Lineare Algebra und Numerische Mathematik für D-BAUG
|
|
- Fanny Hertz
- vor 6 Jahren
- Abrufe
Transkript
1 P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist eine Vorbereitung auf Eigenwerte und Eigenvektoren und zeigt gleichzeitig eine mögliche Anwendung auf Wir suchen eine einfache Methode um A 1 x zu berechnen für x R 2 und 3 1 A = a) Wenn x ein Vektor ist mit der Eigenschaft Ax = λx für ein λ R, was ist dann A k x für k = 1, 2,? Wir suchen daher Paare λ R, x R 2, x mit der Eigenschaft, dass Ax = λx Lösung: Wir berechnen k = 1 : Ax = λx k = 2 : A 2 x = A(λx) = λax = λ 2 x k = 3 : A 3 x = A(λ 2 x) = λ 3 x A k x = λ k x 121b) Zeigen Sie, dass die Gleichung Ax = λx für ein gegebenes λ ein homogenes, lineares Gleichungssystem darstellt Wie sieht die zugehörige Koeffizientenmatrix aus? Lösung: Die Gleichung Ax = λx entspricht dem folgenden Gleichungssystem: 3x 1 + x 2 = λx 1 x 1 + 3x 2 = λx 2 (3 λ)x 1 + x 2 = x 1 + (3 λ)x 2 = Dies ist ein homogenes lineares Gleichungssystem (die rechte Seite ist null) Übrigens ist für den allgemeinen Fall Ax = λx das entsprechende lineare Gleichungssystem Ax = λx Ax λx = (A λi)x =, welches auch ein homogenes Gleichungssystem ist Serie 12 Seite 1 Aufgabe 121
2 121c) ( Bestimmen ) Sie mit Hilfe der Determinante Werte von λ, für die Ax = λx Lösungen x hat Lösung: Wir wissen, dass ein lineares Gleichungssystem genau dann eine eindeutige Lösung hat, wenn die Deteminante det A ungleich null ist Da x = immer eine Lösung von Ax = ist, wäre es in diesem Fall die einzige Lösung Wenn nun det A = gilt, so gibt es entweder unendlich viele Lösungen, oder gar keine Da die rechte Seite in unserem Fall gleich null ist, muss die Verträglichkeitsbedingung immer erfüllt sein Wir wissen dann also, dass es Lösungen von Ax = gibt, für die x ist Also berechnen wir det 3 λ 1 = (3 λ) 2 1 = λ 2 6λ + 8 =! 1 3 λ Durch Lösen der ( quadratischen ) Gleichung erhält man, dass Ax = λx für λ 1 = 2 und λ 2 = 4 Lösungen x hat Aufgabe 122 Eigenwerte und Eigenvektoren berechnen Berechnen Sie alle Eigenwerte und Eigenvektoren der folgenden Matrizen A =, B = Lösung: Allgemein ergeben sich die Eigenwerte λ i einer (n n)-matrix M als Lösungen der charakteristischen Gleichung det(a λi n ) = und die zugehörigen Eigenräume aus den Lösungen des homogenen Gleichungssystems (A λ i I n )x = Für die Matrix A ergibt sich det(a λi 2 ) = 4 λ 1 6 λ 1 = (4 λ)( 1 λ) + 6 = (λ 1)(λ 2) =! Damit erhalten wir als Eigenwerte λ 1 = 1 und λ 2 = 2, beide mit algebraischer Vielfachheit 1 Nun berechnen wir den Eigenvektor zu λ 1, indem wir die Lösungsmenge von (A λ 1 )v 1 = berechnen: v 1 = t 3 Den Eigenvektor zu λ 2 berechnen wir auf die gleiche Art, indem wir die Lösungsmenge von (A λ 2 )v 2 = bestimmen: v 2 = t 2 Also haben λ 1 und λ 2 jeweils geometrische Vielfachheit 1 Serie 12 Seite 2 Aufgabe 122
