-
Notifications
You must be signed in to change notification settings - Fork 1
/
08_eigenwerte_und_vektoren.tex
306 lines (259 loc) · 11.4 KB
/
08_eigenwerte_und_vektoren.tex
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
\chapter{%
Eigenwerte und -vektoren%
}
\section{%
Schöne Matrizen%
}
\begin{xDef}{$f$-invariant}{f-invariant@$f$-invariant}
Sei $f \in \End_K(V)$ sowie $U$ ein Unterraum von $V$. \\
Dann heißt $U$
\xbegriff{invariant unter $f$}%
{invariant unter f@invariant unter $f$|see{$f$-invariant}} oder
\xbegriff{$f$-invariant}{f-invariant@$f$-invariant},
falls $f(u) \in U$ ist für alle $u \in U$.
\end{xDef}
\section{%
Die charakteristische Gleichung%
}
\begin{Def}{Eigenvektor und Eigenwert}
Sei $f \in \End_K(V)$.
Ein Skalar $\lambda \in K$ heißt \begriff{Eigenwert} (EW) von $f$, falls
es einen Vektor $v \in V$ ($v \not= 0$) gibt, sodass $f(v) = \lambda v$
ist. \\
Ein Vektor $v \in V$ ($v \not= 0$) heißt \begriff{Eigenvektor} (EV) zum
Eigenwert $\lambda \in K$, falls $f(v) = \lambda v$. \\
Eigenvektoren/-werte einer Matrix $A \in M_n(K)$ sind Eigenvektoren/-werte
von $f_A: K^n \rightarrow K^n$.
\end{Def}
\begin{Def}{Diagonalmatrix}
Seien $\lambda_1, \ldots, \lambda_n \in K$. \\
Die \begriff{Diagonalmatrix}
\matrixsize{$\begin{pmatrix}\lambda_1 & \cdots & 0 \\
\vdots & \ddots & \vdots \\ 0 & \cdots & \lambda_n\end{pmatrix}$}
wird mit $\diag\{\lambda_1, \ldots, \lambda_n\}$ bezeichnet.
\end{Def}
\begin{Lemma}{Diagonalmatrix und Eigenvektor}
Sei $\basis{B} = (v_1, \ldots, v_n)$ eine geordnete Basis von $V$.
Dann ist $\hommatrix{f}{B}{B} = \diag\{\lambda_1, \ldots, \lambda_n\}$
genau dann, wenn $v_i$ EV zum EW $\lambda_i$ ist ($1 \le i \le n$).
\end{Lemma}
\begin{xDef}{$\ell_\lambda$}{l@$\ell_\lambda$}
Seien $\lambda \in K$ und $\basis{B}$ eine beliebige Basis von $V$ mit
$\dim V = n$.
Durch $\ell_\lambda: V \rightarrow V$, $v \mapsto \lambda v$ wird ein
Endomorphismus $\ell_\lambda$ von $V$ definiert.
Es gilt $\hommatrix{\ell_\lambda}{B}{B} =
\diag\{\lambda, \ldots, \lambda\} = \lambda \cdot E_n$.
\end{xDef}
\begin{Satz}{Eigenwerte eines Endomorphismus} \\
$\lambda \in K$ ist Eigenwert von $f$ genau dann, wenn
$\det(f - \ell_\lambda) = 0$.
\end{Satz}
\begin{Satz}{Eigenwerte einer Matrix} \\
$\lambda \in K$ ist Eigenwert von $A \in M_n(K)$
genau dann, wenn $\det(A - \lambda E_n) = 0$.
\end{Satz}
\begin{Def}{charakteristische Gleichung}
$\det(A - \lambda E) = 0$ bzw. $\det(f - \ell_\lambda) = 0$ ist
eine \begriff{Bestimmungs\-gleichung für $\lambda$}, die sog.
\begriff{charakteristische Gleichung} von $A$ bzw. $f$,
wenn man $\lambda \in K$ als Unbestimmte auf"|fasst.
Diese Gleichung muss von $\lambda$ erfüllt werden, damit
$\lambda$ ein Eigenwert von $A$ bzw. $f$ ist.
