Musterlösung der zweiten Klausur zur Linearen Algebra I,
|
|
- Tobias Gärtner
- vor 5 Jahren
- Abrufe
Transkript
1 Musterlösung der zweiten Klausur zur Linearen Algebra I, > restart; with(linalg): Warning, the protected names norm and trace have been redefined and unprotected Lösung des Ankreuzteils: T: NJNJN (bzw. auch NJNNN) T2: NJJNNNJ T: NJJJJN T4: JNNNJ Aufgabe : Stelle zunächst die Ausgangsmatrix für den Zassenhausalgorithmus auf: > A := matrix([[,,,,,,,,,],[0,0,,,0,0,0,,,0],[,,0,0,0,0,0,0,0,0],[0,,,0,0,0,0,0,0,0],[,0,0,,,0,0,0,0,0]]); A := Führe nun die Gaußelimination durch: > Gausselim(A,) mod ; > Gaussjord(A,) mod ; Hieraus läßt sich nun folgendes Ergebnis direkt ablesen (Beachte: Das Ergebnis muss in der Ausgangsbasis dargestellt werden, eine Koordinatenspalte bzw. -zeile wäre hier nicht eindeutig): <U, U 2 > = < B + B 4, B B 4, B + B 4, B >, Schnitt( U, U 2 ) = < B + B 2 + B + B 4 + B > Aufgabe 2: Gegeben ist die Matrix der Abbildung φ: > B := matrix(4,,[,0,,0,,,0,,,,0,]); Page
2 0 0 B := 0 0 Führe einen Gaußalgorithmus auf den Spalten von B durch, um das Bild von φ zu bestimmen: > transpose(gausselim(transpose(b))); Dieses liefert nun eine Basis des Bildes von φ mit Bild φ = < C + C 4, C 2 + C >, und durch Ergänzen zu einer Basis von V erhält man eine Basis zu Kokern φ = < C + Bild φ, C 4 + Bild φ >. Aufgabe : Ausgehend von der Matrix des Skalarproduktes Φ > A := matrix(,,[,,,,2,,,,2]); A := 2 2 berechne zunächst das orthogonale Komplement von U, d.h. einen Erzeuger davon. Hierzu geben wir die beiden Erzeuger von U als Koordinatenvektoren bezüglich der Basis B an: > u := matrix(,,[,,0]); > u2 := matrix(,,[0,,]); u := 0 u2 := Such nun solche Vektoren, die auf u und u2 senkrecht stehen (Bedingung für den Orthogonalraum). Dazu lösen wir das folgende lineare Gleichungssystem: > z := evalm(transpose(u)&*a) ; z2 := evalm(transpose(u2)&*a); 0 z := [ 2 2] z2 := [ 2 ] > G := matrix(2,,[convert(transpose(z),vector),convert(transpose(z2), vector)]); G := Mit der Lösung des linearen Gleichungssystems erhalten wir die folgende Bedingung für das Orthogonalkomplement von U: Page 2
3 > linsolve(g,vector(2,[0,0]));,, 2 _t _t 0 Also ist B + 2 B 2 ein Erzeuger für das Orthogonalkomplement von U, und, wie zu erwarten war, ist der Orthogonalraum eindimensional. > u := matrix(,,[-,2,0]); - u := 2 0 und dieser Vektor hat die Länge > evalm(transpose(u)&*a&*u)[,]; Die besten Approximationen zu den Vektoren V bzw. V 2 ergeben sich damit folgendermaßen: > v := matrix(,,[,-,]); v := - Bestimme das Skalarprodukt der beiden an der Projektion beteiligten Vektoren > d := evalm(transpose(v) &* A &* u)[,]; d := - und bestimme die Projektion des gegebenen Vektors in die durch den Teilraum U beschriebene Ebene (Formel analog zum Gram-Schmidt-Verfahren): > vn := evalm(v - d/ * u); -4 vn := und nun verfahren wir analog für den zweiten Vektor: > v2 := matrix(,,[0,0,]); 0 v2 := 0 > d2 := evalm(transpose(v2) &* A &* u)[,]; d2 := - mit dem Ergebnis, das wiederum in U liegt. > v2n := evalm(v2 - d2/ * u); Page