3 Für B ergibt sich det(b λi 3 ) = 7 λ λ λ 6 λ λ = (7 λ) λ λ 7 = (7 λ) ( (λ + 6)(λ 3) + 14 ) 3(λ 3) (λ + 6) = λ 2 (λ 4)! = Daher hat B die Eigenwerte λ 1 = 4 mit algebraischer Vielfachheit 1 und λ 2 = mit algebraischer Vielfachheit 2 Nun berechnen wir den Eigenvektor zu λ 1, indem wir (B λ 1 )v 1 = lösen: Also hat der Eigenwert λ 1 die geometrische Vielfachheit v 1 = t 1 Wir berechnen die Eigenvektoren zu λ 2, indem wir die Lösungsmenge von (B λ 2 )v 2 = berechnen: v 2 = t Also hat der Eigenwert λ 2 die geometrische Vielfachheit 1 Aufgabe 123 Dimension des Eigenraums b a a a b Sei A = eine (n n)-matrix, a, n 2 a a a b 123a) Zeigen Sie, dass b a ein Eigenwert von A ist Lösung: Wir benutzen, dass b a ein Eigenwert von A ist, wenn det (A (b a)i n ) = gilt: a a a a a det (A (b a)i n ) = det a = a a a Da diese Matrix Rang 1 hat, ist die Determinante gleich null, und b a ist ein Eigenwert von A Serie 12 Seite 3 Aufgabe 123
4 123b) Bestimmen Sie die Dimension von Kern(A (b a)i n ), dh die Dimension des Eigenraums zum Eigenwert b a Lösung: Wir benutzen, dass für eine (n n)-matrix B das folgende gilt: dim(kern(b)) = n Rang(B) Wir wissen, dass der Rang von A (b a)i n gleich 1 ist, da alle Zeilen der Matrix identisch sind Also hat der Kern der Matrix Dimension n 1, und somit hat auch der Eigenraum zum Eigenwert b a die Dimension n 1 123c) Finden Sie einen Eigenvektor zu einem Eigenwert b a von A Tipp: Weil A symmetrisch ist, muss der gesuchte Eigenvektor senkrecht stehen auf allen Vektoren von Kern(A (b a)i n ) Lösung: Wir suchen einen Vektor, der senkrecht steht auf alle Vektoren x im Kern von A (b a)i n Über diese Vektoren wissen wir, dass (A (b a)i n )x = Da alle Zeilen dieser Matrix identisch (a, a,, a) enthalten, wissen wir also, dass (a, a,, a)x = für jeden Vektor x Kern(A (b a)i n ) Folglich steht der Vektor (1, 1,, 1) senkrecht auf alle Vektoren im Kern von A (b a)i n Der entsprechende Eigenwert ist b + (n 1)a Aufgabe 124 Die Spur diagonalisierbarer Matrizen In dieser Aufgabe lernen wir eine spezielle Funktion auf dem Raum der quadratischen Matrizen kennen, die Spur Sie steht in enger Beziehung zum Spektrum einer Matrix Die Spur einer quadratischen Matrix M R n,n ist definiert als Spur M := (M) j,j (1241) j=1 124a) Bestimmen Sie die Dimension des Unterraums U := {M R n,n : Spur M = } R n,n Tipp: Sie können U als Kern einer Matrix charakerisieren Dann sieht man, dass diese Matrix nur ein Zeilenvektor ist Lösung: Wir schreiben die Matrix M als Vektor Wir definieren für jede Matrix M R n,n den Vektor v M = (M) :,1 (M) :,2 (M) :,n R n2 Für die Matrix A R 1,n2 { 1 j {1, n + 2, 2n + 3, 3n + 4,, n(n 2) + n 1, n 2 } A := sonst Serie 12 Seite 4 Aufgabe 124