\end{Def}
\begin{Satz}{Polynom}
Seien $f \in \End_K(V)$ ($\dim_K V = n$) und $t \in K$
eine Unbestimmte. \\
Dann ist $(-1)^n \det(f - \ell_t) = \det(\ell_t - f)$ ein Polynom
$\chi_f(t) \in K[t]$ der Form \\
$\chi_f(t) = t^n + \beta_{n-1} t^{n-1} + \cdots + \beta_1 t + \beta_0$
für bestimmte Koef"|fizienten $\beta_i \in K$ ($0 \le i \le n - 1$). \\
Insbesondere ist $\deg \chi_f(t) = n$.
\end{Satz}
\begin{Def}{charakteristisches Polynom}
Das Polynom $\chi_f(t)$ heißt \begriff{charakteristisches Polynom} von $f$.
Ähnlich wird das charakteristische Polynom $\chi_A(t)$ einer
quadratischen Matrix $A$ definiert.
\end{Def}
\begin{Kor}
Ähnliche Matrizen besitzen dasselbe charakteristische Polynom.
\end{Kor}
\begin{Def}{Spur}
Sei $A = (\alpha_{ij}) \in M_{n \times n}(K)$.
Dann heißt $\tr(A) = \sum_{i=1}^n \alpha_{ii}$ die
\begriff{Spur} von $A$. \\
Für $f \in \End_K(V)$ ($\dim_K V = n$) definiert man die Spur als
$\tr(f) = -\beta_{n-1}$ als den negierten Koef"|fizienten von $t^{n-1}$ des
charakteristischen Polynoms $\chi_f(t)$.
\end{Def}
\begin{Satz}{niedrigster Koef"|fizient}
Für den konstanten Term $\beta_0$ von $\chi_f(t)$ gilt
$\beta_0 = (-1)^n \det f$.
\end{Satz}
\begin{Satz}{höchster Koef"|fizient}
Für $\beta_{n-1}$ von $\chi_A(t)$ gilt $\beta_{n-1} = -\tr(A)$.
\end{Satz}
\begin{Satz}{Spur als Homomorphismus}
Die Abbildung $\tr: \End_K(V) \rightarrow K$, $f \mapsto \tr(f)$ ist
$K$-linear und für $f, g \in \End_K(V)$ ist
$\tr(f \circ g) = \tr(g \circ f)$.
\end{Satz}
\begin{Satz}{Eigenwerte = Nullstellen}
Die Eigenwerte von $f$ sind genau die Nullstellen von $\chi_f(t)$.
\end{Satz}
\begin{Def}{Eigenraum}
Die Gesamtheit der Eigenvektoren von $f$ zum Eigenwert $\lambda$
besteht aus allen Vektoren in $\ker(f - \ell_\lambda) \setminus \{0\}$.
Der Unterraum $\ker(f - \ell_\lambda)$ von $V$ wird \begriff{Eigenraum}
zum Eigenwert~$\lambda$ genannt und mit $V_\lambda(f)$ oder $V_\lambda$
bezeichnet.
\end{Def}
\begin{Prozedur}{Eigenräume eines Homomorphismus ausrechnen}
\begin{enumerate}
\item Man wählt eine Basis von $V$ und schreibt $f$ als Matrix $A$.
Dann berechnet man das Polynom $\det(A - tE)$ (bzw. von
$\chi_f(t) = \chi_A(t) = \det(tE - A) \in K[t]$).
\item Man bestimmt die Nullstellen $\lambda_1, \ldots, \lambda_k$ von
$\chi_f(t)$ (Eigenwerte).
\item Für jede Nullstelle $\lambda_i$ löst man das homogene LGS
$(A - \lambda_i E) x = 0$. \\
Der Kern $\ker (A - \lambda_i E) = V_{\lambda_i}(f)$ ist der Eigenraum
zum Eigenwert $\lambda_i$, die Menge der Eigenvektoren zum Eigenwert
$\lambda_i$ ist dann $V_{\lambda_i}(f) \setminus \{0\}$.
\end{enumerate}
\end{Prozedur}
\begin{Satz}{Dimension des Eigenraums}
Die Dimension des Eigenraums von $f$ zum Eigenwert $\lambda \in K$ ist
kleiner gleich der Vielfachheit von $\lambda$ als Nullstelle von
$\chi_f(t)$, \\
d.\,h. $\dim(\ker(f - \ell_\lambda)) \le m_\lambda(\chi_f(t))$.
