Jordansche Normalform Rechner

Jordansche Normalform Rechner

Der Jordansche Normalform Rechner erstellt die Jordansche Normalform J einer quadratischen Matrix A zusammen mit einer invertierbaren Transformationsmatrix P, welche die Ähnlichkeitsbeziehung P⁻¹AP = J erfüllt. Im Gegensatz zur Diagonalisierung, die bei defekten Matrizen scheitert, existiert die Jordanform für jede quadratische Matrix über einem algebraisch abgeschlossenen Körper — sie ersetzt die diagonale Darstellung durch eine Folge von Jordan-Blöcken, die jeweils eine fast-diagonale Matrix mit dem Eigenwert auf der Diagonalen und 1en auf der Superdiagonalen sind. Dieses Tool berechnet alles mit exakter rationaler Arithmetik, sodass die resultierenden J und P nachweislich korrekt sind — ohne Fließkomma-Rundungsfehler.

Was ist die Jordansche Normalform?

Gegeben eine n × n Matrix A über den komplexen Zahlen, ist die Jordansche Normalform J eine Blockdiagonalmatrix

wobei jeder Jordan-Block J_k(λ) eine k × k Matrix mit λ auf der Diagonale, 1en auf der Superdiagonale und Nullen sonst ist:

Die Eigenwerte λ_i können sich über mehrere Blöcke wiederholen; entscheidend ist das Muster der Blockgrößen, welches eine vollständige Ähnlichkeitsinvariante von A darstellt.

Warum brauchen wir die Jordanform, wenn wir die Diagonalisierung haben?

Nicht jede quadratische Matrix ist diagonalisierbar. Eine Matrix ist nicht diagonalisierbar, wenn ein Eigenwert weniger unabhängige Eigenvektoren besitzt als seine algebraische Vielfachheit — man sagt, die Matrix ist defekt. Die Jordanform schließt diese Lücke durch die Einführung verallgemeinerter Eigenvektoren und liefert eine kanonische Form, die für jede Matrix funktioniert.

Kernkonzepte

Algebraische vs. Geometrische Vielfachheit

Die algebraische Vielfachheit eines Eigenwerts λ ist die Vielfachheit von λ als Nullstelle des charakteristischen Polynoms p_A(λ) = det(λI − A). Die geometrische Vielfachheit ist die Dimension des Eigenraums, oder äquivalent dim ker(A − λI). Die Anzahl der zu λ gehörenden Jordan-Blöcke entspricht seiner geometrischen Vielfachheit, und die Gesamtgröße dieser Blöcke entspricht seiner algebraischen Vielfachheit.

Verallgemeinerte Eigenvektoren und Ketten

Ein Vektor v ist ein verallgemeinerter Eigenvektor vom Rang k für den Eigenwert λ, wenn (A − λI)^kv = 0, aber (A − λI)^k−1v ≠ 0 gilt. Die Anwendung von N = (A − λI) auf einen verallgemeinerten Eigenvektor vom Rang k erzeugt einen vom Rang k−1, so dass wir eine Jordan-Kette erhalten:

Werden die Vektoren der Kette in der Reihenfolge v₁, v₂, …, v_k als Spalten von P gesetzt, entsteht ein Jordan-Block der Größe k in den entsprechenden Zeilen/Spalten von J.

Die Kernel-Leiter und Blockzählungen

Definieren Sie für jeden Eigenwert λ die aufsteigende Folge d_k = dim ker((A − λI)^k). Die Folge ist nicht-fallend und stabilisiert sich bei der algebraischen Vielfachheit von λ. Die Anzahl der Jordan-Blöcke jeder Größe wird aus dieser Leiter extrahiert:

Dies ist eine Young-Diagramm-Zählung und sie ist exakt. Der Rechner gibt diese Leiter für jeden Eigenwert aus, damit Sie die Zerlegung Schritt für Schritt nachvollziehen können.

Minimalpolynom

Das Minimalpolynom m_A(λ) ist das normierte Polynom kleinsten Grades, das m_A(A) = 0 erfüllt. Sobald die Jordanform vorliegt, lässt es sich trivial ablesen:

Eine Matrix ist genau dann diagonalisierbar, wenn ihr Minimalpolynom keine mehrfachen Nullstellen hat, d. h. jeder Jordan-Block die Größe 1 hat.