5 gilt Spur M = Av M Somit erhalten wir dim U = dim{m R n,n : Spur M = } = dim{m R n,n : Av M = } = dim Kern(A) = n b) Zeigen Sie, dass gilt Spur BC = Spur CB, für alle Matrizen B, C R n,n (1242) Tipp: Einfach nachrechnen mit den Formeln für das Matrixprodukt Es gibt hier keine Tricks! Lösung: Spur (BC) = j=1 k=1 b jk c kj = k=1 j=1 c kj b jk = Spur (CB), wobei b ij den ij Eintrag der Matrix B bezeichnet und c kj den kj Eintrag von C Bemerkung: Beachten Sie aber, dass im Allgemeinen Spur (ABC) Spur (BAC)! Als einfaches Gegenbeispiel betrachten Sie die Matrizen A =, B =, C = Explizites ausrechnen ergibt Spur (ABC) = 35 und Spur (BAC) = c) Sei A R n,n diagonalisierbar, mit wobei S R n,n invertierbar ist Zeigen Sie, dass gilt A = S diag(λ 1,, λ n ) S 1, (1243) }{{} =:D Spur A = λ j (1244) Bemerkung: Die Identität (1244) bietet ein nützliches Hilfsmittel zur Überprüfung der Korrektheit von berechneten Eigenwerten Tipp: Sehr einfach wird die Aufgabe, wenn Sie das Resultat aus Teilaufgabe 124b) anwenden Die Spur einer Diagonalmatrix sollte klar sein Lösung: Wir benutzen Teilaufgabe 124b) und die Zerlegung in (1243) Spur A (1243) = Spur ( SD }{{} =:B S 1 ) (1242) }{{} =:C j=1 = Spur ( S } 1 {{ S } D) = Spur (D) = =I n λ j Serie 12 Seite 5 Aufgabe 124 j=1
6 Aufgabe 125 Betrachtung zweier Spezieller Isometrien des R 2 Gegenstand dieser Aufgabe sind spezielle Isometrien in der Ebene und ihre Matrixdarstellung Wir betrachten die folgenden 2 2-Matrizen A = I 2 2uu, B = I 2 2vv, I 2 := 1, 1 wobei u, v R 2 Einheitsvektoren sind, das heisst u = v = 1 Diese Matrizen definieren zwei lineare Selbstabbildungen des R 2, die mit F und G abgekürzt werden 125a) Zeigen Sie, dass F und G Isometrien sind Lösung: Es genügt zu zeigen dass die jeweiligen Matrixdarstellungen orthogonale Matrizen sind Wir haben A A = (I 2 2uu ) (I 2 2uu ) = (I 2 2uu )(I 2 2uu ) = I 2 4uu + 4u(u u)u = I 2 4uu + 4u u u = I 2 Analoge Gleichungen gelten für B Folglich sind F und G Isometrien 125b) Sowohl für F als auch für G gibt es jeweils einen eindimensionalen Unterraum des R 2, dessen Vektoren von F bzw G auf sich selbst abgebildet werden Beschreiben Sie diese Unterräume durch jeweils eine Formel Lösung: Es genügt w zu finden, so dass Aw = w Für beliebiges w haben wir Aw = (I 2 2uu )w = w 2u(u w) Folglich gilt für w einen Vektor mit u w = ( auch ) Aw = w Solche Vektoren existieren in x y der Tat, zum Beispiel u = falls w =, denn dann ist u y x w = und w, da w = u Weiter gilt für alle α R A(αw) = αaw = αw Also ist der Raum y U = Span({ }), x x wobei u =, ein 1-dimensionaler Unterraum von R y 2 dessen Elemente von F auf sich selbst abgebildet werden Dasselbe gilt für G 125c) Geben Sie eine geometrische Interpretation von F und G in der Ebene und verdeutlichen Sie diese durch eine Skizze Lösung: Wir bemerken Au = u Weiter wissen wir, dass für alle Vektoren, welche zu u orthogonal stehen, also alle Vektoren, so dass w u = gilt, dass Aw = w Folglich sind F und G Spiegelungen an einer Gerade durch den Nullpunkt in Richtung w Serie 12 Seite 6 Aufgabe 125
