D-INFK Lineare Algebra HS 2018 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 5
|
|
- Waltraud Waltz
- vor 5 Jahren
- Abrufe
Transkript
1 D-INFK Lineare Algebra HS 2018 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 5 1. a) LR = = = , P = also L = R = P = Hinweis: Die LR-Zerlegung ist nicht eindeutig und es gibt gültige Variationen davon. Es muss aber immer gelten PA = LR, wobei L und R jeweils eine untere und obere Dreiecksmatrix sind, und P eine gültige Permuationsmatrix. b) Wir lösen zuerst Lc = Pb und danach Rx = c. PAx = (LR)x = Lc = Pb. Lc = Pb: c = = somit c = ( ). Rx = c: x = somit x = ( ). Bitte wenden!
2 2. a) Die einzelnen Schritte der LR Zerlegung ergeben A = = = = }{{}}{{} L R b) Es gilt b(α) = Ax(α) = L R x(α). }{{} y(α) Wir führen die Variable y(α) := R x(α) ein unter erhalten b(α) = L y(α). Mit Vorwärtseinsetzen für b(α) = L y(α) bestimmen wir zuerst y(α) = ( 3 α 5 α 4 2α ) und erhalten dann mit Rückwärtseinsetzen für y(α) = R x(α) x(α) = ( α α). Das System hat also für alle α R eine eindeutige Lösung x(α). 3. Wir verwenden die Definition des Matrixproduktes und die Additionstheoreme der trigonometrischen Funktionen sin (α + β) = sin α cos β + cos α sin β cos (α + β) = cos α cos β sin α sin β und erhalten ( ) ( ) cos ϕ1 sin ϕ Q(ϕ 1 ) Q(ϕ 2 ) = 1 cos ϕ2 sin ϕ 2 sin ϕ 1 cos ϕ 1 sin ϕ 2 cos ϕ 2 ( ) cos ϕ1 cos ϕ = 2 sin ϕ 1 sin ϕ 2 cos ϕ 1 sin ϕ 2 sin ϕ 1 cos ϕ 2 cos ϕ 1 sin ϕ 2 + sin ϕ 1 cos ϕ 2 cos ϕ 1 cos ϕ 2 sin ϕ 1 sin ϕ 2 ( ) cos(ϕ1 + ϕ = 2 ) sin(ϕ 1 + ϕ 2 ). sin(ϕ 1 + ϕ 2 ) cos(ϕ 1 + ϕ 2 ) Siehe nächstes Blatt!
3 Das Matrixprodukt Q(ϕ 1 )Q(ϕ 2 ) ist also eine Rotationsmatrix Q(ϕ 1 + ϕ 2 ) mit dem Rotationswinkel ϕ 1 + ϕ 2 gegen den Uhrzeigersinn. 4. Bonusaufgabe Eine nichtleere Teilmenge U eines Vektorraums V heisst Unterraum, falls sie bezüglich Addition und skalarer Multiplikation abgeschlossen ist, d.h. falls gezeigt werden kann, dass für alle x, y U und α E folgendes gilt: 1. U, oder äquivalent, dass der Nullvektor von V auch in U ist. 2. x + y U. 3. αx U. a) 1. Der Nullvektor von V ist die konstante Funktion θ(x) = 0. Weil auch gilt, dass θ(x) = 0 = θ(x 1) für x [0, 1], ist θ U. 2. Für beliebige e, g U wollen zeigen, dass auch h := e + g U: h(x) = e(x) + g(x) = e(1 x) + g(1 x) = h(1 x) x [0, 1] 3. Sei α E und f U. Dann gilt dass, f(x) = f(1 x) und somit auch αf(x) = αf(1 x). b) 1. Der Nullvektor ( ) aus R 4 erfüllt die Gleichung 2x + 4y + 3z + 7w = Wir zeigen, dass die Summe zweier beliebiger Lösungsvektoren v 1 = ( x 1 y 1 z 1 w 1 ), v2 = ( x 2 y 2 z 2 w 2 ) auch wieder die Gleichung erfüllt: A) 2x 1 + 4y 1 + 3z 1 + 7w 1 = 0 B) 2x 2 + 4y 2 + 3z 2 + 7w 2 = 0 A + B) 2x 1 + 2x 2 + 4y 1 + 4y 2 + 3z 1 + 3z 2 + 7w 1 + 7w 2 = (x 1 + x 2 ) + 4(y 1 + y 2 ) + 3(z 1 + z 2 ) + 7(w 1 + w 2 ) = 0 3. Wir zeigen, dass auch das Multiplizieren eines Lösungsvektors mit einem Skalar α immer noch die Gleichung erfüllt: 2x + 4y + 3z + 7w = 0 α(2x + 4y + 3z + 7w) = α0 2(αx) + 4(αy) + 3(αz) + 7(αw) = 0 Bitte wenden!