Wie dieser Rechner arbeitet

1. Matrix parsen — Ganzzahlen, Brüche (z. B. 1/2) oder Dezimalzahlen werden akzeptiert und in exakte rationale Zahlen (fractions.Fraction) umgewandelt.
2. Charakteristisches Polynom berechnen unter Verwendung des Faddeev-LeVerrier-Algorithmus, der die symbolische Determinanten-Entwicklung vermeidet und in O(n⁴) Zeit mit exakter Arithmetik läuft.
3. Rationale Eigenwerte finden über den Rationalen Nullstellensatz — jede rationale Nullstelle p/q eines primitiven ganzzahligen Polynoms erfüllt p ∣ Absolutglied und q ∣ Leitkoeffizient. Jede gefundene Nullstelle wird herausdividiert und die Suche wiederholt.
4. Kernel-Leiter aufbauen für jeden Eigenwert λ durch Berechnung von dim ker((A − λI)^k) mit rationaler RREF, bis die Sequenz bei der algebraischen Vielfachheit stabil bleibt.
5. Chain-Top-Vektoren auswählen vom größten Kern zum kleinsten, wobei die Basis erweitert wird, wann immer ein neuer Jordan-Block benötigt wird. Jeder Chain-Top wird dann wiederholt mit (A − λI) multipliziert, um seine Kettenvektoren zu erhalten.
6. J und P zusammensetzen durch Gruppierung der Ketten pro Eigenwert (größte Blöcke zuerst), wobei die Kettenvektoren als Spalten in P gesetzt und J mit Eigenwerten und Superdiagonal-1en gefüllt wird.
7. Verifizieren exakt, dass P⁻¹ A P = J gilt, unter Verwendung von Arithmetik — das Ergebnis ist garantiert, da alle Zwischenberechnungen rational sind.

Anwendungsbeispiel

Betrachten Sie die defekte 3 × 3 Matrix

• Charakteristisches Polynom: \(p_A(\lambda) = (\lambda - 5)^3\). Einziger Eigenwert λ = 5 mit algebraischer Vielfachheit 3.
• Kernel-Leiter für λ = 5: \(d_1 = 1\), \(d_2 = 2\), \(d_3 = 3\). Die Inkremente sind 1, 1, 1 → ein einzelner Jordan-Block der Größe 3.
• Jordanform: \(J = \begin{bmatrix} 5 & 1 & 0 \\ 0 & 5 & 1 \\ 0 & 0 & 5 \end{bmatrix}\), mit geometrischer Vielfachheit 1 und Index 3.
• Minimalpolynom: \(m_A(\lambda) = (\lambda - 5)^3\) — identisch zum charakteristischen Polynom, da es nur einen Jordan-Block gibt.

Anwendungen der Jordanschen Normalform

• Matrix-Exponentialfunktionen und lineare DGLs — für ein System x′ = Ax mit konstanten Koeffizienten ist die geschlossene Lösung \(e^{tA}x_0\), und \(e^{tA}\) lässt sich leicht berechnen, sobald A in Jordanform vorliegt.
• Potenzen einer Matrix — \(A^k = P J^k P^{-1}\), wobei Jordan-Blöcke explizite Formeln für ihre Potenzen besitzen.
• Funktionalkalkül — \(f(A) = P f(J) P^{-1}\) lässt sich auf beliebige analytische Funktionen f verallgemeinern, sofern f auf einer Umgebung des Spektrums definiert ist.
• Regelungstechnik — die Stabilität linearer Systeme wird durch die Eigenwerte und die Jordan-Blockgrößen bestimmt.
• Klassifizierung linearer Operatoren — zwei Matrizen sind genau dann ähnlich, wenn sie dieselbe Jordanform teilen, daher ist die Form eine vollständige Invariante.

Häufig gestellte Fragen (FAQ)

Was ist die Jordansche Normalform einer Matrix?

Die Jordansche Normalform (auch Jordan-Normalform genannt) ist eine fast-diagonale Matrix J, die zur ursprünglichen Matrix A ähnlich ist, d. h. es existiert eine invertierbare Matrix P mit P⁻¹AP = J. Die Diagonale von J enthält die Eigenwerte von A, und direkt über der Diagonale stehen 1en innerhalb der Jordan-Blöcke, wenn A nicht diagonalisierbar ist. Jede quadratische Matrix über den komplexen Zahlen hat eine Jordansche Normalform, die bis auf die Reihenfolge der Blöcke eindeutig ist.

