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

Größe: px
Ab Seite anzeigen:

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

Transkript

1 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 3E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ). Aufgabe 2 A Mat(n n, R) ist genau dann diagonalisierbar, wenn A genau n verschiedene Eigenwerte besitzt. A Mat(n n, R) ist diagonalisierbar, falls A genau n verschiedene Eigenwerte besitzt. A Mat(n n, R) ist diagonalisierbar, falls es genau n linear unabhängige Eigenvektoren von A gibt. A Mat(n n, R) ist genau dann diagonalisierbar, wenn es genau n linear unabhängige Eigenvektoren von A gibt.

2 Aufgabe 3 Sei A Mat(n n, R) eine Matrix Eigenvektor v zum Eigenwert 5. Dann ist v auch Eigenvektor von A 2 zum Eigenwert 5. Sei A Mat(n n, R) eine Matrix Eigenvektor v zum Eigenwert 5. Dann ist v Eigenvektor von A 2 zum Eigenwert 25. Sei A Mat(n n, R) eine Matrix Eigenvektor v zum Eigenwert 5. Dann ist 5v Eigenvektor von A 2 zum Eigenwert 5. Sei A Mat(n n, R) eine Matrix Eigenvektor v zum Eigenwert 5. Dann ist 5v Eigenvektor von A 2 zum Eigenwert 25. Aufgabe 4 ( ) ist über Q diagonalisierbar. ( ) ist nicht diagonalisierbar über R. ( ) 0 ist über Q diagonalisierbar. 0 ( ) 0 ist nicht diagonalisierbar über R. 0

3 Aufgabe ist diagonalisierbar über C hat 2 nur reelle Eigenwerte. mindestens einen nicht-reellen Eigenwert. 0 0 ist invertierbar hat 2 3 verschiedene Eigenwerte. maximal zwei verschiedene Eigenwerte.

4 Aufgabe Entscheiden Sie, ob die Matrix A = den Eigenvektor v = 0 besitzt und geben 0 0 Sie den zugehörigen Eigenwert an. Falls v kein Eigenvektor von A ist, tragen Sie 000 in das Kästchen ein. 0 0 Entscheiden Sie, ob die Matrix A = den Eigenvektor v = besitzt und geben 0 Sie den zugehörigen Eigenwert an. Falls v kein Eigenvektor von A ist, tragen Sie 000 in das Kästchen ein. 0 0 Entscheiden Sie, ob die Matrix A = den Eigenvektor v = besitzt und geben Sie 0 den zugehörigen Eigenwert an. Falls v kein Eigenvektor von A ist, tragen Sie 000 in das Kästchen ein Entscheiden Sie, ob die Matrix A = den Eigenvektor v = 0 besitzt und geben 0 Sie den zugehörigen Eigenwert an. Falls v kein Eigenvektor von A ist, tragen Sie 000 in das Kästchen ein.

5 Aufgabe 7 ( ) 2 4 = ( ). Ist auch v + v 2 ein Eigenvektor? ( ) 2 4 = ( ). Ist auch v v 2 ein Eigenvektor? ( ) 2 4 = ( ). Ist auch 2v + v 2 ein Eigenvektor? ( ) 2 4 = ( ). Ist auch v 2 v ein Eigenvektor?

6 Aufgabe 8 von A ist. ( ) 2 ( ). Bestimmen Sie t so, dass v ein Eigenvektor Eigenvektor von A ist. Eigenvektor von A ist. Eigenvektor von A ist. ( ) 2 ( ) 2 ( ) 2 ( ). Bestimmen Sie t so, dass v ein ( ). Bestimmen Sie t so, dass v ein ( ). Bestimmen Sie t so, dass v ein