4 5. a) >> A = [ ; ; ; ]; >> [L,R] = mylr(a) L = R = >> A-L*R ans = b) Wenn wir die Hilfe des MATLAB-Befehls aufrufen (help lu), sehen wir, dass optional auch eine Permutationsmatrix P mit [L,U,P] = lu(a) zurückgeben werden kann. Die LR-Zerlegung wendet also eine Pivotstrategie an, wodurch Zeilen getauscht werden können. Dies macht die Zerlegung numerisch stabiler, resultiert aber in einer anderen LR-Zerlegung. 6. Multiple-Choice-Aufgaben Siehe nächstes Blatt!
5 1. In welchen der folgenden Fällen ist der Rechenaufwand für das Lösen mit der LR-Zerlegung kleiner als mit direkter Gauss-Elimination? (a) (b) Ein System mit mehreren linearen Gleichungen. Mehrere unterschiedliche lineare Gleichungssysteme mit der gleichen rechten Seite. (c) Mehrere unterschiedliche lineare Gleichungssysteme mit den gleichen Koeffizientenmatrizen. (d) Ein System mit weniger als 10 linearen Gleichungen. Der Rechenaufwand für die LR Zerlegung und das Vor- und Rück-wärtseinsetzen ist genau gleich wie für die Gauss-Elimination für ein gegebenes fixes System. Für eine variierende rechte Seite jedoch, muss die LR-Zerlegung nicht mehr gemacht werden und ist somit schneller als die Gauss-Elimination. 2. Das Lösen eines linearen Gleichungssystems der Form AX = B, mit A R n n und X, B R n n 2 und n = 2000, dauert auf einem bestimmten System 15 Sekunden. Wie lange dauert es etwa für die Berechnung mit n = 4000, wobei wir annehmen, dass alle Rechengrundoperation gleich lange brauchen? (a) (b) 15s 30s (c) 120s (d) 225s Der Rechenaufwand für die LR-Zerlegung einer n n Matrix wird mit ( 1 3 n3 1 2 n2 )+( 1 3 n3 )+n (Additionen + Multiplikationen + Divisionen) = 2 3 n3 1 2 n2 +n abgeschätzt. Für das Vor- und Rück-wärtseinsetzen rechnen wir mit einem Aufwand von ((n 2 n) + (n 2 )) n 2 Rechenoperationen. Daraus ergibt sich ein Total von 5 3 n3 n 2 + n Rechenoperationen. Teilen wir nun die benötigte Zeit von 15 Sekunden durch die Anzahl der Rechenoperationen erhalten wir die Zeit für eine einzelne Grundoperation und können damit die geschätzte Zeit für n = 4000 berechnen. Bitte wenden!
6 3. Die Inverse einer symmetrischen Matrix, falls sie existiert, ist symmetrisch. (a) Richtig (b) Falsch Wir wissen dass, AA 1 = A 1 A = I and I = I T. Damit ist AA 1 = (A 1 A) T = A T (A 1 ) T. Daraus folgt A 1 AA 1 = A 1 A T (A 1 ) T IA 1 = I(A 1 ) T A 1 = (A 1 ) T 4. Eine n m Matrix A ist nicht invertierbar genau dann, wenn das Gleichungssystem Ax = b nicht für jedes b lösbar ist. (a) Richtig (b) Falsch Ein Gleichungssystem mit einer nicht quadratischen Koeffizientenmatrix A kann eindeutig lösbar sein für beliebige rechte Seiten, wenn es keine Verträglichkeitsbedingungen hat.