4 v2n := - 2 Aufgabe 4: > B := matrix(,,[0,-,-,-,0,-,-,-,0]); B := Berechne eine Polarzerlegung der gegebenen Matrix, d.h. stelle die Matrix als Produkt einer positiv definiten, se;bstadjungierten und einer orthogonalen Matrix dar: Hierzu bestimmen wir zunächst Minimalpolynom, Eigenwerte und Eigenräume der Ausgangsmatrix: > minpoly(b,x); > eigenvalues(b); > EV := eigenvectors(b); 2 + x + x 2,, EV := [, 2, {[-,, 0 ], [-, 0, ]}], [,, {[,, ] }] Damit können wir Orthonormalbasen zu den jeweiligen Eigenräumen bestimmen, indem wir die Eigenvektoren zu den einzelnen Eigenwerten orthonormalisieren: > N := convert(map( simplify,gramschmidt(ev[][],normalized)),list); N := 2, 2, 2, 2, 2, > N2 := convert(map( simplify,gramschmidt(ev[2][],normalized)),list); N2 :=,, Daraus ergibt sich aus den Spalten der Eigenvektor-Orthonormalbasis die folgende orthogonale Matrix: > o := transpose(matrix([op(n),op(n2)])); o := Test, ob o wirklich eine orthogonale Matrix ist: > evalm(transpose(o) &* o); Page 4
5 Die Ausgangsmatrix lässt sich also nun diagonalisieren: > d := evalm(transpose(o) &* B &* o); 0 0 d := Nun manipulieren wir die Diagonalmatrix so, dass wir positive Einträge erhalten (um daraus eine positiv definite Matrix zu erzeugen) > da := map( abs,d); 0 0 da := > ds := evalm(d &* da^(-)); 0 0 ds := Damit erhalten wir nun die gesuchte symmetrische, und damit auch selbstadjungierte Komponente: > A := evalm(o &* da &* transpose(o)); 4 4 A := 4 und die zugehörige orthogonale Komponente (s.o. und Anpassung der Diagonalmatrix): > g := evalm(o &* ds &* transpose(o)); g := > evalm(transpose(g) &* g); Damit erhalten wir nun also die (eindeutige) Polarzerlegung mit der geforderten Eigenschaft: > evalm(a &* g); Page
6 Aufgabe Gegeben ist die folgende Matrix, die wir als Grammatrix eines Skalarproduktes Φ auffassen können: > A := matrix(,,[,,-,,,,-,,]); - A := -. Methode: man sieht, dass der folgende Vektor die Länge 0 hat, d.h. finde einen Vektor v 0 mit der Eigenschaft Φ ( v, v) = 0, so dass die Bilinearform (bzw. ihre Matrix) also nicht positicv definit sein kann. > v := matrix(,,[,0,]); v := 0 > evalm(transpose(v) &* A &* v)[,]; 0 2. Methode: Berechne die Eigenwerte der Matrix A > minpoly(a,x); > eigenvalues(a); > evalf(%); x 9 x 2 + x 6, + 7, ,.628, Der Eigenwert ist nun offensichtlich negativ, also ist die Matrix nicht positiv definit Methode: Gram-Schmidt-Verfahren 4. Methode: Cholesky-Zerlegung Aufgabe 6: Gegeben ist die Matrix > C:=matrix([[0,0,],[,0,],[0,,4]]); 0 0 C := C ist aber die Begleitmatrix des Polynoms x 4 x 2 x > p:=charpoly(c,x); mit der Eigenschaft p := x 4 x 2 x Page 6
7 > Factor(p) mod ; Außerdem ist > minpoly(c,x); ( x + ) 2 ( x + 4 ) x 4 x 2 x woraus wir schon ablesen können, dass die Matrix nicht diagonalisierbar ist. Berechen also stattdessen die Jordanform von C (Darstellung in einer Basis aus Eigen- und Hauptvektoren) > CC := matrix(,,[-,0,0,,-,0,0,0,]); CC := Die -te Potenz ist somit (ohne Potenzieren der ganzen Matrix, da uns nur die Diagonaleinträge interessieren): > CC := matrix(,,[-^,0,0,a,-^,0,0,0,^]); > trace(cc); CC := a Wobei a unbekannt ist (und nicht wichtig). Somit Spur(C ) = - = 4. andere Möglichkeit: Berechne explizit (und mühsamer): > map( mod,evalm(c^),); und wir können die Spur direkt ablesen: > trace(%); Aufgabe 7: Ausgehend von der gegebenen Matrix > A := matrix(,,[0,2,2,2,0,,,2,0,,2,2,2,,,0,0,2,2,0,2,,,,0]); mit dem Minimalpolynom > mu:=(x+2)*(x^2+x+2); A := µ := ( x + 2 ) ( x 2 + x + 2) berechne zunächst den Eigenraum zum Eigenwert : Page 7