7 Aufgabe 9 Der Eigenraum zum Eigenwert der Matrix x = Der Eigenraum zum Eigenwert 2 der Matrix x = Der Eigenraum zum Eigenwert der Matrix y = Der Eigenraum zum Eigenwert 2 der Matrix y = ( ) 6 4 ( ) 6 4 ( ) 6 4 ( ) 6 4 ( ) x ( ) x ( ) 9 y ( ) 4 y Aufgabe 0 A Mat(2 2, C) habe 2 verschiedene Eigenwerte λ und µ. Dann ist die maximale Dimension des Eigenraums Eig(A, λ) 0 2 A Mat(2 2, C) habe 2 verschiedene Eigenwerte λ und µ. Dann ist die maximale Dimension des Eigenraums Eig(A, µ) 0 2 A Mat(2 2, C) habe den Eigenwert λ. Dann ist die maximale Dimension des Eigenraums Eig(A, λ) 0 2

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

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

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

1.9 Eigenwerte und Eigenvektoren

1.9 Eigenwerte und Eigenvektoren .9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform 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

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

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

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene

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

Algorithmus zur Berechnung der Jordannormalform

Algorithmus zur Berechnung der Jordannormalform Algorithmus zur Berechnung der Jordannormalform Olivier Sète 19. Januar 2011 Inhaltsverzeichnis 1 Motivation 1 2 Algorithmus Wie und warum funktioniert das? 2 2.1 Zutat 1 Für einen Jordanblock.........................

Mehr

Lineare Algebra II 5. Übungsblatt

Lineare Algebra II 5. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,

Mehr

y x x y ( 2x 3y + z x + z

y x x y ( 2x 3y + z x + z Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = 0 4 0 0 0 0 0 Berechnen Sie

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

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar. http://www.math.uni-bielefeld.

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar. http://www.math.uni-bielefeld. Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung:

Mehr

Komplexe Zahlen. Kapitel 1. 1.1 Definitionen 18.4.01

Komplexe Zahlen. Kapitel 1. 1.1 Definitionen 18.4.01 Kapitel Komplexe Zahlen Motivation: die Gleichung x = hat offensichtlich keine reellen Lösungen, da x 0 für jedes reelle x gilt Um auch diese Gleichung lösen zu können, muß man neue Zahlen einführen: die

Mehr

Grundlagen der Mathematik II

Grundlagen der Mathematik II Wintersemester 204/205 - Aufgabenblatt I Abgabe: bis Donnerstag, den 6. November 204, 9:00 Uhr Aufgabe : Untersuchen Sie, für welche 2 C die folgende Matrix c diagonalisierbar ist, und bestimmen Sie für

Mehr

Abtastsysteme im Zustandsraum

Abtastsysteme im Zustandsraum Abtastsysteme im Zustandsraum Prof. Dr. François E. Cellier Institut für Computational Science ETH Zürich May 11, 2006 Kontinuierliches System: ẋ(t) = Fx(t)+gu(t) y(t) = c T x(t)+du(t) : t x(t) =e F(t

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

Lösungen zu Übung(11) Erster Teil A E=

Lösungen zu Übung(11) Erster Teil A E= Lösungen zu Übung Erster Teil a Betrachten Sie die Matrix A = Die Eigenwerte sind λ = mit algebraischer Vielfachheitundλ =mitalgebraischervielfachheit,unddiematrix A E= hatrang, alsokerndimensionnur, somitistdereigenraumzuλ

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte 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

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

Das QZ-Verfahren. vorgelegt von Janina Gnutzmann. Erstgutachter: Prof. Dr. Steffen Börm Zweitgutachter: Dipl.-Math.

Das QZ-Verfahren. vorgelegt von Janina Gnutzmann. Erstgutachter: Prof. Dr. Steffen Börm Zweitgutachter: Dipl.-Math. Das QZ-Verfahren Bachelor-Arbeit im 1-Fach Bachelorstudiengang Mathematik der Mathematisch-Naturwissenschaftlichen Fakultät der Christian-Albrechts-Universität zu Kiel vorgelegt von Janina Gnutzmann Erstgutachter:

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

Sage 3: Lineare Algebra

Sage 3: Lineare Algebra Sage 3: Lineare Algebra Wiederholung: Sequenzielle Datentypen Listen und Tupel Wiederholung zu Listen, einem wichtigen Hilfs-Datentyp für Vektoren und Matrizen; Erstellen einfacher Listen und Auslesen

