43911: Lineare Algebra/Geometrie Prüfungstermin Herbst 2015 Lösungsvorschlag
|
|
- Gudrun Hilke Schuler
- vor 6 Jahren
- Abrufe
Transkript
1 Dr. Erwin Schörner 49: Lineare Algebra/Geometrie Prüfungstermin Herbst 5 Lösungsvorschlag I.. a Die in Abhängigkeit vom Parameter t R für t t A t t t R und b R t + t t + t zu betrachtende Menge F t { x R A t x b } ist die Lösungsmenge des inhomogenen linearen Gleichungssystems A t x b mit der Koeffizientenmatrix A t und der rechten Seite b und damit eine affine Teilmenge von R. Wegen t t A t e t t b t + t t + t ist e F t, also F t R nichtleer, und es gilt dim(f t Rang(A t, also dim(f t Rang(A t. Im Falle Rang(A t ist der Spaltenraum der Matrix A t eindimensional, so daß die ihre Spalten paarweise linear abhängig sein müssen; insbesondere gibt es ein λ R mit t t λ t + t λ λ λ, also t λ t, woraus t t t(t und damit t oder t folgt. Die Probe (A b II I III I und (A b II I III I bestätigt Rang(A und Rang(A.
2 b Gemäß a ist F t R genau dann eine Ebene, also eine affine Teilmenge der Dimension, wenn t oder t ist, und es gilt F { x R A x b } { x R x } und F { x R A x b } { x R x + x + x }. Damit besitzen F und F sowie die ferner gegebene Ebene E { x R x + x + x } die Normalenvektoren ũ F und ũ F sowie ũ E ; wegen der linearen Unabhängigkeit von ũ F und ũ E ist F zu E nicht parallel, aber wegen der linearen Abhängigkeit von ũ F und ũ E ist F zu E parallel. c Wegen ũ E besitzt die Ebene E R die Hessesche Normalform E : x + x + x ; ferner gilt e F gemäß a. Da nun die beiden Ebenen E und F gemäß b parallel sind, ergibt sich für ihren Abstand dist(e, F dist(e, E + +. I.. a Die gegebene Matrix 4 A 6 6 R 6 5 besitzt wegen 4 λ χ A (λ det(a λ E 6 λ λ ( + ( λ. Spalte 4 λ 6 5 λ (λ + [( 4 λ (5 λ ( 6 ] (λ + [λ λ ] (λ + (λ für alle λ R genau die beiden Eigenwerte λ und λ.
3 b Gemäß a sind λ und λ die beiden Eigenwerte von A. Wegen A λ E 6 6 II+I III+I 6 6 ist u, u eine Basis des Eigenraums Eig(A, λ ; wegen 6 A λ E II+I III I 6 ist u eine Basis des Eigenraums Eig(A, λ. Folglich ist Eig(A, λ R u + R u und Eig(A, λ R u. c Gemäß b sind u, u eine Basis von Eig(A, λ und u eine Basis von Eig(A, λ mit λ λ ; damit sind u, u, u drei linear unabhängige Vektoren in R, wegen dim(r also schon eine Basis von R aus Eigenvektoren von A. Folglich ist A diagonalisierbar. d Eine Basis v, v, v von R, bezüglich der sowohl A R als auch B R Diagonalform haben, muß aus lauter Eigenvektoren sowohl von A als auch von B bestehen. Wegen dim(eig(a, λ und dim(eig(a, λ sind damit zwei dieser Basisvektoren aus Eig(A, λ und der dritte Basisvektor aus Eig(A, λ ; dieser besitzt also die Gestalt α u für ein α. Wegen B u 4 / R ist aber u und damit auch α u kein Eigenvektor von B. Folglich kann es keine Basis von R mit der gewünschten Eigenschaft geben. I.. a Die beiden gegebenen Vektoren v und v R sind keine skalaren Vielfachen voneinander und folglich linear unabhängig; für das orthogonale Komplement U von U v, v gilt demnach dim(u dim(r dim(u,
4 so daß etwa das Vektorprodukt ũ v v R eine Basis von U ist. b Die Hilfsmatrix B (v, v, e R ist wegen (B E II I III II+III II I III II (E B invertierbar mit B B R. Folglich ist v, v, e eine Basis von R, und nach dem Prinzip der linearen Fortsetzung gibt es genau eine lineare Abbildung f : R R mit Damit gilt zum einen wegen also und zum anderen wegen f(v und f(v sowie f(e ũ. U v, v Kern(f R, dim(u dim(kern(f < dim(r, dim(kern(f dim(u schon Kern(f U, U ũ Bild(f, dim(u dim(bild(f dim(r dim(kern(f, also mit dim(bild(f dim(u schon Bild(f U, 4 e f(e 4. 4
