Eigenwerte und Eigenvektoren
|
|
- Falko Voss
- vor 5 Jahren
- Abrufe
Transkript
1 Eigenwerte und Eigenvektoren Lineare Algebra I Kapitel Juni 2013
2 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag Webseite: holtz Assistent: Agnieszka Miedlar, MA 462, Sprechstunden Dienstag Tutoren: Clauß, Große, Reinke, Sieg Anmeldung: über MOSES Fragen? Studentische Studienfachberatung, MA 847 Telefon: (030) Vorlesungen: VL am Dienstag, Mittwoch im MA004 (ausnahmsweise am im HE 101) Zulassung zur Klausur: mit 50% Punkten für Hausaufgaben in jeder Semesterhälfte Klausur: Mitte Juli
3 Eigenwerte und Eigenvektoren Definition Sei K ein Körper und sei A K n,n. Falls u K n,1, u 0, und λ K die Gleichung Au = λu erfüllen, so heißt u Eigenvektor von A zum zugehörigen Eigenwert λ.
4 Eigenwerte und Eigenvektoren Definition Sei K ein Körper und sei A K n,n. Falls u K n,1, u 0, und λ K die Gleichung Au = λu erfüllen, so heißt u Eigenvektor von A zum zugehörigen Eigenwert λ. Da Eigenvektoren immer ungleich 0 sind, folgt aus λ 1 u = λ 2 u, dass λ 1 = λ 2. Der Eigenwert zu u ist also eindeutig.
5 Eigenwerte und Eigenvektoren Definition Sei K ein Körper und sei A K n,n. Falls u K n,1, u 0, und λ K die Gleichung Au = λu erfüllen, so heißt u Eigenvektor von A zum zugehörigen Eigenwert λ. Da Eigenvektoren immer ungleich 0 sind, folgt aus λ 1 u = λ 2 u, dass λ 1 = λ 2. Der Eigenwert zu u ist also eindeutig. Theorem Zu A K n,n gibt es einen Eigenvektor u mit Eigenwert λ genau dann, wenn λ Nullstelle des charakteristischen Polynoms P A (λ) ist.
6 Eigenwerte und das characteristische Polynom Theorem Zu A K n,n gibt es einen Eigenvektor u mit Eigenwert λ genau dann, wenn λ Nullstelle des charakteristischen Polynoms P A (λ) ist.
7 Eigenwerte und das characteristische Polynom Theorem Zu A K n,n gibt es einen Eigenvektor u mit Eigenwert λ genau dann, wenn λ Nullstelle des charakteristischen Polynoms P A (λ) ist. Beweis: P A (λ) = 0 det(λi A) = 0 das homogene Gleichungssystem (λi A)u = 0 hat mindestens eine nichttriviale Lösung, d.h. eine Lösung ungleich 0. u K n,1, u 0 mit λu = Au.
8 Eigenwerte und Eigenvektoren: Beispiel Eigenwerte und Eigenvektoren von A K 2,2 det(λi A) = det [ ] λ a11 a 12 a 21 λ a 22 = λ 2 (a 11 + a 22 ) }{{} Spur(A) λ 1,2 = Spur(A) 2 ± 1 2 Spur(A)2 4 det(a) x 2 ] y1 Eigenvektoren erhält man als Lösung von a 21 λ 1 a 22 [ ] [ λ2 a 11 a 12 [ λ1 a 11 a 12 ] [ x1 ] a 21 λ 2 a 22 y 2 λ + a 11 a 22 a 12 a }{{ 21 = 0 } det(a) = 0, = 0.
9 Eigenwerte in der Technik f 1, f, f 2 - Federkonstanten
10 Eigenwerte in der Technik f 1, f, f 2 - Federkonstanten Bewegungsgleichungen im Gleichgewicht: m 1 d 2 x 1 2 = f 1 x 1 + f (x 2 x 1 ) m 2 d 2 x 2 2 = f 2 x 2 f (x 2 x 1 )
11 Eigenwerte in der Technik II Führe Geschwindigkeiten v 1 = dx1, v 2 = dx2 ein. Dann gilt dv 1 dv 2 dx 1 dx 2 = 1 m 1 ( f 1 x 1 + f (x 2 x 1 )) = f 1 + f m 1 x 1 + f m 1 x 2, = 1 m 2 ( f 2 x 2 f (x 2 x 1 )) = f m 2 x 1 f + f 2 m 2 x 2, = v 1, = v 2.