\end{Satz}
\begin{Def}{Dreiecksmatrix}
Eine \xbegriff{(obere/untere) Dreiecksmatrix}{Dreiecksmatrix} ist eine
quadratische Matrix,
in der alle Einträge unterhalb/oberhalb der Hauptdiagonalen $0$ sind.
\end{Def}
\begin{Satz}{Dreiecksmatrix $\Leftrightarrow$ Zerfall in Linearfaktoren}
Eine quadratische Matrix ist genau dann zu einer Dreiecksmatrix ähnlich,
wenn ihr charakteristisches Polynom in Linearfaktoren zerfällt.
\end{Satz}
\begin{Kor}
Sei $K$ algebraisch abgeschlossen und $A$ eine quadratische Matrix über
$K$. \\
Dann ist $A$ zu einer Dreiecksmatrix ähnlich.
\end{Kor}
\begin{Satz}{Eigenvektoren linear unabhängig}
Eigenvektoren $v_1, \ldots, v_k \in V$ zu paarweise verschiedenen
Eigenwerten $\lambda_1, \ldots, \lambda_k \in K$ eines Endomorphismus $f$
von $V$ sind linear unabhängig.
\end{Satz}
\begin{Satz}{Summe der Eigenräume direkt}
Seien $f \in \End_K(V)$, $\lambda_1, \ldots, \lambda_k \in K$
paarweise verschiedene Eigenwerte von $f$ und
$V_{\lambda_i}$ der $i$-te Eigenraum
($1 \le i \le k$).
Dann ist die Summe der Eigenräume direkt, d.\,h.
$\sum_{i=1}^k V_{\lambda_i} = \bigoplus_{i=1}^k V_{\lambda_i}$.
Insbesondere ist
$\dim \left(\sum_{i=1}^k V_{\lambda_i}\right) =
\sum_{i=1}^k \dim(V_{\lambda_i})$.
\end{Satz}
\begin{Def}{diagonalisierbar (Matrix)}
Eine quadratische Matrix heißt \begriff{diagonalisierbar},
falls sie zu einer Diagonalmatrix ähnlich ist.
\end{Def}
\begin{Satz}{diagonalisierbar $\Leftrightarrow$ Basis aus Eigenvektoren}
Eine quadratische Matrix $A \in M_n(K)$ ist genau dann
diagonalisierbar, wenn $K^n$ eine aus Eigenvektoren von $A$ bestehende
Basis besitzt.
\end{Satz}
\begin{Def}{diagonalisierbar (Endomorphismus)}
Ein Endomorphismus $f$ von $V$ ist \begriff{diagonalisierbar}, falls
$V$ eine Basis aus Eigenvektoren von $f$ hat.
\end{Def}
\begin{Satz}{Summe der Dimension der Eigenräume}
Seien $\lambda_1, \ldots, \lambda_k$ die verschiedenen Eigenwerte von
$f \in \End_K(V)$.
Dann ist $f$ diagonalisierbar genau dann, wenn \\
$\sum_{i=1}^k \dim(V_{\lambda_i}(f)) = n = \dim V$ ist.
(Dann zerfällt $\chi_f$ automatisch in Linearfaktoren.)
\end{Satz}
\pagebreak
\begin{Prozedur}{quadratische Matrix diagonalisieren}
\begin{enumerate}
\item Man berechnet das charakteristische Polynom $\chi_A(t)$.
\item Man bestimmt die Nullstellen (also die Eigenwerte).
Wenn $A$ diagonalisierbar ist, dann zerfällt $\chi_A(t)$ in
Linearfaktoren, d.\,h.
$\chi_A(t) = \prod_{i=1}^k (t - \lambda_i)^{\nu_i}$,
wobei die $\lambda_i \in K$ die paarweise verschiedenen Eigenwerte
mit $\nu_i = m_{\lambda_i}(\chi_A(t))$ sind.
\item Man bestimmt eine Basis $\basis{B}_i$ von
$\ker(A - \lambda_i E) = V_{\lambda_i}$ durch
Lösen des zugehörigen homogenen LGS $(A - \lambda_i E)x = 0$.
\item Sei $\basis{B} = \basis{B}_1 \cup \cdots \cup \basis{B}_k$.
Wenn $A$ diagonalisierbar ist, dann ist $|B| = n$ und $B$ ist daher
Basis von $K^n$.
