add la5

lecture.cls

@@ -213,7 +213,7 @@
   }
   % replace all relations with align characters (&) and add the needed padding
   \regex_replace_all:nnN
-      { (\c{impliedby}&|&\c{impliedby}|\c{implies}&|&\c{implies}|\c{approx}&|&\c{approx}|\c{equiv}&|&\c{equiv}|=&|&=|\c{le}&|&\c{le}|\c{ge}&|&\c{ge}|&\c{stackrel}{.*?}{.*?}|\c{stackrel}{.*?}{.*?}&|&\c{neq}|\c{neq}&) }
+      { (\c{iff}&|&\c{iff}|\c{impliedby}&|&\c{impliedby}|\c{implies}&|&\c{implies}|\c{approx}&|&\c{approx}|\c{equiv}&|&\c{equiv}|=&|&=|\c{le}&|&\c{le}|\c{ge}&|&\c{ge}|&\c{stackrel}{.*?}{.*?}|\c{stackrel}{.*?}{.*?}&|&\c{neq}|\c{neq}&) }
       { \c{kern} \u{l_tmp_dim_needed} \1 \c{kern} \u{l_tmp_dim_needed} }
       \l__lec_text_tl
   \l__lec_text_tl

sose2020/la/uebungen/la5.tex

@@ -0,0 +1,201 @@
+\documentclass[uebung]{../../../lecture}
+
+\title{Lineare Algebra II: Übungsblatt 5}
+\author{Dominik Daniel, Christian Merten}
+
+\usepackage[]{gauss}
+
+\begin{document}
+
+\punkte[18]
+
+\begin{aufgabe}
+    Sei $K$ ein Körper, $n \in \N$, $A \in M_{n,n}(K)$ und
+    $I_A := \{ f \in K[t]  \mid  f(A) = 0\} $.
+    \begin{enumerate}[(a)]
+        \item Beh.: $I_A \subseteq K[t]$ ist ein Ideal und $\chi_{A}^{\text{char}} \in I_A$.
+            \begin{proof}
+                $I_A$ ist Ideal, denn
+                \begin{enumerate}[label=(I\arabic*)]
+                    \item $0 \in I_A$, denn $0(A) = 0$.
+                    \item Seien $f, g \in I_A$. Dann ist $(f+g)(A) = f(A) + g(A) = 0 + 0 = 0$, also
+                        $f+g \in I_A$.
+                    \item Sei $f \in I_A$ und $r \in K[t]$. Dann ist $(f \cdot r)(A) = f(A) \cdot r(A) = 0 \cdot r(a) = 0 \implies rf \in I_A$.
+                \end{enumerate}
+                Mit dem Satz von Cayley-Hamilton gilt
+                $\chi_{A}^{\text{char}}(A) = 0 \implies \chi_A^{\text{char}} \in I_A$.
+            \end{proof}
+        \item Beh.: Es ex. ein eindeutig bestimmtes Polynom $\chi_{A}^{\text{min}} \in K[t] \setminus \{0\} $
+            mit $I_A = \left( \chi_{A}^{\text{min}} \right) $.
+            \begin{proof}
+                Es ist $\chi_{A}^{\text{char}} \neq 0$ und $\chi_{A}^{\text{char}} \in I_A$, also
+                $I_A \neq (0)$. Wegen $K[t]$ HIR ex. ein bis auf Assoziiertheit eindeutig bestimmtes
+                Polynom $f \in K[t] \setminus \{0\} $ mit $(f) = I_A$. Da $K$ Körper, ex. genau
+                ein normiertes Polynom
+                $\chi_{A}^{\text{min}}$ mit $\chi_{A}^{\text{min}} \stackrel{\wedge}{=} f$
+                und damit $(\chi_{A}^{\text{min}}) = I_A$.
+            \end{proof}
+        \item Sei $\lambda \in K$. Beh.: $\chi_{A}^{\text{min}}(\lambda) = 0 \iff \chi_{A}^{\text{char}}(\lambda) = 0$.
+            \begin{proof}
+                Sei $\lambda \in K$ mit $\chi_{A}^{\text{char}}(\lambda) = 0$. Dann ist $\lambda$ Eigenwert