12 Eigenwerte in der Technik II Führe Geschwindigkeiten v 1 = dx1, v 2 = dx2 dv 1 dv 2 dx 1 dx 2 y := ein. Dann gilt = 1 m 1 ( f 1 x 1 + f (x 2 x 1 )) = f 1 + f m 1 x 1 + f m 1 x 2, = 1 m 2 ( f 2 x 2 f (x 2 x 1 )) = f m 2 x 1 f + f 2 m 2 x 2, = v 1, = v 2. x 1 x 2 v 1 v 2 dy = = Ay = m 1 f m m f1+f f m 2 f +f2 y.
13 Eigenwerte in der Technik III Ansatz: y = e λt z wobei z C 4. dy = e λt λeλt z = Ae λt z = λz = Az = (λi A)z = 0 = λ ist Eigenwert und z Eigenvektor. Die Eigenwerte λ sind die Eigenfrequenzen des Systems.
14 Eigenwerte in der Technik III Ansatz: y = e λt z wobei z C 4. dy = e λt λeλt z = Ae λt z = λz = Az = (λi A)z = 0 = λ ist Eigenwert und z Eigenvektor. Die Eigenwerte λ sind die Eigenfrequenzen des Systems. Konkret wählen wir f 1 = f 2 = f = 1, m 1 = m 2 = 1 und erhalten: A =
15 Eigenwerte in der Technik IV det(λi A) = det λ λ λ λ = λ det 1 λ 0 λ λ det λ λ = λ(λ 3 + 2λ) ( λ 2 ) = λ 4 + 4λ = ω 2 + 4ω + 3 mit ω = λ 2 ω = 4± = 4± 4 2 = 2 ± 1, ω 1 = 1, ω 2 = 3, λ 1,2 = ±i, λ 3,4 = ± 3i.
Das characteristische Polynom und der Satz von Cayley-Hamilton
Das characteristische Polynom und der Satz von Cayley-Hamilton Lineare Algebra I Kapitel 8 11. Juni 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr. 14-16 und n.v. holtz@math.tu-berlin.de Sadegh Jokar MA 373 Sprechstunde, Do. 12-14 und n.v. jokar@math.tu-berlin.de
MehrDie Determinante. Lineare Algebra I. Kapitel Mai 2013
Die Determinante Lineare Algebra I Kapitel 7 21. Mai 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent:
MehrEigenschaften der Matrizenmultiplikation. Transponierung. Spezielle Matrizen.
Eigenschaften der Matrizenmultiplikation. Transponierung. Spezielle Matrizen. Lineare Algebra I Kapitel 4 23. April 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/
MehrInvertierbarkeit von Matrizen
Invertierbarkeit von Matrizen Lineare Algebra I Kapitel 4 24. April 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
MehrLineare Abbildungen und Matrizen
Lineare Abbildungen und Matrizen Lineare Algebra I Kapitel 10 9 Juli 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: wwwmathtu-berlinde/ holtz Email: holtz@mathtu-berlinde
MehrLineare Abbildungen. Lineare Algebra I. Kapitel Juni 2012
Lineare Abbildungen Lineare Algebra I Kapitel 10 26. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent:
MehrDie Lösung linearer Gleichungssysteme
Die Lösung linearer Gleichungssysteme Lineare Algebra I Kapitel 6 6 Mai 22 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 4-6 Webseite: wwwmathtu-berlinde/ holtz Email: holtz@mathtu-berlinde
MehrVektorräume. Lineare Algebra I. Kapitel Juni 2012
Vektorräume Lineare Algebra I Kapitel 9 12. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent: Sadegh
MehrDie Treppennormalform
Die Treppennormalform Lineare Algebra I Kapitel 5 9 Mai 22 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 4-6 Webseite: wwwmathtu-berlinde/ holtz Email: holtz@mathtu-berlinde Assistent: Sadegh
MehrBeziehungen zwischen Vektorräumen und ihren Dimensionen
Beziehungen zwischen Vektorräumen und ihren Dimensionen Lineare Algebra I Kapitel 9 20. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz
MehrDreiecksmatrizen. Die Treppennormalform
Dreiecksmatrizen. Die Treppennormalform Lineare Algebra I Kapitel 4-5 8. Mai 202 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 4-6 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
MehrSpezielle Matrizen. Invertierbarkeit.