5 Für die Abbildungsmatrix A R von f gilt damit A v f(v, A v f(v, A e f(e ũ, so daß sich mit der Matrix C (,, ũ R dann A B A (v, v, e (A v, A v, A e (,, ũ C und damit A C B ergibt. c Die Abbildungsmatrix A R von f ist wegen A A symmetrisch und damit orthogonal diagonalisierbar; die Eigenräume von A bzw. von f sind also orthogonal zueinander. Wegen Kern(f { x R f(x } { x R f(x x } Eig(f, mit dim(kern(f ist λ ein doppelter Eigenwert von f mit dem Eigenraum Eig(f, U. Damit ist U mit dim(u ebenfalls ein Eigenraum von f, und wegen 4 4 f(ũ A ũ ũ 8 ist U Eig(f, 9 der Eigenraum zum einfachen Eigenwert λ 9. Weitere Eigenräume und damit Eigenwerte kann es wegen dim(r nicht geben. d Für den Vektor 4 v v ũ R 5 gilt zum einen wegen v ũ schon v U und zum anderen v v ; damit sind v, v, ũ drei paarweise orthogonale Eigenvektoren von f und folglich v v v, 5 v 4 ũ, 5 ũ 5 eine Orthonormalbasis von (R, aus Eigenvektoren von f. I.4. In der euklidischen Ebene R sind die Punkte a, b, c, d ( 4, e, f gegeben; zu betrachten sind die Bewegungen g : R R, welche die Punktmenge {a, b, c} auf die Punktmenge {d, e, f} abbilden:
6 d b e f c a a Für die Seitenlängen des Dreiecks ergibt sich dist(a, b a b, dist(a, c a c, dist(b, c b c ; ferner ergibt sich für die Seitenlängen des Dreiecks dist(d, e d e 4, dist(d, f d f 4, dist(e, f e f. Damit gilt für eine Bewegung g : R R, die das Dreieck mit den Eckpunkten a, b, c auf das Dreieck mit den Eckpunkten d, e, f abbildet, aufgrund ihrer Abstandstreue notwendigerweise entweder oder ( g(a e, g(b f, g(c d ( g(a d, g(b f, g(c e. Wir weisen nun nach, daß beiden Möglichkeiten ( und ( realisiert werden. Da die beiden Richtungsvektoren u b a und u c a
7 linear unabhängig sind, bilden die Punkte a, b, c ein affines Koordinatensystem; damit existiert aber nach dem Prinzip der affinen Fortsetzung für jede Vorgabe von Punkten a, b, c R genau eine affine Abbildung g : R R, g(x M x + t, mit g(a a, g(b b und g(c c. Für ihre Matrix M R und ihren Vektor t R gilt damit M a + t a, M b + t b und M c + t c ; zieht man die erste Gleichung von den beiden anderen ab, so erhält man M (b a }{{} b a und M (c a c a. }{{} u u Mit den Hilfsmatrizen B (u, u GL (R und C (b a, c a R ergibt sich damit zunächst M B M (u, u (M u, M u (b a, c a C, also M C B mit B 8, und dann etwa über die erste Gleichung t a M a; damit ergibt sich: Bei ( ist a e, b f und c d, also C (f e, d e R, damit zum einen M C B 8 und zum anderen t e M a. Wegen M M E gilt M O (R, so daß g eine Bewegung ist. Bei ( ist a d, b f und c e, also C (f d, e d R, damit zum einen M C B und zum anderen t d M a Wegen M M E gilt M O (R, so daß g eine Bewegung ist..
8 b Bei der in a ermittelten Möglichkeit ( gilt cos ϕ sin ϕ M D ϕ sin ϕ cos ϕ für ϕ π ; damit ist g eine Drehung mit dem Drehwinkel ϕ π, und für das Drehzentrum z R gilt z (E M t. c Bei der in a ermittelten Möglichkeit ( gilt cos ϕ sin ϕ M S ϕ sin ϕ cos ϕ für ϕ ; damit ist g eine Gleitspiegelung mit der Spiegelachse s + R u und dem Verschiebungsvektor α u. Da u ein Eigenvektor von M zum Eigenwert ist, können wir etwa u e mit u e wählen, und über die Zerlegung t ( u + u ergibt sich zum einen α sowie zum anderen s als eine Lösung von (E M u, etwa s. I.5. a Die Aussage ist falsch: Die obere Dreiecksmatrix A R besitzt die beiden verschiedenen Eigenwerte λ und λ, ist also als Matrix diagonalisierbar. Wir nehmen zum Widerspruch die Existenz einer orthogonalen Basis v, v von (R, aus Eigenvektoren von A an; dann ist aber v v, v v eine Orthonormalbasis von (R, aus Eigenvektoren von A. Folglich ist A sogar orthogonal diagonalisierbar, mithin symmetrisch, im Widerspruch zu A A. b Die Aussage ist wahr: Sei A R mit A A E bzw. A A + E O. Ist λ R ein Eigenwert von A, so gibt es einen Eigenvektor x R mit A x λ x, und wegen ergibt sich A x A (A x A (λ x λ (A x λ (λ x λ x O x ( A A + E x A x A x + E x λ x λ x + x ( λ λ + x (λ x, wegen x also (λ und damit λ.