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

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

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

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

Klausur Linearen Algebra 1 Musterlösung: Aufgabe A

Klausur Linearen Algebra 1 Musterlösung: Aufgabe A Klausur Linearen Algebra 1 Musterlösung: Aufgabe A Wir betrachten den Unterraum V = K[X] 4 aller Polynome vom Grad 4 und die lineare Abbildung f : V K 2 ; P (P (1), P (0)). Es bezeichne v 1,..., v 5 die

Mehr

Einführung in MATLAB

Einführung in MATLAB Kapitel 4 Einführung in MATLAB 41 Allgemeines MATLAB ist eine kommerzielle mathematische Software zur Lösung mathematischer Probleme und zur graphischen Darstellung der Ergebnisse Die Verfahren in MATLAB

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

Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von

Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik Lineare Algebra zusammengestellt von Sabine Giese, Josef Heringlehner, Birgit Mielke, Hans Mielke und Ralph-Hardo Schulz 98 Aufgaben,

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

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

Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min

Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe

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

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

Berechnung von Eigenwerten und Eigenvektoren

Berechnung von Eigenwerten und Eigenvektoren Kapitel 5 Berechnung von Eigenwerten und Eigenvektoren 5.1 Einführung Bemerkung 5.1 Aufgabenstellung. Diese Kapitel behandelt numerische Verfahren zur Lösung des Eigenwertproblems. Gegeben sei A R n n.

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

Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover

Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover Zulassungsjahr: 203 (Sommersemester) Allgemeine Informationen: Der deutschsprachige

Mehr

Lineare Ausgleichsprobleme. Lineare Ausgleichsprobleme. Normalgleichungen. Normalgleichungen

Lineare Ausgleichsprobleme. Lineare Ausgleichsprobleme. Normalgleichungen. Normalgleichungen Wir betrachten in diesem Abschnitt das lineare Ausgleichsproblem Ax b 2 = min! (1) Heinrich Voss voss@tu-harburgde Hamburg University of Technology Institute for Numerical Simulation mit gegebenem A R

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

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

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

Vektorräume und Rang einer Matrix

Vektorräume und Rang einer Matrix Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung

Mehr

Serie 13: Online Test

Serie 13: Online Test D-ERDW, D-HEST, D-USYS Mathematik I HS 3 Dr. Ana Cannas Serie 3: Online Test Einsendeschluss: 3. Januar 4 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.

Mehr

Orthogonale Funktionenräume

Orthogonale Funktionenräume Orthogonale Funktionenräume Richard Küng February 27, 24 Contents Vektorräume mit Skalarprodukt 2 2 Lineare Abbildungen: Matrizen und Operatoren 8 2. Matrizen................................ 8 2.. Diagonalisieren

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Zusammenfassung der 6. Vorlesung

Zusammenfassung der 6. Vorlesung Zusammenfassung der 6. Vorlesung w-transformation Die w-transformationbildet das Innere des Einheitskreises der z-ebene in die linke w-ebene ab. z 1 w= z+1, bzw. z= 1+w 1 w Nach Anwendung der w-transformationist

Mehr

Höhere Mathematik I. 1. Gruppenübung zur Vorlesung Prof. Dr. M. Stroppel. Winter 2007/08

Höhere Mathematik I. 1. Gruppenübung zur Vorlesung Prof. Dr. M. Stroppel. Winter 2007/08 Dr. A. App Dr. M. Pfeil. Gruppenübung zur Vorlesung Prof. Dr. M. Stroppel Höhere Mathematik I Winter 7/8 Aufgabe P. Binomialkoeffizienten Berechnen Sie ohne Taschenrechner: ( ) (a) x = 5 ( ) ( ) ( ) (b)

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

1 Wiederholung LA. 1.1 Vektorräume

1 Wiederholung LA. 1.1 Vektorräume 1 Wiederholung LA 1.1 Vektorräume Definition der Vektorräume über einem Körper K (siehe Fischer). Beispiele für Vektorräume sind: Der Vektorraum der Parallelverschiebungen des Anschauungsraumes. M(m n,

Mehr

Statistische Methoden

Statistische Methoden Statistische Methoden Dr CJ Luchsinger 6 Repetition: Rechnen mit Matrizen für die Statistik Matrizen sind aus zwei Gründen für die Statistik sehr wichtig: Sie ermöglichen uns einerseits eine sehr elegante

Mehr

8 Lineare Abbildungen

8 Lineare Abbildungen 80 8 Lineare Abbildungen In diesem Kapitel untersuchen wir lineare Abbildungen von R n nach R m wie zum Beispiel Spiegelungen, Drehungen, Streckungen und Orthogonalprojektionen in R 2 und R 3 Man nennt

Mehr

Weiterbildung für Ingenieure Numerische Methoden für Differentialgleichungen Prinzipien und Praxis Taubert, Heitmann Universität Hamburg WS03/04

Weiterbildung für Ingenieure Numerische Methoden für Differentialgleichungen Prinzipien und Praxis Taubert, Heitmann Universität Hamburg WS03/04 Weiterbildung für Ingenieure Numerische Methoden für Differentialgleichungen Prinzipien und Praxis Taubert, Heitmann Universität Hamburg WS03/04 Linearisierung 1 K. Taubert LINEARISIERUNG und das VERHALTEN

Mehr

Optimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn

Optimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum

Mehr

Zur Numerik großdimensionaler Eigenwertprobleme. Werner Vogt Technische Universität Ilmenau Institut für Mathematik Postfach 100565 98684 Ilmenau

Zur Numerik großdimensionaler Eigenwertprobleme. Werner Vogt Technische Universität Ilmenau Institut für Mathematik Postfach 100565 98684 Ilmenau Zur Numerik großdimensionaler Eigenwertprobleme Werner Vogt Technische Universität Ilmenau Institut für Mathematik Postfach 100565 98684 Ilmenau Ilmenau, den 8.11.2004 1 Einführung 1 Zusammenfassung Der

Mehr

KAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:

KAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten: KAPITEL 4 Lineare Ausgleichsrechnung Beispiel 41 Das Ohmsche Gesetz: Eine Meßreihe von Daten: U = RI (U i, I i ) (Spannung, Stromstärke), i = 1,, m Aufgabe: man bestimme aus diesen Meßdaten den Widerstand

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

3 Schnellkurs in MATLAB

3 Schnellkurs in MATLAB 3 Schnellkurs in MATLAB 3.1 Einführung MATLAB (= Matrix laboratory) Softwarepaket für numerische Berechnungen und Visualisierungen 1980 ( Cleve Moler; www.mathworks.com ) Ursprung in LINPACK und EISPACK

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

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

W-Rechnung und Statistik für Ingenieure Übung 11

W-Rechnung und Statistik für Ingenieure Übung 11 W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik

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

Mathematische Ökologie

Mathematische Ökologie Mathematische Ökologie Eine Zusammenfassung von Bernhard Kabelka zur Vorlesung von Prof. Länger im WS 2002/03 Version 1.04, 15. März 2004 Es sei ausdrücklich betont, dass (1) dieses Essay ohne das Wissen

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

Installation des Add-Ins für Lineare Algebra in Microsoft Excel

Installation des Add-Ins für Lineare Algebra in Microsoft Excel Installation des Add-Ins für Lineare Algebra in Microsoft Excel Matrix 2.2 by The Foxes Team http://digilander.libero.it/foxes/ Download der Matrix 2.2 Im Browser die Seite http://digilander.libero.it/foxes/download.htm

Mehr

Die darstellende Matrix und die zugehörige Basis

Die darstellende Matrix und die zugehörige Basis Die darstellende Matrix und die zugehörige Basis Zu jeder linearen Abbildung f von einem endlich dimensionalen Vektorraums V in einen endlich dimensionalen Vektorraum W kann eine darstellende Matrix aufgestellt

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

Segmentierung von Faserstrukturen in tomographischen Aufnahmen. Workshop Analyse der Mikrostruktur von Faserverbundwerkstoffen in Volumenbildern

Segmentierung von Faserstrukturen in tomographischen Aufnahmen. Workshop Analyse der Mikrostruktur von Faserverbundwerkstoffen in Volumenbildern Segmentierung von Faserstrukturen in tomographischen Aufnahmen Workshop Analyse der Mikrostruktur von Faserverbundwerkstoffen in Volumenbildern Oliver Wirjadi Frankfurt, 7.03.007 Bildquelle: Institut für

Mehr

HMMatrix Version: 20.05.2015

HMMatrix Version: 20.05.2015 HMMatrix Version: 20.05.2015 Vektoren und Matrizen in C und C++ Tilman Küpper (tilman.kuepper@hm.edu) Inhalt 1. Einleitung... 2 2. Programmierung in C... 3 2.1. Beispiele... 3 2.2. Funktionsübersicht...

Mehr

Hauptkomponentenanalyse PCA

Hauptkomponentenanalyse PCA Hauptkoponentenanalyse PCA Die Hauptkoponentenanalyse (Principal Coponent Analysis, PCA) ist eine Methode zur linearen Transforation der Variablen, so dass: öglichst wenige neue Variablen die relevante

Mehr

Ergänzungsseminar zu "Rechenmethoden für Studierende der Chemie"

Ergänzungsseminar zu Rechenmethoden für Studierende der Chemie Ergänzungsseminar zu "Rechenmethoden für Studierende der Chemie" VAK 02-03-2-RM-3 Johannes Ranke Ergänzungsseminar zu "Rechenmethoden für Studierende der Chemie" p.1/13 Programm 18.4. Überblick über Software

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

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

Günter M. Gramlich. Mathematik-Studienhilfen. Eine Einführung. Lineare Algebra. 2., aktualisierte Auflage

Günter M. Gramlich. Mathematik-Studienhilfen. Eine Einführung. Lineare Algebra. 2., aktualisierte Auflage Günter M. Gramlich Mathematik-Studienhilfen Lineare Algebra Eine Einführung 2., aktualisierte Auflage Günter M. Gramlich Lineare Algebra Mathematik - Studienhilfen Herausgegeben von Prof. Dr. Bernd Engelmann

Mehr

> Seminar, Erlangen > Achim Basermann 20120605-1 DSC Erlangen Basermann.pptx > 05.06.2012

> Seminar, Erlangen > Achim Basermann 20120605-1 DSC Erlangen Basermann.pptx > 05.06.2012 www.dlr.de Folie 1 Parallele, iterative Löser mit Schur-Komplement- Vorkonditionierung für dünnbesetzte lineare Gleichungssysteme aus der Strömungstechnik Dr.-Ing. Achim Basermann, Melven Zöllner* * www.dlr.de

Mehr

MATTHIAS GERDTS NUMERISCHE MATHEMATIK I. Universität Würzburg WiSe 2009/2010

MATTHIAS GERDTS NUMERISCHE MATHEMATIK I. Universität Würzburg WiSe 2009/2010 MATTHIAS GERDTS NUMERISCHE MATHEMATIK I Universität Würzburg WiSe 2009/2010 Addresse des Authors: Matthias Gerdts Institut für Mathematik Universität Würzburg Am Hubland 97074 Würzburg E-Mail: gerdts@mathematik.uni-wuerzburg.de

Mehr

Was ist MATLAB? Typische Anwendungen

Was ist MATLAB? Typische Anwendungen Computational Physics 1, Seminar 01 Seite 1 Was ist MATLAB? numerisches Berechnungs- und Simulationswerkzeug integriert Berechnung, Visualisierung und Programmierung gleichzeitig höhere Programmiersprache

Mehr

Johann Wolfgang Goethe - Universität Frankfurt am Main

Johann Wolfgang Goethe - Universität Frankfurt am Main Fachbereich Wirtschaftswissenschaften Institut für Statistik und Mathematik Johann Wolfgang Goethe - Universität Frankfurt am Main ENTSCHEIDUNGSTHEORIE Klausur vom 0.0.004 Prof. Dr. H. Rommelfanger Als

Mehr

5. Vorlesung. Das Ranking Problem PageRank HITS (Hubs & Authorities) Markov Ketten und Random Walks PageRank und HITS Berechnung

5. Vorlesung. Das Ranking Problem PageRank HITS (Hubs & Authorities) Markov Ketten und Random Walks PageRank und HITS Berechnung 5. Vorlesung Das Ranking Problem PageRank HITS (Hubs & Authorities) Markov Ketten und Random Walks PageRank und HITS Berechnung Seite 120 The Ranking Problem Eingabe: D: Dokumentkollektion Q: Anfrageraum

Mehr

Diskrete Modellierung

Diskrete Modellierung Diskrete Modellierung Wintersemester 2013/14 Prof. Dr. Isolde Adler Letzte Vorlesung: Korrespondenz zwischen der Page-Rank-Eigenschaft und Eigenvektoren zum Eigenwert 1 der Page-Rank-Matrix Markov-Ketten

Mehr

Ingenieurmathematik für Maschinenbau, Blatt 1

Ingenieurmathematik für Maschinenbau, Blatt 1 Ingenieurmathematik für Maschinenbau, Blatt 1 Probeklausur Ingenieurmathematik für Maschinenbau Studiengang Prüfungsfach Prüfer Prüfungstermin Prüfungsdauer Prüfungsunterlagen Hilfsmittel Maschinenbau

Mehr

Grundlagen der Monte Carlo Simulation

Grundlagen der Monte Carlo Simulation Grundlagen der Monte Carlo Simulation 10. Dezember 2003 Peter Hofmann Inhaltsverzeichnis 1 Monte Carlo Simulation.................... 2 1.1 Problemstellung.................... 2 1.2 Lösung durch Monte

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

Gewöhnliche Differentialgleichungen

Gewöhnliche Differentialgleichungen Notizen zur Vorlesung Gewöhnliche Differentialgleichungen G Sweers Wintersemester 08/09 ii Inhaltsverzeichnis Einführung Modelle 2 Explizite Lösungen 4 2 Trennbar 5 22 Linear erster Ordnung 6 23 Homogen

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

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

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

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

Crashkurs Mathematik

Crashkurs Mathematik Crashkurs Mathematik Teil III - Differentialgleichungen Leichter Lernen durch Beispiele und Musterlösungen Musterlösungen zu Prüfungsaufgaben von 985 bis Gewöhnliche Partielle - Lineare Nichtlineare -

Mehr

Johannes Kepler Universität Linz. Automatisierungstechnik Praktikum SS 2016. Institut für Regelungstechnik und Prozessautomatisierung

Johannes Kepler Universität Linz. Automatisierungstechnik Praktikum SS 2016. Institut für Regelungstechnik und Prozessautomatisierung Johannes Kepler Universität Linz Institut für Regelungstechnik und Prozessautomatisierung Automatisierungstechnik Praktikum SS 2016 Anastasiia Galkina Bernd Kolar Markus Schöberl Stand: 29. Februar 2016

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 II 9. Übungsblatt

Lineare Algebra II 9. Übungsblatt Lineare Algebra II 9. Übungsblatt Fachbereich Mathematik SS Prof. Dr. Kollross 5./6. Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest: ohne Benutzung des Skripts und innerhalb von Minuten!)

Mehr

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

Klausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth Hochschule für Technik und Wirtschaft des Saarlandes University of Applied Sciences Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung

Mehr

Lösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band 2, 2.Aufl. (Version 2010), Kapitel 5

Lösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band 2, 2.Aufl. (Version 2010), Kapitel 5 Lösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band,.Aufl. Version, Kapitel 5 Bilinear-und Sesquilinearformen Abschnitt.A, Aufg., p. 6.6. : Man bestimme die

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

Computer Vision SS 2011. Skript

Computer Vision SS 2011. Skript Computer Vision SS 211 Skript (Work in Progress) Simon Hawe & Martin Kleinsteuber Skript: Manuel Wolf Inhaltsverzeichnis 1 Einführung 1 1.1 Was ist ein Bild?................................. 1 1.2 Wie

Mehr

Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen

Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science an der Technischen Universität Berlin Verfasser:

Mehr