Rückblick auf die letzte Vorlesung

Größe: px
Ab Seite anzeigen:

Download "Rückblick auf die letzte Vorlesung"

Transkript

1 Rückblick auf die letzte Vorlesung Lineare Differentialgleichungen Ausblick auf die heutige Vorlesung Lineare autonome Differentialgleichungen 2 Bestimmung des Fundamentalsystems 3 Jordansche Normalform 4 Reelle Fundamentalsysteme

2 Autonome lineare Gleichungen Fundamentalsysteme können explizit berechnet werden, falls gilt A(t) = A = konst, dh die Matrix ist unabhängig von t (Konstante Koeffizienten) Ansatz: Suche eine Lösung in der Form y(t) = e λt v, λ C, v C n Einsetzen in die Gleichung ergibt: Dies bedeutet: y (t) = λe λt v = λy y = Ay Av = λv dh y(t) ist eine Lösung, falls v ein Eigenvektor von A zum Eigenwert λ ist Wiederholung Ein Fundamentalsystem Y(t) für y (t) = A(t)y(t) ist gegeben durch die n Anfangswertaufgaben d dt yk (t) = A(t)y k (t) y k (t ) = v k mit den Basisvektoren v,,v n und Y(t) := (y (t),,y n (t)) R (n,n) Konstante Koeffizienten: Eigenvektor v zum Eigenwert λ besitzt die Lösung d y(t) = Ay(t), dt y(t y(t) = e λt v ) = v

3 Reell diagonalisierbare Matrizen Fall : Alle Eigenwerte λ,,λ n von A sind reell und es existiert eine Basis aus reellen Eigenvektoren v,,v n Dann ist eine Fundamentalmatrix gegeben durch: Y(t) = (e λ t v,,e λ nt v n ) Die allgemeine Lösung des homogenen Systems mit konstanten Koeffizienten lautet: y h (t) = n c k e λkt v k, k= c k R Beispiel komplex diagonalisierbarer Matrix Beispiel (Vorbereitung auf Fall 2) Wir betrachten das System ( y ) ( ) ( y ) y 2 = 4 y 2 Die Eigenwerte und vektoren sind gegeben durch ( ) λ = + 2i, v = 2i ( ) λ 2 = 2i, v 2 = 2i

4 Beispiel komplex diagonalisierbarer Matrix II Es existiert also eine Basis aus Eigenvektoren, aber für C 2, dh die Eigenvektoren (und Eigenwerte) sind komplexwertig Wir suchen aber reellwertige Lösungen! Die komplexen Eigenvektoren bilden ein komplexes Fundamentalsystem: Y(t) = (e λ t v, e λ 2t v 2 ) Komplex diagonalisierbare Matrizen Fall 2: Die Systemmatrix A ist diagonalisierbar Dann existiert eine Basis des C n aus (komplexen) Eigenvektoren v,,v n Die zugehörigen Eigenwerte λ,,λ n müssen weder reell noch einfach sein Ein komplexes Fundamentalsystem (für C n ) ist gegeben durch Y(t) = (e λ t v,,e λ nt v n ) Die allgemeine, komplexwertige Lösung des homogenen Systems mit konstanten reellen Koeffizienten lautet: y h (t) = n c k e λkt v k, k= c k C

5 Bedingung für Diagonalisierbarkeit Bemerkung Jede normale und damit jede symmetrische Matrix ist diagonalisierbar (Lineare Algebra) Normale Matrix bedeutet, dass Ā T A = AĀ T gilt Reelle Fundamentalsysteme Frage: Ist es möglich, ein reelles Fundamentalsystem anzugeben? Aus der linearen Algebra: Ist λ C \ R ein komplexer Eigenwert von A, so ist auch λ (konjugiert komplex) ein Eigenwert Dementsprechend ist v ein Eigenvektor, falls v ein Eigenvektor ist Also: Nichtreelle Eigenwerte und vektoren treten stets paarweise auf Ersetze jedes komplexwertige Paar durch y (t) = e λt v y 2 (t) = e λt v

6 Paare komplexer Eigenvektoren y (t) = Re y 2 (t) = Im ( ) e λt v ( ) e λt v = ( ) e λt v + e λt v 2 = ( ) e λt v e λt v 2i Komplexe Fundamentalsysteme Beispiel Ein komplexes Fundamentalsystem zu ( y ) ( = 4 y 2 ) ( y y 2 ) lautet mit Y(t) = (e λ t v, e λ 2t v 2 ) T

7 Komplexe Fundamentalsysteme II Y(t) = (e λ t v, e λ 2t v 2 ) T mit λ = + 2i, v = λ 2 = 2i, v 2 = ( ) 2i ( ) 2i Die beiden Eigenwerte treten paarweise auf: λ 2 = λ v 2 = v Komplexe Fundamentalsysteme III Aus den beiden komplexen Vektoren ( ) z (t) = e (+2i)t 2i z 2 (t) = e ( 2i)t ( 2i ) berechnet man die beiden reellen Vektoren y (t) = Re ( z (t) ) y 2 (t) = Im ( z (t) ) also

8 Komplexe Fundamentalsysteme IV y (t) = e t ( cos(2t) 2 sin(2t) ) y 2 (t) = e t ( sin(2t) 2 cos(2t) ) Damit lautet die allgemeine, reelle Lösung des Systems ( ) y h (t) = e t c cos(2t) + c 2 sin(2t) 2c sin(2t) 2c 2 cos(2t) Nichtdiagonalisierbare Matrizen und Jordan Normalform Fall 3: Die Systemmatrix A ist nicht diagonalisierbar Hier benötigt man die Jordansche Normalform einer Matrix: J = S AS J = J J n wobei J i ein Jordan Kästchen bezeichnet, dh λ i J i = λ i λ i

9 Nichtdiagonalisierbare Matrizen und Jordan Normalform II wobei J i ein Jordan Kästchen bezeichnet, dh λ i J i = λ i λ i mit dem Eigenwert λ i Wieso ist im Fall 3 die Jordansche Normalform wichtig? Die Lösung zu einem Jordan-Kasten Ein System der Form d dt z z 2 = λ λ z z 2 (2) z r λ z r kann explizit gelöst werden

10 Die Lösung zu einem Jordan-Kasten II Ein Fundamentalsystem für (2) ist gegeben durch e λ t, e λ t t!, e λ t t 2 2! t!,,e λ t t r (r )! t! Dieses System entsteht mit den Einheitsvektoren e,,e n Jordansche Normalform J = S AS Transformationsmatrix S besteht aus Eigen und Hauptvektoren S = (v,,v r v 2,,v 2r 2 v m,,v mr m ) v j : Eigenvektor zum Eigenwert λ j, j =,,m v jk : Hauptvektor der Stufe (k ), k = 2,,r j (A λ j I n )v jk = v j,k, k = 2,,r j Wir setzen nun z(t) := S y(t) Dann gilt z (t) = S y (t) = S Ay(t) = S ASz(t) z (t) = Jz(t) Ein Fundamentalsystem für z = Jz haben wir bereits berechnet

11 Rücktransformation Eine Rücktransformation ergibt ein Fundamentalsystem für y = Ay Für ein einzelnes Jordan Kästchen ergibt sich: y (t) = e λ t v y 2 (t) = e λ t ( t! v + v 2) y r (t) = e λ t ( t r (r )! v + + t )! v,r + v r Vorgehen zur Bestimmung der Lösung ) Bestimmung der Eigenwerte, Eigen und Hauptvektoren, 2) Berechnung der Lösungen nach obiger Formel, 3) Zusammenfügen dieser Einzelmatrizen zur Fundamentalmatrix

12 Beispiel eines autonomen linearen Systems Beispiel Gesucht ist die allgemeine Lösung des Systems y d 2 y 2 = dt y Das charakteristische Polynom von A lautet: y y 2 y 3 p A (λ) = det(a λi 3 ) = ( λ) 3 λ = ist also ein dreifacher Eigenwert mit Eigenvektoren: Eigen- und Hauptvektoren v v 2 v 3 = v = 6 Da rang (A λi 3 ) = 2 gilt, ist die geometrische Vielfachheit g(λ) = v 2 v 2 2 v 2 3 = 6 v 2 = 4 8

13 Hauptvektoren v 3 v 3 2 v 3 3 = 4 8 v 3 = 2 Ein Fundamentalsystem ist daher gegeben durch: 6 6t 8t 2 Y(t) = e λ t 4 4t + 8 8t + 2 Beispiel mit 2 Jordan Blöcken Beispiel Gesucht ist die allgemeine Lösung des Systems y d y 2 = dt y 3 y y 2 y 3 Wieder ist λ = dreifacher Eigenwert von A, aber es gilt g(λ) = 2 Es existieren also zwei linear unabhängige Eigenvektoren: v = v =, v 2 =

14 Beispiel mit 2 Jordan Blöcken II Hauptvektor Beispiel Es gilt: (A λi 3 ) 2 = Wir suchen daher einen zu v und v 2 linear unabhängigen Vektor v 22 (Hauptvektor der Stufe ) Beispiel mit 2 Jordan Blöcken III Wähle etwa v 22 = (,, ) T Dann gilt v 2 = (A λi 3 )v 22 = Damit erhalten wir folgende System von Eigen und Hauptvektoren: v =, v 2 =,v 22 =

15 Beispiel mit 2 Jordan Blöcken III Fundamentalsystem Zugehöriges Fundamentalsystem: y (t) = e t, y 2 (t) = e t, y 3 (t) = e t t t Transformationsmatrizen Es gilt: S = und die Jordansche Normalform ist: J = mit J = S AS

Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften

Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Fachbereich Mathematik der Universität Hamburg WiSe / Dr Hanna Peywand Kiani 722 Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Lineare Differentialgleichungssysteme,

Mehr

29.2 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System. y = A y, t R, (1)

29.2 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System. y = A y, t R, (1) 292 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System y = A y, t R, ( wobei A C n n, und wollen ein Fundamentalsystem bestimmen Grundlegende Beobachtung:

Mehr

Differentialgleichungen für Ingenieure WS 06/07

Differentialgleichungen für Ingenieure WS 06/07 Differentialgleichungen für Ingenieure WS 06/07 6. Vorlesung Michael Karow Themen heute: 1. Die geschlossene Lösungsformel für lineare DGL mit konstanten Koeffizienten. 2. Die Matrixexponentialfunktion

Mehr

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1. Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x

Mehr

Jordan-Form. Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform. = Q 1 AQ 0 J k J =

Jordan-Form. Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform. = Q 1 AQ 0 J k J = Jordan-Form Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform J 1 0 J =... = Q 1 AQ 0 J k transformieren. Jordan-Form 1-1 Jordan-Form Eine komplexe

Mehr

Lineare Systeme 1. Ordnung mit konstanten Koeffizienten

Lineare Systeme 1. Ordnung mit konstanten Koeffizienten Lineare Systeme. Ordnung mit konstanten Koeffizienten Wir betrachten ẋ = Ax + b(t) () mit A R n n und b( ) C (I, R n ) und die dazugehörige homogene Gleichung Ansatz: ẋ = Ax. () x(t) = ce λt mit c C n,

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 12

Technische Universität München Zentrum Mathematik. Übungsblatt 12 Technische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 12 Hausaufgaben Aufgabe 12.1 Sei f : R 3 R 3 gegeben durch f(x) :=

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

Ausgewählte Lösungen zu den Übungsblättern 9-10 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt

Mehr

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen Übungen zum Ferienkurs Lineare Algebra 5/6: Lösungen Darstellungsmatrizen. Bestimme die Darstellungsmatrix M B,B (f ) für die lineare Abbildung f : 3, die durch f (x, y, z) = (4x + y z, y + z) definiert

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

Lineare Differentialgleichungen

Lineare Differentialgleichungen Kapitel 4 Lineare Differentialgleichungen 4.1 Lineare Systeme mit variablen Koeffizienten 4.2 Die Matrix Exponentialfunktion 4.3 Lineare System mit konstanten Koeffizienten 4.4 Lineare Differentialgleichungen

Mehr

45 Homogene lineare Differentialgleichungssysteme 1.Ordnung mit konstanten Koeffizienten

45 Homogene lineare Differentialgleichungssysteme 1.Ordnung mit konstanten Koeffizienten 45 Homogene lineare Differentialgleichungssysteme.Ordnung mit konstanten Koeffizienten 45. Eigenwerte von A führen zu Lösungen von y = Ay 45.2 Fundamentalmatrix von y = Ay für diagonalisierbares A 45.7

Mehr

Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen

Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen Proseminar Lineare Algebra SS10 Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen Simon Strahlegger Heinrich-Heine-Universität Betreuung: Prof. Dr. Oleg Bogopolski Inhaltsverzeichnis:

Mehr

5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit

5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit ME Lineare Algebra HT 2008 99 5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit 5.1 Ein Beispiel zur Motivation Als einfachstes Beispiel eines dynamischen Systems untersuchen wir folgendes Differentialgleichungssystem

Mehr

4.7 Lineare Systeme 1. Ordnung

4.7 Lineare Systeme 1. Ordnung 3. Die allgemeine Lösung der inhomogenen Differentialgleichung lautet damit yx = y hom x + y inh x = c x + c 2 x + 8 x + 4 xlnx2 4 xlnx = C x + C 2 x + 4 xlnx2 4 xlnx. Wir haben c 2 + 8 zu C 2 zusammengefasst.

Mehr

e At = e λt e (A λi)t.

e At = e λt e (A λi)t. Priv.-Doz. G. Reißig, F. Goßmann M.Sc Universität der Bundeswehr München Institut für Steuer- und Regelungstechnik (LR-15) Email: felix.gossmann@unibw.de Moderne Methoden der Regelungstechnik, H 2016 Übung

Mehr

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Hauptachsentransformation: Eigenwerte und Eigenvektoren Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung

Mehr

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 2 2. (Frühjahr 29, Thema 3, Aufgabe 3) Gegeben sei die reelle 3 3 Matrix 4 2 A = 2 7 2 R 3 3. 2 2 a)

Mehr

Henning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich

Henning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es

Mehr

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1 UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive

Mehr

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren 92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl

Mehr

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren 92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl

Mehr

Musterlösungen zur Linearen Algebra II Weihnachtszettel

Musterlösungen zur Linearen Algebra II Weihnachtszettel Musterlösungen zur Linearen Algebra II Weihnachtszettel Aufgabe. Welche der folgenden Matrizen 3 0 0 A = 0 4, B = 3, C = 0 0 0 6 0 0 0 sind über R und welche über C diagonalisierbar? Bestimmen Sie dazu

Mehr

y hom (x) = C e p(x) dx

y hom (x) = C e p(x) dx Gewöhnliche Differentialgleichungen F (x, y, y,..., y n ) = 0 Gleichung, die die Veränderliche x sowie die Funktion y = y(x) und ihre Ableitungen y,..., y n beinhaltet. Klassifiaktion: implizit F (...)

Mehr

Jordansche Normalform - Beispielrechnung. 1 Beispielrechnung an einer komplexen Matrix

Jordansche Normalform - Beispielrechnung. 1 Beispielrechnung an einer komplexen Matrix Jordansche Normalform - Beispielrechnung Dieses kurze Skript soll die jordansche Normalform erklären die auch oft als Trigonalisierung von Matrizen bezeichnet wird da man die Matrix auf eine bestimmte

Mehr

Lineare Algebra II 3. Übungsblatt

Lineare Algebra II 3. Übungsblatt Lineare Algebra II 3. Übungsblatt Fachbereich Mathematik SS 2011 Prof. Dr. Kollross 27./28. April 2011 Susanne Kürsten Tristan Alex Minitest Aufgabe M1 (Formale Polynome) Betrachten Sie die folgenden Polynome

Mehr

MC-Serie 11: Eigenwerte

MC-Serie 11: Eigenwerte D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung

Mehr

Differentialgleichungen für Ingenieure WS 06/07

Differentialgleichungen für Ingenieure WS 06/07 Differentialgleichungen für Ingenieure WS 06/07 5. Vorlesung, korrigierte Fassung Michael Karow Themen heute:. Gewöhnliche Lineare Differentialgleichungen. Ordnung mit konstanten Koeffizienten (a) Die

Mehr

Aufgabenkomplex 4: Vektorfunktionen, Differenzialgleichungen, Eigenwertprobleme

Aufgabenkomplex 4: Vektorfunktionen, Differenzialgleichungen, Eigenwertprobleme Technische Universität Chemnitz 3. Mai Fakultät für Mathematik Höhere Mathematik I. Aufgabenkomple 4: Vektorfunktionen, Differenzialgleichungen, Eigenwertprobleme Letzter Abgabetermin:. Juni (in Übung

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung

Mehr

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016, Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren

Mehr

1 Die Jordansche Normalform

1 Die Jordansche Normalform Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 4/5 A Die Jordansche Normalform Vierter Tag (9.03.205) Im Zusammenhang mit der Lösung komplexer Differentialgleichungssysteme

Mehr

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen 12 Lineare Algebra - Übersicht Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn

Mehr

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse

Mehr

46 Eigenwerte und Eigenvektoren symmetrischer Matrizen

46 Eigenwerte und Eigenvektoren symmetrischer Matrizen 46 Eigenwerte und Eigenvektoren symmetrischer Matrizen 46.1 Motivation Symmetrische Matrizen (a ij = a ji für alle i, j) kommen in der Praxis besonders häufig vor. Gibt es für sie spezielle Aussagen über

Mehr

5. Übung zur Linearen Algebra II -

5. Übung zur Linearen Algebra II - 5. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 2. Aufgabe 7 5 A := 2. 3 2 (i) Berechne die Eigenwerte und Eigenvektoren von A. (ii) Ist A diagonalisierbar?

Mehr

D-ITET. D-MATL, RW Lineare Algebra HS 2017 Dr. V. Gradinaru T. Welti. Online-Test 2. Einsendeschluss: Sonntag, den

D-ITET. D-MATL, RW Lineare Algebra HS 2017 Dr. V. Gradinaru T. Welti. Online-Test 2. Einsendeschluss: Sonntag, den D-ITET. D-MATL, RW Lineare Algebra HS 7 Dr. V. Gradinaru T. Welti Online-Test Einsendeschluss: Sonntag, den..7 : Uhr Dieser Test dient, seriös bearbeitet, als Repetition des bisherigen Vorlesungsstoffes

Mehr

Lineare Algebra: Determinanten und Eigenwerte

Lineare Algebra: Determinanten und Eigenwerte : und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b

Mehr

45 Eigenwerte und Eigenvektoren

45 Eigenwerte und Eigenvektoren 45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 0/06 Lineare Algebra und analytische Geometrie I Vorlesung... und ein guter Lehrer kann auch einem schlechten Schüler was beibringen Beziehung zwischen Eigenräumen Wir

Mehr

y = A(x) y + b(x). (1) y = A(x) y (2)

y = A(x) y + b(x). (1) y = A(x) y (2) 73 5.2 Lineare Systeme Sei weiterhin IK = C oder IK = IR. Seien = I IR ein offenes Intervall, x 0 I, y 0 IK n, A: I IK n n und b: I IK n stetige matrix- bzw vektorwertige Funktionen. Wir betrachten komplexe

Mehr

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2, Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist

Mehr

Lineare Algebra. 12. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching

Lineare Algebra. 12. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching Lineare Algebra 12. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 14, 2017 1 Erinnerung: Determinanten, Orthogonale/unitäre Matrizen Sei A R 2 2, dann kann die Inverse

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (Teschl/Teschl 14.2) Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =

Mehr

Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.

Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. Definition: Lineare Abbildung Lineare Abbildungen Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. 8.1 Definition: Lineare Abbildung Eine Funktion f : V Ñ W zwischen

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Betrachtet wird eine (n,n)-matrix A. Eine Zahl λ heißt Eigenwert von A, wenn ein Vektor v existiert, der nicht der Nullvektor ist und für den gilt: A v = λ v.

Mehr

6 Die Schursche Normalform und einige Klassen von Matrizen

6 Die Schursche Normalform und einige Klassen von Matrizen ME Lineare Algebra HT 28 111 6 Die Schursche Normalform und einige Klassen von Matrizen 61 Die Schur-Normalform und Hauptvektoren Für nichtdiagonalisierbare Matrizen gibt es andere Normalformen: Jordan-

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag 9.6 $Id: quadrat.tex,v. 9/6/9 4:6:48 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6. Symmetrische Matrizen Eine n n Matrix heißt symmetrisch wenn

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 MUSTERLÖSUNG Name: Studiengang: Aufgabe 1 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter die Aufgabenstellung

Mehr

Lösungsskizzen zur Klausur

Lösungsskizzen zur Klausur sskizzen zur Klausur Mathematik II Sommersemester 4 Aufgabe Es seien die folgenden Vektoren des R 4 gegeben: b = b = b 3 = b 4 = (a) Prüfen Sie ob die Vektoren b b 4 linear unabhängig sind bestimmen Sie

Mehr

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von 1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von Wachstumsraten Bestimmung von Maximal- und Minimalwerten von

Mehr

Lineare Algebra für Physiker 11. Übungsblatt

Lineare Algebra für Physiker 11. Übungsblatt Lineare Algebra für Physiker 11. Übungsblatt Fachbereich Mathematik SS 01 Prof. Dr. Matthias Schneider./. Juli 01 Dr. Silke Horn Dipl.-Math. Dominik Kremer Gruppenübung Aufgabe G1 (Minitest) (a) Welche

Mehr

Musterlösung der Klausur zur linearen Algebra II

Musterlösung der Klausur zur linearen Algebra II David Blottière SS 7 Patrick Schützdeller Universität Paderborn Julia Sauter Musterlösung der Klausur zur linearen Algebra II Aufgabe 1 Bestimmen Sie Jordan-Normalformen der folgenden Matrizen, und schreiben

Mehr

Prüfungsvorbereitungskurs Höhere Mathematik 3

Prüfungsvorbereitungskurs Höhere Mathematik 3 Prüfungsvorbereitungskurs Höhere Mathematik 3 Differentialgleichungssysteme Marco Boßle Jörg Hörner Mathematik Online Frühjahr 20 PV-Kurs HM 3 DGlSysteme - Zusammenfassung Allgemeine Differentialgleichungssysteme.Ordnung

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte

Mehr

4.3 Anwendungen auf Differentialgleichungen

4.3 Anwendungen auf Differentialgleichungen 7 4.3 Anwendungen auf Differentialgleichungen Die Laplace-Transformation wird gerne benutzt, um lineare Differentialgleichungen mit konstanten Koeffizienten y n + a n y n +... + a y + a 0 y ft zu lösen,

Mehr

Lösungsvorschläge zum 4. Übungsblatt, WS 2012/2013 Höhere Mathematik III für die Fachrichtung Physik

Lösungsvorschläge zum 4. Übungsblatt, WS 2012/2013 Höhere Mathematik III für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt, WS 202/203 Höhere Mathematik III für die Fachrichtung Physik Aufgabe 6 Bei allen Aufgabenteilen handelt es sich um (homogene bzw. inhomogene) lineare Differentialgleichungen

Mehr

Musterlösungen zur Linearen Algebra II Übungsklausur

Musterlösungen zur Linearen Algebra II Übungsklausur Musterlösungen zur Linearen Algebra II Übungsklausur Aufgabe. Sei A R 3 3. Welche der folgenden Aussagen sind richtig? a Ist det(a =, dann ist A eine orthogonale Matrix. b Ist A eine orthogonale Matrix,

Mehr

Serie 12: Eigenwerte und Eigenvektoren

Serie 12: Eigenwerte und Eigenvektoren D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie : Eigenwerte und Eigenvektoren Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom 7 und 9 Dezember Finden Sie für folgende

Mehr

Lineare Algebra II 12. Übungsblatt

Lineare Algebra II 12. Übungsblatt Lineare Algebra II 12. Übungsblatt Fachbereich Mathematik SS 2011 Prof. Dr. Kollross 13. / 14. Juli 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Probeklausur) Sprechen Sie über die Probeklausur

Mehr

und Unterdeterminante

und Unterdeterminante Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,

Mehr

Analysis von singulären Differentialgleichungen erster und zweiter Ordnung - Skalare Probleme

Analysis von singulären Differentialgleichungen erster und zweiter Ordnung - Skalare Probleme Analysis von singulären Differentialgleichungen erster und zweiter Ordnung - Skalare Probleme Jonathan Mosser 3. Juni 27 / 38 Vorbemerkungen Singularität Singuläre Probleme können auf zwei Arten formuliert

Mehr

4 Lineare Abbildungen Basisdarstellungen

4 Lineare Abbildungen Basisdarstellungen 4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w

Mehr

Eigenwerte. Vorlesung Computergestützte Mathematik zur Linearen Algebra. Lehrstuhl für Angewandte Mathematik Sommersemester 2009

Eigenwerte. Vorlesung Computergestützte Mathematik zur Linearen Algebra. Lehrstuhl für Angewandte Mathematik Sommersemester 2009 Eigenwerte Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Sommersemester 2009 25. Juni + 2.+9. Juli 2009 Grundlagen Definition Ist für A C n,n, Ax = λx

Mehr

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn. Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich

Mehr

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016 Name, Vorname Matrikel-Nr. Aufg. Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 206 Bearbeiten Sie bitte

Mehr

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y. Determinanten Motivation: Man betrachte das lineare Gleichungssystem [ [ [ a b x u = (1) c d y v Sei obda a und c Dann ist (1) äquivalent zu [ [ ca cb x = ac ad y und ferner zu [ [ ca cb x ad cb y Falls

Mehr

Höhere Mathematik II (Analysis) für die Fachrichtung Informatik - Lösungen

Höhere Mathematik II (Analysis) für die Fachrichtung Informatik - Lösungen Karlsruher Institut für Technologie (KIT) Institut für Analysis Priv.-Doz. Dr. Gerd Herzog Dipl.-Math. Carlos Hauser SoSe 7 7.7.7 Höhere Mathematik II (Analysis) für die Fachrichtung Informatik - Lösungen.

Mehr

Lösungsskizze zur Wiederholungsserie

Lösungsskizze zur Wiederholungsserie Lineare Algebra D-MATH, HS Prof. Richard Pink Lösungsskizze zur Wiederholungsserie. [Aufgabe] Schreibe die lineare Abbildung f : Q Q 5, x +x +x x x +x +6x f x := x +x +8x x x +x +x. x +x +5x als Linksmultiplikation

Mehr

sie ist also eine Lösung der Differenzialgleichung y 0 = Ay. Bei x = 0 sind diese n Spalten auch linear unabhängig, da ja

sie ist also eine Lösung der Differenzialgleichung y 0 = Ay. Bei x = 0 sind diese n Spalten auch linear unabhängig, da ja Lineare Systeme mit konstanten Koeffizienten 44 63 Zusammenhang mit Fundamentalsystemen Für die Matrix-Exponenzialfunkton e Ax gilt (e Ax ) = Ae Ax Für jede Spalte '(x) der Matrix e Ax Matrixmultpiplikation

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG

KLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG KLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG Aufgabe 1 Es sei K ein Körper, V ein K-Vektorraum, und seien v 1,..., v n V (n N). (a) Definieren Sie, wann die endliche Familie v 1,...,

Mehr

Klausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag

Klausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 23): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag 3. Mit Hilfe elementarer Zeilenumformungen sowie der Tatsache, daß sich die Determinante

Mehr

Lineare Algebra. 13. Übungsstunde. Steven Battilana.

Lineare Algebra. 13. Übungsstunde. Steven Battilana. Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch January 2, 27 Erinnerung Berechnung von Eigenwerten und Eigenvektoren Gegeben: A E n n (falls F : V V lineare Abbildung gegeben ist,

Mehr

Lösungsskizzen zur Nachklausur

Lösungsskizzen zur Nachklausur sskizzen zur Nachklausur Mathematik II für die Fachrichtungen Biologie und Chemie Sommersemester 22 Aufgabe Es seien die folgenden Vektoren 2 v = 2, v 2 = und v 3 = 2 im R 3 gegeben. (a) Zeigen Sie, dass

Mehr

Lineare Algebra II 6. Übungsblatt

Lineare Algebra II 6. Übungsblatt Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 009 Dienstag 3.6 $Id: quadrat.tex,v.4 009/06/3 4:55:47 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6.3 Quadratische Funktionen und die Hauptachsentransformation

Mehr

Lineare Differenzengleichungen

Lineare Differenzengleichungen Lineare Differenzengleichungen Die Fibonacci-Zahlen F n sind definiert durch F 0 = 0 F 1 = 1 F n = F n 1 +F n 2 für n >= 2 Die letzte Zeile ist ein Beispiel für eine homogene lineare Differenzengleichung

Mehr

47 Singulärwertzerlegung

47 Singulärwertzerlegung 47 Singulärwertzerlegung 47.1 Motivation Wir haben gesehen, dass symmetrische Matrizen vollständig mithilfe ihrer Eigenwerte und Eigenvektoren beschrieben werden können. Diese Darstellung kann unmittelbar

Mehr

Mathematik I. Vorlesung 16. Eigentheorie

Mathematik I. Vorlesung 16. Eigentheorie Prof Dr H Brenner Osnabrück WS 009/00 Mathematik I Vorlesung 6 Eigentheorie Unter einer Achsenspiegelung in der Ebene verhalten sich gewisse Vektoren besonders einfach Die Vektoren auf der Spiegelungsachse

Mehr

Probeklausur Lineare Algebra für Physiker

Probeklausur Lineare Algebra für Physiker Fachbereich Mathematik Prof. Dr. K. Grosse-Brauckmann D. Frisch Probeklausur Lineare Algebra für Physiker SS 8 26./27.6.27 Name:..................................... Vorname:.................................

Mehr

9. Übungsblatt zur Mathematik I für Maschinenbau

9. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 9. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS /..-4.. Aufgabe G (Koordinatentransformation)

Mehr

L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren. Gegeben. Gesucht: Diagonalform: Finde und! Definition: Eigenvektor, Eigenwert

L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren. Gegeben. Gesucht: Diagonalform: Finde und! Definition: Eigenvektor, Eigenwert L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors

Mehr

Lineare Differentialgleichungen höherer Ordnung

Lineare Differentialgleichungen höherer Ordnung Lineare Differentialgleichungen höherer Ordnung I. Grundlegendes Eine homogene lineare Differentialgleichung n-ter Ordnung besitzt die Form y (n) + a n 1 (x)y (n 1) +... + a 1 (x)y + a 0 (x)y = 0 Eine

Mehr

H.J. Oberle Differentialgleichungen I WiSe 2012/ Stabilität. Wir betrachten ein allgemeines DGL-System erster Ordnung:

H.J. Oberle Differentialgleichungen I WiSe 2012/ Stabilität. Wir betrachten ein allgemeines DGL-System erster Ordnung: H.J. Oberle Differentialgleichungen I WiSe 2012/13 A. Allgemeines. 8. Stabilität Wir betrachten ein allgemeines DGL-System erster Ordnung: y (t) = f(t, y(t)) (8.1) mit y(t) R n, hinreichend glatter rechter

Mehr

Klausur Lineare Algebra I & II

Klausur Lineare Algebra I & II Prof. Dr. G. Felder, Dr. Thomas Willwacher ETH Zürich, Sommer 2010 D MATH, D PHYS, D CHAB Klausur Lineare Algebra I & II Bitte ausfüllen! Name: Vorname: Studiengang: Bitte nicht ausfüllen! Aufgabe Punkte

Mehr

Lösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:

Lösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: Lineare Algebra D-MATH, HS 04 Prof. Richard Pink Lösung zu Serie. [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: a) F (X) := X 5 X in R[X] und C[X]. b) F (X) := X 4 +X 3 +X in

Mehr

Prüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker

Prüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker TECHNISCHE UNIVERSITÄT BERLIN WS 2/2 Fachbereich 3 - Mathematik Seiler / Rambau Prüfungs-/Übungsschein-Klausur (Rechenteil Lineare Algebra für Ingenieure/E-Techniker Name:................................................................................

Mehr

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015 sskizzen der Klausur zur Linearen Algebra im Herbst 5 Aufgabe I. Es sei (G, ) eine Gruppe mit neutralem Element e und M {x G x x e}. Zeigen Sie: (a) Ist G kommutativ, so ist M eine Untergruppe von G. (b)

Mehr

KAPITEL 8. Normalformen. 1. Blockmatrizen. ,C K m 2 n 1. X = K (m 1+m 2 ) (n 1 +n 2 ) K L. und Y = M N Blockmatrizen mit.

KAPITEL 8. Normalformen. 1. Blockmatrizen. ,C K m 2 n 1. X = K (m 1+m 2 ) (n 1 +n 2 ) K L. und Y = M N Blockmatrizen mit. KAPITEL 8 Normalformen Definition 8.1 (Blockmatrizen). Sind 1. Blockmatrizen A K m 1 n 1,B K m 1 n 2,C K m 2 n 1 und D K m 2 n 2 so nennet man die Matrix X = ( A B C D ) K (m 1+m 2 ) (n 1 +n 2 ) eine Blockmatrix

Mehr

Lineare Algebra I/II LVA ,

Lineare Algebra I/II LVA , Lineare Algebra I/II LVA 401-1151-00,401-1152-00 Prof. G. Wüstholz, C. Fuchs Lösungen zur Basisprüfung, HS08/FS09 09.02.2010 1. a) (1 Punkt) Wir beginnen mit dem charakteristischen Polynom der Matrix A:

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben

Mehr

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Universität Karlsruhe (TH) Institut für Algebra und Geometrie Dr. Klaus Spitzmüller Dipl.-Inform. Wolfgang Globke Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Lösungen zum

Mehr

Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 23 (5.8.23). Gegeben seien die Matrizen A = 2 3 3 und B = 5 2 5 (a) Bestimmen Sie die Eigenwerte von A und B sowie die

Mehr

13. Vorlesung. Lineare Algebra und Koordinatenwechsel.

13. Vorlesung. Lineare Algebra und Koordinatenwechsel. 3. Vorlesung. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation

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

10. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 A =

10. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 A = O Alaya, S Demirel M Fetzer, B Krinn M Wied Gruppenübung zur Vorlesung Höhere Mathematik Wintersemester /3 Dr M Künzer Prof Dr M Stroppel Lösungshinweise zu den Hausaufgaben: Aufgabe H 34 a Gegeben ist

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

Mehr

6 Hauptachsentransformation

6 Hauptachsentransformation 6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten

Mehr