Spezielle Matrizen. Invertierbarkeit. Lineare Algebra I Kapitel 4 2. Mai 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
MehrPLU Zerlegung, Rang und Äquivalenz von Matrizen
PLU Zerlegung, Rang und Äquivalenz von Matrizen Lineare Algebra I Kapitel 5 5. Mai 202 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 4-6 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
MehrMathematische Strukturen
Mathematische Strukturen Lineare Algebra I Kapitel 3 18. April 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
MehrEinführung. Lineare Algebra I. Kapitel April 2012
Einführung Lineare Algebra I Kapitel 1 11. April 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent: Sadegh
MehrDie Treppennormalform
Die Treppennormalform Lineare Algebra I Kapitel 3 1. Mai 211 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/~holtz Email: holtz@math.tu-berlin.de Assistent:
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 25.
A Technische Universität Berlin Fakultät II Institut für Mathematik WS 3/4 Eppler, Richter, Scherfner, Seiler, Zorn 5. Februar 4 Februar Klausur (Rechenteil) Lösungen: Lineare Algebra für Ingenieure Name:.......................................
MehrBerechnung der Determinante
Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,
MehrSysteme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.
Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x
MehrEigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)
Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein
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
MehrMatrizen. Lineare Algebra I. Kapitel April 2011
Matrizen Lineare Algebra I Kapitel 2 26. April 2011 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/~holtz Email: holtz@math.tu-berlin.de Assistent: Sadegh
MehrPrüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker
TECHNISCHE UNIVERSITÄT BERLIN WS 2/2 Fachbereich 3 - Mathematik Seiler / Rambau Prüfungs-/Übungsschein-Klausur (Rechenteil Lineare Algebra für Ingenieure/E-Techniker Name:................................................................................
MehrRückblick auf die letzte Vorlesung
Rückblick auf die letzte Vorlesung Lineare Differentialgleichungen Ausblick auf die heutige Vorlesung Lineare autonome Differentialgleichungen 2 Bestimmung des Fundamentalsystems 3 Jordansche Normalform
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
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 7. April 2004
B Technische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 7. April 2004 April Klausur (Rechenteil Lösungen Lineare Algebra für Ingenieure Name:.......................................
Mehr5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit
ME Lineare Algebra HT 2008 99 5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit 5.1 Ein Beispiel zur Motivation Als einfachstes Beispiel eines dynamischen Systems untersuchen wir folgendes Differentialgleichungssystem
Mehr2 k k 1 k(k + 1) = 2n+1. n = 0 = k(k + 1) = 2n+1 n n. = 2 n+1 n + 2 (n + 1)(n + 2) + n. (n + 1)(n + 2)
Prof. Hesse Höhere Mathematik I und II Musterlösung 7. 0. 0, 80min Aufgabe (3 Punkte) Zeigen Sie mit vollständiger Induktion: Für alle n N gilt n k= k k k(k + ) = n+ n +. Induktionsanfang: k= Induktionsschluss
MehrJordan-Form. Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform. = Q 1 AQ 0 J k J =
Jordan-Form Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform J 1 0 J =... = Q 1 AQ 0 J k transformieren. Jordan-Form 1-1 Jordan-Form Eine komplexe
Mehr29.2 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System. y = A y, t R, (1)
292 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System y = A y, t R, ( wobei A C n n, und wollen ein Fundamentalsystem bestimmen Grundlegende Beobachtung:
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
Mehr4x 1 + 2x 2 + 3x 3 = 1, x 2 + ax 3 = 1, ax 2 + x 3 = a 1. 0 a 1 1 Wir führen nun den Gauÿalgorithmus durch:
Aufgabe 8 Punkte Bestimmen Sie die Lösungsmenge in R in Abhängigkeit von a R des folgenden linearen Gleichungssystems: 4x + x + 3x 3 =, x + ax 3 =, ax + x 3 =. Lösung. Wir schreiben das lineare Gleichungssystem
Mehreine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ.