7 125d) Zeigen Sie, dass die Hintereinanderausführung von F und G eine Drehung ist Was ist der Drehwinkel? Tipp: Überlegen Sie sich, dass wir die Vektoren u und v als cos φ u = und v = sin φ ( cos θ sin θ schreiben können, da u = v = 1 Aus der Vorlesung wissen wir, dass eine Rotationsmatrix von der Form cos(ψ) sin(ψ) Q =, sin(ψ) cos(ψ) ist für einen Winkel ψ [, 2π) Lösung: Da u = v = 1 liegen u und v auf dem Einheitskreis Folglich existieren φ, θ [, 2π], so dass cos φ cos θ u = und v = sin φ sin θ Wir berechnen ) cos uu = 2 φ cos φ sin φ cos φ sin φ sin 2 φ Einsetzen in A und die Verwendung trigonometrischer Identitäten ergeben cos(2φ) sin(2φ) A = I 2uu = sin(2φ) cos(2φ) Ein analoger Ausdruck gilt für B, cos(2θ) sin(2θ) B = I 2uu = sin(2θ) cos(2θ) Die Matrixdarstellung der Komposition beider Abbildungen ist nun durch das Produkt der jeweiligen Matrixdarstellungen gegeben, also erhalten wir cos(2θ) cos(2φ) + sin(2θ) sin(2φ) cos(2θ) sin(2φ) sin(2θ) cos(2φ) BA = cos(2φ) sin(2θ) sin(2φ) cos(2θ) cos(2θ) cos(2φ) + sin(2θ) sin(2φ) cos(2θ 2φ) sin(2θ 2φ) =, sin(2θ 2φ) cos(2θ 2φ) eine Rotationsmatrix um den Winkel 2(θ φ) 125e) Geben Sie eine geometrische Deutung des Resultats der vorhergehenden Teilaufgabe Lösung: Da F und G beides Spiegelungen sind, ist die Komposition die Spiegelung um zwei Geraden in R 2, was eine Rotation um zwei mal den Winkel, der zwischen den Geraden liegt, ergibt Serie 12 Seite 7 Aufgabe 125
8 Aufgabe 126 Eigenwerte und Eigenvektoren Kreuzen Sie an, welche der folgenden Aussagen richtig bzw falsch sind für beliebige (n n)- Matrizen A und B? 126a) Ist x ein Eigenvektor von A, dann ist x auch ein Eigenvektor von A 2 (i) Richtig (ii) Falsch Es gilt also ist x auch Eigenvektor von A 2 A 2 x = A(Ax) = A(λx) = λ(ax) = λ 2 x, 126b) Ist λ ein Eigenwert von A, dann ist λ auch ein Eigenwert von A 2 (i) Richtig (ii) Falsch Es gilt A 2 x = A(Ax) = A(λx) = λ(ax) = λ 2 x, es ist also λ 2 Eigenwert von A 2 Falls also λ / {, 1} und λ 2 auch sonst kein Eigenwert von A ist, dann stimmt die Behauptung nicht Ein konkretes Gegenbeispiel wäre die Diagonalmatrix 2 A =, 3 die die Eigenwerte 2 und 3 hat, während A 2 die Eigenwerte 4 und 9 hat Serie 12 Seite 8 Aufgabe 126
9 126c) Ist x ein Eigenvektor von A und auch ein Eigenvektor von B, dann ist x ein Eigenvektor von A + B (i) Richtig (ii) Falsch Sei Ax = λ A x und Bx = λ B x Dann gilt also ist x ein Eigenvektor von A + B (A + B)x = Ax + Bx = λ A x + λ B x = (λ A + λ B )x, 126d) A + B Ist λ ein Eigenwert von A und auch ein Eigenwert von B, dann ist λ ein Eigenwert von (i) Richtig (ii) Falsch Sei Ax A = λx A und Bx B = λx B Da die Eigenvektoren im allgemeinen nicht identisch sind, funktioniert die Methode von oben nicht Tatsächlich ist die Aussage falsch Ein Gegenbeispiel ist 2 3 A =, B = 1 2 Beide Matrizen haben den Eigenwert 2, aber die Summe A + B hat Eigenwerte 5 und 3 126e) Ist λ ein Eigenwert von A, so ist λ + 1 ein Eigenwert von A + I (i) Richtig (ii) Falsch Die Aussage stimmt, denn (A + I)x = Ax + x = λx + x = (λ + 1)x Serie 12 Seite 9 Aufgabe 126
