21.06.2014 Aufrufe

Lineare Algebra - SAM - ETH Zürich

Lineare Algebra - SAM - ETH Zürich

Lineare Algebra - SAM - ETH Zürich

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

Kapitel 9 — Eigenwerte und Eigenvektoren <strong>Lineare</strong> <strong>Algebra</strong> (2007)<br />

Beispiel 9.8: Wir setzen Beispiel 9.6 fort: Zur Matrix A aus (9.15)<br />

gehört gemäss (9.16)–(9.17) die Identität<br />

⎛<br />

⎞ ⎛<br />

⎞ ⎛<br />

⎞ ⎛ ⎞<br />

5 −1 3 1 0 −1 1 0 −1 1 0 0<br />

⎝ 8 −1 6 ⎠ ⎝ 4 3 −2 ⎠ = ⎝ 4 3 −2 ⎠ ⎝ 0 1 0 ⎠ .<br />

−4 1 −2 0 1 1 0 1 1 0 0 0<br />

} {{ }<br />

A<br />

} {{ }<br />

V<br />

} {{ }<br />

V<br />

} {{ }<br />

Λ<br />

Die Kolonnen v 1 und v 2 von V sind gemäss Konstruktion linear unabhängige<br />

Eigenvektoren zum Eigenwert λ 1 = λ 2 = 1 mit algebraischer<br />

und geometrischer Vielfachkeit 2. Der Eigenvektor v 3 gehört zu λ 3 = 0<br />

und ist gemäss Satz 9.11 linear unabhängig zu jeder Linearkombination<br />

von v 1 und v 2 . Also sind die drei Vektoren v 1 , v 2 , v 3 linear unabhängig,<br />

das heisst sie bilden eine Eigenbasis, und V ist regulär. In der Tat ist<br />

⎛<br />

V −1 = ⎝<br />

5 −1 3<br />

−4 1 −2<br />

4 −1 3<br />

und somit hat A die Spektralzerlegung<br />

⎛<br />

1 0<br />

⎞ ⎛<br />

−1 1 0 0<br />

A = ⎝ 4 3 −2 ⎠ ⎝ 0 1 0<br />

0 1 1 0 0 0<br />

} {{ }<br />

V<br />

} {{ }<br />

Λ<br />

⎞ ⎛<br />

⎞<br />

⎠ ,<br />

5 −1 3<br />

−4 1 −2<br />

4 −1 3<br />

⎞<br />

⎠ ⎝<br />

⎠ .<br />

} {{ }<br />

V −1<br />

Es gibt leider aber auch nicht-diagonalisierbare Matrizen. Hier ist<br />

das einfachste Beispiel:<br />

<br />

Beispiel 9.9:<br />

Die Matrix<br />

A =<br />

( 1 1<br />

0 1<br />

)<br />

hat das charakteristische Polynom χ A (λ) = (1 − λ) 2 , also den doppelten<br />

Eigenwert 1. Aber das Gleichungssystem (A − 1 I)v = 0 mit der<br />

Koeffizientenmatrix<br />

( ) 0 1<br />

A − 1 I =<br />

0 0<br />

hat Rang 1. Es ist also n − r = 2 − 1 = 1, das heisst der Eigenraum E 1<br />

ist eindimensional; die geometrische Vielfachheit 1 des Eigenwertes ist<br />

damit kleiner als die algebraische Vielfachheit 2.<br />

<br />

Dieses Beispiel zeigt, dass die geometrische Vielfachheit kleiner als<br />

die algebraische sein kann, was bedeutet, dass es dann keine Eigenbasis<br />

geben kann. Wie kann man wohl diese Situation charakterisieren?<br />

Und ist auch das Umgekehrte möglich?<br />

Es gelten die folgenden zwei grundlegenden Aussagen:<br />

Satz 9.13 Für jeden Eigenwert gilt, dass die geometrische Vielfachheit<br />

kleiner gleich der algebraischen Vielfachheit ist.<br />

Weil der Grad von χ A genau n ist, sich also die algebraischen Vielfachheiten<br />

zu n summieren, folgt sofort die Notwendigkeit der folgenden<br />

Bedingung.<br />

LA-Skript 9-14 30. September 2007 c○M.H. Gutknecht

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!