9 c Die Aussage ist falsch: Ist etwa B O R die Nullmatrix, so gilt für jede (nicht notwendigerweise invertierbare Matrix A R wegen BA O schon Spaltenraum(BA {} Spaltenraum(B; wir können also als Gegenbeispiel etwa A O wählen. d Die Aussage ist falsch: Die Gleichung x + y + ax + b definiert im R etwa für a und b einen Punkt oder für a und b > die leere Menge, also nicht immer eine Ellipse. e Die Aussage ist wahr: Für a, b R ist die Gleichung ( x + y + ax + b im R zu betrachten; wegen ( (x + ax + a a y + b ( x + a + (y + b a 4 u x + u a + v mit v y + b a 4 besitzt ( die affine Normalform u +v und definiert damit eine Parabel. f Die Aussage ist wahr: Seien U, U, U Unterräume des R Vektorraums V mit U U. Für alle v U + U existieren u U und u U mit v u +u, und wegen U U gilt u U und damit v u +u U +U ; es ist also U + U U + U.
10 II.. Es ist V Pol (R. Für ein Polynom p a X + a X + a X + a Pol (R betrachte man den Koordinatenvektor q(p R4 bezüglich der Standardbasis X, X, X, von Pol (R; für die gegebenen Vektoren a a a a p X X, p X X, p X X und p 4 X ergibt sich also q(p, q(p, q(p und q(p 4 a Sei p Pol (R mit dem Koordinatenvektor q(p R 4 ; mit der Hilfsmatrix A (q(p, q(p, q(p, q(p 4 R 4 4 erhält man a (A q(p a a a und es ist Folglich ergibt sich: II+I III+II IV+III a a + a a a a a + a a + a + a a a a + a a + a + a a + a + a + a, p( a + a + a + a a + a + a + a. p U p p, p, p, p 4 q(p q(p, q(p, q(p, q(p 4. Das lineare Gleichungssystem (A q(p ist lösbar. a + a + a + a p( Damit ist U die Menge aller Polynome p Pol (R mit Nullstelle.
11 b Gemäß der Rechnung von a ist A I II II III mit Pivots in der ersten, zweiten und vierten Spalte; damit sind aber q(p, q(p, q(p 4 linear unabhängig mit q(p q(p + q(p. Folglich sind auch p, p, p 4 linear unabhängig mit p p + p, mithin eine Basis von U p, p, p, p 4. Wegen dim Pol (R 4 lassen sich die drei Basisvektoren p, p, p 4 von U durch jeden Vektor p Pol (R mit p / U, also p( gemäß a, zu einer Basis p, p, p 4, p von Pol (R ergänzen; wir können etwa p X wählen. II.. a Für alle X, Y R n n gilt f(x + Y a (X + Y + b (X + Y a (X + Y + b (X + Y (a X + a Y + (b X + b Y (a X + b X + (a Y + b Y f(x + f(y ; damit ist f additiv. Für alle X R n n und λ R gilt f(λ X a (λ X + b (λ X a (λ X + b (λ X λ (a X + λ (b X λ (a X + b X λ f(x; damit ist f homogen. Insgesamt ist also f eine lineare Abbildung. b Für alle X R n n gilt f(x (a + b X a X + b X a X + b X b X b X b (X X ; speziell für X E n gilt X mit X X, also X X und damit f(x (a + b X, so daß X ein Eigenvektor von f zum Eigenwert a + b ist. Für alle Y R n n gilt f(y (a b Y a Y + b Y a Y b Y b Y b Y b (Y + Y ; speziell für Y (y ij ij mit, für i und j, y ij, für i und j,, sonst,
12 gilt Y mit Y Y, also Y + Y und damit f(y (a b Y, so daß Y ein Eigenvektor von f zum Eigenwert a b ist. c Wir zeigen die Äquivalenz f ist bijektiv a b durch den Nachweis von zwei Implikationen: Für sei f bijektiv; damit ist f insbesondere injektiv, und ist kein Eigenwert von f. Gemäß b folgt a + b und a b, also a b (a + b (a b, und damit a b. Für sei a b ; sei X Kern(f. Damit gilt woraus sich und somit f(x a X + b X, also a X b X, a X (a X ( b X b (X b X (a b X a X b X a (a X + b ( b X a ( b X + b (a X a b X + a b X ergibt; wegen a b ist a b, und es folgt X. Damit ist Kern(f {}, also f injektiv, so daß f als Endomorphismus von R n n mit dim R n n < schon bijektiv ist. II.. a Es ist det(m Laplace 9. Spalte ( I II III+ II, IV II aus I, II, III 7 (( + + ( Sarrus b Wegen M E ist II+I II I, IV+ I Rang(M E 4 < 4; folglich ist λ ein Eigenwert der Matrix M, und für den Eigenraum Eig(M, λ ergibt sich dim Eig(M, λ 4 Rang(M E 4 4.