+                von $A$ zu Eigenvektor $v \in K^{n} \setminus \{0\} $ mit $Av = \lambda v$. Für
+                $f \in K[t]$ gilt dann:
+                \begin{align*}
+                    f(A)v &= a_0 v + a_1 Av + \ldots + a_m A^{m} v \\
+                          &= a_0 v + a_1 \lambda v + \ldots + a_m A^{m-1} \lambda v \\
+                          &= a_0 v + a_1 \lambda v + \ldots + a_m \lambda^{m} v \\
+                          &= f(\lambda) v
+                    \intertext{Damit folgt}
+                    0 &= \chi_{A}^{\text{min}} (A) v = \chi_{A}^{\text{min}}(\lambda) v
+                .\end{align*}
+                 Wegen $v \neq 0$, folgt $\chi_{A}^{\text{min}}(\lambda) = 0$.
+
+                 Sei nun $\chi_{A}^{\text{min}} (\lambda) = 0$. Wegen
+                 $\chi_{A}^{\text{char}} \in (\chi_{A}^{\text{min}})$ ex. ein $f \in K[t]$ mit
+                 $\chi_{A}^{\text{char}} = f \cdot \chi_{A}^{\text{min}}$. Damit folgt
+                 \[
+                     \chi_{A}^{\text{char}}(\lambda) = f(\lambda) \cdot \chi_{A}^{\text{min}}(\lambda) = f(\lambda) \cdot 0 = 0
+                 .\] 
+            \end{proof}
+        \item Sei $B \in M_{n,n}(K)$. Beh.: $B \approx A \implies I_B = I_A$ und
+            $\chi_{B}^{\text{min}} = \chi_{A}^{\text{min}} $.
+            \begin{proof}
+                Sei $B \approx A$. Dann ex. $S \in \text{GL}_n(K)$ mit $B = SAS^{-1}$. Es ist
+                \begin{align*}
+                    (SAS^{-1})^{m} &= \underbrace{SA\overbrace{S^{-1} \cdot S}^{= E_n}AS^{-1} \cdot \ldots \cdot SAS^{-1}}_{m\text{-mal}} \\
+                    &= SA^{m}S^{-1}
+                    \intertext{Damit folgt}
+                    f(SAS^{-1}) &= \sum_{k=0}^{m} a_k (SAS^{-1})^{k} \\
+                    &= \sum_{k=0}^{m} a_k S A^{k} S^{-1} \\
+                    &= S \cdot \sum_{k=0}^{m} a_k A^{K} \cdot S^{-1} \\
+                    &= S f(A) S^{-1}
+                .\end{align*}
+                Also gilt
+                \begin{salign*}
+                & f \in I_A \\
+                    \iff & f(A) = 0 \\
+                    \stackrel{S \neq 0}{\iff} & S f(A) S^{-1} = 0 \\
+                    \iff& f(SAS^{-1}) = 0 \\
+                    \iff & f(B) = 0
+                .\end{salign*}
+                Also ist $(\chi_{A}^{\text{min}}) = I_A = I_B = (\chi_{B}^{\text{min}})$ und,
+                wegen $\chi_{A}^{\text{min}}$ und $\chi_{B}^{\text{min}} $ normiert,
+                $\chi_{A}^{\text{min}} = \chi_{B}^{\text{min}} $.
+            \end{proof}
+        \item Beh.: Mit $ A := \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} $ ist
+            $\chi_{A}^{\text{min}} \neq \chi_{A}^{\text{char}} $.
+            \begin{proof}
+                Es ist $P_A = \begin{pmatrix} t-1 & 0 \\ 0 & t-1 \end{pmatrix} $. Also
+                $c_1(A) = c_2(A) = t-1$, also mit 19(b) $\chi_{A}^{\text{min}} = t-1$, aber