D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11
D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung Serie 11 1. Wir betrachten das überbestimmte Gleichungssystem Ax = y mit 1 1 1 1 A := 1 1 0 1 0 1, y := 2 3 0 0 1 4 Berechnen Sie die
MehrHerbstsemester a b 1. c d. e 0 f B = (iii) e = 0 (iv) ) 2 + ( 1. Das Skalarprodukt des ersten und zweiten Spaltenvektors muss null ergeben:
Dr V Gradinaru D Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5 Multiple Choice: Online abzugeben Gegeben sei die orthogonale Matrix
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Gegeben seien die folgenden geordneten Basen B = (v, v, v, v ) und C = (w, w,
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr. Meike Akveld Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung 1. In dieser Aufgabe beweisen wir die Existenz der LR-Zerlegung einer quadratischen
MehrHerbstsemester ist es.
Dr V Gradinaru K Imeri Herbstsemester 8 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 4 Aufgabe 4 Multiple Choice: Online abzugeben 4a) Gegeben seien: Dann gilt: (i)
MehrMusterlösung 11. D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung
D-INFK Lineare Algebra HS 27 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung. Wir bezeichnen die Spalten von A als A (a a 2 a 3 ) und die Spalten des Resultats der QR-Zerlegung mit Q (q q 2 q 3 ), R (r
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 018 Prof Dr N Hungerbühler Serie 8: Online-Test Schicken Sie Ihre Lösung bis spätestens Freitag, den 3 November um 14:00 Uhr ab Diese Serie besteht nur aus Multiple-Choice-Aufgaben
MehrD-INFK Lineare Algebra HS 2018 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11
D-INFK Lineare Algebra HS 2018 Özlem Imamoglu Olga Sorkine-Hornung Serie 11 1. In dieser Aufgabe wollen wir die Parameter einer gewissen Modellfunktion aus ein paar gemessenen Werten bestimmen. Das Modell
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie
D-MAVT Lineare Algebra I HS 7 Prof. Dr. N. Hungerbühler Lösungen Serie 4: Ferienserie . Finden Sie ein Erzeugendensystem des Lösungsraums L R 5 des Systems x + x x 3 + 3x 4 x 5 = 3x x + 4x 3 x 4 + 5x 5
MehrNumerik für Informatiker und Bioinformatiker. Daniel Weiß
Numerik für Informatiker und Bioinformatiker Daniel Weiß SS 202 Folgende Literatur bildet die Grundlage dieser Vorlesung: P Deuflhard, A Hohmann, Numerische Mathematik, Eine algorithmisch orientierte Einführung,
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 4. Aufgabe 4.1. Dr. V. Gradinaru D. Devaud A. Hiltebrand.
Dr V Gradinaru D Devaud A Hiltebrand Herbstsemester 4 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 4 Aufgabe 4 Multiple Choice: Online abzugeben 4a) Wir betrachten
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrFür die Matrikelnummer M = Dann sind durch A =
Musterlösung zum. Blatt 9. Aufgabe: Gegeben seien m 3 + 2 m m 3 m 2 m 4 + m 7 m 3 A := m m 2 m 2 + 2 m 2 m 4 + m 5 und b := m 6 m 4 + a) Finden Sie eine Lösung x R 7 für die Gleichung Ax =. b) Finden Sie
MehrD-MAVT Lineare Algebra I HS 2018 Prof. Dr. N. Hungerbühler. Lösungen 7
D-MAVT Lineare Algebra I HS 8 Prof. Dr. N. Hungerbühler Lösungen 7. Gegeben seien: A := ( ), A := 5 ( ) 3 4. 4 3 Welche der folgenden Aussagen gelten? (a) A ist orthogonal. (b) A ist orthogonal. Lösung.
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
Mehr1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen
1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrD-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8
D-INFK Lineare Algebra HS 27 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 8. Kern von A: Die Spalten der Matrix A sind Vielfache voneinander, also sind sie linear abhängig und A hat Rang. Somit hat
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 2, 207 Erinnerung Definition. Ein Skalarprodukt ist eine Abbildung, : E n E n E, v, w v, w = n k= v
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R. Käppeli L. Herrmann W. Wu Herbstsemester 2016 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6.1 Berechnen Sie die Determinanten der beiden
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 13. Übungsblatt
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl WS 8/9 Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum
MehrKapitel 2: Lineare Gleichungssysteme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 2: Lineare Gleichungssysteme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 205 HM: Numerik (SS 205), Kapitel
Mehrb) Definieren Sie den Begriff Cauchy-Folge. c) Geben Sie zwei Beispiele für konvergente Folgen und deren jeweilige Grenzwerte an.
