Zusammenfassung und Beispiellösungen. zur Linearen Algebra
|
|
- Gisela Bader
- vor 6 Jahren
- Abrufe
Transkript
1 Zusammenfassung und Beispiellösungen zur Linearen Algebra Inhaltsverzeichnis TI Taschenrechner Funktionen für Matrizen... n*m Matrix... Diagonal und Dreiecksmatrix... Transponierte der Matrix A (AT)... Rang... Matrix*Matrix bzw. Matrix*Vektor... Inverse Matrix...3 Singulär, regulär...3 Homogen, Inhomogene Gleichungssysteme...3 Eigenschaften der Determinante...3 Berechnung der Determinante...4 Determinanten Berechnung mit Minoren (Laplacescher Entwicklungssatz)...4 Vektorräume und lineare Abbildungen...4 Orthogonale Matrizen, Drehmatrizen...5 Ableiten D...6 Integration I...7 Eigenwert und Eigenvektor...7 Spur...8 Lösungsmenge...8 Matrix anwenden auf Vektor...8 Determinante 0 werden lassen...8 Transformationsmatrix und Komponenten bestimmen...9 Polynome...9 Transformationsmatrix, Standardbasis...9 Abbildung...0 Eigenwerte, Eigenvektoren, Drehmatrix...0 Eigenwerte, Eigenvektoren, Drehwinkel... Basis, Diagonal... TI Taschenrechner Funktionen für Matrizen Matrix [[,][3,4]] oder Inverse Matrix A [,;3,4] Determinatnte det(a) Transponierte von A A^ Eigenwert eigvl(a) Char. Polynom charpoly(a) Eigenvektoren eigvc(a) Spur trace(a) Katalog t hochgestellte T Letzte Änderung:.08.0 Ergänzung zu: Drehmatrizen; Determinanten Eigenschaften Fehler korrigiert Du darfst diese Formelsammlung gern erweitern, frisieren, korrigieren ect. Die Originaldatei ist bei mir als odt erhältlich. Veränderte Versionen sollten wiederum veröffentlicht werden. Fehler bitte an dtrutman@hsr.ch melden. Cheers! dtrutman@hsr.ch /
2 n*m Matrix n Zeilen m Spalten A= a a a 3 a a a 3 Diagonal und Dreiecksmatrix Alle Oberhalb Elemente, ausser jene der Diagonalen sind 0. oder unterhalb der Diagonalen sind alle Elemente 0. Transponierte der Matrix A (A T ) A T A= AT = Spiegelung an ihrer Diagonalen (3,5,9). Rang Der Rang ist die Anzahl der nicht linearabhängigen Zeilen. Sie ist identisch mit der max. Anzahl linear unabhängigen Spalten: [ Rang ; wenn x 0, dann gibt es keine Lösung zum Gleichungssystem 0 5 x] Matrix*Matrix bzw. Matrix*Vektor Diagonalmatrix Dreiecksmatrix Linearkombinationen = a a a 3 Vektoren a a a = = = 77 b 3 b b Faktoren =b a a b a a b 3 a 3 a 3 dtrutman@hsr.ch /
3 Inverse Matrix A E E A : es gilt weiter: AA =E nicht jede Matrix ist invertierbar Wenn A invertierbar ist, ist A auch regulär! 4 Singulär, regulär singulär regulär A ist singulär, wenn mind. ein Punkt erfüllt ist: A existiert nicht det(a) = 0 nicht eindeutig lösbar (keine oder unendlich viele Lösungen) A ist regulär, wenn mind. ein Punkt erfüllt ist: A existiert det(a) 0 eindeutig lösbar (genau eine Lösung) Homogen, Inhomogene Gleichungssysteme Ax = b, mit b 0 heisst inhomogen Ax = 0 heisst homogen Eigenschaften der Determinante +/ ) det(a) ändert sich nicht, beim addieren des vielfachen einer Zeile zu einer anderen. Zeile* λ ) Wird eine Zeile mit λ multipliziert, wird det(a) mit λ multipliziert. det(e) = 3) det(e) = Bsp: Der einfachheitshalber wird eine Dreiecksmatrix verwendet. Das gilt aber auch allgemein! Zeile und wurden mit einer Zahl multipliziert. det A= =3 8 4 Nullzeile 4) Enthält A eine Nullzeile, dann ist det(a) = 0. zwei gleiche Zeilen 5) Enthält A zwei gleiche Zeilen, dann ist det(a) = 0. Verwenden mit Eigenschaft! =0 Zeile 3 kann zu einer Nullzeile gemacht werden det(a) = 0 4 Vertauschen 6) Vertauscht man zwei Zeilen, dann ändert sich das Vorzeichen von det(a) Original: dtrutman@hsr.ch 3/
4 det(a) = det(a T ) mal vertauscht: = 33 7) Der Wert der Determinante ändert sich nicht, wenn Zeilen und Spalten miteinander vertauscht werden: det(a) = det(a T ) A 8) det A = det A Berechnung der Determinante x und 3x3 Diagonalmatrix Reduzieren der Matrix a b c d a b c =ab bc d e f =aeidhcgbf ceg fha ibd g h i a b c i 0 e f =a e i 4 3 = 4 3 = = 78 bzw = = =3 6= Determinanten Berechnung mit Minoren (Laplacescher Entwicklungssatz) Schachbrettregel: Der Vorzeichenfaktor von A i j steht im Schnittpunkt der i ten Zeile mit der j ten Spalte. Von A wird immer die i te Zeile und j te Spalte gestrichen. Vorzeichen nach der Schachbrettregel det A= a a a 3 a a a 3 a 3 a 3 a 33 =a a a 3 a 3 a 33 a a a 3 a 3 a 33 3 a a a 3 a D= =a 3 =9 A 3 a 3 = 0 A 3 a 33 = 0 a 3 A 33 a 34 A 34 =9A 3 4A 34 = 4 Vorzeichen der Unterdeterminanten durch Schachbrettregel! A 3 = = 0 = A =69 D=9 4 69= Vektorräume und lineare Abbildungen Basis Definition: Sei V ein Vektorraum. Eine Menge B={b,b,...} linear unabhängiger Vektoren heisst eine Basis, wenn jeder Vektor von V als Linearkombination von Vektoren dtrutman@hsr.ch 4/
5 Polynome aus B dargestellt werden kann. Mit anderen Worten: Im Raum R 3 kann jeder Vektor durch eine Linearkombination der drei Einheitsbasisvektoren abgebildet werden. Nun gibt es auch andere Vektoren, durch die jeder Vektor im R 3 Raum abgebildet werden kann. Diese Vektoren heissen Basis. Basisvektoren müssen linear unabhängig sein. Polynome vom Grad n Die Menge {,x,x²,...} ist offenbar eine Basis von R[x] den jedes Polynom lässt sich auf eindeutige Art als Linearkombination dieser elementaren Polynome schreiben. (siehe Bsp.) Funktionen Basistransformation Beispiel: Funktionen aus R Funktionen wie sin(wx) und cos(wx) bilden keine Basis. Aufgabe: finde v= mit b ' b ' =v, sowie v ' = ' '. gegeben: e = 0 und e = 0 sowie b ' = 0 = und b ' ) Transformationsmatrix finden: T = a b e =a b ' b b ' e =c b ' d b ' analog für T '= h i j k : c d e = b ' 0 b ' e = 3 b ' b ' T = 0 b ' =h e i e T b '= j e k e '= 0 Kontrolle: T und T' sind zueinander invers: TT' = E ) ' berechnen: ' ' =T T = 3 0 mit = = damit v= = = ' ' = 0,4,5 =v ' Orthogonale Matrizen, Drehmatrizen Bedingung Die Matrix A ist eine Drehmatrix, wenn sie beide folgenden Bedingungen erfüllt: det A= (!) AA T =E bzw. A T = A Eine Drehmatrix ist orthogonal. Bsp: Berechne alle A= a b c d A A= T a c b d a b c d = a c abcd abcd b d orthogonalen x Matrizen. diese Bedingung erfüllt die dim. Drehmatrix: a c abcd abcd b d = = cos sin = 0 cos sin sincos cos sin sincos sin cos = 0 = dtrutman@hsr.ch 5/
6 dim. cos sin Drehmatrix Drehwinkel A= sin cos positiv im Gegenuhrzeigersinn! Bsp. v= um 45 im Uhrzeigersinn drehen. D.h. = 4. Erwartet wird v ' = Av=cos 4 sin 4 sin 4 cos 4 = = 0 =v ' 0. 3 dim. Drehmatrix = 3 dim. Drehmatrix um X Achse: X 0 cos sin 0 sin cos = cos 0 sin 3 dim. Drehmatrix um Y Achse: Y 0 0 sin 0 cos = cos sin 0 3 dim. Drehmatrix um Z Achse: Z sin cos 0 Ableiten D Polynom vom Grad n n+ dim. Spaltenvektor: Bsp. gegeben: f(x) gesucht: f' n = a 0 a xa x²...a n x n Ausgangspolygon Grad = n D ist eine n*(n+) Matrix! a 0 a... a n e 0 x e D= 3 x n 0 e n nspalten 0 n Die Ableitungsmatrix ist eine n*(n+) Matrix, sie hat also eine Spalte mehr als Zeilen. Die Anzahl Zeilen ist gleich dem Grad des Abzuleitenden Polygons. Bsp. Polynom 4 Grades; n=4, 4 Zeilen, 5 Spalten. f x = x 4x 7 v= 7 4 Grad ; n= D= 0 0 3Spalten Dv= = 4 f '=x 4 dtrutman@hsr.ch 6/
7 Integration I Polynom vom Grad n n+ dim. Spaltenvektor: 0 0 a 0 0 a 0 a xa x²...a n x n a I = Ausgangsfunktion Grad = n- a n n n Spalten Bsp. gegeben: f(x) gesucht: int(f) Grad ; n=3 f x = x 4x 7 Die Integrationsmatrix I ist eine (n+)*n Matrix, wobei n= [Grad des Polynoms] +! Sie hat also eine Zeile mehr als Spalten. Bsp. Polynom 4 Grades; n=5, 6 Zeilen, 5 Spalten. = 0 v= I Dv= f = 3 x3 x 7x 3 3Spalten 00 3 = 3 Eigenwert und Eigenvektor Basisvektoren sind alle Eigenvektoren. hat die Eigenwerte,..., n, die Einheitsvektoren e i sind Eigenvektoren zum Eigenwert λ i. Die Diagonalmatrix diag,..., n = n Lösungsverfahren für Eigenwert Problem ) Charakteristische Gleichung: χ A ( λ) ausrechnen ) Nullstellen λ i von χ A ( λ) 3) Für jedes (A λ i E)v eig =0 lösen Bsp: Finde Eigenwerte und Eigenvektoren zu A= 0. ) A =det A E = 0 = = ), = (doppelte NS) 3) A E= 0 0 x y =0 0x0y=0 0=0 y=0 v = eig 0 Eigenvektoren sind nur bis auf ein vielfaches bestimmt. Weitere Eigenvektoren wären z.b.: v eig = 55 0,ect. 0,v eig3= dtrutman@hsr.ch 7/
8 Spur Allgemein Spur einer dim. Drehmatrix Spur einer 3dim. Drehmatrix Die Summe der Diagonalelemente einer n*n Matrix wird als Spur bezeichnet. Es gilt: tr(a T ) = tr(a) tr A=tr cos sin sin tra =cos =arccos cos tr A tr A=tr 0 cos sin =arccos 0 sin cos =cos Beispielsammlung: Ü,3. Lösungsmenge Lösung: xy 4z=7 Das folgende Gleichungssystem ist unterbestimmt, beschreiben Sie die Lösungsmenge! 3x 5y6z=8 Gauss... [ L={x, y, z x= ] 8 3 z, y= 8 z} Matrix anwenden auf Vektor Ü,3. Lösung Wenden sie die Matrix A zweimal auf den Vektor u an! AAv= AAv= AAv = A v Determinante 0 werden lassen Ü3,. Für welche Werte von λ verschwindet die Determinante det(a λ E) für die (diagonal ) Matrix A? Ist A regulär? Lösung 3 4 A= det A E=0 3 4 L={,,3,4} det A 0 A ist regulär. dtrutman@hsr.ch 8/
9 Transformationsmatrix und Komponenten bestimmen Ü4,. Lösung Im Vektorraum R soll die Basis 3 Tansformationsmatrix A. Welche Komponenten hat der Vektor Basis? 3, 0 verwendet werden. Bestimmen Sie die v soll als Linearkombination der Basis abgebildet werden. A= a b c d e=a b 3 0 e =c A d 3 0 =k 3 v= 3 in dieser k 0 k =k = Ü4,3a. Polynome Sind die folgenden Vektoren linear unabhängig und bilden sie eine Basis? Die Polynome, x, 3x, 5x3 3x im Vektorraum der Polynome vom Grad 3. Idee Sie bilden eine Basis, wenn sich die Grundbauklötze (, x, x, x 3 ) des Vektorraums der Polynome durch die gegebenen Polynome darstellen lassen können. Lösung p 0 = = p 0 p = x x= p p = 3x x = p 3 p 3 0 Die Polynome bilden also eine Basis. p 3 = 5x 3 3x x 3 = 5 p p Transformationsmatrix, Standardbasis Ü5,. Bestimmen Sie die Matrix A einer linearen Abbildung, die die Vektoren der 3 '=, v 0 3'=,v abbildet. Welche Vektoren v,v,v 3 werden von der Matrix A auf die Vektoren der Standardbasis abgebildet? Standartbasis {e,e, e 3 } auf die Vektoren v ' = Lösung v '= Ae v '= Ae v 3 '= Ae 3 A=v ' v ' v 3 ' = e = Av A e =v e = Av A e =v A e 3 = Av 3 A e 3 =v 3 = 0 3 Wegen Ae x kann A einfach mit v,,3 gefüllt werden =v v v 3 dtrutman@hsr.ch 9/
10 Ü5,4. Abbildung Welche x Matrix bildet die Vektoren v =,v = auf die Vektoren v ' =, v '= 3 ab? 3 e v v,v sind keine Einheitsvektoren. Es gibt also eine Matrix A, die aus e,e, v,v v macht: = Ae A=v v v = Ae = e v ' Ebenso mit v ',v ' v und der Matrix B: '= Be B= v ' v ' v '= Be = 3 3 v e v ' Die Vektoren v,v müssen jetzt zuerst mit A = 3 auf e,e abgebildet werden. Danach können sie mit B zu v ',v ' gemacht werden: v ' = B A v.operation.operation Die Reihenfolge ist wichtig! Links von v wird A angedockt, dann B! BA Zusammenfassen von BA : C= BA = = C v,v wurden durch C= auf v ',v ' abgebildet. Eigenwerte, Eigenvektoren, Drehmatrix Ü7,. Eigenwerte Drehwinkel Eigenvektoren Berechnen Sie die Eigenwerte und Eigenvektoren einer zweidimensionalen Drehmatrix D. Für welche Werte von sind die Eigenwerte reell? det D E=0 cos sin sin cos =0,=cos±cos Reelle λs existieren nur, wenn cos 0, es folgt cos = =k, k Z d.h. der Drehwinkel ist ein ganzzahliges vielfaches von 80., = k mit dem Drehwinkel =k,k Z D E= k k 0 0 k k = x y =0 0x0y=0 0=0 v = eig x y, mit v 0 eig d.h. jeder beliebiger Vektor (ausser dem Nullvektor) ist ein Eigenvektor. Achtung: Der Rechner gibt ein falsches Resultat aus! dtrutman@hsr.ch 0/
11 Eigenwerte, Eigenvektoren, Drehwinkel Ü7.. Die Matrix A= 0 0 vertauscht die Standardbasisvektoren e i zyklisch. Eigenwert Eigenvektor Drehwinkel Berechnen Sie die Eigenwerte und Eigenvektoren, sowie den Drehwinkel. det A E= = 3 =0 = (3-fache NS) A E v eig = x y z x0yz=0 =0 x y0z=0 0x y z=0 v eig = cos=tr A tr A=0 cosa= =± 3 Basis, Diagonal Ü7,3. Idee Eigenwerte Eigenvektoren Finden Sie eine Basis, in der die Matrix A= 3 3 diagonal ist. Eine Matrix ist diagonal, wenn ihre Eigenvektoren Basis sind. det A E=0 3 3 = 6 8= 4 =4, = A Ev eig = x y =0 x y =0 x y =0 eig= v x A Ev eig = y = x y =0 x y =0 x y =0 v eig= x y = Die Matrix A= 3 ist diagonal in der Basis v 3 eig =,v eig=. dtrutman@hsr.ch /
3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrKlausur HM I H 2005 HM I : 1
Klausur HM I H 5 HM I : 1 Aufgabe 1 4 Punkte): Zeigen Sie mit Hilfe der vollständigen Induktion: n 1 1 + 1 ) k nn k n! für n. Lösung: Beweis mittels Induktion nach n: Induktionsanfang: n : 1 ) 1 + 1 k
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
MehrMC-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
MehrTheoretische Fragen zu ausgewählten Themen in Lineare Algebra
Theoretische Fragen zu ausgewählten Themen in Lineare Algebra { Oren Halvani, Jonathan Weinberger } TU Darmstadt 25. Juni 2009 Inhaltsverzeichnis 1 Determinanten................................................
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
MehrKlausurenkurs 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
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
Mehr6 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,
Mehr8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten
Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
MehrDefinitionen. 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
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
MehrSysteme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.
Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 73 Ergänzungen Prof Dr Erich Walter Farkas Mathematik I+II, 73 Ergänzungen 1 / 17 1 Reguläre Matrizen Prof Dr
Mehr[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
Mehr4.4. Rang und Inversion einer Matrix
44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert
Mehr7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?
Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist
MehrEigenwerte und Eigenvektoren
Ergänzung Eigenwerte und Eigenvektoren Motivation Definitionen Beispiele im IR 2 Beispiele im IR 3 Eigenwerte und Eigenvektoren Motivation Lineare Abbildungen, Ausgangsvektor und Bildvektor Lineare Abbildungen
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrLineare Algebra. Teil III. Inhaltsangabe
Teil III Lineare Algebra Inhaltsangabe 3 Lineare Algebra 22 3.1 Einführung.......................... 22 3.2 Matrizen und Vektoren.................... 23 3.3 Spezielle Matrizen...................... 24
MehrLösungsskizzen 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
MehrLineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri
Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1
MehrAufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
MehrEine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
MehrOrientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops
15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
MehrVektorräume 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
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
Mehr6 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
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrDer Kern einer Matrix
Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis
MehrCopyright, Page 1 of 5 Die Determinante
wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
Mehr1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von
1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von Wachstumsraten Bestimmung von Maximal- und Minimalwerten von
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
MehrKapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung
Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrEigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)
Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein
MehrKlausurvorbereitungsblatt Lineare Algebra
Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
Mehrmit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"
Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
MehrZusammenfassung zum Thema Vektor- und Matrizenrechnung
Zusammenfassung zum Thema Vektor- und Matrizenrechnung Mathematischer Vorkurs für Physiker und Naturwissenschaftler WS 2014/2015 Grundbegriffe der Linearen Algebra Viele physikalische Größen (Geschwindigkeit,
MehrKapitel 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( ) Lineare Gleichungssysteme
102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
Mehr6 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
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
MehrSpezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:
Inverse Matritzen Spezialfall: Die Gleichung ax b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a a 1 gelöst werden: ax b x b a a 1 b. Verallgemeinerung auf Ax b mit einer n nmatrix A: Wenn es
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
MehrInverse Matrix. 1-E Ma 1 Lubov Vassilevskaya
Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix Eine n-reihige, quadratische Matrix heißt regulär, wenn ihre Determinante einen von Null verschiedenen Wert besitzt. Anderenfalls heißt sie singulär.
MehrMusterlösungen 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,
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
MehrLineare Algebra Zusammenfassung
Lineare Algebra Zusammenfassung Gruppen, Körper, Vektorräume Gruppen Def.: Eine Gruppe (G, )besteht aus einer nicht-leeren Menge G und einer Verknüpfung zwischen Elementen dieser Gruppe. Folgende Eigenschaften
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Lineare Gleichungssysteme und Determinanten. Lineare Gleichungssysteme.2 Determinanten 3 iii 2 LINEARE GLEIHUNGSSYSTEME UND DETERMINANTEN KAPITEL
MehrLineare Abbildungen (Teschl/Teschl 10.3, 11.2)
Lineare Abbildungen Teschl/Teschl.3,. Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:
MehrPrüfung Lineare Algebra 2
1. Überprüfen Sie die folgenden Aussagen: (1) Zwei reelle symmetrische Matrizen sind genau dann ähnlich, wenn sie die gleiche Signatur haben. (2) Jede symmetrische Matrix ist kongruent zu einer Diagonalmatrix,
Mehr6 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
MehrProseminar Lineare Algebra II, SS 11. Blatt
Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2
Mehr1.Übung Mathematik I
1Übung Mathematik I 1) Ist folgende Aussage eine Implikation? ( Begründung!) (( A B) -> ( A C) ) = > (C A) 2 Onkel Dagobert wurde Geld aus seinem Geldspeicher gestohlen Er hat drei Tatverdächtige: Die
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 12.12.2016 9. Vorlesung Eigenschaften linearer Abbildungen Beschreibung linearer Abbildungen durch Matrizen... Eigenschaften
Mehra 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
MehrD-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j
D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 0 Tom Ilmanen Musterlösung 2. Falls b := (v,,v n ) eine Orthonormalbasis von V ist, dann lassen sich die Komponenten von einem Vektor v = n i= t i v i bezüglich
MehrLineare 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
Mehr5 Die Allgemeine Lineare Gruppe
5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche
MehrLineare Gleichungssysteme: eine Ergänzung
Lineare Gleichungssysteme: eine Ergänzung Ein lineares Gleichungssystem, bei dem alle Einträge auf der rechten Seite gleich sind heiÿt homogenes lineares Gleichungssystem: a x + a 2 x 2 +... + a n x n
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
MehrKapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen
MehrRang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya
Rang einer Matrix 1-E1 Ma 1 Lubov Vassilevskaya Unterdeterminante einer nichtquadratischen Matrix M ist eine nichtquadratische 2,3-Matrix: M = 6 2 3 0 5 7 Durch Streichen einer der drei Spalten kann man
MehrMusterlösung 7 Lineare Algebra für die Naturwissenschaften
Musterlösung 7 Lineare Algebra für die Naturwissenschaften Aufgabe Entscheiden Sie, ob folgende Abbildungen linear sind, und geben sie für die linearen Abbildungen eine Matrixdarstellung (in einer Basis
MehrLösung (die Geraden laufen parallel) oder unendlich viele Lösungen.
1 Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 2008 Kapitel 16 Determinanten und inverse Matrizen
MehrQuadratische Matrizen
Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn
MehrLINEARE 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