+                $\chi_{A}^{\text{char}} = \text{det}(P_A) = (t-1)^2 \neq t-1 = \chi_{A}^{\text{min}} $.
+            \end{proof}
+    \end{enumerate}
+\end{aufgabe}
+
+\begin{aufgabe}
+    Sei $K$ ein Körper.
+    \begin{enumerate}[(a)]
+        \item Sei $g \in K[t]$ nichtkonstant und normiert mit Begleitmatrix $B_g$. Beh.:
+            $\chi_{B_g}^{\text{min}} = g$.
+            \begin{proof}
+                Zunächst z.Z.: $\text{deg}(\chi_{B_g}^{\text{min}} ) \ge \text{deg}(g) $. Ang. es ex.
+                ein $0 \neq f \in I_A$ mit $\N \ni m := \text{deg}(f) < \text{deg}(g) =: n \in \N$. Es gilt
+                $\forall k \in \N$ mit $k < n$:
+                \[
+                B_g^{k}e_1 = B_g^{k-1} B_g e_1 = B_g^{k-1} e_2 = \ldots = e_{k+1}
+                .\] Damit folgt
+                \[
+                    f(B_g) e_1 = a_0 e_1 + a_1 e_2 + \ldots + a_m e_{m+1} = \begin{pmatrix} a_0 \\ a_1 \\ \vdots \\ a_m \\ 0 \\ \vdots \\ 0 \end{pmatrix} = 0
+                .\] Also $a_0 = a_1 = \ldots = a_m = 0 \implies f = 0$ $\contr$.
+                Da $\chi_{A}^{\text{min}} \neq 0 \implies \text{deg}(\chi_{A}^{\text{min}} ) \ge \text{deg}(g)$.
+
+                Da $\chi_{A}^{\text{char}} \in (\chi_{A}^{\text{min}})$, ex. ein $r \in K[t]$
+                mit $g = \chi_{A}^{\text{char}} = r \cdot \chi_{A}^{\text{min}} $. Da $K[t]$ nullteilerfrei,
+                folgt also
+                $\text{deg}(g) = \text{deg}(\chi_{A}^{\text{char}} ) \ge \text{deg}(\chi_{A}^{\text{min}} ) $.
+                Damit folgt $\text{deg}(g) = \text{deg}(\chi_{A}^{\text{min}} ) $ und
+                $\chi_{A}^{\text{min}} \mid g$. Da $g$ und $\chi_{A}^{\text{min}} $ normiert, folgt
+                $g = \chi_{A}^{\text{min}} $.
+            \end{proof}
+        \item Seien $n \in \N$ und $A \in M_{n,n}(K)$ mit Invariantenteilern
+            $c_1(A), \ldots, c_n(A)$ und $c_1(A)  \mid \ldots  \mid c_n(A)$. Beh.:
+            $c_n(A) = \chi_{A}^{\text{min}} $.
+            \begin{proof}
+                Seien $g_1, \ldots, g_r$ die nichtkonstanten Invariantenteiler von $A$. Dann
+                ist $g_r = c_n$ und $A \approx B_{g_1, \ldots, g_r}$. $B_{g_1, \ldots, g_r}$ ist
+                diagonale Blockmatrix, d.h.
+                \[
+                    B_{g_1, \ldots, g_r}^{k} = \begin{pmatrix} B_{g_1}^{k} & 0 \\
+                        0 & \ddots & \\
+                          & & B_{g_r}^{k}
+                \end{pmatrix} 
+                .\] 
+
+                Damit folgt für $f \in K[t]$ beliebig.
+                \begin{salign*}
+                    &\qquad f \in I_{B_{g_1, \ldots, g_r}} \\
+                    \iff& f(B_{g_k}) = 0 \quad \forall k = 1,\ldots,r \\
+                    \stackrel{\text{(a)}}{\iff}& g_k  \mid f \quad \forall k = 1,\ldots,r \\
+                    \stackrel{g_1  \mid g_2  \mid \ldots  \mid g_r}{\iff}& g_r  \mid f \\