Eigenwert, Eigenvektor In der Regel hat bei einer linearen Abbildung das Bild eines Vektors eine andere Richtung als das Original r. Bei der Untersuchung der geometrischen Eigenschaften von linearen Abbildungen
MehrLösungen der Aufgaben zu Kapitel 11
Lösungen der Aufgaben zu Kapitel Vorbemerkung: Zur Bestimmung der Eigenwerte (bzw. des charakteristischen Polynoms) einer (, )-Matrix verwenden wir stets die Regel von Sarrus (Satz..) und zur Bestimmung
MehrLösungen zu Mathematik I/II
Dr. A. Caspar ETH Zürich, Januar D BIOL, D CHAB Lösungen zu Mathematik I/II. ( Punkte) a) Wir benutzen L Hôpital lim x ln(x) L Hôpital x 3 = lim 3x + x L Hôpital = lim x ln(x) x 3x 3 = lim ln(x) x 3 x
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrKLAUSUR. Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.:
KLAUSUR Lineare Algebra (E-Techniker/Mechatroniker/W-Ingenieure/Informatiker).3. (W. Koepf) Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.: Für jede Aufgabe gibt es Punkte. Zum Bestehen der Klausur
MehrLineare Differenzengleichungen
Lineare Differenzengleichungen Die Fibonacci-Zahlen F n sind definiert durch F 0 = 0 F 1 = 1 F n = F n 1 +F n 2 für n >= 2 Die letzte Zeile ist ein Beispiel für eine homogene lineare Differenzengleichung
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrModulprüfung Mathematik I Fachrichtung: Computer Science in Engineering, Computervisualistik, Informatik, Wirtschaftsinformatik WS 2013/
Fakultät für Mathematik Institut für Algebra und Geometrie Prof. Dr. Martin Henk, Dr. Michael Höding Modulprüfung Mathematik I Fachrichtung: Computer Science in Engineering, Computervisualistik, Informatik,
MehrGrundlagen der Mathematik II (LVA U)
Dr. Marcel Dettling 3.4. Dr. Daniel Haase FS daniel.haase@math.ethz.ch Grundlagen der Mathematik II (LVA 4-6- U) 8 Zur Übungsstunde vom 3.4. Aufgabe (Ausgleichsrechnung) Gegeben sei das lineare Gleichungssystem
Mehr= [Entw. nach S1 ] 2 det = [Z2 Z 2 Z 1 ] 2 det = [Entw. nach Z1 ] 5 det = [Z1 Z 1 +Z 3 ] 5 det
Aufgabe 1 Wir wissen, dass sich die Determinante einer Matrix nicht verändert, wenn wir das Vielfache einer Spalte zu einer anderen Spalte bzw. das Vielfache einer Zeile zu einer anderen Zeile addieren.
Mehr1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von
1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von Wachstumsraten Bestimmung von Maximal- und Minimalwerten von
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrAusgewählte Lösungen zu den Übungsblättern 9-10
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt
MehrMusterlösungen für die Nachklausur in LinAlg vom
Musterlösungen für die Nachklausur in LinAlg vom 10.10.16 1. Finden Sie mindestens ) zwei Dreh )Matrizen ) M R 2 2 mit der Eigenschaft 1 0 M = : M = ± 1 1 2 ±1 1 k k 1 k 2. Sei A R 3 3 die Matrix A = 0
MehrHenning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich
Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es
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
MehrHöhere Mathematik III für die Fachrichtung Elektrotechnik und Informationstechnik. Bachelor-Modulprüfung. Lösungsvorschläge
Institut für Analysis SS 5 PD Dr. Peer Christian Kunstmann 7.9.5 Silvana Avramska-Lukarska Höhere Mathematik III für die Fachrichtung Elektrotechnik und Informationstechnik Bachelor-Modulprüfung Lösungsvorschläge
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
MehrFür das Allgemeine lineare Gleichungssystem mit n linearen Gleichungen und n Unbekannten
Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 008 6. Januar.009 Kapitel 6 Leontieff Modell, Lineare
MehrLösung - Schnellübung 13
D-MAVT/D-MATL Analysis II FS 7 Dr. Andreas Steiger Lösung - Schnellübung 3. Gegeben sei die Differentialgleichung y + λ 4 y + λ y = 0. Für welche Werte des reellen Parameters λ gibt es eine von Null verschiedene
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2 Olga Holtz MA 378 Sprechstunde Fr 4-6 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 2-4 und nv jokar@mathtu-berlinde Kapitel 4 Der
Mehr5 Minimalpolynom und charakteristisches Polynom
5 Minimalpolynom und charakteristisches Polynom 5.1 Lemma Sei A K n n. Dann ist λ K genau dann ein Eigenwert von A, wenn det(λe n A) = 0. 5.2 Beispiel ( ) 1 4 i) A = R 1 1 2 2 det(λe 2 A) = λ 1 4 1 λ 1
MehrFerienkurs Lineare Algebra
Ferienkurs Lineare Algebra Wintersemester 9/ Lösungen Eigenwerte und Diagonalsierbarkeit Blatt Diagonalisierbarkeit. Zeigen sie, dass für eine diagonalisierbare Matrix A folgendes gilt: det(a) = wobei
MehrAufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009
I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe
MehrKapitel 5 : Eigenwerte und Eigenvektoren
Kapitel 5 : Eigenwerte und Eigenvektoren 5.1 Definition und allgemeine Eigenschaften Definition 5.1 Sei A eine quadratische (n n)-matrix. λ C heißt Eigenwert von A, wenn ein Vektor x C n mit x 0 existiert,
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrVordiplomsklausur zur Linearen Algebra I, WS 05/06
27.3.2006 Vordiplomsklausur zur Linearen Algebra I, WS 05/06 Prof. Dr. G. Hiß Tragen Sie bitte auf diesem Deckblatt leserlich und in Blockbuchstaben Ihren Namen und Ihre Matrikelnummer ein und unterschreiben
MehrAussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 7 (7.8.7). Gegeben ist die Matrix A 3 3 3 (a) Bestimmen Sie sämtliche Eigenwerte sowie die zugehörigen Eigenvektoren.
