Satz 19.10 (Hauptachsentransformation) Sei A ∈ M n (R) symmetrisch. Dann gibt es eineorthogonale Matrix T ∈ M n (R), so dass gilt⎛ ⎞λ 1 0T −1 ⎜AT = ⎝. ..⎟⎠0 λ n∏mit λ 1 , . . . , λ n ∈ R. Die λ i sind die Eigenwerte von A, und es gilt χ A (x) = n (x − λ i ) fürdas charakteristische Polynom von A.Beweis Die lineare Abbildung A : R n → R n ist nach 19.2 selbstadjungiert (bezüglich desStandard-Skalarprodukts). Nach dem Spektralsatz 19.3 gibt es also eine Orthonormalbasis(v 1 , . . . , v n ) von R n aus Eigenvektoren von A, und die zugehörigen Eigenwerte λ 1 , . . . , λ n(Av i = λ i v i ) sind reell. SeiT = (v 1 , . . . , v n )die Matrix mit den Spalten v 1 , . . . , v n . Dann ist T orthogonal (Bemerkung 19.9) und⎛ ⎞λ 1 0T t AT = T t (Av 1 , . . . , Av n ) = (v 1 , . . . , v n ) t ⎜(λ 1 v 1 , . . . , λv n ) = ⎝. .⎟. ⎠ .0 λ nWegen T t = T −1 folgt die erste Behauptung. Weiter ist⎛⎞x − λ 1χ A (x) 17.15⎜= χ T −1 AT (x) = det ⎝. ..⎟n∏⎠ = (x − λ i )x − λ ni=1i=1Beispiel 19.11 Betrachte die symmetrische Matrix( ) 1 2A = ∈ M2 1 2 (R) .Nach Beispiel 17.13 (b) sind die Eigenwerte von A die reellen Zahlen λ 1 ( = 3 und λ 2 = −1.1Die zugehörigen Eigenräume sind eindimensional, und zwar V (3) = R und V (−1) =( ( (1)1 1 1R . Die Eigenvektoren v 1−1)′ = ∈ V (3) und v 21)′ = ∈ V (−1) sind orthogonal−1)zueinander, aber noch nicht normiert; aber die Eigenvektorenv 1 = √ 1 ( ) 1, v 2 12 = √ 1 ( ) 12 −1bilden eine Orthonormalbasis. Die MatrixT =( )√2 1 √2 1√12− √ 12= √ 1 ( ) 1 12 1 −1121
ist dann orthogonal, und es gilt( ) ( ) ( )T −1 AT = T t AT = 1 1 1 1 2 1 12( ) (1 −1)2 1(1 −1)=21 1 1 3 −1=1 −1 3 11 6 02=0 −2( ) ( )3 0 λ1 0= .0 −1 0 λ 2Ganz entsprechend ergibt sich das Folgende für hermitesche Matrizen.Definition 19.12 Eine Matrix A ∈ M n (C) heißt unitär, wenn giltd.h., A ist invertierbar und A −1 = A t .A t A = E ,Bemerkung 19.13 Dies ist äquivalent dazu, dass die Spalten (v 1 , . . . , v n ) von A eineOrthonormalbasis von C n bilden (bezüglich des unitären Standard-Skalarproduktes< x, y > = x t y).Satz 19.14 Sei A ∈ M n (C) eine hermitesche Matrix. Dann hat A reelle Eigenwerte∏λ 1 , . . . , λ n (das charakteristische Polynom ist χ A (x) = n (x − λ i )), und es gibt eineunitäre Matrix U ∈ M n (C) mit⎛ ⎞λ 1U −1 ⎜AU = ⎝. ..⎟⎠ .λ ni=1Die Beweise von 19.13 und 19.14 sind völlig analog zu denen von 19.9 und 19.10. Insbesonderefinden wir die (im Allgemeinen nicht eindeutig bestimmte) Matrix U in 19.14, indemwir eine Orthonormalbasis (v 1 , . . . , v n ) von C n aus Eigenvektoren von A konstruieren undfür U die Matrix mit den Spalten v 1 , . . . , v n nehmen.Zur tatsächlichen Bestimmung einer Orthonormalbasis aus Eigenvektoren sind die folgendenBetrachtungen nützlich. Sei (V, ) wieder ein euklidischer Raum und K = R, oderein unitärer Raum und K = C.Definition 19.15 (a) (siehe oben) Für einen Unterraum U ⊆ V heißtdas orthogonale Komplement von U.U ⊥ = {w ∈ V | < u, w >= 0 für alle u ∈ U}(b) Zwei Unterräume U 1 , U 2 ⊆ V heißen orthogonal zueinander, wenn< u 1 , u 2 > = 0 für alle u 1 ∈ U 1 , u 2 ∈ U 2 .Bemerkung 19.16 (a) U ⊥ ist offenbar wieder ein Unterraum von V , denn für w 1 , w 2 ∈U ⊥ , λ, µ ∈ K und u ∈ U gilt< u, λw 1 + µw 2 > = λ < u, w 1 > +µ < u, w 2 > = 0 ,122
- Seite 1 und 2:
Lineare Algebra IProf. Dr. Uwe Jann
- Seite 3 und 4:
Anschauliche Bilder für n = 2 und
- Seite 5 und 6:
1 Aussagen, logische Symbole, und M
- Seite 7 und 8:
Hier haben wir, wie oft später, Me
- Seite 9 und 10:
2 AbbildungenDefinition 2.1 Seien M
- Seite 11 und 12:
(b) Für f : R → R, x ↦→ x 3
- Seite 13 und 14:
wobei [x] := größte ganze Zahl, d
- Seite 15 und 16:
3 Das Prinzip der vollständigen In
- Seite 17 und 18:
( nDie Zahlen heißen die Binomialk
- Seite 19 und 20:
Definition 3.15 Ist für eine Menge
- Seite 21 und 22:
Beispiele 4.5 (a) Die Verknüpfung
- Seite 23 und 24:
Bezeichnung 4.9 Für eine Permutati
- Seite 25 und 26:
5 Ringe und KörperDefinition 5.1 E
- Seite 27 und 28:
Nach (a) ist also x + 1 = 0 oder x
- Seite 29 und 30:
6 VektorräumeDie abelschen Gruppen
- Seite 31 und 32:
W 1 ist ein Untervektorraum, W 2 ni
- Seite 33 und 34:
Beweis (a): Es istDurch Multiplikat
- Seite 35 und 36:
Beh. φ −1 (x ′ y ′ ) = φ
- Seite 37 und 38:
M α heißt auch Streckung (oder Ho
- Seite 39 und 40:
9 Erzeugendensysteme und Dimension
- Seite 41 und 42:
Damit folgt auch die zweite Aussage
- Seite 43 und 44:
(c) B ist maximale linear unabhäng
- Seite 45 und 46:
Aus dem Steinitzschen Austauschsatz
- Seite 47 und 48:
φ(λ(α 1 , . . . , α n )) = φ((
- Seite 49 und 50:
Wir erhalten y = −3z und 4x + 8z
- Seite 51 und 52:
10 DimensionsformelnSei K ein Körp
- Seite 53 und 54:
Bemerkung 10.5 Sind V und W isomorp
- Seite 55 und 56:
Weiter ist für v ∈ V und λ ∈
- Seite 57 und 58:
Definition 10.13 Sei (v 1 , . . . ,
- Seite 59 und 60:
↑j − te Spalte(c) Für x = (x 1
- Seite 61 und 62:
(die φ(e j ) als Spaltenvektoren g
- Seite 63 und 64:
(= Z i (A) · S k (B) = Skalarprodu
- Seite 65 und 66:
Beweis: direktes Nachrechnen, oder:
- Seite 67 und 68:
ist ein Vektorraum-Isomorphismus. I
- Seite 69 und 70:
Sie beschreibt also, wie die neue B
- Seite 71 und 72: 12 Lineare GleichungssystemeSei K e
- Seite 73 und 74: Es ergeben sich folgende Fragen:1)
- Seite 75 und 76: Die Matrix wird einfacher (hat mehr
- Seite 77 und 78: Typ (a): Sei λ ∈ K {0}. Erhalte
- Seite 79 und 80: (a): Es ist nach Satz 12.17rg A = r
- Seite 81 und 82: 1) 3. Zeile -1. Zeile ⎛ ⎞3 2 1
- Seite 83 und 84: 1) 3. Zeile - 1. Zeile ⎛⎞3 2 1
- Seite 85 und 86: 13 Konkrete Verfahren13.1 Wir disku
- Seite 87 und 88: Wir starten mit der “mehrfach erw
- Seite 89 und 90: 14 Die DeterminanteMotivation: Betr
- Seite 91 und 92: heißt auch bilineare Abbildung ode
- Seite 93 und 94: kjFür k = j hängt det A ij nicht
- Seite 95 und 96: (⇒A ist nicht regulär)s.u.Satz 1
- Seite 97 und 98: (Linearität von det in der j-ten S
- Seite 99 und 100: ( )1Ist nun A regulär, so gilt A
- Seite 101 und 102: (vergleiche 14.6 (iii))(a), (b) und
- Seite 103 und 104: da σ : {1, . . . , n} → {1, . .
- Seite 105 und 106: 16 PolynomeSei K ein Körper.Defini
- Seite 107 und 108: (d.h., (x − λ) teilt f).Beweis S
- Seite 109 und 110: 17 EigenwerteSei K ein Körper.Defi
- Seite 111 und 112: vom Grad ≤ n − 2. Der verbleibe
- Seite 113 und 114: Die Gleichung (1) folgt daraus, das
- Seite 115 und 116: Bemerkungen 18.5 (a) Die Fundamenta
- Seite 117 und 118: Wir verwenden hier eine vereinfacht
- Seite 119 und 120: 19 Hauptachsentransformation/Spektr
- Seite 121: das orthogonale Komplement von V (
- Seite 125 und 126: wie man leicht nachrechnet: V (λ)
- Seite 127: Dieser Unterraum ist 2-dimensional,