+                    \iff& f = q \cdot g_r \\
+                    \iff& f \in (g_r)
+                .\end{salign*}
+                Also folgt $(c_n) = (g_r) = I_{B_{g_1, \ldots, g_r}} \quad \stackrel{\text{18(d)}}{=} \quad I_A$.
+                Da $c_n$ normiert, folgt also $c_n = \chi_{A}^{\text{min}}$.
+            \end{proof}
+    \end{enumerate}
+\end{aufgabe}
+
+\begin{aufgabe}
+    \begin{enumerate}[(a)]
+        \item Es ist $n = 8$, $\chi_{A}^{\text{char}} = c_6(A) \cdot c_7(A) \cdot c_8(A)
+            = (t+1) \cdot  t (t+1) \cdot t^2(t+1)^{3} = t^3 (t+1)^{5}$ und
+            $\chi_{A}^{\text{min}} = c_8(A) = t ^{3}(t+1)^{5}$.
+        \item Es ist $d_1(A) = \ldots = d_5(A) = 1$. $d_6(A) = c_6(A) = t+1$,
+            $d_7(A) = c_6(A) \cdot c_7(A) = t(t+1)^2$, $d_8(A) = d_7(A) \cdot c_8(A) = t ^3(t+1)^{5}$.
+            \begin{align*}
+            A \approx B_{c_6, c_7, c_8} =
+            \begin{gmatrix}[p] 
+                -1 & 0 & 0 \\
+                0 & \begin{gmatrix}[b] 0 & 0 \\ 1 & - 1 \end{gmatrix} & 0 \\
+                0 & 0 & \begin{gmatrix}[b] 0 & 0 & 0 & 0 & 0 \\
+                1 & 0 & 0 & 0 & 0 \\
+                0 & 1 & 0 & 0 & -1 \\
+                0 & 0 & 1 & 0 & -3 \\
+                0 & 0 & 0 & 1 & -3 \end{gmatrix} 
+            \end{gmatrix} 
+            .\end{align*}
+        \item Die Weistraßteiler sind
+            $h_1 = t+1$, $h_2 = t$, $h_3 = t+1$, $h_4 = t^2$, $h_5 = (t+1)^{3}$.
+            \begin{align*}
+            A \approx B_{h_1, h_2, h_3, h_4, h_5} =
+            \begin{gmatrix}[p] 
+                -1 & 0 & 0 & 0 & 0 \\
+                0 & 0 & 0 & 0 & 0 \\
+                0 & 0 & -1 & 0 & 0 \\
+                0 & 0 & 0 & \begin{gmatrix}[b] 0 & 0 \\ 1 & 0 \end{gmatrix} & 0 \\
+                0 & 0 & 0 & 0 & \begin{gmatrix}[b] 0 & 0 & -1 \\ 1 & 0 & -3 \\ 0 & 1 & -3 \end{gmatrix} 
+            \end{gmatrix} 
+            .\end{align*}
+    \end{enumerate}
+\end{aufgabe}
+
+\begin{aufgabe}
+    Für $A = \begin{pmatrix} 0 & 2 \\ 1 & 0  \end{pmatrix} \in M_{n,n}(\Q)$ gilt:
+    \begin{align*}
+        P_A =
+        \begin{pmatrix} t & -2 \\ -1 & t \end{pmatrix} \sim \begin{pmatrix} 1 & 0 \\ 0 & t^2 -2\end{pmatrix}
+    .\end{align*}
+    Also sind $c_1(A) = 1$ und $c_2(A) = t^2 -2$. Über $\Q$ ist $t^2 - 2$ irreduzibel, also
+    $h_1 = t^2 - 2$. Damit folgt für die Weierstraßnormalform
+    \begin{align*}
+        A \approx B_{h_1} = \begin{pmatrix} 0 & 2 \\ 1 & 0 \end{pmatrix} 
+    .\end{align*}
+
+    Über $\R$ ist $t^2 - 2$ reduzibel als $t^2 - 2 = \underbrace{( t + \sqrt{2}  )}_{=: \tilde{h}_1}\underbrace{( t - \sqrt{2}  )}_{=: \tilde{h}_2} $, also folgt
+    \begin{align*}
+        A \approx B_{\tilde{h}_1, \tilde{h}_2} = \begin{pmatrix} \sqrt{2} & 0 \\ 0 & -\sqrt{2} \end{pmatrix} 
+    .\end{align*}
+\end{aufgabe}
+
+\end{document}