13 c Gemäß b besitzt M den Eigenwert λ der geometrischen Vielfachheit γ ; für die algebraische Vielfachheit gilt demnach α, und das charakteristische Polynom χ M (t besitzt die Gestalt für ein µ R. Damit gilt χ M (t (t (t µ det(m χ M ( ( ( µ 7 µ, unter Verwendung von a also 7 µ 8 bzw. µ 4; damit besitzt M einen weiteren Eigenwert, nämlich µ 4. Mit einer Basis b, b, b von Eig(M, λ und einem Eigenvektor b 4 von M zum Eigenwert µ 4 erhält man eine Basis b, b, b, b 4 von R 4 aus Eigenvektoren von M; damit ist die Matrix M diagonalisierbar. II.4. a Für die gegebene Bilinearform σ : R R R, σ(x, y 4 x y 8 x y 8 x y + 5 x y, auf dem R Vektorraum R gilt σ(x, y x S y mit S Wegen S S ist S symmetrisch, und wegen 4 8 R. 8 5 det(s 4 5 ( 8 ( 8 6 > Spur(S > ist die symmetrische Matrix S auch positiv definit; folglich ist σ ein Skalarprodukt auf R. b Wir unterwerfen die Standardbasis e, e von R dem Gram Schmidtschen Orthonormalisierungsverfahren und erhalten im ersten Schritt a e mit a σ(a, a 4, also und zum anderen mit b a a a e σ(e, b b (, ( ( 4 a σ(a, a 9, also b ( a a. Folglich ist b, b eine Orthonormalbasis von (R, σ.
14 c Die lineare Abbildung l A : R R, l A (x A x, mit der Abbildungsmatrix A R ist genau dann eine orthogonale Abbildung (R, σ (R,, wenn sie eine Orthonormalbasis von (R, σ, etwa b, b von b, auf eine Orthonormalbasis von (R,, etwa e, e, abbildet. Mit B (b, b GL (R ergibt sich und damit A B A (b, b (A b, A b (e, e E A B ( ( 4. II.5. a Die gegebene Quadrik { } x Q R 8 x x y + 7 y + 44 x 58 y + 48 y besitzt die Gleichung x x y A + b y x + c y mit A R, b R und c 48 R Wegen det(a λ E 8 λ λ (8 λ (7 λ ( 6 ( λ 5 λ λ 5 λ + (λ 5(λ für alle λ R besitzt A die beiden Eigenwerte λ 5 und λ ; wegen 6 A λ E ist v 6 ein Eigenvektor von A zum Eigenwert λ 5, und wegen 6 A λ E ist v 6 ein Eigenvektor von A zum Eigenwert λ. Mit der orthogonalen Matrix v P v, v O v 5 (R
15 und der Diagonalmatrix D diag (λ, λ 5 R gilt dann P AP D. Die Variablentransformation nun die gegebene Gleichung x x y A + b y in die Gleichung u u v P AP v also 5 u v + b P u + ( v x + c y x P y u + c, v 5 u führt v u + 48, v und damit 5 u + v + 5 u 6 5 v + 48 über. Mit Hilfe quadratischer Ergänzung ergibt sich ferner 5 ( u + und damit ( u v 4 4 v ( u + ( + v 4 5, 5 5 so daß sich mit der Variablentransformation die Gleichung w z ( u + 5 v 4 5 w 5 + z w 5 bzw. 4 ( 5 + z ( 5 ergibt; letztere stellt die euklidische Normalform einer Ellipse dar. b Gemäß der in a ermittelten euklidischen Normalform ist Q eine Ellipse mit den Hauptachsenabschnitten α 5 und β 5. Wegen x u w 5 P P y v z w P + 5 w P + z 5 z 4 5
16 besitzt Q im x y Koordinatensystem den Mittelpunkt m sowie ( die w Achse + R und die z Achse + R als Hauptachsen; die Scheitelpunkte auf der w Achse sind v s, m ± α v ± 5 ±, 5 und die Scheitelpunkte auf der z Achse sind v s,4 m ± β v ± 5 5 ±, insgesamt also s, s 4 und s 5, s 4. Damit ergibt sich die folgende Skizze: y z w s s Q m s s 4 x
17 III.. a Eine reelle Zahl λ R heißt Eigenwert der Matrix A R n n, wenn es einen Vektor x R n mit A x λ x gibt. b Ist λ R ein Eigenwert von A, so gibt es einen Eigenvektor x R n mit A x λ x, und wegen sowie A x A (A x A (λ x λ (A x λ (λ x λ x A x A (A x A (λ x λ (A x λ (λ x λ x ergibt sich ( A 5 E n x A x 5 E n x λ x 5 x ( λ 5 x; damit ist λ 5 ein Eigenwert der Matrix A 5 E n. c Sei A R n n mit A A + E n O. Ist λ R ein Eigenwert von A, so gibt es einen Eigenvektor x R n mit A x λ x, und wegen ergibt sich A x A (A x A (λ x λ (A x λ (λ x λ x O x ( A A + E n x A x A x + E n x λ x λ x + x ( λ λ + x (λ x, wegen x also (λ und damit λ. d Wir verwenden das Kriterium λ R ist Eigenwert von M R n n Rang(M λ E n < n Ist λ Eigenwert von A, so ist Rang(A λ E n < n, und für die transponierte Matrix (A λ E n A (λ E n A λ E n gilt damit Rang(A λ E n Rang(A λ E n < n; folglich ist λ auch Eigenwert der transponierten Matrix A. III.. Im euklidischen Raum R 4, versehen mit dem Standardskalarprodukt, ist die affine Ebene X durch die Punkte p, p und p R4 sowie die affine Teilmenge zu betrachten. Y { x R 4 x x und x + x 4 5 }
18 a Die affine Ebene X besitzt etwa den Trägerpunkt p sowie die beiden (linear unabhängigen Richtungsvektoren u p p und u p p, insgesamt also die Parameterdarstellung X p + R u + R u + R + R. Ein Punkt s X Y müßte nun zum einen wegen s X die Gestalt λ s + λ + µ λ + µ + λ µ λ + µ mit geeigneten λ, µ R besitzen und zum anderen wegen s Y den beiden Gleichungen x x und x + x 4 5 genügen; dies führt zu λ ( + λ µ bzw. λ + µ (λ + µ + (λ + µ 5 bzw. (λ + µ 5 und damit in (λ+µ 5 zu einem Widerspruch. Folglich ist X Y. Ferner ist Y die Lösungsmenge des inhomogenen linearen Gleichungssystems mit der erweiterten Koeffizientenmatrix ( 5 und über die freien Variablen x und x 4 ergibt sich die Parameterdarstellung, Y t + R u + R u 4 mit t 5 sowie u und u 4 R4 ; da u, u 4 linear unabhängig sind, ist auch Y eine affine Ebene. Damit wären X und Y genau dann parallel, wenn für ihre beiden Richtungsräume u, u u, u 4 gelten würde; dies ist aber wegen α u / β α α, β R u, u 4 β nicht der Fall. Folglich sind X und Y nicht parallel, insgesamt also windschief.
19 b Zur Ermittlung des Abstands von X und Y betrachten wir die Lotfußpunkte x X und y Y einer gemeinsamen Lotgeraden l von X und Y. Damit ist zum einen x + λ + µ λ λ + µ + λ µ λ + µ X mit geeigneten λ, µ R und zum anderen α y 5 + α + β 5 β α Y β mit geeigneten α, β R, und für den Differenzvektor λ α λ α ũ x y λ + µ + λ µ 5 β α λ + µ + β 5 λ µ α + λ + µ β λ + µ β gilt (als Richtungsvektor von l sowohl ũ X als auch ũ Y, also ũ u und ũ u }{{} wegen ũ X Wegen und ũ u sowie ũ u sowie ũ u und ũ u 4. }{{} wegen ũ Y λ α λ + µ + β 5 λ µ α + λ + µ β (λ α + (λ + µ + β 5 + +(λ µ α + + (λ + µ β 4λ + µ α + β 4 λ α λ + µ + β 5 λ µ α + λ + µ β (λ + µ + β 5 (λ µ α + + (λ + µ β λ + µ + α + β 6 ũ u λ α λ + µ + β 5 λ µ α + λ + µ β (λ α + (λ µ α + λ µ 5α
20 und ũ u 4 λ α λ + µ + β 5 λ µ α + λ + µ β (λ + µ + β 5 + (λ + µ β λ µ 5β führen diese Bedingungen auf das lineare Gleichungssystem 4 λ 4 5 µ α 6 ; 5 β wegen ergibt sich II I III I, IV 4I III und damit λ α ũ λ + µ + β 5 λ µ α + λ + µ β I IV II IV III I II III+ 5 II, IV+ II I 7III II+III 6 λ µ α + τ 5 4 τ 5 für τ R β τ 4 5 ( 6 5 ( ( 6 + τ τ τ + ( τ τ ( τ τ + 5 ( τ + ( τ
21 Für den Abstand von X und Y erhalten wir demnach dist(x, Y dist(x, y x y ũ ( 5 + ( + ( III.. a In der euklidischen Ebene R, versehen ( mit dem( Standardskalarprodukt, a b ist für zwei verschiedene Punkte a, b R die Menge M a,b { x R dist(a, x dist(b, x } x aller Punkte x R zu betrachten, die von a und b denselben x Abstand dist(a, x dist(b, x haben. Für alle x R gilt dabei a x M a,b dist(a, x dist(b, x und damit ist a x b x a x b x (a x (a x (b x (b x a (a x x (a x b (b x x (b x a a a x x a + x x b b b b x x b + x x a a a x b b b x ( b x ( a x b b a a ( (b a x b b a a (b a x + (b a x b a, M a,b { x R (b a x + (b a x b a }. b Der Umkreismittelpunkt m a 5, b ( m m ( 4 4 R des Dreiecks mit den Eckpunkten und c R hat von den drei Punkten a, b und c denselben Abstand, es gilt also m M a,b und m M a,c, woraus aus dist(a, m dist(b, m und dist(a, m dist(c, m automatisch dist(b, m dist(c, m, also m M b,c, folgt. Mit a 5 + 4, b 4 + 4, c ( + ( 8
22 ergibt sich gemäß a also und m M a,b (b a m + (b a m b a (4 5 m + (4 m 4 m + m m m m M a,c (c a m + (c a m c a ( 5 m + ( m m m 6 4 m + m 4, insgesamt damit m und m, also m R. III.4. Gegeben ist die Abbildung Φ : R R, Φ(A B A, mit B R. a Wir weisen die Linearität von Φ anhand der Definition nach: Für alle A, A R gilt Φ(A + A B (A + A B A + B A Φ(A + Φ(A ; damit ist Φ additiv. Für alle A R und λ R gilt damit ist Φ homogen. Φ(λ A B (λ A λ (B A λ Φ(A; b Der Endomorphismus Φ von R besitzt bezüglich der Standardbasis A, A, A, A 4 von R wegen Φ(A A + A + A + A 4 Φ(A A + A + A + A 4 Φ(A A + A + A + A 4 Φ(A 4 A + A + A + A 4
