Skript la.pdf - next-internet.com
Skript la.pdf - next-internet.com
Skript la.pdf - next-internet.com
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
• Da jede Matrix eine Jordan-Normalform besitzt, kann man sich bei Beweisen oft auf Matrizen<br />
in Jordan-Normalform beschränken.<br />
• Sie liefert ein Entscheidungskriterium, ob zwei Matrizen durch Basiswechsel ineinander überführt<br />
werden können (d.h. ob sie „ähnlich” sind). Denn dann haben sie die gleiche Jordan-<br />
Normalform, weil diese eindeutig bestimmt ist.<br />
• Manchmal ist es hilfreich, eine Matrix erst in Jordan-Normalform zu überführen und dann<br />
damit zu rechnen.<br />
Gesucht ist also die Jordan-Normalform J von A und eine Basiswechselmatrix B, so dass B −1 · A ·<br />
B = J ist (siehe 4.2.4). Ist V = K n und A eine Abbildungsmatrix bezüglich der Standardbasis,<br />
dann ist J die Abbildungsmatrix bezüglich der Basis B; deshalb spricht man oft von der „Jordan-<br />
Basis” und nicht von der „Jordan-Basiswechselmatrix”. Der Einfachheit halber sei deshalb von jetzt<br />
an Φ : K n → K n , x ↦→ A · x definiert.<br />
Ist A diagonalisierbar, dann ist J die entsprechende Diagonalmatrix und B die Basis aus Eigenvektoren<br />
(siehe 4.6.2). Das ist z.B. der Fall, wenn das charakteristische Polynom p n verschiedene<br />
Nullstellen hat.<br />
Falls p zwar in Linearfaktoren zerfällt, aber einige Faktoren gleich sind (also Terme der Form (X −<br />
c) k vorkommen), beruht die Existenz der Jordan-Normalform darauf, dass V die direkte Summe der<br />
„Haupträume” Kern(A−c·En) k ist. Das Produkt der Terme der Form (A−c·En) k ist p(A), also nach<br />
dem Satz von Cayley-Hamilton 0 (siehe 4.6.3). Jeder Vektor wird also 0, wenn er nacheinander mit<br />
diesen Faktoren multipliziert wird. Es dürfte daher einleuchten, dass die direkte Summe der Kerne<br />
ganz V ist (auch wenn dies wieder kein Beweis ist). Außerdem ist die Dimension des Hauptraums k,<br />
also der Exponent im charakteristischen Polynom. Auch das ist nicht schwer einzusehen, denn die<br />
Summe der Dimensionen ist ja n.<br />
Diese Haupträume sind Φ-invariant, d.h. für x ∈ Kern(A − c · En) k gilt auch Φ(x) ∈ Kern(A − c ·<br />
En) k . Im Fall k = 1 ist es k<strong>la</strong>r, denn dies ist dann der Eigenraum zum Eigenwert c. Aber auch sonst<br />
kann man es leicht nachrechnen: Sei x ∈ Kern(A − c · En) k , d.h. (A − c · En) k · x = 0. Zu zeigen<br />
ist, dass (A − c · En) k · Φ(x) = (A − c · En) k · A · x = 0 ist. Aber (A − c · En) k · A ist die Matrix<br />
A eingesetzt in das Polynom (X − c) k · X = X · (X − c) k , also gleich A · (A − c · En) k . Also gilt<br />
(A − c · En) k · A · x = A · (A − c · En) k · x = A · 0 = 0. Man sieht hier sehr deutlich, dass es sich<br />
lohnt, den Zusammenhang von Matrizen und Polynomen genauer zu beleuchten. Theoretisch kann<br />
man es sich natürlich auch anders erklären: Multipliziert man nämlich (A − c · En) k · A aus, dann<br />
erhält man eine Linearkombination von Potenzen von A, bei denen man auf der linken Seite wieder<br />
A ausk<strong>la</strong>mmern kann.<br />
Ist B nun eine Basis aus Vektoren der Haupträume, dann hat die Abbildungsmatrix von Φ bezüglich<br />
B eine Blockgestalt, in der zu jedem Hauptraum ein quadratischer Block („Jordan-Block”) auf der<br />
Diagonalen gehört. Denn ein Vektor, der in einem Hauptraum liegt, wird wieder in den Hauptraum<br />
abgebildet; Entsprechendes gilt für den Koordinatenvektor bezüglich B.<br />
4.7.2 Berechnung<br />
Zunächst zerfalle das charakteristische Polynom in Linearfaktoren, p = (c1−X)·(c2−X)·. . .·(cn−<br />
X), die aber nicht unbedingt verschieden sein müssen. Man kann sich auf diesen Fall beschränken,<br />
weil z.B. in C jedes Polynom in Linearfaktoren zerfällt. Es gibt aber auch noch eine verallgemeinerte<br />
Normalform, die ohne diese Beschränkung auskommt.<br />
Dann kann man J und B wie folgt berechnen:<br />
52