sose2020/num/uebungen/num4.tex

@@ -248,7 +248,7 @@ NumberType frobeniusNorm(const hdnum::DenseMatrix<NumberType> &A) {
 
         \item Auszug aus \textit{rohrleitungsnetzwerk.cc}
     \begin{lstlisting}[language=C++, title=Eigenwertberechnung, captionpos=b]
-// Funktion zur Berechnung des betragsgrößten Eigenwertes mit Potenzmethode
+// Funktion zur Berechnung des betragsgroessten Eigenwertes mit Potenzmethode
 template<class NumberType>
 NumberType maxEigenwert(const hdnum::DenseMatrix<NumberType> &A) {
     // Error checking
@@ -259,18 +259,33 @@ NumberType maxEigenwert(const hdnum::DenseMatrix<NumberType> &A) {
 
     // start vektor
     hdnum::Vector<NumberType> r(N);
-    r[0] = 1;
+    r[0] = 0;
     // work copy
     hdnum::Vector<NumberType> r_tmp(N);
-    hdnum::Vector<NumberType> diff(N);
-    // fuehre iterationsschritt 10000 mal aus
+    // finde vektor mit Ar != 0
+    for (int i = 0;;i++) {
+        A.mv(r_tmp, r); // r_tmp = Ar
+        if (r_tmp.two_norm() > 0) {
+            // Ar != 0
+            break;
+        } else if (i >= 100) {
+            // breche ab, wenn kein passender startvektor gefunden werden kann
+            HDNUM_ERROR("Kann keinen Vektor mit Ax != 0 finden. Ist A = 0?");
+        }
+        // Ar = 0, modifiziere start vektor
+        r[i % N] += 1;
+    }
+    // fuehre iterationsschritt maximal 10000 mal aus
     for (int k=0; k<10000; k++) {
         A.mv(r_tmp, r); // r_tmp = Ar
         r_tmp /= r_tmp.two_norm(); // normiere r_tmp
+        if ((r-r_tmp).two_norm() == 0)
+            // breche ab ab, wenn maximale genauigkeit erreicht wurde
+            break;
         r = r_tmp;
     }
-    A.mv(r_tmp, r);
     // berechne eigenwert mit rayleigh quotient
+    A.mv(r_tmp, r); // r_tmp = Ar
     return (r * r_tmp)/r.two_norm_2();
 }\end{lstlisting}
     \end{enumerate}

sose2020/num/uebungen/rohrleitungsnetzwerk.cc

@@ -71,7 +71,7 @@ NumberType frobeniusNorm(const hdnum::DenseMatrix<NumberType> &A) {
 }
 
 
-// Funktion zur Berechnung des betragsgrößten Eigenwertes mit Potenzmethode
+// Funktion zur Berechnung des betragsgroessten Eigenwertes mit Potenzmethode
 template<class NumberType>
 NumberType maxEigenwert(const hdnum::DenseMatrix<NumberType> &A) {
     // Error checking
@@ -82,61 +82,72 @@ NumberType maxEigenwert(const hdnum::DenseMatrix<NumberType> &A) {
 