23 die darstellende Matrix M R4 4. Damit gilt für alle λ R zum einen χ M (λ det(m λ E 4 λ λ λ λ Dreiecks- matrix ( λ ( λ und zum anderen χ B (λ det(b λ E λ λ Dreiecks- matrix ( λ( λ, insgesamt also χ Φ (λ χ M (λ ( λ ( λ (( λ( λ (χ B (λ. c Die darstellende Matrix M R 4 4 von Φ besitzt gemäß b die beiden Eigenwerte λ und λ ; wegen M λ E 4 ist u, u R4 eine Basis des Eigenraums Eig(M, λ, und wegen M λ E 4 ist u, u 4 R4
24 eine Basis des Eigenraums Eig(M, λ. Folglich sind u, u, u, u 4 eine Basis von R 4 aus Eigenvektoren von M, so daß A + A + A + A 4 A + A + A + A 4 A + A + A + A 4 A + A + A + A 4 eine Basis von R aus Eigenvektoren von Φ ist; insbesondere ist damit der Endomorphismus Φ diagonalisierbar. III.5. Der in Abhängigkeit vom Parameter a R gegebene Kegelschnitt Q a im R mit Variablen x, y R besitzt die Gleichung und damit (a + x + (a + y + (a xy + a x + a y + a mit der symmetrischen Matrix sowie b a x x y Aa + b a y A a x + c y a a + a R a a + ( a R, und c a a R. a Für a ist A a bereits eine Diagonalmatrix, und Q a besitzt die Gleichung x + y + x + y bzw. x + y + x + y, also ( x + x + ( + y + y + und damit ( x + ( + y + ; mit der Variablentransformation w z ( x + w + z die euklidische Normalform eines Kreises. y + ergibt sich in
25 Für a besitzt nun die Matrix A a wegen χ Aa (λ det(a a λ E (a + λ a a (a + λ ((a + λ (a ( λ (a λ für alle λ R die beiden Eigenwerte λ und λ a; wegen a a a A a λ E I a a II I ist v a II ( R ein Eigenvektor von A a zum Eigenwert λ, und wegen A a λ E ( a + a a a + a I a II II+I ist v R ein Eigenvektor von A a zum Eigenwert λ a. Mit der orthogonalen Matrix ( v P v, v O v (R und der Diagonalmatrix D a diag (λ, λ R a gilt dann P A a P D a. Mit der Variablentransformation sich die Gleichung u u v P A a P + b a P v also ( u u v + ( a a v a und damit u + c v a, ( u + a v + 4a v + a, x P y u ergibt v (u + a, v also u + a ( v + v + bzw. u + a (v + ; w u mit der erneuten mit der Variablentransformation ergibt sich z v + w + a z, wodurch die folgende Fallunterscheidung motiviert wird:
26 für a > ergibt sich in w + z a ( die euklidische Normalform einer Ellipse, für a ergibt sich in w die euklidische Normalform eines parallelen Geradenpaars, für a < ergibt sich in w z a ( die euklidische Normalform einer Hyperbel.
Übungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
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 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
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.
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
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
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
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
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
MehrEigenwerte 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
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,
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)
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.
MehrÜbungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS
Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage
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
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
MehrGrundlagen der Mathematik II
Wintersemester 204/205 - Aufgabenblatt I Abgabe: bis Donnerstag, den 6. November 204, 9:00 Uhr Aufgabe : Untersuchen Sie, für welche 2 C die folgende Matrix c diagonalisierbar ist, und bestimmen Sie für
MehrBeispiel zur Lösung eines Gleichungssystems : 6 y + z = 15 0 6 1. 15 12 x + 3 y 3 z = 15 12 3 3. 15 2 x 3 y = 4 2 3 0.
Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 5 0 6 5 2 x + 3 y 3 z = 5 2 3 3 5 2 x 3 y = 4 2 3 0 4 z2 /3 z : 3 2 x 3 y = 4 2 3 0 4 4 x + y z = 5 4 5 6 y + z = 5 0 6 5 z2 + 2 z 2 x 3 y = 4 2
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
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.
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,
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.
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
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
Mehr11 Normalformen von Matrizen
11 Normalformen von Matrizen Wir wenden uns in diesem Kapitel noch einmal der Untersuchung linearer Abbildungen auf endlichdimensionalen Vektorräumen und deren Darstellung mittels Matrizen zu Speziell
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
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:
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
MehrLösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band 2, 2.Aufl. (Version 2010), Kapitel 5
Lösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band,.Aufl. Version, Kapitel 5 Bilinear-und Sesquilinearformen Abschnitt.A, Aufg., p. 6.6. : Man bestimme die
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit sin() f() =. Aufgabe : ( VP) Berechnen Sie das Integral ( )
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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
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
MehrGeometrische Maße oder,... wie kann man quantitative Aussagen über geometrische Objekte erhalten?
In der euklidischen Geometrie der Mittelstufe ging es zumeist um geometrische Konstruktionen und um qualitative Aussagen über geometrische Objekte in Bezug zueinander. Möchte man, insbesondere im dreidimensionalen
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:
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 +
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrK2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte
K2 MATHEMATIK KLAUSUR 26.2.24 Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max 28 5 5 2 6 Punkte Notenpunkte PT 2 3 4 5 6 7 8 9 P. (max 2 2 2 4 5 3 3 4 3 Punkte WT Ana A.a b A.c Summe P. (max 7 5
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
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
MehrMatrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen.
Matrixalgebra mit einer Einführung in lineare Modelle Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@statuni-muenchende 25 August 24 Vielen Dank an Christiane Belitz, Manuela Hummel und
MehrLineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche
Lineare Algebra für Informatiker TUM Sommersemester 20 Dozent: Christian Pötzsche Janosch Maier 3. Juli 20 Herzlichen Dank an Lucas Westermann, Florian Scheibner (https://github. com/lswest/lamitschrift)
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
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)
Mehr4. Übungsblatt Matrikelnr.: 6423043
Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613
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),
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
MehrDAS ABI-PFLICHTTEIL Büchlein
DAS ABI-PFLICHTTEIL Büchlein für Baden-Württemberg Alle Originalaufgaben Haupttermine 004 0 Ausführlich gerechnete und kommentierte Lösungswege Mit vielen Zusatzhilfen X π Von: Jochen Koppenhöfer und Pascal
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG
¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht
MehrVektorgeometrie. mathenachhilfe.ch. Version: 28. Dezember 2007 (Bitte nur für den Eigengebrauch verwenden) 1. Mathematische Operationen für Vektoren
Vektorgeometrie Version: 28. Dezemer 2007 Bitte nur für den Eigengerauch verwenden) mathenachhilfe.ch. Mathematische Operationen für Vektoren Addition + a + 3 = a + + + 3 + Sutraktion a 3 = a 3 Skalare
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Grundkurs Mathematik
Abitur 008 LA / AG II. Abenteuerspielplatz Der Gemeinderat beschlie t, einen eher langweiligen Spielplatz zu einem Abenteuerspielplatz umzugestalten. Das Motto lautet Auf hoher See. Daher soll ein Piratenschiff
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
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik 008 Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe 1: ( VP) x Gegeben ist die Funktion f mit f(x). x Bilden Sie die Ableitung von f und fassen Sie diese so weit wie
MehrSchleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015
ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 für Aufgabenpool 1 Analysis
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
MehrSchleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015
ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 Inhaltsverzeichnis Vorbemerkungen
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
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
MehrStatistische Methoden
Statistische Methoden Dr CJ Luchsinger 6 Repetition: Rechnen mit Matrizen für die Statistik Matrizen sind aus zwei Gründen für die Statistik sehr wichtig: Sie ermöglichen uns einerseits eine sehr elegante
MehrHauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg
Baden-Württemberg: Abitur 04 Pflichtteil www.mathe-aufgaben.com Hauptprüfung Abiturprüfung 04 (ohne CAS) Baden-Württemberg Pflichtteil Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com
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
MehrBerechnung von Eigenwerten und Eigenvektoren
Kapitel 5 Berechnung von Eigenwerten und Eigenvektoren 5.1 Einführung Bemerkung 5.1 Aufgabenstellung. Diese Kapitel behandelt numerische Verfahren zur Lösung des Eigenwertproblems. Gegeben sei A R n n.