Repetitorium zur Ingenieur-Mathematik I, WS 00/ Aufgabe : Bestimmen Sie das quadratische Polynom, auf dessen Graph die Punkte (, 4), (0, ), (, 7) liegen. Aufgabe : a) Wann ist eine Folge konvergent (Definition)?
MehrÜbungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion
Übungen zur Ingenieur-Mathematik III WS 11/1 Blatt 8 3.11.11 Aufgabe 5: Berechnen Sie den kritischen Punkt der Funktion fx, y 3x 5xy y + 3 und entscheiden Sie, ob ein Maximum, Minimum oder Sattelpunkt
MehrSpezielle Matrixformen
Definition B57 (Transposition) Eine einfache aber wichtige Operation auf Matrizen ist die Transposition, die aus einer (m n) Matrix A eine (n m) Matrix B = A T macht Hierbei gilt β i j = α j i, so daß
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrLösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Lösung Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Um zu zeigen, dass es sich bei den gegebenen Vektoren um Basen handelt,
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben /3 Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
MehrDrehungen und Spiegelungen in R 2
Drehungen und Spiegelungen in R 2 Ist A eine orthogonale 2 2-Matrix, so ist A von der Form ( ) cos α sin α A = Drehung um den Winkel α sin α cos α oder ( ) cos α sin α A = Spiegelung an Achse mit Steigung
MehrNumerisches Programmieren
Informatics V - Scientific Computing Numerisches Programmieren Tutorübung 3 Jürgen Bräckle, Christoph Riesinger 16. Mai 2013 Tutorübung 3, 16. Mai 2013 1 Gauß-Elimination und Pivotsuche LR-Zerlegung QR-Zerlegung
Mehr2 Lineare Gleichungssysteme
Vorlesungsskript HM-Numerik (SS 4): Kapitel Version: 9 Mai 4 Lineare Gleichungssysteme Gegeben: A R n n mit det(a) b R n Gesucht: x R n mit Ax = b Zeilenäquilibrierung Möchten zunächst die Kondition des
MehrHöhere Mathematik I HM I A. WiSe 2014/15. Variante A
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I WiSe 4/ Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder- und Rückseite
MehrDrehungen und Spiegelungen in R 2
Drehungen und Spiegelungen in R 2 Ist A eine orthogonale 2 2-Matrix, so ist A von der Form ( ) cos α sin α A = Drehung um den Winkel α sin α cos α oder ( ) cos α sin α A = Spiegelung an Achse mit Steigung
Mehr2 Vektorräume und Gleichungssysteme
2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum 2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum Definition 21 Seien K = (K, +, ) ein Körper, V eine Menge und
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
MehrRechenaufwand der LR- und LDL T - Zerlegung
6. Großübung Rechenaufwand der LR- und LDL T - Zerlegung Rückwärtseinsetzen Der Algorithmus kann der Folie 3.0 entnommen werden. Dieser kann in die folgenden Rechenoperationen aufgesplittet werden: Für
MehrLineare Algebra und Numerische Mathematik D-BAUG. Winter 2013 Prof. H.-R. Künsch. , a R. det(a) = 0 a = 1.
b Musterlösung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice) Gegeben sei die folgende Matrix Winter 3 Prof. H.-R. Künsch A = a a) deta) = genau dann wenn gilt x a =. a =. ), a R. x
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrLineare Algebra. 2. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 6, 017 1 Erinnerung: Lineare Gleichungssysteme LGS Der allgemeine Fall hat m lineare Gleichungen, n
MehrKlausurvorbereitungsblatt Lineare Algebra
Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
MehrCramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...
Cramersche Regel Satz 2.4. Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei A j := (a,...,a j,b,a j+,...,a n ) also die Matrix, die entsteht, wenn in A die j-spalte durch den
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2017 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München Programm heute 7 Fortgeschrittene Datenstrukturen 8
MehrGaußsche Ausgleichsrechnung
Kapitel 6 Gaußsche Ausgleichsrechnung 6. Gaußsche Methode der kleinsten Fehlerquadrate Die Gaußsche Methode der kleinsten Fehlerquadrate wurde 89 von C.F. Gauß in dem Aufsatz Theorie der Bewegung der Himmelkörper
MehrVektorräume und Lineare Abbildungen
Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 2 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Mittsemesterprüfung HS, Typ A Name a a Note Vorname Leginummer Datum 29..2 2 4 6 Total
MehrLineare Algebra 2013 Lösungen für Test und Zusatzfragen
Lineare Algebra 3 Lösungen für Test und Zusatzfragen Test Multiple Choice. Seien Für die Lösung x x x x 3 A, b des Systems Ax b gilt x 3 5 x 3 x 3 3 x 3 / Mit elementaren Zeilenoperationen erhalten wir
MehrMathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2016/
Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 206/207 20.03.207 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:...................................................................