10 126f) Ist A eine diagonalisierbare Matrix mit n verschiedenen Eigenwerten λ 1, λ 2,, λ n, so gilt det(a) = λ 1 λ 2 λ n (i) Richtig (ii) Falsch Da A diagonalisierbar ist, gibt es Matrizen T, D, so dass A = TDT 1, wobei D = diag(λ 1, λ 2,, λ n ) det (A) = det (TDT 1 ) = det (T) det (D) det (T 1 ) = det (D), also stimmt die Aussage 126g) Ist u R n, dann hat A = u u den Eigenvektor u (i) Richtig (ii) Falsch Wir testen: also ist u ein Eigenvektor mit Eigenwert u u Au = (uu )u = u(u u) = (u u)u, 126h) Die Eigenwerte von A ändern sich nicht, wenn man 2 Zeilen von A vertauscht (i) Richtig (ii) Falsch Gegenbeispiel: A = 1, A = Die Matrix A hat Eigenwerte 1 und 4, während A Eigenwerte 2 und 2 hat Serie 12 Seite 1 Aufgabe 126
11 126i) Falls σ(a) = {}, dann ist A = O (i) Richtig (ii) Falsch Gegenbeispiel: A = 1 Die obere Dreiecksmatrix A hat nur den Eigenwerte Diese Matrix ist natürlich nicht diagonalisierbar 126j) Falls A symmetrisch ist und noch gilt σ(a) = {}, dann ist A = O (i) Richtig (ii) Falsch Jede symmetrische Matrix ist diagonalisierbar Für eine diagonalisierbare Matrix ist klar, dass sie verschwinden muss, wenn dies für alle ihre Eigenwerte gilt Veröffentlichung am 8 Dezember 215 Abzugeben bis 16 Dezember 215 Serie 12 Seite 11 Aufgabe 126
Lineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe Beispiel einer Koordinatentransformation Gegeben seien zwei
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R. Käppeli L. Herrmann W. Wu Herbstsemester 2016 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6.1 Berechnen Sie die Determinanten der beiden
MehrHerbstsemester ist es.
Dr V Gradinaru K Imeri Herbstsemester 8 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 4 Aufgabe 4 Multiple Choice: Online abzugeben 4a) Gegeben seien: Dann gilt: (i)
MehrD-ITET. D-MATL, RW Lineare Algebra HS 2017 Dr. V. Gradinaru T. Welti. Online-Test 2. Einsendeschluss: Sonntag, den
D-ITET. D-MATL, RW Lineare Algebra HS 7 Dr. V. Gradinaru T. Welti Online-Test Einsendeschluss: Sonntag, den..7 : Uhr Dieser Test dient, seriös bearbeitet, als Repetition des bisherigen Vorlesungsstoffes
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Serie 13
P. Grohs T. Welti F. Weber Herbstsemester 2015 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Serie 13 Diese letzte Serie des Semesters befasst sich noch einmal mit wichtigen Themen
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrSerie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1
Prof. Norbert Hungerbühler Serie Lineare Algebra II ETH Zürich - D-MAVT. a Welche der folgenden Vektoren sind Eigenvektoren der Matrix? i (,,. ii (,,. iii (,,. iv (, 3,. v (,,. Ein Vektor v ist Eigenvektor
Mehr9. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 9. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS /..-4.. Aufgabe G (Koordinatentransformation)
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 12. Aufgabe Herbstsemester Dr. V. Gradinaru D. Devaud.
Dr. V. Gradinaru D. Devaud Herbstsemester 15 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 1 Aufgabe 1.1 1.1a) Sei A eine n n-matrix. Das Gleichungssystem Ax = b sei
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrLösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1
D-MAVT Lineare Algebra II FS 8 Prof. Dr. N. Hungerbühler Lösungen Serie. Welche der folgenden Vektoren sind Eigenvektoren der Matrix? (a) (,, ). Ein Vektor v ist Eigenvektor von A :=, falls Av ein skalares
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
MehrLösungen zur Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende
MehrÜbungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Blatt 3 - Lösung
Technische Universität München Physik Department Pablo Cova Fariña, Claudia Nagel Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 207/8 Blatt 3 - Aufgabe : Darstellungsmatrizen Sei
MehrKlausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 23): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag 3. Mit Hilfe elementarer Zeilenumformungen sowie der Tatsache, daß sich die Determinante
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester 26 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 2 Aufgabe 2 Welche der folgenden Aussagen sind korrekt? (i) Jedes
MehrSerie 12: Eigenwerte und Eigenvektoren
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie : Eigenwerte und Eigenvektoren Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom 7 und 9 Dezember Finden Sie für folgende
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2 2
MehrLineare Algebra I Lösungsvorschlag
Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und
MehrEigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)
Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein
MehrLineare Algebra. 13. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 3. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 29, 27 Erinnerung Satz. Axiomatischer Zugang, Eigenschaften der Determinante. Die Abbildung det :
MehrAUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW
AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x
MehrKlausur zur Vorlesung Lineare Algebra B im SS 2002 an der Universität Hannover
Dozent: Prof. Dr. Wolfgang Ebeling Übungsleiter: Dr. Detlef Wille Klausur zur Vorlesung Lineare Algebra B im SS an der Universität Hannover Joachim Selke 9. Februar Lineare Algebra B SS Klausur zur Vorlesung
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 2 2. (Frühjahr 29, Thema 3, Aufgabe 3) Gegeben sei die reelle 3 3 Matrix 4 2 A = 2 7 2 R 3 3. 2 2 a)
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrProbeklausur zu Mathematik 2 für Informatik
Gunter Ochs Wintersemester 4/5 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immer ohne Garantie auf Fehlefreiheit. Gegeben sei das Dreieck im R mit den Eckpunkten A a Berechnen Sie die
MehrHöhere Mathematik II für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz SS 5 4.5.5 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Winter 2016 Typ B
R. Käppeli T. Welti F. Weber Herbstsemester 2015 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Prüfung Winter 2016 Typ B Name a a Note Vorname Leginummer Datum 03.02.2017 1 2 3
MehrAufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009
I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe
MehrLineare Algebra und Numerische Mathematik D-BAUG. Winter 2013 Prof. H.-R. Künsch. , a R. det(a) = 0 a = 1.
b Musterlösung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice) Gegeben sei die folgende Matrix Winter 3 Prof. H.-R. Künsch A = a a) deta) = genau dann wenn gilt x a =. a =. ), a R. x
MehrRichie Gottschalk Lineare Algebra I Seite 1. a) Welche der folgenden Ringe sind kommutativ? Es gibt genau einen Unterraum W von V mit dim(w ) = n.
Richie Gottschalk Lineare Algebra I Seite Aufgabe Im Folgenden sind K immer ein Körper und V ein K-Vektorraum. a) Welche der folgenden Ringe sind kommutativ? K[x] K[x] ist per se ein kommutativer Polynomring.
MehrProbeklausur Lineare Algebra 1 Achten Sie auf vollständige, saubere und schlüssige Argumentation! 100 Punkte sind 100%. Inhaltsverzeichnis
Prof. Dr. Wolfgang Arendt Manuel Bernhard Wintersemester 5/6 Probeklausur Lineare Algebra Achten Sie auf vollständige, saubere und schlüssige Argumentation! Punkte sind %. Inhaltsverzeichnis Aufgabe Aufgabe
MehrMathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen
Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
MehrBasisprüfung. 18. August 2015
Lineare Algebra I/II D-MATH, HS 4/FS 5 Prof Richard Pink Basisprüfung 8 August 25 [6 Punkte] Betrachte den reellen Vektorraum R 3 zusammen mit dem Standardskalarprodukt, und die Vektoren 9 3 v := 6, v
MehrLösungen zu Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Sommer 4 Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT. [ Punkte] Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in
MehrAusgewählte Lösungen zu den Übungsblättern 9-10
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt
Mehra b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
MehrLineare Algebra und Numerische Mathematik D-BAUG Winter 2013 Prof. H.-R. Künsch. Regeln Multiple Choice:
b Prüfung Lineare Algebra und Numerische Mathematik D-BAUG Winter 03 Prof. H.-R. Künsch c Alle Aufgaben haben das gleiche Gewicht. Die Lösungswege müssen, abgesehen von Aufgabe, nachvollziehbar dargestellt
MehrD-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 13. (A ± I)x = 0 Ax ± x = 0 Ax = ±x Ax = λx
D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 13 1. Die Matrix A±I ist singulär falls es einen Vektor x 0 gibt der die Gleichung (A±I)x = 0 erfüllt, d.h. wenn A ± I als
MehrKlausur DI/LA F 2006 LA : 1
Klausur DI/LA F 26 LA : Aufgabe (4+2=6 Punkte): Gegeben seien die Matrix A und der Vektor b mit λ A = λ und b = λ a) Bestimmen Sie die Werte λ R, für welche das Gleichungssystem Ax = b genau eine, keine
MehrFerienkurs Lineare Algebra
Ferienkurs Lineare Algebra Wintersemester 9/ Lösungen Eigenwerte und Diagonalsierbarkeit Blatt Diagonalisierbarkeit. Zeigen sie, dass für eine diagonalisierbare Matrix A folgendes gilt: det(a) = wobei
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 12 Hausaufgaben Aufgabe 12.1 Sei f : R 3 R 3 gegeben durch f(x) :=
Mehr4 Lineare Abbildungen Basisdarstellungen
4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 4. Aufgabe 4.1. Dr. V. Gradinaru D. Devaud A. Hiltebrand.
Dr V Gradinaru D Devaud A Hiltebrand Herbstsemester 4 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 4 Aufgabe 4 Multiple Choice: Online abzugeben 4a) Wir betrachten
Mehr7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?
Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist
Mehr12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen
12 Lineare Algebra - Übersicht Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn
Mehreine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ.
Eigenwert, Eigenvektor In der Regel hat bei einer linearen Abbildung das Bild eines Vektors eine andere Richtung als das Original r. Bei der Untersuchung der geometrischen Eigenschaften von linearen Abbildungen
MehrHerbstsemester a b 1. c d. e 0 f B = (iii) e = 0 (iv) ) 2 + ( 1. Das Skalarprodukt des ersten und zweiten Spaltenvektors muss null ergeben:
Dr V Gradinaru D Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5 Multiple Choice: Online abzugeben Gegeben sei die orthogonale Matrix
MehrKarlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie (KIT) WS 22/3 Institut für Analysis 28..23 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Höhere Mathematik I für die Fachrichtung Physik 4. Übungsblatt (letztes Blatt)
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
Mehr6 Eigenwerte und Eigenvektoren
6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
MehrKlausur zu Lineare Algebra I für Informatiker, SS 07
17.07.007 (1. Termin Klausur zu Lineare Algebra I für Informatiker, SS 07 B.Sc-Modulprüfung / Diplom-Vorprüfung / Scheinklausur in Lineare Algebra I Dr. Timo Hanke, Lehrstuhl D für Mathematik, RWTH Aachen
MehrMatrizen und Determinanten, Aufgaben
Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen
MehrLineare Algebra. 12. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 12. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 14, 2017 1 Erinnerung: Determinanten, Orthogonale/unitäre Matrizen Sei A R 2 2, dann kann die Inverse
MehrLösung zu Serie Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: A := B :=
Lineare Algebra D-MATH, HS 204 Prof. Richard Pink Lösung zu Serie 2. Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: 0 2 0 0 0 2 0 0 0 0 0 0 0
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrKapitel 5. Eigenwerte. Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
MehrGrundlagen der Mathematik II (LVA U)
Dr. Marcel Dettling 3.4. Dr. Daniel Haase FS daniel.haase@math.ethz.ch Grundlagen der Mathematik II (LVA 4-6- U) 8 Zur Übungsstunde vom 3.4. Aufgabe (Ausgleichsrechnung) Gegeben sei das lineare Gleichungssystem
MehrKlausur zu Lineare Algebra I für Informatiker, SS 07
7.7.7 (. Termin Klausur zu Lineare Algebra I für Informatiker, SS 7 B.Sc-Modulprüfung / Diplom-Vorprüfung / Scheinklausur in Lineare Algebra I Dr. Timo Hanke, Lehrstuhl D für Mathematik, RWTH Aachen Name:
Mehr6 Eigenwerte und Eigenvektoren
6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,
MehrAussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrHeinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche,
Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 2014 Lineare Algebra 1 Vierzehnte & Fünfzehnte Woche, 1672014 10 Determinanten (Schluß) Das folgende Resultat
MehrMathematik I+II Frühlingsemester 2019 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik I+II Frühlingsemester 219 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 46 8. Lineare Algebra: 5. Eigenwerte und
MehrHauptachsentransformation: Eigenwerte und Eigenvektoren
Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung
Mehr7.2 Die adjungierte Abbildung
7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)
MehrEXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME
EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen
MehrAufgabenpool. Woche 1 Aussagenlogik. Woche 2 Mengen und Funktionen. Lineare Algebra und Geometrie I SS 2015
Lineare Algebra und Geometrie I SS 05 Woche Aussagenlogik Aufgabenpool Aufgabe #.5 Die Aussage A sei 5 > 9, die Aussage B sei Gerhard Schröder ist eine Frau. Vervollständigen Sie die folgende Wahrheitstabelle.