     // start vektor
     hdnum::Vector<NumberType> r(N);
-    r[0] = 1;
+    r[0] = 0;
     // work copy
     hdnum::Vector<NumberType> r_tmp(N);
-    hdnum::Vector<NumberType> diff(N);
-    // fuehre iterationsschritt 10000 mal aus
+    // finde vektor mit Ar != 0
+    for (int i = 0;;i++) {
+        A.mv(r_tmp, r); // r_tmp = Ar
+        if (r_tmp.two_norm() > 0) {
+            // Ar != 0
+            break;
+        } else if (i >= 100) {
+            // breche ab, wenn kein passender startvektor gefunden werden kann
+            HDNUM_ERROR("Kann keinen Vektor mit Ax != 0 finden. Ist A = 0?");
+        }
+        // Ar = 0, modifiziere start vektor
+        r[i % N] += 1;
+    }
+    // fuehre iterationsschritt maximal 10000 mal aus
     for (int k=0; k<10000; k++) {
         A.mv(r_tmp, r); // r_tmp = Ar
         r_tmp /= r_tmp.two_norm(); // normiere r_tmp
+        if ((r-r_tmp).two_norm() == 0)
+            // breche ab ab, wenn maximale genauigkeit erreicht wurde
+            break;
         r = r_tmp;
     }
-    A.mv(r_tmp, r);
     // berechne eigenwert mit rayleigh quotient
+    A.mv(r_tmp, r); // r_tmp = Ar
     return (r * r_tmp)/r.two_norm_2();
 }
 
 // Hauptprogramm
-int main(int argc, char ** argv)
-{
+int main(int argc, char ** argv) {
+    // Anzahl der Knoten
+    const int N(10);
+    std::cout << "Knotenanzahl N: " << N << std::endl;
 
-  // Anzahl der Knoten
-  const int N(10);
-  std::cout << "Knotenanzahl N: " << N << std::endl;
+    // Größe der Matrix
+    const int n(N*N-1);
 
-  // Größe der Matrix
-  const int n(N*N-1);
+    // Datentyp für die Matrix
+    typedef double REAL;
 
-  // Datentyp für die Matrix
-  typedef double REAL;
+    // Matrix initialisieren
+    hdnum::DenseMatrix<REAL> A(n,n);
 
-  // Matrix initialisieren
-  hdnum::DenseMatrix<REAL> A(n,n);
+    // Pretty-printing einmal setzen für alle Matrizen
+    A.scientific(false);
+    A.width(15);
 
-  // Pretty-printing einmal setzen für alle Matrizen
-  A.scientific(false);
-  A.width(15);
+    flussMatrix(A);
+    if (N<=4)
+        std::cout << A << std::endl;
 
-  flussMatrix(A);
-  if (N<=4)
-    std::cout << A << std::endl;
-
-  // Bei Schwierigkeiten mit Teilaufgabe a) können Sie Teilaufgaben b)
-  // und c) mit folgender Matrix testen
-  int size_b = 3;
-  hdnum::DenseMatrix<REAL> B(size_b,size_b);
-  for (std::size_t i=0; i<size_b; ++i)
-  {
-    for (std::size_t j=0; j<size_b; ++j)
-    {
-      B[i][j] = i+j;
+    // Bei Schwierigkeiten mit Teilaufgabe a) können Sie Teilaufgaben b)
+    // und c) mit folgender Matrix testen
+    int size_b = 3;
+    hdnum::DenseMatrix<REAL> B(size_b,size_b);
+    for (std::size_t i=0; i<size_b; ++i) {
+        for (std::size_t j=0; j<size_b; ++j) {
+            B[i][j] = i+j;
+        }
     }
-  }
-  std::cout << "Zeilen-Summen-Norm: " << A.norm_infty() << std::endl;
-  std::cout << "Spalten-Summen-Norm: " << A.norm_1() << std::endl;
-  std::cout << "Frobenius-Norm: " << frobeniusNorm(A) << std::endl;
-  std::cout << "Maximaler Eigenwert: " << maxEigenwert(A) << std::endl;
+    std::cout << "Zeilen-Summen-Norm: " << A.norm_infty() << std::endl;
+    std::cout << "Spalten-Summen-Norm: " << A.norm_1() << std::endl;
+    std::cout << "Frobenius-Norm: " << frobeniusNorm(A) << std::endl;
+    std::cout << "Maximaler Eigenwert: " << maxEigenwert(A) << std::endl;
 
-  return 0;
+    return 0;
 }