Mehr10 Lineare Gleichungssysteme
ChrNelius : Lineare Algebra I (WS 2004/05) 1 10 Lineare Gleichungssysteme (101) Bezeichnungen: Ein System a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 ( ) a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2015 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm heute 7 Fortgeschrittene Datenstrukturen 8 Such-Algorithmen
MehrLösung Semesterendprüfung
MLAE Mathematik: Lineare Algebra für Ingenieure Herbstsemester Dr. Christoph Kirsch ZHAW Winterthur Lösung Semesterendprüfung Aufgabe : a Mit dem Distributivgesetz multiplizieren wir aus: und lösen nach
MehrSerie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1
Prof. Norbert Hungerbühler Serie Lineare Algebra II ETH Zürich - D-MAVT. a Welche der folgenden Vektoren sind Eigenvektoren der Matrix? i (,,. ii (,,. iii (,,. iv (, 3,. v (,,. Ein Vektor v ist Eigenvektor
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
Mehrd) Produkte orthogonaler Matrizen sind wieder orthogonal.
Die orthogonale Matrizen Definition: Eine Matrix Q R n n heißt orthogonal, falls QQ T = Q T Q = I gilt. Die Eigenschaften orthogonaler Matrizen: a) det(q) = ±1; b) Qx 2 = x 2 für alle x R n, also Q 2 =
Mehr4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI), AngGeo
Fachbereich Mathematik Prof. J. Lehn Hasan Gündoğan, Nicole Nowak Sommersemester 8 4./5./8. April 4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI, AngGeo Gruppenübung Aufgabe G9 (Multiple Choice Bei
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
Mehrbekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR
LR-Zerlegung bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR Definition 2.17 Unter einer LR-Zerlegung einer Matrix A R n n verstehen wir eine
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben / Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank
MehrLösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1
D-MAVT Lineare Algebra II FS 8 Prof. Dr. N. Hungerbühler Lösungen Serie. Welche der folgenden Vektoren sind Eigenvektoren der Matrix? (a) (,, ). Ein Vektor v ist Eigenvektor von A :=, falls Av ein skalares
Mehr6. f : Abb(R, R) R mit ϕ f(ϕ) := ϕ(1) Hinweis:f :V W über K bedeutet Abbildung f zwischen den Vektorräumen V und W über demselben
Aufgabe 74. Untersuchen Sie die folgenden Abbildungen auf Linearität. 1. f : R 2 R 2 mit (x, y) f(x, y) := (3x + 2y, x) 2. f : R R mit x f(x) := ϑx + ζ für feste ϑ, ζ R 3. f : Q 2 R mit (x, y) f(x, y)
MehrLineare Gleichungssysteme: direkte Verfahren
Sechste Vorlesung, 24. April 2008, Inhalt Lineare Gleichungssysteme: direkte Verfahren Dreiecksmatrizen Gauß-Elimination LR-Zerlegung Anwendungen: Determinante, Inverse 1 Lösungsverfahren für lineare Gleichungssysteme
MehrD-INFK Lineare Algebra HS 2016 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8. die gegebene Basis und b = die gesuchte Orthonormalbasis.
D-INFK Lineare Algebra HS 016 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 8 1. Seien a { 1 0 1 1 1 0 0 0 1 } die gegebene Basis und b { b1, b, b } die gesuchte Orthonormalbasis. b 1 a 1 a 1 1 1 0
MehrVon einem Parallelogramm ABCD sind die Punkte A =(1, 5), C =(13, 4) und D =(5, 7) bekannt. Berechne den Punkt B.