MehrÜbungen zu Lineare Algebra und Geometrie 1
Übungen zu Lineare Algebra und Geometrie 1 Andreas Čap Sommersemester 2015 Wiederholung grundlegender Begriffe (1 Bestimme Kern und Bild der linearen Abbildung f : R 3 R 3, die gegeben ist durch f(x, y,
MehrMathematik II Frühjahrssemester 2013
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
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Sommer 2016
P. Grohs T. Welti F. Weber Herbstsemester 2015 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Name a a Note Vorname Leginummer Datum 19.08.2016 1 2 3 4 5 6 Total 7P 11P 10P 11P
MehrLösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:
Lineare Algebra D-MATH, HS 04 Prof. Richard Pink Lösung zu Serie. [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: a) F (X) := X 5 X in R[X] und C[X]. b) F (X) := X 4 +X 3 +X in
MehrWiederholungsserie II
Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095
MehrOrientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops
15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 2 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Mittsemesterprüfung HS, Typ A Name a a Note Vorname Leginummer Datum 29..2 2 4 6 Total
MehrKapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
MehrLineare Algebra für Physiker 11. Übungsblatt
Lineare Algebra für Physiker 11. Übungsblatt Fachbereich Mathematik SS 01 Prof. Dr. Matthias Schneider./. Juli 01 Dr. Silke Horn Dipl.-Math. Dominik Kremer Gruppenübung Aufgabe G1 (Minitest) (a) Welche
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Serie 6
R. Hiptmair S. Pintarelli E. Spindler Herbstsemester 2014 Lineare Algebra und Numerische Mathematik für D-BAUG Serie 6 ETH Zürich D-MATH Einleitung. Diese Serie behandelt nochmals das Rechnen mit Vektoren
MehrLineare Algebra und analytische Geometrie II (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner SS 0 Blatt 9 9060 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach Lösungsvorschlag a Die gegebene Matrix
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrBeispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger
Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit
MehrLineare Algebra II Lösungen der Klausur
Prof Dr K Doerk 673 Jens Mandavid Christian Sevenheck Lineare Algebra II Lösungen der Klausur (a Diese Aussage ist richtig, sie stimmt nämlich für k = Sei nämlich n N beliebig und bezeichne N die Menge
MehrHöhere Mathematik I. Variante B
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I SoSe Variante B Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA-Blätter (Vorder- und Rückseite beschriftet,
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R. Käppeli L. Herrmann W. Wu Herbstsemester 16 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Prüfung Name a a Note Vorname Leginummer Datum 18.8.17 1 3 4 Total 1P 1P 1P 1P 1P P
MehrMathematik I für MB und ME
Mathematik I für MB und ME Fachbereich Grundlagenwissenschaften Prof Dr Viola Weiÿ Wintersemester 28/29 Übungsaufgaben Serie 4: Lineare Unabhängigkeit, Matrizen, Determinanten, LGS Prüfen Sie, ob die folgenden
MehrD-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j
D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 0 Tom Ilmanen Musterlösung 2. Falls b := (v,,v n ) eine Orthonormalbasis von V ist, dann lassen sich die Komponenten von einem Vektor v = n i= t i v i bezüglich
Mehr