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
MehrTutorium Mathematik II M WM
Tutorium Mathematik II M WM 9.6.7 Lösungen Lösen Sie folgende Systeme von Differentialgleichungen der Form x = A x + b mit. A = 6 und b = et. e t Hinweis: Die Eigenwerte und -vektoren der Matrix A lauten:
MehrEigenwerte und Eigenvektoren
KAPITEL Eigenwerte und Eigenvektoren Eigenwerte 4 2 Algebraische Vielfachheit 5 3 Eigenvektoren 6 4 Invarianten 4 5 Diagonalisierung 5 6 Positiv definite Matrizen 2 In der folgenden Übersicht sind einige
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe Beispiel einer Koordinatentransformation Gegeben seien zwei
MehrKapitel 11 Eigenwerte und Eigenvektoren
Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare
Mehr2 a 6. a 4 a Wir führen nun den Gauÿalgorithmus durch: 2 a a 2 4a 2 4a a a 2 2a 0 2 a
Aufgabe 8 Punkte). Bestimmen Sie die Lösungsmenge in R in Abhängigkeit von a R) des folgenden linearen Gleichungssystem: x + ax + 6x = 4, ax + 4x + ax =, x + 4x =. Lösung. Wir schreiben das lineare Gleichungssystem
Mehr12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen
12 Lineare Algebra - Übersicht Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrKlausur zur Vorlesung Lineare Algebra B im SS 2002 an der Universität Hannover
Dozent: Prof. Dr. Wolfgang Ebeling Übungsleiter: Dr. Detlef Wille Klausur zur Vorlesung Lineare Algebra B im SS an der Universität Hannover Joachim Selke 9. Februar Lineare Algebra B SS Klausur zur Vorlesung
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrD-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler. Lösungen Serie 11
D-MAVT Lineare Algebra II FS 28 Prof. Dr. N. Hungerbühler Lösungen Serie. Die allgemeine Lösung von y = ay ist y(x) = e ax. (a) richtig (b) falsch y(x) = e ax ist eine spezielle Lösung von y = ay. Für
MehrEINFÜHRUNG IN DIE MATHEMATIK 1 MA 9935, WINTERSEMESTER 2017/18. g = g 1 + g 2 = g 1 + g 2
EINFÜHRUNG IN DIE MATHEMATIK MA 9935, WINTERSEMESTER 07/8 OLIVER DEISER UND CAROLINE LASSER. Übungsaufgabe 8 aus. Gegeben ist eine Gerade g : R R und x, x R mit x x. Zeigen Sie, dass sich g eindeutig als
MehrD-MAVT/D-MATL Analysis II FS 2017 Dr. Andreas Steiger. Lösung - Serie 26. ẋ 1 = x 1 + 2x ẋ 2 = 2x 1 + x 2
D-MAVT/D-MATL Analysis II FS 07 Dr. Andreas Steiger Lösung - Serie 6. Es ist das folgende autonome System ẋ = x + x + 3 ẋ = x + x von linearen Differenzialgleichungen. Ordung gegeben. Welche der folgenden
Mehre At = e λt e (A λi)t.
