5 Eigenwerte und die Jordansche Normalform

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "5 Eigenwerte und die Jordansche Normalform"

Transkript

1 Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n Matrix im Normalfall n verschiedene komplexe Eigenwerte hat und über den komplexen Zahlen diagonalisierbar ist. Leider kommen einen durchaus auch Matrizen unter, die nicht zu diesem Normalfall gehören und auch nicht diagonalisierbar sind. Für solche Matrizen kann man trotzdem noch eine Basis finden, bezüglich derer die transformierte Matrix fast in Diagonalform ist, es tritt nur eine zusätzliche Nebendiagonale mit Nullen und Einsen auf. Definition 5.6: Das n n Jordankästchen zum Eigenwert λ C ist die n n Matrix J := λ λ λ λ, wobei die leeren Einträge wie immer für Nullen stehen. Eine Matrix A ist in Jordan Normalform, wenn sie die Gestalt A = J... J r mit Jordankästchen J,..., J r hat. Beispiele für Matrizen in Jordan Normalform sind 5 5 und 3. 6-

2 Mathematik für Physiker II, SS Mittwoch 8.6 Im ersten Beispiel haben wir zwei Jordankästchen 5 5 ein 3 3 Kästchen zum Eigenwert und ein Kästchen zum Eigenwert. Im zweiten Beispiel haben wir sogar vier einzelne Jordan Kästchen A = zwei Kästchen zum Eigenwert, dann ein Kästchen wieder zum Eigenwert und schließlich ein Kästchen zum Eigenwert 3. Beachte das in der Diagonale jedes einzelnen Kästchens immer derselbe Eigenwert stehen muss, zum Beispiel ist die Matrix 3 nicht in Jordan Normalform. Über den komplexen Zahlen läßt sich jede Matrix auf Jordansche Normalform transformieren, im reellen Fall müssen wir verlangen das sämtliche Eigenwerte reell sind. Satz 5.7 (Existenz der Jordanschen Normalform) Seien K {R, C}, n N mit n und A eine n n-matrix deren charakteristisches Polynom über K in Linearfaktoren zerfällt. Dann gibt es eine invertierbare n n Matrix S über K so, dass die transformierte Matrix S AS in Jordan Normalform ist. Den recht komplizierten Beweis dieses Satzes wollen wir hier nicht vorführen. Woran wir interessiert sind ist die praktische Durchführung der Transformation auf Jordan Normalform. Wir denken uns also wir hätten eine n n Matrix A vorgegeben, und wir suchen eine Basis u,..., u n des C n bezüglich derer die Matrix A in Jordanscher Normalform ist. Gleichwertig hierzu ist es eine invertierbare n n Matrix A zu suchen 6-3

3 Mathematik für Physiker II, SS Mittwoch 8.6 so, dass die transformierte Matrix S AS in Jordanscher Normalform ist. Dies ist genau dasselbe rechnerische Problem, die Spalten einer solchen Matrix S bilden die gesuchte Basis des C n und umgekehrt. Den reellen Fall muss man nicht gesondert behandeln, ist A eine reelle Matrix die keine nicht reellen Eigenwerte in C hat, so wird unser Verfahren auch eine reelle Basis des R n beziehungsweise eine reelle Transformationsmatrix S liefern. Wir werden eine Folge immer komplizierter werdender Beispiele durchrechnen, und das Rechenverfahren so nach und nach kennenlernen, ehe wir es dann einmal formal beschreiben. Wir beginnen mit dem Beispiel der folgenden Matrix ( ) 5 8 A :=. 3 Die Jordan Normalform von A besteht entweder aus einem Kästchen oder aus zwei Kästchen, und in beiden Fällen sind die auftretenden komplexen Zahlen auf den Diagonalen der Jordankästchen gerade die Eigenwerte von A. Um diese zu berechnen, bestimmen wir erst einmal das charakteristische Polynom von A χ A (x) = x 5 8 x + 3 = (x 5)(x + 3) + 6 = x x + = (x ). Wir haben also nur einen einzigen Eigenwert λ =. Da A keine Streckung ist, muss die gesuchte Jordan Normalform damit ein Jordankästchen zum Eigenwert sein. Nennen wir die gesuchte Basis des C jetzt u, u, so muss die Matrix der linearen Abbildung A bezüglich der Basis u, u gerade das Kästchen ( ) B := sein d.h. die Bedingungen an u und u sind Au = u und Au = u +u. Insbesondere soll u einfach ein Eigenvektor von A zum Eigenwert λ = sein, und diese können wir durch Lösen des homogenen linearen Gleichungssystems (A )x = berechnen. Wie wir gleich sehen werden, ist es nützlich das Gaußsche Eliminationsverfahren gleich mit einer unbestimmten, allgemeinen rechten Seite durchzuführen. Wegen ( ) 4 8 N := A =, 4 haben wir die Rechnung 4 8 y 4 8 y 4 y y + y, ( ) x und die Lösung der Eigenvektorgleichung N = berechnet sich durch y 4x + 8y = = x = y. 6-3