MehrFormelsammlung Mathematische Grundlagen für die Informatik
Formelsammlung Mathematische Grundlagen für die Informatik Wolfgang Führer wolfgang.fuehrer@web.de August 2007 Inhaltsverzeichnis Lineare Algebra. Vektorräume.................................... Abelsche
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,
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
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
MehrKAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:
KAPITEL 4 Lineare Ausgleichsrechnung Beispiel 41 Das Ohmsche Gesetz: Eine Meßreihe von Daten: U = RI (U i, I i ) (Spannung, Stromstärke), i = 1,, m Aufgabe: man bestimme aus diesen Meßdaten den Widerstand
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
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,
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
MehrCodes und Codegitter. Katharina Distler. 27. April 2015
Codes und Codegitter Katharina Distler 7. April 015 Inhaltsverzeichnis 1 Codes 4 Codegitter 14 Einleitung Die folgende Seminararbeit behandelt das Konzept von Codes und Codegittern. Da sie bei der Informationsübertragung
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
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 7 Projektionen und Rückprojektionen Der Punkt Die Gerade Die Quadrik Die Ebene Zusammenhang Kalibriermatrix - Bild des absoluten
MehrDer Golay-Code und das Leech-Gitter
Der Golay-Code und das Leech-Gitter Vortrag zum Seminar Gitter und Codes Nils Malte Pawelzik.5.5 Inhaltsverzeichnis Designs 3. Elementare Eigenschaften eines Designs und die Eindeutigkeit eines - (, 5,
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
MehrGleichungen - Aufgabenstellung und Lösungsstrategien
Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung
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
MehrGegeben ist die Funktion f durch. Ihr Schaubild sei K.
Aufgabe I 1 Gegeben ist die Funktion f durch. Ihr Schaubild sei K. a) Geben Sie die maximale Definitionsmenge D f an. Untersuchen Sie K auf gemeinsame Punkte mit der x-achse. Bestimmen Sie die Intervalle,
MehrA(3/1/2) B(6/2/2) C(5/9/4) D(1/4/3)
Ein Raumviereck ABCD kann eben sein oder aus zwei gegeneinander geneigten Dreiecken bestehen. In einem ebenen Viereck schneiden sich die Diagonalen. Überprüfen Sie, ob die gegebenen Vierecke eben 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
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
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
MehrÜBERBLICK ÜBER DAS KURS-ANGEBOT
ÜBERBLICK ÜBER DAS KURS-ANGEBOT Alle aufgeführten Kurse sind 100 % kostenfrei und können unter http://www.unterricht.de abgerufen werden. ANALYSIS / INFINITESIMALRECHNUNG Nullstellen * Nullstellen einer
MehrLineare Ausgleichsprobleme. Lineare Ausgleichsprobleme. Normalgleichungen. Normalgleichungen
Wir betrachten in diesem Abschnitt das lineare Ausgleichsproblem Ax b 2 = min! (1) Heinrich Voss voss@tu-harburgde Hamburg University of Technology Institute for Numerical Simulation mit gegebenem A R
MehrKAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren
KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren Beispiel 3.2. Gesucht u(x), das eine Differentialgleichung vom Typ u (x) + λ(x)u(x) = f(x), x [0,], mit den Randbedingungen u(0) = u() = 0
MehrMündliches Abitur in IViathematik
Mündliches Abitur in IViathematik Zusatzprüfung: Kurzvortrag mit Prüfungsgespräcti Ziele: Nachweis von fachlichem Wissen und der Fähigkeit, dies angemessen darzustellen erbringen fachlich überfachlich
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,
MehrAbiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrAufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt:
Aufgabe 1 1.1. Bestimmung von D max : 1. Bedingung: x >0 ; da ln(x) nur für x > 0 definiert ist. 2. Bedingung: Somit ist die Funktion f a nur für x > 0 definiert und sie besitzt eine Definitionslücke an
MehrOrthogonale Funktionenräume
Orthogonale Funktionenräume Richard Küng February 27, 24 Contents Vektorräume mit Skalarprodukt 2 2 Lineare Abbildungen: Matrizen und Operatoren 8 2. Matrizen................................ 8 2.. Diagonalisieren
MehrVorkurs Mathematik Übungen zu Polynomgleichungen
Vorkurs Mathematik Übungen zu en 1 Aufgaben Lineare Gleichungen Aufgabe 1.1 Ein Freund von Ihnen möchte einen neuen Mobilfunkvertrag abschließen. Es gibt zwei verschiedene Angebote: Anbieter 1: monatl.
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)
MehrKapitel IR:III (Fortsetzung)
Kapitel IR:III (Fortsetzung) III. Retrieval-Modelle Modelle und Prozesse im IR Klassische Retrieval-Modelle Bool sches Modell Vektorraummodell Retrieval-Modelle mit verborgenen Variablen Algebraisches
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
MehrMathematik Berufskolleg zur Erlangung der Fachhochschulreife
Mathematik Berufskolleg zur Erlangung der Fachhochschulreife INHALTSVERZEICHNIS. GRUNDLAGEN. DAS KOORDINATENSYSTEM. DARSTELLUNG VON GERADEN. SEITENVERHÄLTNISSE IM RECHTWINKLIGEN DREIECK 4. WEITERE GERADENGLEICHUNGEN
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
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
Mehr