Wann ist eine Matrix nicht diagonalisierbar?

Eine Matrix ist nicht diagonalisierbar, wenn mindestens ein Eigenwert weniger linear unabhängige Eigenvektoren besitzt als seine algebraische Vielfachheit — die Lücke wird durch Jordan-Blöcke der Größe 2 oder größer gefüllt. Solche Matrizen nennt man defekt.

Wie sind verallgemeinerte Eigenvektoren definiert?

Ein verallgemeinerter Eigenvektor vom Rang k für den Eigenwert λ ist ein Vektor v ≠ 0, so dass (A − λI)^kv = 0, aber (A − λI)^k−1v ≠ 0 ist. Diese bilden Ketten, welche die Spalten der Transformationsmatrix P bilden.

Was ist der Unterschied zwischen algebraischer und geometrischer Vielfachheit?

Die algebraische Vielfachheit ist die Häufigkeit eines Eigenwerts als Wurzel des charakteristischen Polynoms. Die geometrische Vielfachheit ist die Dimension des zugehörigen Eigenraums. Die geometrische Vielfachheit gibt die Anzahl der Jordan-Blöcke an, die algebraische Vielfachheit die Summe ihrer Größen.

Wie findet dieser Rechner die Jordan-Blockgrößen?

Der Rechner nutzt die Kernel-Leiter d_k = dim ker((A − λI)^k). Die Anzahl der Blöcke einer bestimmten Größe wird aus den Differenzen dieser Dimensionen berechnet. Dieses Verfahren ist exakt und nutzt rationale Arithmetik.

Verarbeitet der Rechner Matrizen mit irrationalen oder komplexen Eigenwerten?

Der Rechner arbeitet mit exakter rationaler Arithmetik. Bei nicht-rationalen Eigenwerten zeigt das Tool Näherungswerte an, überspringt jedoch die volle Zerlegung, da exakte Werte für die korrekte Bestimmung der Blockstruktur zwingend erforderlich sind.

Was ist das Minimalpolynom und wie wird es hier berechnet?

Das Minimalpolynom m(λ) ist das normierte Polynom kleinsten Grades mit m(A) = 0. Es wird hier direkt aus der Jordan-Struktur abgeleitet, wobei der höchste Exponent für jeden Eigenwert der Größe seines größten Jordan-Blocks entspricht.

Weiterführende Literatur

• Jordansche Normalform — Wikipedia
• Hauptvektor (Verallgemeinerter Eigenvektor) — Wikipedia
• Minimalpolynom — Wikipedia
• Faddeev–LeVerrier algorithm — Wikipedia (Englisch)

Lineare Algebra:

• Winkel zwischen Vektoren Rechner Neu
• Charakteristisches Polynom Rechner Neu
• Cholesky-Zerlegung-Rechner Neu
• Spaltenraum-Rechner Neu
• Cramersche Regel Rechner Neu
• Kreuzprodukt-Rechner Neu
• Determinantenrechner
• Skalarprodukt-Rechner Neu
• Eigenwert- und Eigenvektor-Rechner
• Gram-Schmidt-Rechner
• Jacobi-Matrix-Rechner Neu
• Jordansche Normalform Rechner Neu
• matrixrechner
• Matrix-Diagonalisierung-Rechner Neu
• Matrixexponential-Rechner Neu
• Matrix Inverse Rechner Neu
• Matrix-LU-Zerlegung-Rechner
• Matrix-Multiplikationsrechner Neu
• Matrixpotenz-Rechner Neu
• Matrixrang-Rechner
• Matrixspur-Rechner
• Nullraum-Rechner Neu
• Partialbruchzerlegungsrechner
• QR-Zerlegung Rechner Neu
• RREF Rechner (Zeilenstufenform) Neu
• Singulärwertzerlegung (SVD) Rechner
• Tensorprodukt-Rechner Neu
• Einheitsvektor-Rechner Neu
• vektorrechner
• Vektorbetrag-Rechner Neu
• Vektorprojektion Rechner