx. Sei nunϵ >0 beliebig. Isty∈K, so ist wegen der Konvexit¨at auchz:=u+ϵ(y−u)∈K, und daher
∥u−x∥2 ≤ ∥z−x∥2
= ∥(z−u) + (u−x)∥2
= ∥ϵ(y−u) + (u−x)∥2
= ϵ2∥y−u∥2+ 2ϵ⟨y−u, u−x⟩+∥u−x∥2. Division durchϵergibt
0≤ϵ∥y−u∥2+ 2⟨y−u, u−x⟩. F¨urϵ→0 erhalten wir das gesuchte Ergebnis
0≤ ⟨y−u, u−x⟩.
Aufgabe 6. 6 Punkte: Sei A ∈ C
n×neine normale Matrix, v ∈ C
nund λ ∈ C . Zeigen Sie: Ist Av = λv, dann ist A
∗v = λv.
L¨osung:
SeiAv=λv. Wir berechnen
∥(λ−A∗)v∥2 = [(λ−A∗)v]∗(λ−A∗)v
= v∗(λ−A)(λ−A∗)v
= v∗(λ−A∗)(λ−A)v
= [(λ−A)v]∗[(λ−A)v]
= ∥(λ−A)v∥2= 0.
Also ist (λ−A)v= 0.
Aufgabe 7. 6 Punkte: Sei A ∈ C
n×n. Beweisen Sie: Sind λ
1, · · · , λ
kpaarweise verschiedene Eigenwerte von A und v
1, · · · , v
kEigenvektoren dazu, dann ist das k-Tupel (v
1, · · · , v
k) linear unabh¨ angig.
L¨osung:
Vollst¨andige Induktion nachk. F¨ur k = 1 ist die Behauptung offensichtlich, weil v1 ̸= 0 von Eigenvektoren immer verlangt ist.
Schritt vonk auf k+ 1: Es seien nun vi Eigenvektoren zu paarweise verschiedenenλi f¨uri = 1,· · ·, k+ 1. Es ist
(λk+1−A)vi= (λk+1−λi)vi. Sei nun∑k+1
i=1µivi= 0. Wir zeigen, dass alleµi= 0 sind.
0 = (λk+1−A)
k+1∑
i=1
µivi=
k+1∑
i=1
(λk+1−λi)µivi=
∑k i=1
(λk+1−λi)µivi,
weil das letzte Glied der Summe null ist. Weil diev1,· · ·, vkaber nach Induktionsannahme linear unabh¨angig sind, folgt f¨ur allei= 1,· · ·, kdass (λk+1−λi)µi= 0. Es ist aberλk+1̸=λi, sodass folgtµi= 0. Damit bleibt nur mehr ¨ubrig
0 =
k+1∑
i=1
µivi=µk+1vk+1. Aber weilvk+1̸= 0, ist letztlich auchµk+1= 0.
(Bemerkung: Im Skriptum wird ein allgemeinerer Satz bewiesen, dessen Beweis nat¨urlich aufw¨andi- ger ist. Wenn Sie den Satz aus dem Skriptum beweisen, ist das nat¨urlich auch recht, nur m¨uhe-
voller.)