4 Mathematik für Physiker II, SS Mittwoch 8.6 Als Eigenvektor verwenden wir die Lösung mit y =, also ( ) 4 u :=. Wie kommen wir jetzt an den zweiten Basisvektor u? Wir haben die Bedingung Au = u + u, und diese schreiben wir zu Nu = (A )u = Au u = u um, d.h. der zweite Basisvektor u ergibt sich als Lösung des linearen Gleichungssystems Nu = u. Die linke Seite dieses Gleichungssystems ist wieder die Matrix N = A, die auch schon bei der Berechnung von u aufgetreten ist. Da wir dieses Gleichungssystem schon mit allgemeiner rechter Seite (y, y ) umgeformt haben, müssen wir nur noch y = 4 und y = einsetzen, und erhalten N ( x y )! = ( 4 ) = ( y y und setzen wir etwa y = ein, so ergibt sich eine Lösung ( ) 3 u :=. ) = 4x+8y = y = 4 = x = ( 4 8y) = y, 4 Zum Abschluß wollen wir nun noch verifizieren, dass unsere Rechnung tatsächlich ein korrektes Ergebnis geliefert hat. Wir haben ( ) ( ) ( ) Au = = = u 3, ( ) ( ) ( ) ( ) ( ) Au = = = + = u u, d.h. bezüglich der Basis u, u ist A tatsächlich das Jordankästchen B. Die Transformationsmatrix S von der Basis u, u zur kanonischen Basis e, e ist jetzt die Matrix ( ) 4 3 S = mit der Inversen S = ( ) 3. 4 Es muss jetzt S AS = B gelten, und tatsächlich ist S AS = ( ) ( ) ( ) = ( ) ( ) 4 3 = 4 ( ) = B. Nachdem wir im Beispiel einer Matrix die Jordansche Normalform noch aus dem Stand heraus berechnet haben, ist es für die Behandlung größerer Matrizen hilfreich, sich vorher einen ersten Rechenplan zu überlegen. Zu diesem Zweck halten wir zunächst 6-4

5 Mathematik für Physiker II, SS Mittwoch 8.6 einige Kleinigkeiten über Matrizen in Jordanscher Normalform fest. Ist J ein n n Jordankästchen zum Eigenwert λ C, so ist x λ χ J (x) = x λ x λ x λ = (x λ) n d.h. λ ist der einzige Eigenwert von J und λ hat die algebraische Vielfachheit n. Der Eigenraum zum Eigenwert λ ist dagegen E λ (J) = e der vom ersten kanonischen Basisvektor erzeugte Teilraum, und insbesondere hat λ die geometrische Vielfachheit. Ist A eine allgemeine Matrix in Jordan Normalform A = J... J r mit Jordankästchen J,..., J r, so sei J i für i r das n i n i Jordankästchen zum Eigenwert λ i C, und dann ist χ A (x) = (x λ ) n... (x λ r ) nr, und ist λ {λ,..., λ r } einer der Eigenwerte von A, so hat λ die algebraische Vielfachheit a λ = und die geometrische Vielfachheit i r λ i =λ n i d λ = { i r : λ i = λ}. Die ersten Rechenschritte zur Bestimmung der Jordanschen Normalform einer Matrix A sind damit:. Bestimme die komplexen Eigenwerte λ,..., λ r von A. Dies sind dann genau die in den verschiedenen Jordankästchen zu A auftretenden Eigenwerte.. Für jeden Eigenwert λ von A ist die Gesamtgröße aller Jordankästchen zum Eigenwert λ gleich der algebraischen Vielfachheit des Eigenwerts λ von A. 3. Ist λ ein Eigenwert von A, so ist die Anzahl der Jordankästchen zum Eigenwert λ gleich der geometrischen Vielfachheit des Eigenwerts λ von A. 6-5

6 Mathematik für Physiker II, SS Mittwoch 8.6 Wir wollen jetzt das Beispiel der 3 3 Matrix 3 A := 4 behandeln. Zuerst brauchen wir dann die Eigenwerte von A und ihre algebraischen Vielfachheiten, wir rechnen also das charakteristische Polynom von A aus x 3 χ A (x) = x = (x ) x x 4 x 4 3 x 4 = (x ) (x 4) + 3(x ) = (x x + )(x 4) + 3x 4 = x 3 6x + x 8. Hier ist x = eine Nullstelle. Die Ableitung ist 3x x + und x = ist auch eine Nullstelle der Ableitung. Die zweite Ableitung wird 6x erneut mit der Nullstelle x =, d.h. der Eigenwert λ = hat die algebraische Vielfachheit 3. Damit gilt χ A (x) = (x ) 3 und die Jordansche Normalform von A wird nur Jordankästchen zum Eigenwert haben. Um ihre Anzahl zu bestimmen berechnen wir den Eigenraum E (A) und damit insbesondere die geometrische Vielfachheit des Eigenwerts. Hierzu müssen wir das homogene lineare Gleichungssystem N x = mit der Koeffizientenmatrix N := A = 3 lösen. Wie im Beispiel lösen wir das lineare Gleichungssystem gleich mit allgemeiner rechter Seite, also Nx = y, dies wird sich als nützlich erweisen. Wir führen wieder das Gaußsche Eliminationsverfahren durch 3 y y y 3 3 y y y + y 3 3 y y y + y + y 3. Für unsere Eigenvektoren haben wir damit die Gleichung y = z, x = y 3z = z, d.h. die geometrische Vielfachheit von λ = ist d =, und der Eigenraum E (A) wird erzeugt vom Eigenvektor u :=. Insbesondere besteht die Jordansche Normalform zu A nur aus einem einzelnen 3 3 Kästchen mit Eigenwert. Als den ersten Vektor der zugehörigen Basis können wir 6-6

7 Mathematik für Physiker II, SS Mittwoch 8.6 unseren Eigenvektor u verwenden, aber wie finden wir die anderen beiden Basisvektoren? Dass die transformierte Matrix zu A bezüglich der gesuchten Basis u, u, u 3 ein 3 3 Jordankästchen mit Eigenwert ist, bedeutet das die Matrix der linearen Abbildung f(x) = A x bezüglich der Basis u, u, u 3 gleich B = ist. Die Spalten der Matrix B sind die Koeffizienten der Bilder f(u i ) = Au i (i =,, 3) geschrieben als Linearkombinationen in u, u, u 3, d.h. wir haben die folgenden drei Bedingungen an die gesuchte Basis u, u, u 3 : Au = u, Au = u + u und Au 3 = u 3 + u. Die Bedingung Au = u besagt einfach das u ein Eigenvektor zum Eigenwert λ = sein soll. Die Bedingung für u schreiben wir noch etwas um Au = u + u Au u = u (A )u = u Nu = u, und dies ist einfach ein lineares Gleichungssystem für u dessen rechte Seite der schon berechnete Eigenvektor u ist. Die Koeffizientenmatrix ist die Matrix N, also genau dieselbe die schon bei der Berechnung des Eigenraums E (A) auftrat. Aus diesem Grund haben wir die Gauß Elimination oben mit einer unbestimmten rechten Seite durchgeführt, wir können jetzt einfach die Komponenten von u für die Unbekannten y, y, y 3 einsetzen. Für unser lineares Gleichungssystem Nu = N x y z =! u = müssen wir oben y =, y = und y 3 = einsetzen. Die Gleichungen werden zu mit den Lösungen 3, y = + z und x = ( y + 3z) = + y 3z = z, und wir verwenden die Lösung mit z =, also u =. 6-7

8 Mathematik für Physiker II, SS Mittwoch 8.6 Für den dritten Basisvektor u 3 können wir die Bedingung Au 3 = u 3 + u völlig analog zu Nu 3 = u umschreiben, und da wir u schon berechnet haben können wir in der obigen Stufenform y =, y = und y 3 = einsetzen, und erhalten y = + z, x = ( y + 3z) = y 3z = 4z. Wählen wir wieder die Lösung mit z =, so haben wir u 3 =. Damit sind wir eigentlich fertig, aber vorsichtshalber wollen wir das Ergebnis noch einmal überprüfen, also nachrechnen das bezüglich der Basis u, u, u 3 tatsächlich ein Jordankästchen vorliegt. Au = Au = Au 3 = = = = 4 = u, = = = u + u, = u 3 + u. Die Rechnung hat also wirklich funktioniert, bezüglich der Basis u, u, u 3 ist A in Jordan Normalform. Testen wir auch noch einmal die Transformationsmatrix, d.h. die Matrix deren Spalten unsere drei Basisvektoren sind S = mit der Inversen S = Die transformierte Matrix ist dann wie erwartet 3 S AS = 4 = = Die gesuchte Basis ist bei weitem nicht eindeutig, es gibt normalerweise sehr viele Basen bezüglich derer die Matrix A auf Jordan Normalform transformiert wird. Dementsprechend tauchen in der Rechnung sehr viele lineare Gleichungssysteme mit nicht eindeutigen Lösungen auf, und in diesen Situationen können wir uns immer völlig willkürlich 6-8.

9 Mathematik für Physiker II, SS Mittwoch 8.6 irgendeine Lösung herausgreifen. Im eben gerechneten Beispiel ist die Rechnung im wesentlichen wie in unseren vorigen Beispiel abgelaufen. Im allgemeinen Fall treten aber noch einige zusätzliche Probleme auf, die in diesen beiden Beispielen noch nicht vorgekommen sind. Ein einfaches Beispiel hierfür ist die 3 3 Matrix A = 3 Zunächst läuft alles wie im vorigen Beispiel ab χ A (x) = und 3. = (x ) x x 3 = (x )((x )(x 3) + ) N = A = und das Eliminationsverfahren wird zu = (x )(x 4x + 4) = (x ) 3, y y y 3 y y + y y 3 + y Der Eigenraum zum Eigenwert ist diesmal also zweidimensional und ist gegeben durch die Gleichung y = z. Die geometrische Vielfachheit ist hier also d = und als eine Basis des Eigenraums erhalten wir die beiden Vektoren v :=, v := Diesmal gibt es also zwei Jordankästchen, und da die Gesamtgröße 3 ist, muss es sich um ein und ein Kästchen handeln. Wir suchen also eine Basis u, u, u 3 so, dass die Matrix A sich zu B = transformiert, d.h.. Au = u, Au = u + u Nu = u und Au 3 = u 3. Die Vektoren u und u 3 sollen also im Eigenraum E (A) liegen, d.h. wir haben u, u 3 v, v, aber wir können keine beliebigen Eigenvektoren für u, u verwenden. Wir 6-9

10 Mathematik für Physiker II, SS Mittwoch 8.6 müssen dafür sorgen, dass die Gleichung Nu = u lösbar bleibt. Machen wir für u den Ansatz t u = t v + t v = t, t mit t, t C, so ist die rechte Seite der Gleichung Nu = u gegeben durch y = t, y = y 3 = t, und setzen wir dies in die oben hergeleitete allgemeine Stufenform ein, so erhalten wir eine Bedingung t + t =. Dies lösen wir mit t = und t =, d.h. es wird u = v v = und für u 3 haben wir weitgehend freie Wahl, wir müssen nur irgendeinen von u linear unabhängigen Eigenvektor nehmen, etwa u 3 := v =. Den letzten Basisvektor u erhalten wir als Lösung von N x y z =! u = In unserer obigen Stufenform haben wir also y =, y = y 3 = und die Gleichung wird zu,. y z = y = + z. Wir wählen die Lösung mit x = z =, also u := 6-.

11 Mathematik für Physiker II, SS Mittwoch 8.6 Damit haben wir die gesuchte Basis u, u, u 3 gefunden. Machen wir noch ein letztes Mal den Test Au = Au = Au 3 = = = = 4 = u, = = u 3. + = u + u, Die Matrix bezüglich der Basis u, u, u 3 ist also wirklich B =. Die nächstkompliziertere Situation tritt bei 3 3 Matrizen schon nicht mehr auf, und wir betrachten als ein Beispiel die folgende 4 4 Matrix A := Zum charakteristischen Polynom haben wir inzwischen genug Beispiele gerechnet, und daher wollen wir hier einfach das Ergebnis χ A (x) = (x ) 4 notieren. Wir müssen also wieder die Matrix N := A =

12 Mathematik für Physiker II, SS Mittwoch 8.6 betrachten, und führen die Gauß Elimination durch 8 8 y y 4 y y y 5 5 y y 3 4 y 3 + y 3 y 4 + y 8 8 y 5 5 y y 3 4 y 3 + y 3 y 4 + y 8 8 y 5 5 y y y y y y 4 5 y y 8 8 y 5 y y 5y 3 + y + 4y 5y 4 y + 3y Für den Eigenraum haben wir die Gleichungen y = (5u v) = 3 u+v und x = (8y +u 8v) = ( u v) = u v, d.h. der Eigenraum, hat die Basis v = 3, v = Die geometrische Vielfachheit des Eigenwerts ist also d = und wir haben zwei Jordankästchen. Im Gegensatz zum vorigen Beispiel wissen wir aber noch nicht wie groß diese Jordankästchen sind, es handelt sich entweder um zwei Kästchen oder um ein 3 3 und ein Kästchen. Wir müssen also eines der beiden Ziele Au = u, Au = u + u, Au 3 = u 3, Au 4 = u 4 + u 3 oder. Au = u, Au = u + u, Au 3 = u 3 + u, Au 4 = u 4 ansteuern. Es stellt sich heraus, dass wir einfach so weiter rechnen können wie im vorigen Beispiel, welcher der beiden Fälle hier vorliegt wird sich ganz automatisch ergeben. Wir betrachten also einen allgemeinen Eigenvektor u := y y y 3 y 4 := t v + t v = 6- t t t 3t t t

13 Mathematik für Physiker II, SS Mittwoch 8.6 mit t, t C, und fragen wann Nx = u lösbar ist. In unser oben hergeleiteten Stufenform 8 8 y 5 y y 5y 3 + y + 4y 5y 4 y + 3y müssen also die rechten Seiten der beiden unteren, nur aus Nullen bestehenden, Zeilen ebenfalls gleich Null sein. Wegen 5y 3 + y + 4y = t + 4t 6t 4t 4t =, 5y 4 y + 3y = 5t t + 3t 3t 3t = ist dies unabhängig von t und t immer der Fall, die Gleichung Nx = u ist also für überhaupt jeden Eigenvektor u lösbar. Der Teilraum aller u E (A) für die Nx = u lösbar ist, hat damit die Dimension, und hieraus folgt das unsere Jordan Normalform aus zwei Kästchen besteht, wie wir gleich sehen werden. Die gesuchte Basis u, u, u 3, u 4 erhalten wir, indem wir als u, u 3 irgendeine Basis des Eigenraums nehmen und u, u 4 durch Lösen der linearen Gleichungssysteme Nu = u und Nu 4 = u 3 festlegen. Wir können einfach u := v = 3, u 3 := v = verwenden. Der Vektor u ergibt sich als Lösung von Nu = u, wir haben also = y = ( 5 + 5u v) = 3u + v, x = ( + 8y + u 8v) = 3 u v und verwenden die Lösung mit u = v =, also u =. Der Vektor u 4 ergibt sich ebenso durch Lösen von Nu 4 = u = y = (5 + 5u v) = 3u + v, x = ( + 8y + u 8v) = 5 u v und verwenden wir wieder u = v =, so wird u 4 =

14 Mathematik für Physiker II, SS Mittwoch 8.6 Bezüglich der Basis u, u, u 3, u 4 ist A jetzt in der Jordan Normalform B =. Auf den Test wollen wir diesmal verzichten. Damit haben wir alle Phänomene, die überhaupt auftreten können, bereits gesehen, und werden als nächstes den allgemeinen Algorithmus zum Auffinden der Transformation auf Jordan Normalform beschreiben. Dabei werden keine neuen Rechenschritte auftreten, wir müssen nur alles zusammenfassen, was wir in den Beispielen bereits gesehen haben. Gegeben: Eine komplexe n n Matrix A (die Einträge von A dürfen natürlich auch alle reell sein). Gesucht: Eine Basis u,..., u n des C n bezüglich derer A in Jordan Normalform ist, beziehungsweise äquivalent eine invertierbare, komplexe n n Matrix S so, dass S AS in Jordan Normalform ist. Die Spalten solch einer Matrix sind gerade die Basis u,..., u n und ungekehrt. Ist A reell und hat nur reelle Eigenwerte, so wird das Verfahren eine Basis des R n und entsprechend eine reelle Transformationsmatrix S liefern. Verfahren: Wir führen die folgenden Rechenschritte durch: () Berechne die verschiedenen komplexen Eigenwerte λ,..., λ t von A und ihre algebraischen Vielfachheiten a,..., a t. Dies kann man beispielsweise durch Berechnung des charakteristischen Polynoms mit anschließender Nullstellensuche tun. () Gehe der Reihe nach die Eigenwerte λ = λ i (i =,..., t) durch, und führe für jeden von diesen die folgenden Schritte (3.) bis (3.3) durch. Dabei wird der i-te Eigenwert λ i stets a i viele Vektoren zur Basis beitragen. (3.) Bilde die Matrix N = A λ, und führe auf ihr das Gaußsche Eliminationsverfahren mit unbestimmter rechter Seite (y,..., y n ) durch. (3.) Verwende die nicht verschwindenden r oberen Zeilen der in Schritt (3.) erhaltenen Stufenform um die allgemeine Lösung der Gleichung Nx = y zu berechnen. Die unteren Zeilen bei denen alle Matrixeinträge Null sind und wir nur eine rechte Seite haben werden dabei ignoriert. (3.3) Verwende das Ergebnis von (3.) um eine Basis v,..., v di des Eigenraums E λ (A) zu berechnen, dieser ist ja der Lösungsraum des homogenen linearen Gleichungssystems Nx =. Die Zahl d i ist dabei die geometrische Vielfachheit des Eigenwerts λ = λ i. (3.4) Ist die in (3.3) berechnete geometrische Vielfachheit d i von λ gleich der algebraischen Vielfachheit a i, so nehme die Vektoren v,..., v di als Ergebnis von Schritt (3). 6-4

15 Mathematik für Physiker II, SS Mittwoch 8.6 (3.5) Andernfalls bilde den Vektor u := t v + + t di v di und bezeichne seine Einträge als y,..., y n. Setze diese Werte in die rechten Seiten der unteren n r Zeilen der in (3.) erhaltenen Stufenform ein. Dies gibt ein homogenes lineares Gleichungssystem mit n r Gleichungen für die d i Unbekannten t,..., t di. (3.6) Löse das Gleichungssystem aus (3.5). Ist dann T,..., T s eine Basis des Lösungsraums, so bilde für jedes T j = (t,..., t n ) den zugehörigen Vektor u j = t v + +t di v di. Weiter wähle unter den v,..., v di genau l := d i s Vektoren aus, so dass keine von Null verschiedene Linearkombination der ausgewählten Vektoren eine Lösung des Gleichungssystem aus (3.5) ist. Dies ist immer möglich. (3.7) Die in (3.6) gewählten Vektoren sind dann genau die Basiselemente die den Jordankästchen zum Eigenwert λ entsprechen. Die restlichen s Jordankästchen zu λ haben alle eine Größe mindestens. Für jedes j s benutze jetzt das Ergebnis von (3.) um einen Vektor v j mit Nv j = u j zu berechnen. (3.8) Haben wir jetzt genug Vektoren beisammen, ist also s + l = a i, so füge die Vektoren v, u,..., v s, u s zu den in (3.6) gewählten Vektoren hinzu, und diese alle sind dann das Ergebnis von Schritt (3). (3.9) Andernfalls bilde wie in (3.5) den Vektor u := t v + + t s v s und bezeichne seine Einträge als y,..., y n. Einsetzen in die unteren n r rechten Seiten in (3.) gibt ein homogenes lineares Gleichungssystem mit n r Gleichungen für die s Unbekannten t,..., t s. (3.) Löse das Gleichungssystem aus (3.9) und berechne eine Basis T,..., T s seines Lösungsraums. Für jedes T j = (t,..., t s ) bilde den Vektor u j = t v + + t s v s. Weiter wähle unter den Vektoren v,..., v s genau l := s s Vektoren aus so, dass keine von Null verschiedene Linearkombination der ausgewählten Vektoren eine Lösung des Gleichungssystems aus (3.9) ist. (3.) Für jeden der in (3.) gewählten l Vektoren v k füge v k und Nv k zu den bisher in (3.7) zusammengestellten Basisvektoren hinzu. Diese entsprechen dann den l Jordankästchen der Größe. Die restlichen s Jordankästchen zu λ haben alle eine Größe mindestens 3. Für jedes j s benutze jetzt das Ergebnis von (3.) um einen Vektor v 3j mit Nv 3j = u j zu berechnen. (3.) Haben wir jetzt genug Vektoren beisammen, ist also 3s + l + l = a i, so füge die Vektoren v 3, u, Nu,..., v 3s, u s, Nu s zu den bisher gewählten Basisvektoren hinzu, und dies ist das Ergebnis von Schritt (3). 6-5

16 Mathematik für Physiker II, SS Mittwoch 8.6 (3.3) Andernfalls wiederhole die Schritte (3.9) bis (3.) entsprechend bis wir a i Vektoren beisammen haben. Die in (3.) und (3.) hinzuzufügenden Ketten werden dabei bei jedem Schritt um eins länger, da wir ja die Basiselemente zu immer größeren Jordankästchen zusammenstellen. Die Abbruchbedingung in (3.) hat auf Stufe q die Form qs q + (q )l q + + l + l = a i. (4) Fasse alle in Schritt (3) für i =,..., t gefundenen Vektoren zu einer Basis zusammen, und ordne diese noch nach Eigenwerten und Größe der jeweiligen Jordankästchen. 6-6

Musterlösungen zur Linearen Algebra II Blatt 5

Musterlösungen zur Linearen Algebra II Blatt 5 Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische

Mehr

Kapitel 15. Lösung linearer Gleichungssysteme

Kapitel 15. Lösung linearer Gleichungssysteme Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9

Mehr

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

11 Normalformen von Matrizen

11 Normalformen von Matrizen 11 Normalformen von Matrizen Wir wenden uns in diesem Kapitel noch einmal der Untersuchung linearer Abbildungen auf endlichdimensionalen Vektorräumen und deren Darstellung mittels Matrizen zu Speziell

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Kochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf

Kochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf Kochen mit Jordan Vorbereitungen Man nehme eine Matrix A R n n und bestimme ihr charakteristisches Polynom p(λ) = (λ c ) r (λ c j ) rj C[X] Dabei gilt: algebraische Vielfachheit r j ˆ= Länge des Jordanblocks

Mehr

6 Lösungsverfahren für lineare Gleichungssysteme

6 Lösungsverfahren für lineare Gleichungssysteme 6 Lösungsverfahren für lineare Gleichungssysteme Jörn Loviscach Versionsstand:. März 04, :07 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.jl7h.de/videos.html

Mehr

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ). Aufgabe Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(3A E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A 3E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Bild(A

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt 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

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

1 Lineare Gleichungssysteme

1 Lineare Gleichungssysteme MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer. Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen

Mehr

Vorwort. Günter M. Gramlich. Lineare Algebra. Eine Einführung ISBN: 978-3-446-43035-8. Weitere Informationen oder Bestellungen unter

Vorwort. Günter M. Gramlich. Lineare Algebra. Eine Einführung ISBN: 978-3-446-43035-8. Weitere Informationen oder Bestellungen unter Vorwort Günter M. Gramlich Lineare Algebra Eine Einführung ISBN: 978-3-446-43035-8 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-43035-8 sowie im Buchhandel. Carl Hanser

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

Lineare Gleichungssysteme und Gauß'scher Algorithmus

Lineare Gleichungssysteme und Gauß'scher Algorithmus Zurück Letzter Update 7... Lineare Gleichungssysteme und Gauß'scher Algorithmus In der Mathematik bezeichnet man mit Matrix ein rechteckiges Schema, in dem Zahlen oder Funktionen angeordnet werden. Hier

Mehr

A Matrix-Algebra. A.1 Definition und elementare Operationen

A Matrix-Algebra. A.1 Definition und elementare Operationen A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

Mehr

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Numerische Behandlung des Eigenwertproblems

Numerische Behandlung des Eigenwertproblems Numerische Behandlung des Eigenwertproblems Zusammenfassung Das Ziel dieses Vortrages ist, zwei gute Methoden für die numerische Bestimmung der Eigenwerte zu zeigen und wie man diese mit Matlab anwenden

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Lineare Gleichungssysteme I (Matrixgleichungen)

Lineare Gleichungssysteme I (Matrixgleichungen) Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term

Mehr

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen. Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Numerisches Programmieren

Numerisches Programmieren Technische Universität München SoSe 213 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Jürgen Bräckle Numerisches Programmieren 2. Programmieraufgabe: Lineare

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

7 Lineare Abbildungen und Lineare Gleichungssysteme

7 Lineare Abbildungen und Lineare Gleichungssysteme 7 LINEARE ABBILDUNGEN UND LINEARE GLEICHUNGSSYSTEME 5 7 Lineare Abbildungen und Lineare Gleichungssysteme 7 Lineare Abbildungen 7 Abbildungen: Eine Verallgemeinerungen des Funktionsbegriffs Bemerkung:

Mehr

Leitfaden Lineare Algebra: Determinanten

Leitfaden Lineare Algebra: Determinanten Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv

Mehr

Hans Walser, [20090509a] Wurzeln aus Matrizen

Hans Walser, [20090509a] Wurzeln aus Matrizen Hans Walser, [0090509a] Wurzeln aus Matrizen 1 Worum es geht Zu einer gegebenen,-matri A suchen wir,-matrizen B mit der Eigenschaft: BB = B = A. Wir suchen also Quadratwurzeln der Matri A. Quadrieren Wenn

Mehr

Umgekehrte Kurvendiskussion

Umgekehrte Kurvendiskussion Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen

Mehr

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG ¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht

Mehr

3.1. Die komplexen Zahlen

3.1. Die komplexen Zahlen 3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

Gleichungen - Aufgabenstellung und Lösungsstrategien

Gleichungen - Aufgabenstellung und Lösungsstrategien Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung

Mehr

Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung

Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

Mehr

Satz 25 A sei eine (n n)-matrix über K

Satz 25 A sei eine (n n)-matrix über K Satz 25 Satz 25 A sei eine (n n)-matrix über K Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen Eigenwerten λ 1,...,λ m. Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung

Mehr

1. Methode der Finiten Elemente

1. Methode der Finiten Elemente 1. Methode der Finiten Elemente 1.1 Innenraumprobleme 1.2 Außenraumprobleme 1.3 Analysen 1.4 Bewertung Prof. Dr. Wandinger 5. Numerische Methoden Akustik 5.1-1 1.1 Innenraumprobleme 1.1.1 Schwache Formulierung

Mehr

Ohne Mathematik undenkbar!

Ohne Mathematik undenkbar! Die tägliche - Suche: Ohne Mathematik undenkbar! Dipl.-Wirt.Math. Jan Maruhn FB IV - Mathematik Universität Trier 29. März 2006 29. März 2006 Seite 1 Gliederung Einleitung und Motivation Das Internet als

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung. Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.

Mehr

Fakultät für Mathematik und Informatik. Seminar über angewandte Analysis. Sommersemester 2007. Der Kreissatz von Gerschgorin

Fakultät für Mathematik und Informatik. Seminar über angewandte Analysis. Sommersemester 2007. Der Kreissatz von Gerschgorin Fakultät für Mathematik und Informatik Lehrgebiet angewandte Mathematik Prof. Dr. H. Linden Dipl.-Math. H.-J. Schäfer Seminar über angewandte Analysis Sommersemester 2007 Der Kreissatz von Gerschgorin

Mehr

Betragsgleichungen und die Methode der Fallunterscheidungen

Betragsgleichungen und die Methode der Fallunterscheidungen mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht

Mehr

Dirk Hachenberger Mathematik für Informatiker

Dirk Hachenberger Mathematik für Informatiker Dirk Hachenberger Mathematik für Informatiker ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Inhaltsverzeichnis Vorwort

Mehr

Wolfgang Kohn Riza Öztürk. Mathematik für Ökonomen. Ökonomische Anwendungen der linearen. Algebra und Analysis mit Scilab

Wolfgang Kohn Riza Öztürk. Mathematik für Ökonomen. Ökonomische Anwendungen der linearen. Algebra und Analysis mit Scilab Wolfgang Kohn Riza Öztürk Mathematik für Ökonomen Ökonomische Anwendungen der linearen Algebra und Analysis mit Scilab 3., erweiterte und überarbeitete Auflage ^ Springer Gabler Inhaltsverzeichnis Teil

Mehr

Kevin Caldwell. 18.April 2012

Kevin Caldwell. 18.April 2012 im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig

Mehr

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

Mehr

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html

Mehr

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die

Mehr

Musterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung

Musterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung Musterlösungen zu n über gewöhnliche Differentialgleichungen a) Gegeben sei die lineare Differentialgleichung y + - y = e - ln, > 0 Man gebe die allgemeine Lösung der homogenen Gleichung an Wie lautet

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

Lösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.)

Lösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.) Lösungsmethoden gewöhnlicher Dierentialgleichungen Dgl) Allgemeine und partikuläre Lösung einer gewöhnlichen Dierentialgleichung Eine Dierentialgleichung ist eine Gleichung! Zum Unterschied von den gewöhnlichen

Mehr

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3

Mehr

Aufgabe 1: Malerarbeiten

Aufgabe 1: Malerarbeiten Aufgabe 1: Malerarbeiten Fritz braucht zwei Stunden, um ein Zimmer zu streichen. Susi braucht für das gleiche Zimmer drei Stunden. Wie lange brauchen beide zusammen, um das Zimmer zu streichen? Lösung:

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration

Mehr

Optimierung für Nichtmathematiker

Optimierung für Nichtmathematiker Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den

Mehr

Numerisches Programmieren

Numerisches Programmieren Technische Universität München SS 2012 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Alexander Breuer Dipl-Math Dipl-Inf Jürgen Bräckle Dr-Ing Markus Kowarschik Numerisches

Mehr

Einführung in die Mathematik für Volks- und Betriebswirte

Einführung in die Mathematik für Volks- und Betriebswirte Einführung in die Mathematik für Volks- und Betriebswirte Von Prof. Dr. Heinrich Bader und Prof. Dr. Siegbert Fröhlich Mit 45 A bbildungen 8. A uflage R. Oldenbourg Verlag München Wien INHALTSVERZEICHNIS

Mehr

Bildverarbeitung Herbstsemester 2012. Kanten und Ecken

Bildverarbeitung Herbstsemester 2012. Kanten und Ecken Bildverarbeitung Herbstsemester 01 Kanten und Ecken 1 Inhalt Einführung Kantendetektierung Gradientenbasierende Verfahren Verfahren basierend auf der zweiten Ableitung Eckpunkterkennung Harris Corner Detector

Mehr

Mathematik für Ökonomen

Mathematik für Ökonomen Springer-Lehrbuch Mathematik für Ökonomen Ökonomische Anwendungen der linearen Algebra und Analysis mit Scilab Bearbeitet von Wolfgang Kohn, Riza Öztürk 1. Auflage 2012. Taschenbuch. xv, 377 S. Paperback

Mehr

Kapitel 3 Mathematik. Kapitel 3.3. Algebra Gleichungen

Kapitel 3 Mathematik. Kapitel 3.3. Algebra Gleichungen TG TECHNOLOGISCHE GRUNDLAGEN Kapitel 3 Mathematik Kapitel 3.3 Algebra Gleichungen Verfasser: Hans-Rudolf Niederberger Elektroingenieur FH/HTL Vordergut 1, 877 Nidfurn 055-654 1 87 Ausgabe: Februar 009

Mehr

Brückenkurs Mathematik Mathe: Das 1x1 der Ingenieurwissenschaften

Brückenkurs Mathematik Mathe: Das 1x1 der Ingenieurwissenschaften Brückenkurs Mathematik Mathe: Das x der Ingenieurwissenschaften Gewöhnliche Differentialgleichungen, lineare Algebra oder Integralrechnung vertiefte Kenntnisse der Mathematik sind Voraussetzung für den

Mehr

Einführung in die Tensorrechnung

Einführung in die Tensorrechnung 1. Definition eines Tensors Tensoren sind Grössen, mit deren Hilfe man Skalare, Vektoren und weitere Grössen analoger Struktur in ein einheitliches Schema zur Beschreibung mathematischer und physikalischer

Mehr

Kapitel IR:III (Fortsetzung)

Kapitel IR:III (Fortsetzung) Kapitel IR:III (Fortsetzung) III. Retrieval-Modelle Modelle und Prozesse im IR Klassische Retrieval-Modelle Bool sches Modell Vektorraummodell Retrieval-Modelle mit verborgenen Variablen Algebraisches

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

Mehr

Die reellen Lösungen der kubischen Gleichung

Die reellen Lösungen der kubischen Gleichung Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................

Mehr

Übung zur Algebra WiSe 2008/2009, Blatt 1

Übung zur Algebra WiSe 2008/2009, Blatt 1 Aufgabe 1: Zeigen Sie, dass die Untergruppe der Permutationsmatrizen in GL(n, R) isomorph zur symmetrischen Gruppe S n ist. Es sei Perm n die Menge der Permutationsmatrizen in GL(n, R). Der Isomorphismus

Mehr

Installation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung.

Installation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung. Installation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung. Die heutige Sitzung dient dem ersten Kennenlernen von MATLAB. Wir wollen MATLAB zuerst

Mehr

Vorkurs Mathematik Übungen zu Polynomgleichungen

Vorkurs Mathematik Übungen zu Polynomgleichungen Vorkurs Mathematik Übungen zu en 1 Aufgaben Lineare Gleichungen Aufgabe 1.1 Ein Freund von Ihnen möchte einen neuen Mobilfunkvertrag abschließen. Es gibt zwei verschiedene Angebote: Anbieter 1: monatl.

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

Klausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth

Klausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung Mathematik Klausuraufgaben zur Mathematik - von Wolfgang Langguth Aufgabenstellungen

Mehr

Lineare Algebra und analytische Geometrie II (Unterrichtsfach)

Lineare Algebra und analytische Geometrie II (Unterrichtsfach) MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Das Mathematik-Abitur im Saarland

Das Mathematik-Abitur im Saarland Informationen zum Abitur Das Mathematik-Abitur im Saarland Sie können Mathematik im Abitur entweder als grundlegenden Kurs (G-Kurs) oder als erhöhten Kurs (E-Kurs) wählen. Die Bearbeitungszeit für die

Mehr

JOHANNES BONNEKOH. Analysis. Allgemeine Hochschulreife und Fachabitur

JOHANNES BONNEKOH. Analysis. Allgemeine Hochschulreife und Fachabitur JOHANNES BONNEKOH Analysis Allgemeine Hochschulreife und Fachabitur Vorwort Vorwort Mathematik ist eine Sprache, die uns hilft die Natur und allgemeine naturwissenschaftliche Vorgänge zu beschreiben. Johannes

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe Weihnachten und ein gutes neues Jahr! Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]

Mehr

Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.

Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14. Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

Mehr

Mathematik III für Ingenieure

Mathematik III für Ingenieure Mathematik III für Ingenieure im Bachelor-Studiengang Maschinenbau Vorlesung Wintersemester 21/211 B. Schuster aktualisert am 27. Januar 211 Inhalt I. Eigenwerte und Eigenvektoren 1 1. Komplexe Matrizen

Mehr