Lineare Algebra WS2/22 Übungsblatt Übung. Von einem Parallelogramm ABD sind die Punkte A =(, 5), =(3, 4) und D =(5, 7) bekannt. Berechne den Punkt B. Übung 2. Stelle rechnerisch fest, ob das Viereck A
Mehr1.4 Stabilität der Gauß-Elimination
KAPIEL 1. LINEARE GLEICHUNGSSYSEME 18 1.4 Stabilität der Gauß-Elimination Bezeichne x die exakte Lösung von Ax = b bzw. ˆx die mit einem (zunächst beliebigen Algorithmus berechnete Näherungslösung (inklusive
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Serie 6
R. Hiptmair S. Pintarelli E. Spindler Herbstsemester 2014 Lineare Algebra und Numerische Mathematik für D-BAUG Serie 6 ETH Zürich D-MATH Einleitung. Diese Serie behandelt nochmals das Rechnen mit Vektoren
MehrD-INFK Lineare Algebra HS 2018 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8
D-INFK Lineare Algebra HS 28 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 8. Kern von A: Die Spalten der Matrix A sind Vielfache voneinander, also sind sie linear abhängig und A hat Rang. Somit hat
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 2 Rechenoperationen und Gesetze Gleichheit
MehrAufgabenpool. Woche 1 Aussagenlogik. Woche 2 Mengen und Funktionen. Lineare Algebra und Geometrie I SS 2015
Lineare Algebra und Geometrie I SS 05 Woche Aussagenlogik Aufgabenpool Aufgabe #.5 Die Aussage A sei 5 > 9, die Aussage B sei Gerhard Schröder ist eine Frau. Vervollständigen Sie die folgende Wahrheitstabelle.
Mehr4. Großübung. Lösung linearer Gleichungssysteme
4. Großübung Lösung linearer Gleichungssysteme Gesucht x, x, x 3, x 4 R, sodass gilt. mit A R 4 4, x R 4, b R 4 x x + 3x 3 + x 4 = 5 6x 3x 7x x 4 = 5 4x + 4x + 5x 3 5x 4 = 3 8x + x + x 3 + x 4 = 8 3 x
Mehr1 Euklidische Approximation
1 Euklidische Approximation Sei V ein reeller euklidischer Vektorraum. Das Skalarprodukt in V wird mit, V und die Norm mit V bezeichnet. V N V sei ein Teilraum der Dimension N < mit Basis {φ n } n=1,...,n.
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14052018 (Teil 1) 7 Mai 2018 Steven Köhler mathe@stevenkoehlerde mathestevenkoehlerde 2 c 2018 Steven Köhler 7 Mai 2018 Matrizen
MehrLineare Abbildungen und Orthonormalsysteme
KAPITEL Lineare Abbildungen und Orthonormalsysteme. Lineare Abbildungen und Koordinatendarstellungen.. Lineare Abbildungen und ihre Basisdarstellung. Seien V, W Vektorraume uber R. Mit einer Abbildung
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen
MehrMatrizen und Determinanten, Aufgaben
Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Lineare Algebra 1 WS 2006/07 Lösungen Blatt 13/ Probeklausur. Lösungen zur. Zentrum Mathematik
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 13/2 29.1.27 en zur Probeklausur Aufgabe 1 (ca. 6 Punkte) Sei
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 2. Aufgabe 2.1. Dr. V. Gradinaru D. Devaud A. Hiltebrand.
Dr. V. Gradinaru D. Devaud A. Hiltebrand Herbstsemester 04 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Multiple Choice: Online abzugeben. Ev. sind mehrere
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 9. Aufgabe 9.1. Herbstsemester Dr. V. Gradinaru D. Devaud A.
Dr V Gradinaru D Devaud A Hiltebrand Herbstsemester 2014 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 9 Aufgabe 91 91a) Sei A eine n n-matrix Das Gleichungssystem Ax
MehrD-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler. Lösungen Serie 3
D-MAVT Lineare Algebra II FS 8 Prof. Dr. N. Hungerbühler Lösungen Serie 3. Die Norm x x + y wird von einem Skalarprodukt induziert. y a richtig b falsch Diese Norm erfüllt die Parallelogrammregel nicht
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrÜbungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Übungsblatt 1- Lösung
Technische Universität München Physik Department Pablo Cova Fariña Claudia Nagel Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Übungsblatt 1- Aufgabe 1: (a) Gegeben seien
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrComputergestützte Mathematik zur Linearen Algebra
Computergestützte Mathematik zur Linearen Algebra Pivotwahl und Gleitkommaarithmetik Achim Schädle 3. und 20. Dezember 208 Achim Schaedle (HHU) CompLinA 3. und 20. Dezember 208 Instabilitäten bei Gauß-Elimination
MehrNumerische Lineare Algebra
Numerische Lineare Algebra Vorlesung 5 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 21 Prof. Dr. Klaus Höllig (IMNG)
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr