Mathematik II Frühjahrssemester 2013
|
|
- Valentin Lenz
- vor 6 Jahren
- Abrufe
Transkript
1 Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 1 / 45
2 1 Ein einführendes Beispiel 2 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 2 / 45
3 Ein einführendes Beispiel Wir betrachten die Spiegelung eines beliebigen Punktes P = (x 1; x 2) an der x 1-Achse einer Ebene. Der Punkt P geht dabei in den Bildpunkt P = (u 1; u 2) über. Die Transformationsgleichungen können wir unmittelbar aus dem Bild ablesen: u 1 = x 1 u 1 = 1 x 1 + x 2 oder u 2 = x 2 u 2 = x 1 1 x 2 Wir bringen diese Gleichung noch in die Matrizenform: ( ) ( ) ( ) u1 1 x1 = 1 u 2 x 2 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 3 / 45
4 Ein einführendes Beispiel x 2 P = (x 1 ; x 2 ) x x 1 u P = (x 1 ; x 2 ) Der Vektor x ist dabei der Ortsvektor des Punktes P, der Vektor u der Ortsvektor des zugehörigen Bildpunktes P. Jetzt interessieren wir uns ausschliesslich für alle diejenigen (vom Nullvektor verschiedenen) Ortsvektoren, die bei dieser Spiegelung in einem Vektor gleicher Richtung oder Gegenrichtung übergehen. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 4 / 45
5 Ein einführendes Beispiel Diese (noch unbekannten) Vektoren genügen also der Bedingung u = λx und somit der folgenden Matrizengleichung: Ax = λx = λex oder (A λe)x = Dabei ist E die 2-reihige Einheitsmatrix. Die als charakteristische Matrix von A bezeichnete Matrix A λe besitzt die folgende Gestalt: A λe = ( 1 1 ) ( 1 λ 1 ) = ( 1 λ 1 λ Die Matrizengleichung lautet daher in ausführlicher Schreibweise: ( ) ( ) ( ) 1 λ x1 = 1 λ x 2 ) Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 5 / 45
6 Ein einführendes Beispiel Dieses homogene lineare Gleichungssystem mit den beiden unbekannten Koordinaten x 1 und x 2 enthält noch einen (ebenfalls unbekannten) Parameter λ und ist bekanntlich nur dann nicht-trivial lösbar, wenn die Koeffizientendeterminante verschwindet, d.h. det(a λe) = 1 λ 1 λ = gilt. Hieraus erhalten wir die sog. charakteristische Gleichung der Matrix A: det(a λe) = (1 λ)( 1 λ) = Die Lösungen dieser Gleichung heißen Eigenwerte der Matrix A. Sie lauten hier also: λ 1 = 1, λ 2 = 1 Zu diesen Eigenwerte gehören bestimmte Ortsvektoren, die in diesem Zusammenhang als Eigenvektoren der Matrix A bezeichnet werden. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 6 / 45
7 Ein einführendes Beispiel Man erhält sie, indem man in das homogene lineare Gleichungssystem für den Parameter λ den jeweiligen Eigenwert einsetzt und anschliessend das Gleichungssystem löst. Mit der Bestimmung dieser Eigenvektoren wollen wir uns jetzt näher befassen. Eigenvektoren zum Eigenwert λ 1 = 1 Einsetzen des ersten Eigenwertes λ 1 = 1 liefert das homogene lineare Gleichungssystem x 1 + x 2 = x 1 2 x 2 = Dieses System reduziert sich auf die eine Gleichung mit der Lösung x 2 =. 2x 2 = Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 7 / 45
8 Da die erste Unbekannte x 1 in dieser Gleichung nicht auftritt, dürfen wir über x 1 frei verfügen und setzen daher x 1 = α. Das Gleichungssystem besitzt damit die von dem reellen Parameter α abhängige Lösung x 1 = ( α ) ( 1 = α ) α R Der zum Eigenwert λ 1 = 1 gehörige Eigenvektor ist somit bis auf einen beliebigen konstanten Faktor α eindeutig bestimmt. Wir wählen α = 1 und erhalten den normierten Eigenvektor ( ) 1 x 1 = Alle weiteren zum Eigenwert λ 1 = 1 gehörenden Eigenvektoren sind dann ein Vielfaches (α-faches) des normierten Eigenvektors x 1 (α ). In der Praxis beschränkt man sich daher auf die Angabe dieses Eigenvektors und betrachtet x 1 als den zum Eigenwert λ 1 = 1 gehörenden Eigenvektor. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 8 / 45
9 Ein einführendes Beispiel Geometrische Deutung: Die zum Eigenwert λ 1 = 1 gehörenden Eigenvektoren sind die Ortsvektoren der auf der x 1-Achse liegenden Punkte, die bei der Spiegelung an dieser Achse in sich selbst übergehen (ausgenommen ist der Nullpunkt). x 1 = ( α ) Spiegelung an der ũ 1 = x 1 Achse ( α ) = x 1 x 2 P = P = (α; ) u 1 = x 1 x 1 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 9 / 45
10 Ein einführendes Beispiel Eigenvektoren zum Eigenwert λ 2 = 1 Wir setzen jetzt den zweiten Eigenwert λ 2 = 1 in die Gleichung ein und erhalten das homogene lineare Gleichungssystem 2 x 1 + x 2 = x 1 + x 2 = Dieses System reduziert sich auf die eine Gleichung 2x 1 = mit der Lösung x 1 =. Die zweite Unbekannte tritt in dieser Gleichung nicht auf, darf daher frei gewählt werden. Wir setzen x 2 = β und erhalten für das Gleichungssystem die von dem reellen Parameter β abhängige Lösung x 2 = ( β ) = β ( 1 ) β R. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 1 / 45
11 Ein einführendes Beispiel Wiederum ist der Eigenvektor bis auf einen beliebigen konstanten Faktor β eindeutig bestimmt. Wir wählen β = 1 und erhalten so den normierten Eigenvektor ( ) x 2 = 1 Alle weiteren zum Eigenwert λ 2 = 1 gehörenden Eigenvektoren sind dann ein Vielfaches (β-faches) dieses normierten Eigenvektors x 2 (β ). Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 11 / 45
12 Ein einführendes Beispiel Geometrische Deutung: Die zum Eigenwert λ 2 = 1 gehörenden Eigenvektoren sind die Ortsvektoren der auf der x 2-Achse liegenden Punkte, die bei der Spiegelung an der x 1-Achse in den jeweiligen Gegenvektor übergehen. x 2 = ( β ) Spiegelung an der u 2 = x 1 Achse ( β ) = x 2 x 2 x 2 P = (; β) x 1 u 2 = x 2 P = (; β) Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 12 / 45
13 Ein einführendes Beispiel Fazit Die Eigenvektoren der Transformationsmatrix A sind in diesem Beispiel diejenigen (vom Nullvektor verschiedenen) Ortsvektoren, die bei der Spiegelung an der x 1-Achse entweder in sich selbst oder in den entsprechenden Gegenvektor übergehen. Die beiden Eigenwerte haben folgende geometrische Bedeutung: λ 1 = 1: Richtung und Länge des Ortsvektor bleiben bei der Spiegelung erhalten (Punkte auf der x 1-Achse mit Ausnahme des Nullpunktes) λ 2 = 1: Richtungsumkehr des Ortsvektor bei der Spiegelung (Punkte auf der x 2-Achse mit Ausnahme des Nullpunktes) Die Spiegelung an der x 1-Achse haben wir in eindeutiger Weise durch die 2-reihige Transformationsmatrix ( ) 1 A = 1 beschreiben können. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 13 / 45
14 Ein einführendes Beispiel Die Eigenwerte und Eigenvektoren dieser Matrix lieferten uns dabei diejenigen Ortsvektoren, die bei dieser Spiegelung entweder unverändert bleiben oder aber eine Richtungsumkehr erfuhren. Man nennt allgemein ein Problem dieser Art ein Matrixeigenwertproblem. Die Aufgabe besteht dann darin, die Eigenwerte und Eigenvektoren der vorgegebenen (quadratischen) Matrix A zu bestimmen. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 14 / 45
15 A sei eine 2-reihige Matrix. Wir ordnen dann jedem Vektor x der Ebene durch die Abbildungsgleichung (Transformationsgleichung) y = Ax in eindeutiger Weise einen Bildvektor y der Gleichen Ebene zu. Wie in unserem einführenden Beispiel können wir wiederum den Vektor x als den Ortsvektor eines (ebenen) Punktes P auffassen, der bei dieser Transformation in den Ortsvektor y = Ax des zugeordneten Bildpunktes P übergeführt wird. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 15 / 45
16 Unsere Problemstellung lautet jetzt wie folgt: gibt es bestimmte Richtungen, die sich von den anderen Richtungen dadurch unterscheiden, daß der Urbildvektor x und der zugehörige Bildvektor y = Ax in eine gemeinsame Linie (Gerade) fallen? Für eine solche bevozugte Richtung muß also gelten: fällt der Urbildvektor x in diese Richtung, so liegt auch der Bildvektor y = Ax in dieser Richtung. x 2 y = Ax x x 1 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 16 / 45
17 Die Richtung selbst ist dabei durch Angabe des in diese Richtung fallenden Urbildvektors x eindeutig festgelegt. Für solche bevorzugten Richtungen muss also gelten, dass der Bildvektor y = Ax ein Vielfaches (λ-faches) des Urbildvektors x darstellt: y = Ax = λx Die (noch unbekannten) bevorzugten Richtungen bzw. die in diese Richtungen fallenden Urbildvektoren genügen somit der Matrizengleichung y = Ax = λx = λex oder (A λe)x = Durch diese Gleichung wird die sog. Matrixeigenwertproblem beschrieben. Die Matrix A λe ist die sog. characteristische Matrix von A. In ausführlicher Schreibweise lautet die Matrizengleichung wie folgt: ( ) ( ) ( ) a11 λ a 12 x1 = a 22 λ. a 21 x 2 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 17 / 45
18 Nicht-triviale Lösungen, d.h. vom Nullvektor verschiedene Lösungen treten jedoch nur dann auf, wenn die Koeffizientendeterminante des homogenen linearen Gleichungssystem verschwindet. Dies führt zu der folgenden charakteristischen Gleichung mit dem unbekannten Parameter λ: det(a λe) = a11 λ a12 a 22 λ = a 21 Die 2-reihige Determinante det(a λe) wird dabei als charakteristisches Polynom p(λ) der Matrix A bezeichnet. Die Lösungen der characteristischen Gleichung heissen Eigenwerte, die zugehörigen (vom Nullvektor verschiedenen) Lösungsvektoren Eigenvektoren der Matrix A. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 18 / 45
19 Die Eigenwerte der Matrix A werden aus der charakteristischen Gleichung berechnet, sind also die Nullstellen des charakteristischen Polynom p(λ): p(λ) = det(a λe) = a11 λ a12 a 22 λ a 21 = (a 11 λ)(a 22 λ) a 12a 21 = λ 2 (a 11 + a }{{ 22 )λ + (a } 11a 22 a 12a 21 ) = }{{} Sp(A) det A Die Koeffizienten dieser quadratischen Gleichung haben dabei folgende Bedeutung: der erste Koeffizient ist mit einem Minuszeichen versehene sog. Spur der Matrix A, definiert durch die Gleichung Sp(A) = a 11 + a 22 (Summe der Hauptdiagonalelemente). Der zweite Koeffizient ist die Koeffizientendeterminante det A = a 11a 22 a 12a 21 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 19 / 45
20 Sind λ 1 und λ 2 die beiden Eigenwerte, d.h. die beiden Lösungen der charakteristischen Gleichung, so können wir das charakteristische Polynom auch in der Produktform p(λ) = λ 2 Sp(A) λ + det A p(λ) = (λ λ 1)(λ λ 2) = λ 2 (λ 1 + λ 2)λ + λ 1λ 2 darstellen (Zerlegung in Linearfaktoren). Durch einen Vergleich der Koeffizienten in den beiden Gleichungen erhalten wir dann zwei wichtige Beziehungen zwischen der Spur and der Determinante von A einerseits und den beiden Eigenwerten λ 1 und λ 2 der Matrix A andererseits: Sp(A) = λ 1 + λ 2 det A = λ 1λ 2 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 2 / 45
21 Durch die Matrizengleichung (A λe)x = wird ein zweidimensionales Eigenwertproblem beschrieben. Dabei bedeuten: A : E : λ : x : A λe : 2-reihige (reelle order komplexe) Matrix 2-reihige Einheitsmatrix Eigenwert der Matrix A Eigenvektor der Matrix A zum Eigenwert λ Charakteristische Matrix von A Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 21 / 45
22 Bestimmung der Eigenwerte und Eigenvektoren Die Eigenwerte und Eigenvektoren der Matrix A lassen sich dann schrittweise wie folgt berechnen: 1 Die Eigenwerte sind die Lösungen der charakteristischen Gleichung det(a λe) = (quadratische Gleichung mit den beiden Lösungen λ 1 und λ 2). 2 Der zum Eigenwert λ i gehörige Eigenvektor x i ergibt sich als Lösungsvektor des homogenen linearen Gleichungssystems (A λ i E)x i = Er wird üblicherweise in der normierten Form angegeben. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 22 / 45
23 Eigenschaften der Eigenwerte Eigenschaften der Eigenwerte 1 Die Spur der Matrix A ist gleich der Summe der beiden Eigenwerte: Sp(A) = λ 1 + λ 2 2 Die Determinante von A ist gleich dem Produkt der beiden Eigenwerte: det(a) = λ 1λ 2 Anmerkungen Sind die beiden Eigenwerte voreinander verschieden, so sind die zugehörigen Eigenvektoren linear unabhängig. Zu einem doppelten (zweifachen) Eigenwert gehören mindestens ein, höchstens aber zwei, linear unabhängige Eigenvektoren. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 23 / 45
24 Beispiel ( 2 5 Wir berechnen die Eigenwerte der 2-reihigen Matrix A = 1 4 Sie sind die Lösungen der folgenden charakteristische Gleichung: det(a λe) = 2 λ λ = ( 2 λ)(4 λ) + 5 = λ 2 2λ 3 =. ). Die Eigenwerte lauten demnach: λ 1 = 1, λ 2 = 3. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 24 / 45
25 Der zum Eigenwert λ 1 gehörende Eigenvektor wird aus dem homogenen linearen Gleichungssystem ( ) ( ) ( ) 1 5 x1 (A + 1E)x = oder = 1 5 bestimmt. In ausführlicher Schreibweise lautet dieses System wie folgt: x 1 5x 2 = x 1 + 5x 2 = Dieses Gleichungssystem reduziert sich auf die eine Gleichung x 1 + 5x 2 =. x 2 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 25 / 45
26 Eine bei der beiden Unbekannten ist somit frei wählbar. Wir entscheiden uns für x 2 und setzen daher x 2 = α (α R). Die vom reellen Parameter α abhängige Lösung lautet dann x 1 = 5α, x 2 = α. Den Lösungsvektor (Eigenvektor) x 1 = wollen wir noch normieren: ( 5α α ) ( 5 = α 1 x 1 = 1 26 ( 5 1 ) ) Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 26 / 45
27 Analog lässt sich der zum Eigenwert λ 2 = 3 gehörende Eigenvektor aus dem homogenen linearen Gleichungssystem ( ) ( ) 5 5 x1 (A 3E)x = oder 1 1 bestimmen. Dieses Gleichungssystem lautet in ausführlicher Schreibweise wie folgt: Es reduziert sich auf eine Gleichung 5x 1 5x 2 = x 1 + x 2 = x 1 + x 2 = die aber noch zwei unbekannte Grössen enthält. x 2 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 27 / 45
28 Wir können daher eine der beiden Unbekannten frei wählen und entscheiden uns dabei für x 2, d.h wir setzen x 2 = β (β R). Die vom reellen Parameter β abhängige Lösung ist dann x 1 = β, x 2 = β. Der gesuchte Eigenvektor lautet somit x 2 = oder (in der normierten Form) ( β β x 2 = β ) = β ( 1 1 ( 1 1 Die normierten Eigenvektoren x 1 und x 2 der Matrix A sind dabei linear unabhängig, da sie zu verschiedenen Eigenwerten gehören. ) ) Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 28 / 45
29 Durch die Transformationsmatrix ( cos(φ) sin(φ) sin(φ) cos(φ) wird die Drehung eines ebenen x 1, x 2-Koordinatensystems um den Winkel φ um den Nullpunkt beschrieben. Für welche Drehwinkel erhalten wir reelle Eigenwerte ( < φ < 36 )? Lösung Die Eigenwerte berechnen sich aus der characteristischen Gleichung det(a λe) = cos(φ) λ sin(φ) sin(φ) cos(φ) λ ) = (cos(φ) λ)(cos(φ) λ) + sin(φ) 2 = λ 2 2 cos(φ) λ + 1 = Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 29 / 45
30 Sie lauten: λ 1/2 = cos(φ) ± cos 2 (φ) 1 Reelle Werte sind demnach nur möglich, wenn die Bedingung cos 2 (φ) 1 und damit cos 2 (φ) 1 erfüllt ist. Andererseits gilt stets cos 2 (φ) 1. Beide Bedingungen zusammen! führen dann auf die Gleichung cos 2 (φ) = 1 die im Intervall < φ < 36 genau eine Lösung besitzt, nämlich φ = 18 oder (im Bogenmass) φ = π. Dieser Wert entspricht einer Drehung des Koordinatensystems um 18 im Gegenuhrzeigersinn. Zum Winkel φ = π gehört der doppelte Eigenwert λ 1/2 = cos(π) = 1. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 3 / 45
31 Die zugehörigen (linear unabḧangigen) Eigenvektoren lassen sich dann aus dem homogenen linearen Gleichungssystem ( ) ( ) ( ) x1 (A + 1E)x = oder = bestimmen (in der Matrix A wurde φ = π gesetzt). Dieses Gleichungssystem lautet in ausführlicher Schreibweise x 1 + x 2 = x 1 + x 2 = und reduziert sich auf die eine Gleichung x 1 + x 2 = x 2 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 31 / 45
32 Die Unbekannten x 1 und x 2 sind somit beide frei wählbar. Wir setzen daher x 1 = α und x 2 = β (α, β R). Damit erhalten wir von zwei Parametern abhängigen Lösungsvektor (Eigenvektor) ( ) α x = β und daraus für α = 1, β = bzw. α =, β = 1 die beiden linear unabhängigen (und bereits normierten) Eigenvektoren ( ) ( ) 1 x 1 = und x 2 = 1 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 32 / 45
33 Der allgemeine Lösungsvektor x ist dann als Linearkombination dieser (orthonormierten) Eigenvektoren x 1 und x 2 darstellbar: ( ) ( ) ( ) 1 α x = α x 1 + β x 2 = α + β = 1 β Er beschreibt den Ortsvektor des Punktes P = (α; β) und geht bei der Drehung um 18 in den Gegenvektor ( ) ( ) ( ) 1 α α u = Ax = = = x 1 β β über. Der zweifache Eigenwert λ 1/2 = 1 bewirkt also lediglich eine Richtungsumkehr des Ortsvektor x (Punktspiegelung am Koordinatenursprung, der Nullpunkt selbst muss wiederum ausgenommen werden). Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 33 / 45
34 Analoge Betrachtungen führen bei einer n-reihigen Matrix A auf das n-dimensionale Eigenwertproblem Ax = λx oder (A λe)x = Die Lösung dieser Aufgabe, d.h. die Bestimmung der Eigenwerte und der zugehörigen Eigenvektoren, erfolgt dann ähnlich wie bei einer 2-reihigen Matrix. Durch die Matrizengleichung (A λe)x = wird ein n-dimensionales Eigenwertproblem beschrieben. Dabei bedeuten: A : E : λ : x : A λe : n-reihige (reelle order komplexe) Matrix n-reihige Einheitsmatrix Eigenwert der Matrix A Eigenvektor der Matrix A zum Eigenwert λ Charakteristische Matrix von A Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 34 / 45
35 Bestimmung der Eigenwerte und Eigenvektoren Die Eigenwerte und Eigenvektoren der Matrix A lassen sich dann schrittweise wie folgt berechnen: 1 Die Eigenwerte sind die Lösungen der charakteristischen Gleichung det(a λe) = (algebraische Gleichung der Ordnung n mit den Lösungen λ 1, λ 2,...,λ n). 2 Der zum Eigenwert λ i gehörige Eigenvektor x i ergibt sich als Lösungsvektor des homogenen linearen Gleichungssystems (A λ i E)x i = (i = 1, 2,..., n) Er wird üblicherweise in der normierten Form angegeben. Bei einem mehrfachen Eigenwert können auch mehrere Eigenvektoren auftreten, siehe weiter unten. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 35 / 45
36 Eigenschaften der Eigenwerte 1 Die Spur der Matrix A ist gleich der Summe aller Eigenwerte: Sp(A) = λ 1 + λ λ n 2 Die Determinante von A ist gleich dem Produkt der beiden Eigenwerte: det(a) = λ 1λ 2...λ n 3 Sind alle Eigenwerte voreinander verschieden, so gehört zu jedem Eigenwert genau ein linear unabhängiger Eigenvektor, der bis auf einem (beliebigen) konstanten Faktor eindeutig bestimmt ist. Die n Eigenvektoren werden überlicher normiert und sind linear unabhängig. 4 Tritt ein Eigenwert dagegen k-fach auf, so gehören hierzu mindestens ein, höchstens aber k linear unabhängige Eigenvektoren. 5 Die zu verschiedenen Eigenwerten gehörenden Eigenvektoren sind immer linear unabhängig. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 36 / 45
37 Anmerkungen Die Eigenwerte der Matrix A sind die Nullstellen des charakteristischen Polynoms p(λ) = det(a λe). Eine n-reihige Matrix A ist genau dann regulär, wenn sämtliche Eigenwerte von Null verschieden sind. Ist λ i ein Eigenwert der regulären Matrix A, so ist die Kehrwert 1/λ i ein Eigenwert der inversen Matrix A 1. Beim Auftreten mehrfacher Eigenwerte kann also die Gesamtzahl linear unabhängiger Eigenvektoren kleiner sein als n. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 37 / 45
38 Beispiel Welche Eigenwerte und Eigenvektoren besitzt die 3-reihige Matrix 1 1 3? 3 Lösung: Die Eigenwerte sind die Lösungen der charakteristischen Gleichung 1 λ 1 3 λ 3 λ Sie lauten λ 1 =, λ 2 = 1, λ 3 = 3. Wir bestimmen jetzt die zugehörigen Eigenvektoren. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 38 / 45
39 Eigenvektoren zu λ 1 = Der Eigenvektor genügt dem homogenen linearen Gleichungssystem 1 x 1 (A E)x = oder 1 3 x 2 = 3 x 3 In ausführlicher Schreibweise: x 1 x 1 + 3x 2 = 3x 2 = Die Lösung lautet x 1 =, x 2 =, x 3 = α. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 39 / 45
40 Dabei ist α eine wilkürliche Konstante (da x 3 in den Gleichungen nicht auftritt, können wir über diese Unbekannte frei verfügen und setzen daher x 3 = α). Der zum Eigenwert λ 1 = gehörende Eigenvektor lautet somit: x 1 = α = α 1 α Er ist bis auf den konstanten Faktor α eindeutig bestimmt. Durch Normierung erhalten wir schliesslich den gesuchten Eigenvektor x 1 = 1 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 4 / 45
41 Eigenvektor zu λ 2=1 Das homogene lineare Gleichungssystem lautet jetzt: x 1 (A 1E)x = oder 1 2 x x 3 In ausführlicher Schreibweise: x 1 + 2x 2 = 3x 2 x 3 = = Da dieses System drei Unbekannte, aber nur zwei Gleichungen besitzt, kann eine der unbekannten Gröss en frei gewählt werden. Wir entscheiden uns für die Unbekannte x 2 und setzen x 2 = β (β R). Das Gleichungssystem wird dann gelöst durch x 1 = 2β, x 2 = β, x 3 = 3β. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 41 / 45
42 Damit lautet der zum Eigenwert λ 2 = 1 gehörende Eigenvektor wie folgt: 2β 2 x 2 = β 3β = β 1 3 β Er ist bis auf den konstanten Faktor β eindeutig bestimmt. Durch Normierung folgt schliesslich: x 2 = β 14 3 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 42 / 45
43 Eigenvektor zu λ 3=3 Diesmal erhalten wir das homogene lineare Gleichungssystem 2 x 1 (A 3E)x = oder 1 x 2 = 3 3 x 3 In ausführlicher Schreibweise: 2x 1 = x 1 = 3x 2 3x 3 = Die Lösung lautet: x 1 =, x 2 = γ, x 3 = γ. Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 43 / 45
44 Dabei ist γ eine willkürliche Konstante. Der zum Eigenwert λ 3 = 3 gehörende Eigenvektor ist damit bis auf den konstanten Faktor γ eindeutig bestimmt. Er lautet: x 3 = γ γ oder in der üblichen normierten Form: x 3 = 1 2 = γ Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 44 / 45
45 Die drei Eigenvektoren sind - wie erwartet - linear unabhängig, da die aus ihnen gebildete 3-reihige Matrix 2 A = wegen regulär ist. det A = = 2 Prof. Dr. Erich Walter Farkas Mathematik I+II, 7.5 EW und EV 45 / 45
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
Mehrklar. 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
MehrLineare 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
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
Mehr3.3 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.
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
Mehr6 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
MehrVorwort. 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
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
MehrÜbungen 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.
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrMusterlösungen 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
MehrHöhere 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 ; : :
MehrKapitel 15: Differentialgleichungen
FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrElemente 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
Mehr3.1. Die komplexen Zahlen
3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
MehrKochen 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
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrLineare 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
MehrLineare 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
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrComputer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17
Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrAustausch- 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:
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
MehrZuammenfassung: Reelle Funktionen
Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,
MehrA 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
MehrBildverarbeitung 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
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrSeminararbeit 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
MehrLineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung
Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrMathematik 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
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrRekursionen (Teschl/Teschl 8.1-8.2)
Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied
MehrKlausuraufgabensammlung 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
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
MehrDivision 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
MehrComputer 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(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
MehrKlausuraufgabensammlung 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- Grundlagen der Elektrotechnik I - 81 11.01.01. 5 Gleichströme und Gleichspannungen in linearen Netzwerken 1
- Grundlagen der Elektrotechnik - 8.0.0 5 Gleichströme und Gleichspannungen in linearen Netzwerken 5. Begriffsbestimmungen 5.. Netzwerk, Knoten, Zweig, Schleife, Masche Allgemein besteht eine Schaltung
MehrLineare Algebra und Computer Grafik
Lineare Algebra und Computer Grafik Vorlesung an der Hochschule Heilbronn (Stand: 7 Mai ) Prof Dr V Stahl Copyright 6 by Volker Stahl All rights reserved Inhaltsverzeichnis Vektoren 4 Vektoren und Skalare
MehrMan kann zeigen (durch Einsetzen: s. Aufgabenblatt, Aufgabe 3a): Die Lösungsgesamtheit von (**) ist also in diesem Fall
4. Lösung einer Differentialgleichung. Ordnung mit konstanten Koeffizienten a) Homogene Differentialgleichungen y'' + a y' + b y = 0 (**) Ansatz: y = e µx, also y' = µ e µx und y'' = µ e µx eingesetzt
Mehr7 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:
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MehrLineare 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
MehrElemente 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
MehrNumerische 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
MehrVorkurs Mathematik Übungen zu Differentialgleichungen
Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)
Mehrax 2 + bx + c = 0, (4.1)
Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die
MehrAusgewählte 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,
MehrHans 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
MehrLeitprogramm Vektorgeometrie
Leitprogramm Vektorgeometrie Torsten Linnemann Pädagogische Hochschule FHNW Gymnasium Oberwil E-mail:torsten.linnemann@fhnw.ch 18. September 2011 Dank: Ich danke der Klasse 4aL, Kantonsschule Solothurn,
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrDie komplexen Zahlen
Kapitel 9 Die komplexen Zahlen Der Körper der komplexen Zahlen Die Gauß sche Zahlenebene Algebraische Gleichungen Anwendungen Der Körper der komplexen Zahlen Die Definition der komplexen Zahlen Definition
MehrUmgekehrte Kurvendiskussion
Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen
MehrSkript zur Vorlesung Höhere Mathematik für Bachelorstudiengänge. Prof. Dr. R. Herzog. gehalten im SS2013 Technische Universität Chemnitz
Skript zur Vorlesung Höhere Mathematik für Bachelorstudiengänge Prof. Dr. R. Herzog gehalten im SS2013 Technische Universität Chemnitz Auszug aus den Studienordnungen zu den Ausbildungszielen der mit dieser
MehrMathematik 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
Mehr0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )
Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,
MehrName: Klasse: Datum: Klassenarbeit Wachstumsvorgänge Kl10-Gruppe A
Name: Klasse: Datum: Teil B Klassenarbeit Wachstumsvorgänge Kl10-Gruppe A 1. Gegeben ist die Exponentialfunktion y=f x = 0,5 x ; x R. (9P) a) Geben Sie die folgenden Eigenschaften dieser Funktion an! Wertebereich,
MehrDr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1
.1 Dr. Jürgen Roth Fachbereich 6: Abteilung Didaktik der Mathematik Elemente der Algebra . Inhaltsverzeichnis Elemente der Algebra & Argumentationsgrundlagen, Gleichungen und Gleichungssysteme Quadratische
MehrKlassenarbeit zu linearen Gleichungssystemen
Klassenarbeit zu linearen Gleichungssystemen Aufgabe : Bestimme die Lösungsmenge der Gleichungssysteme mit Hilfe des Additionsverfahrens: x + 4y = 8 5x y = x y = x y = Aufgabe : Bestimme die Lösungsmenge
MehrH. Gruber, R. Neumann. Erfolg im Mathe-Abi. Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen
H. Gruber, R. Neumann Erfolg im Mathe-Abi Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen Inhaltsverzeichnis Inhaltsverzeichnis Analysis Von der
MehrAufgabe 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
Mehr1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
MehrMathematischer Vorkurs für Physiker WS 2009/10
TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,
MehrMathematik-Dossier. Die lineare Funktion
Name: Mathematik-Dossier Die lineare Funktion Inhalt: Lineare Funktion Lösen von Gleichungssystemen und schneiden von Geraden Verwendung: Dieses Dossier dient der Repetition und Festigung innerhalb der
MehrDie quadratische Gleichung und die quadratische Funktion
Die quadratische Gleichung und die quadratische Funktion 1. Lösen einer quadratischen Gleichung Quadratische Gleichungen heißen alle Gleichungen der Form a x x c = 0, woei a,, c als Parameter elieige reelle
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrKapitel 0. Einführung. 0.1 Was ist Computergrafik? 0.2 Anwendungsgebiete
Kapitel 0 Einführung 0.1 Was ist Computergrafik? Software, die einen Computer dazu bringt, eine grafische Ausgabe (oder kurz gesagt: Bilder) zu produzieren. Bilder können sein: Fotos, Schaltpläne, Veranschaulichung
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrTEST Basiswissen Mathematik für Ingenieurstudiengänge
TEST Basiswissen Mathematik für Ingenieurstudiengänge Erste Fassung März 2013 Dieser Test beinhaltet Aufgaben zu den wesentlichen Themen im Bereich Mathematik, die Basiswissen für ein Ingenieurstudium
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrName: Klasse: Datum: Klassenarbeit Wachstumsvorgänge Kl10-Gruppe B
Name: Klasse: Datum: Teil B Klassenarbeit Wachstumsvorgänge Kl0-Gruppe B. Gegeben ist die Exponentialfunktion y=f x =0.8 2 x ; x R. (9P) a) Geben Sie die folgenden Eigenschaften dieser Funktion an! Wertebereich,
MehrFit in Mathe. Juni 2014 Klassenstufe 9. Lineare Funktionen
Thema Musterlösungen Juni 0 Klassenstufe 9 Lineare Funktionen a) Vervollständige die Tabelle mit den Funktionswerten: x 6 8 0 6 0 x 5 6 7 8 9 0 b) Gib die Funktionsgleichung an x 6 8 0 6 0 8 x,5,75,5 0,5-0,5
MehrHöhere 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)
MehrDefinition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
MehrÜbergang Klasse 10/E1 (G9) und Klasse 9/E1 (G8) Mathematik. Übungsaufgaben zum Mittelstufenstoff im Fach Mathematik
Fachberatung Mathematik Hilde Zirkler Goethe-Gymnasium Bensheim Bensheim, im Juni 0 Übergang Klasse 0/E (G9) und Klasse 9/E (G8) Mathematik Übungsaufgaben zum Mittelstufenstoff im Fach Mathematik. Lineare
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
Mehr11. Primfaktorzerlegungen
78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung
MehrPRAKTIKUM REGELUNGSTECHNIK 2
FACHHOCHSCHULE LANDSHUT Fachbereich Elektrotechnik Prof. Dr. G. Dorn PRAKTIKUM REGELUNGSTECHNIK 2 1 Versuch 2: Übertragungsfunktion und Polvorgabe 1.1 Einleitung Die Laplace Transformation ist ein äußerst
MehrUngewöhnliche Gleichungssysteme bei der Mathematik- Olympiade
Eric Müller Ungewöhnliche Gleichungssysteme bei der Mathematik- Olympiade Unter den in den vier Runden der Mathematik-Olympiade (MO) gestellten Aufgaben finden sich immer wieder Systeme von Gleichungen
MehrKapitel 3 Mathematik. Kapitel 3.3. Algebra Gleichungen
TG TECHNOLOGISCHE GRUNDLAGEN Kapitel 3 Mathematik Kapitel 3.3 Algebra Gleichungen Verfasser: Hans-Rudolf Niederberger Elektroingenieur FH/HTL Vordergut 1, 877 Nidfurn 055-654 1 87 Ausgabe: Februar 009
MehrLösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.)
Lösungsmethoden gewöhnlicher Dierentialgleichungen Dgl) Allgemeine und partikuläre Lösung einer gewöhnlichen Dierentialgleichung Eine Dierentialgleichung ist eine Gleichung! Zum Unterschied von den gewöhnlichen
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
MehrSerie 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.
MehrNachhilfe-Kurs Mathematik Klasse 13 Freie Waldorfschule Mitte
Nachhilfe-Kurs Mathematik Klasse 13 Freie Waldorfschule Mitte März 2008 Zusammenfassung IB 1. Lagebeziehungen zwischen geometrischen Objekten 1.1 Punkt-Gerade Ein Punkt kann entweder auf einer gegebenen
Mehr(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n
Über die Komposition der quadratischen Formen von beliebig vielen Variablen 1. (Nachrichten von der k. Gesellschaft der Wissenschaften zu Göttingen, Mathematisch-physikalische Klasse, 1898, S. 309 316.)
Mehr