Sei $P = \hommatrix{\id}{\stdbasis{n}}{B}$.
Dann ist $P^{-1}AP = \diag\{\lambda_1, \ldots, \lambda_1, \lambda_2,
\ldots, \lambda_k, \ldots, \lambda_k\}$, wobei
$\lambda_i$ genau $m_{\lambda_i}(\chi_A(t)) = \dim(V_{\lambda_i})$
oft als Eintrag in der Diagonalmatrix vorkommt.
\end{enumerate}
\end{Prozedur}
\section{%
Direkte Summen und Blockdiagonalform%
}
\begin{Def}{direkte Summe von Endomorphismen}
Seien $V_1, \ldots, V_k$ $K$-Vektorräume und $f_i: V_i \rightarrow V_i$
Endomorphismen für $i = 1, \ldots, k$. \\
Dann wird durch $f: \bigoplus_{i=1}^k V_i \rightarrow
\bigoplus_{i=1}^k V_i$, $f(v_1, \ldots, v_k) \mapsto
(f_1(v_1), \ldots, f_k(v_k))$ ein Endomorphismus $f$ definiert.
$f = \bigoplus_{i=1}^k f_i$ heißt
\begriff{direkte Summe der Endomorphismen} $f_i$.
\end{Def}
\begin{Lemma}{Blockdiagonalmatrix}
Seien $\basis{B}_i$ eine Basis für $V_i$, $n_i = \dim_K V_i$,
$A_i = \matrixm_{f_i}(\basis{B}_i, \basis{B}_i)$, \\
$f$ die direkte Summe der $f_i$ und
$\basis{B} = \basis{B}_1 \cup \cdots \cup \basis{B}_k$
in der natürlichen Ordnung. \\
Dann ist $\hommatrix{f}{B}{B} =$
\matrixsize{$\begin{pmatrix}A_1 & \cdots & 0 \\
\vdots & \ddots & \vdots \\ 0 & \cdots & A_k\end{pmatrix}$}, wobei
$A_i \in M_{n_i}(K)$ für $i = 1, \ldots, k$.
\end{Lemma}
\begin{Def}{Blockdiagonalmatrix}
Diese Matrix $\hommatrix{f}{B}{B}$ heißt \begriff{Blockdiagonalmatrix}
und wird auch mit $\diag\{A_1, \ldots, A_k\}$ bezeichnet.
\end{Def}
\begin{Satz}{Det. einer Blockdiagonalmatrix}
Es gilt $\det f = \det(A_1) \cdots \det(A_k) = \prod_{i=1}^k \det f_i$.
\end{Satz}
\begin{Kor}
Es gilt $\chi_f(t) = \chi_{f_1}(t) \cdots \chi_{f_k}(t)$.
\end{Kor}
\begin{Kor}
Seien $f \in \End_K(V)$ (wobei $V$ endlich-dimensional ist),
$V = V_1 \oplus \cdots \oplus V_k$ direkte Summe der $f$-invarianten
Unterräume $V_i$ und $f_i = f|_{V_i}$. \\
Dann ist $\det f = \prod_{i=1}^k \det f_i$ sowie
$\chi_f(t) = \prod_{i=1}^k \chi_{f_i}(t)$.
\end{Kor}
\begin{Def}{Blockmatrix}
Eine quadratische Matrix $A = (\alpha_{ij}) \in M_n(K)$ heißt
\xbegriff{(obere) Blockmatrix}{Blockmatrix!obere}, falls sie die Form
$A =$ \matrixsize{$\begin{pmatrix}B & C \\ 0 & D\end{pmatrix}$} hat, wobei
$B \in M_r(K)$, $C \in M_{r \times (n - r)}(K)$ und
$D \in M_{n - r}(K)$. \\
Analog werden \xbegriff{untere Blockmatrizen}{Blockmatrix!untere}
definiert.
\end{Def}
\begin{Satz}{Determinante von Blockmatrizen}
Sei $A =$ \matrixsize{$\begin{pmatrix}B & C \\ 0 & D\end{pmatrix}$} eine
Blockmatrix. \\
Dann ist $\det A = \det B \cdot \det D$ sowie
$\chi_A(t) = \chi_B(t) \cdot \chi_D(t)$.
\end{Satz}
\pagebreak