Priv.-Doz. G. Reißig, F. Goßmann M.Sc Universität der Bundeswehr München Institut für Steuer- und Regelungstechnik (LR-15) Email: felix.gossmann@unibw.de Moderne Methoden der Regelungstechnik, H 2016 Übung
MehrEigenwerte und Eigenvektoren
Ergänzung Eigenwerte und Eigenvektoren Motivation Definitionen Beispiele im IR 2 Beispiele im IR 3 Eigenwerte und Eigenvektoren Motivation Lineare Abbildungen, Ausgangsvektor und Bildvektor Lineare Abbildungen
MehrLineare Algebra II 6. Übungsblatt
Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der
MehrPrüfungsvorbereitungskurs Höhere Mathematik 3
Prüfungsvorbereitungskurs Höhere Mathematik 3 Differentialgleichungssysteme Marco Boßle Jörg Hörner Mathematik Online Frühjahr 20 PV-Kurs HM 3 DGlSysteme - Zusammenfassung Allgemeine Differentialgleichungssysteme.Ordnung
Mehr+ x 2 y 2 = f( x 1 ) + f( x 2 ), z 1 + z 2. z 1. a jj + n bjj = SpurA + SpurB ; j=1
Höhere Mathematik für technische Studiengänge Vorbereitungsaufgaben für die Übungen Lineare Abbildungen, Eigenwerte Lösungen Lösungshinweise: a nicht linear, denn zb fα α, αy +, α + αz T α, αy +, α + z
MehrAnleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe / Dr Hanna Peywand Kiani 722 Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Lineare Differentialgleichungssysteme,
MehrLineare Algebra II 3. Übungsblatt
Lineare Algebra II 3. Übungsblatt Fachbereich Mathematik SS 2011 Prof. Dr. Kollross 27./28. April 2011 Susanne Kürsten Tristan Alex Minitest Aufgabe M1 (Formale Polynome) Betrachten Sie die folgenden Polynome
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
MehrÜbungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Blatt 3 - Lösung
Technische Universität München Physik Department Pablo Cova Fariña, Claudia Nagel Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 207/8 Blatt 3 - Aufgabe : Darstellungsmatrizen Sei
MehrLösungen zu Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Sommer 4 Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT. [ Punkte] Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in
Mehr7.4 Gekoppelte Schwingungen
7.4. GEKOPPELTE SCHWINGUNGEN 333 7.4 Gekoppelte Schwingungen Als Beispiel für 2 gekoppelte Schwingungen betrachten wir das Doppelpendel, das in Abb. 7.19 dargestellt ist. Zunächst vernachlässigen wir die
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
Mehr2.2 Eigenwerte und Eigenvektoren
2.2. Eigenwerte und Eigenvektoren 39 2.2 Eigenwerte und Eigenvektoren Lineare Abbildungen werden je nach Basiswahl durch unterschiedliche Matrizen beschrieben. Besonders einfach ist die Diagonalform. Wir
MehrD-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld. Clicker Fragen
D-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld Clicker Fragen Frage 1 Wenn eine reelle Matrix einen Eigenvektor hat, so hat es unendlich viele Eigenvektoren Sei u K n einen Eigenvektor von A M
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2016
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 26 L I N E A R E A L G E B R A F Ü R T P H, U E (3.64) 2. Haupttest (FR, 2..27) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
MehrHöhere Mathematik III für Physik
8..8 PD Dr. Peer Kunstmann M.Sc. Michael Ullmann Höhere Mathematik III für Physik 5. Übungsblatt - Lösungsvorschläge Aufgabe (Homogene Anfangswertprobleme) Lösen Sie erst die folgenden Differentialgleichungssysteme
Mehry hom (x) = C e p(x) dx
Gewöhnliche Differentialgleichungen F (x, y, y,..., y n ) = 0 Gleichung, die die Veränderliche x sowie die Funktion y = y(x) und ihre Ableitungen y,..., y n beinhaltet. Klassifiaktion: implizit F (...)
MehrKlausurähnliche Aufgaben
Sommersemester 2007/08 Lineare Algebra Klausurähnliche Aufgaben Aufgabe 1 Seien v 1, v 2, v 3, v 4, v 5, v 6 die Vektoren in R 5 mit v 1 = (1, 2, 3, 1, 2), v 2 = (2, 4, 6, 2, 4), v 3 = ( 1, 1, 3, 0, 3),
MehrDeterminanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.
Determinanten Motivation: Man betrachte das lineare Gleichungssystem [ [ [ a b x u = (1) c d y v Sei obda a und c Dann ist (1) äquivalent zu [ [ ca cb x = ac ad y und ferner zu [ [ ca cb x ad cb y Falls
Mehr