Lineare Algebra - SAM - ETH Zürich
Lineare Algebra - SAM - ETH Zürich
Lineare Algebra - SAM - ETH Zürich
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Kapitel 10 — Anwendungen EW-Zerlegung <strong>Lineare</strong> <strong>Algebra</strong> (2007)<br />
Damit ist bereits ein Teil des folgenden Satzes bewiesen.<br />
Satz 10.4 [Trägheitssatz]<br />
Zu jeder reellen symmetrische Matrix A gibt es eine kongruente<br />
Matrix I ± der Form (10.68). Dabei ist das Tripel (p, r − p, n − r)<br />
gleich der Trägheit von A, die unabhängig ist von der zugrunde<br />
liegenden Kongruenztransformation.<br />
Beweis: Was zu zeigen bleibt, ist dass p und r unabhängig sind von<br />
S, selbst wenn wir eine beliebige reguläre Matrix S zulassen, und nicht<br />
nur jene von der speziellen Form S = UD wie in (10.69).<br />
Es seien A = S I ± S T = S ′ I ′ ± (S ′ ) T zwei verschiedene Kongruenztransformationen<br />
von A auf die gewünschte Diagonalform (10.68), und es<br />
seien (p, r − p, n − r) und (p ′ , r ′ − p ′ , n − r ′ )r die darin auftauchenden<br />
Tripel von Indizes. Ferner seien ˜x und ˜x ′ die entsprechend transformierten<br />
Variablen, für die gilt<br />
Q(x) = x T Ax = y T I ± y = (y ′ ) T I ′ ±y ′ . (10.70)<br />
Schliesslich seien b 1 , . . . , b n und b ′ 1 , . . . , b′ n die diesen Koordinaten<br />
entsprechenden Basen des R n .<br />
Die Tatsache, dass r = r ′ = Rang A, folgt schon daraus, dass nach<br />
Voraussetzung S und S ′ regulär sind und bei einer Zusammensetzung<br />
von Abbildungen (bzw. einem Produkt von Matrizen) der Rang nicht<br />
wachsen kann; siehe Korollar 5.10 und Satz 5.16. Aus (10.70) schliesst<br />
man, dass in den Unterräumen<br />
gilt:<br />
U :≡ span {b 1 , . . . , b p }, W :≡ span {b ′ p ′ +1 , . . . , b′ n}<br />
Q(x) > 0 für alle x ∈ U, Q(x) ≤ 0 für alle x ∈ W .<br />
Folglich ist U ∩ W = ∅, also p + (n − p ′ ) ≤ n, d.h. p ≤ p ′ . Aus Symmetriegründen<br />
gilt auch p ′ ≤ p, also notwendigerweise p = p ′ . Mit dem<br />
gleichen Argument hätte man auch zeigen können, dass r − p = r ′ − p ′<br />
sein muss.<br />
Da in der zuvor betrachteten speziellen Kongruenztransformation das<br />
Trippel (p, r−p, n−r) gleich der Trägheit von A ist, muss dies allgemein<br />
gelten.<br />
Erlaubt man bei der Kongruenztransformation eine beliebige reguläre<br />
Matrix, so lässt sich diese auch ohne Lösen des Eigenwertproblemes<br />
in einem endlichen Algorithmus finden. Im wesentlichen<br />
handelt es sich dabei um eine symmetrische LR–Zerlegung mit<br />
gleichzeitigen Kolonnen- und Zeilenpermutationen, also um eine<br />
Zerlegung der Form<br />
A = PLDL T P T , (10.71)<br />
aber es gibt noch Fälle, wo ein zusätzlicher Trick nötig sind. Einen<br />
besonders einfachen Fall, wo man ohne Permutationen auskommt,<br />
haben wir bereits in Abschnitt 3.4 betrachtet: die symmetrisch positiv<br />
definiten Matrizen. Da die Cholesky–Zerlegung einer solchen<br />
LA-Skript 10-14 30. September 2007 c○M.H. Gutknecht