8 > V_ := convert(nullspace(evalm(a+2)) mod,list)[]; V_ := [,, 2, 2, ] > map( mod,evalm(a&*v_),); [,, 2, 2, ] und nun den Hauptraum zu dem Faktor x 2 + x + 2 des Minimalpolynoms. Dazu gehen wir nach dem Verfahren aus der Übung vor: > H := transpose(gausselim(transpose(a+2)) mod ); H := Die Dimension des Hauptraums ist 4, also gibt es zwei Blöcke der Größe 2 auf der Diagonalen und es gilt: r =, r 2 = 2. Wähle als ersten Hauptvektor die erste Matrixspalte: > V_2 := col(h,); V_2 := [ 2,, 2, 0, 2] Nun bestimmen wir durch Anwenden der Matrix weitere, linear unabhängiger Vektoren: > V_ := map( mod,evalm(a &* V_2),); V_ := [ 0, 0, 0,, ] Der nächste Schritt wäre schon von den beiden ersten linear abhängig, > map( mod,evalm(a &* V_),); [ 2,, 2, 2, ] also wählen wir nun einen neuen Vektor aus der Matrix: > V_4 := col(h,); V_4 := [ 0, 0, 2, 2, ] und fahren fort wie oben, bis wir (zusammen mit dem Eigenvektor zum Eigenwert von oben) auf diese Weise eine Basis des Raumes aufgestellt haben: > V_ := map( mod,evalm(a &* V_4),); V_ := [ 2, 2,, 2, ] Damit erhalten wir nun die Basiswechselmatrix: > B := transpose(matrix([v_,v_2,v_,v_4,v_])); B := mit der Darstellung der Matrix in der neuen Basis: > map( mod,evalm(b^(-) &* A &* B),); Page 8
9 und erkennen hier die gesuchte Blockdiagonalmatrix mit den Werten r = und r 2 = 2. Page 9
Lineare Algebra für Ingenieure
TECHNISCHE UNIVERSITÄT BERLIN SS 4 Fakultät II - Mathematik J Liesen/F Lutz/R Seiler Lineare Algebra für Ingenieure Lösungen zur Juli-Klausur Stand: 4 September 4 Rechenteil Aufgabe (8 Punkte Berechnen
Mehr12. Gruppenübung zur Linearen Algebra I
2. Gruppenübung zur Linearen Algebra I > restart; > with(linalg): Warning, new definition for norm Warning, new definition for trace Zuerst definieren wir uns die Hilfsfunktion linindep (vgl.. Übung),
MehrMusterlösungen zur Linearen Algebra II Hauptklausur
Musterlösungen zur Linearen Algebra II Hauptklausur Aufgabe. Q ist unitär genau dann, wenn gilt Q Q = I n. Daraus folgt, dass a) und c) richtig sind. Die -Matrix A := (i) zeigt, dass i.a. A A t, d.h. b)
Mehr11. Gruppenübung zur Linearen Algebra I
11. Gruppenübung zur Linearen Algebra I > restart; > with(linalg): Warning, new definition for norm Warning, new definition for trace Aufgabe 1: Zuerst derfinieren wir uns die Hilfsfunktion linindep, um
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.
MehrGruppe II Lineare Algebra
Pflichtbereichs Klausur in der Lehrerweiterbildung am 7.Juni 22 Bearbeiten Sie 3 der folgenden 6 Aufgaben, dabei aus jeder der beiden Gruppen (Lineare Algebra und Analysis) mindestens eine Aufgabe! Zur
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
MehrD-MATH, D-PHYS, D-CHAB Lineare Algebra II FS 14 Manfred Einsiedler. Musterlösung 8. i=1. w 2, w 2 w 2 =
D-MATH, D-PHYS, D-CHAB Lineare Algebra II FS 14 Manfred Einsiedler Musterlösung 8 1. Wir konstruieren eine Orthogonalbasis aus der Basis (v 1, v 2, v ) mit dem Gram- Schmidt-Verfahren. Wir wenden die Formel
MehrMusterlösungen zur Linearen Algebra II Übungsklausur
Musterlösungen zur Linearen Algebra II Übungsklausur Aufgabe. Sei A R 3 3. Welche der folgenden Aussagen sind richtig? a Ist det(a =, dann ist A eine orthogonale Matrix. b Ist A eine orthogonale Matrix,
MehrLina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen
Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - en Kommentare an HannesKlarner@FU-Berlinde FU Berlin SS 1 Dia- und Trigonalisierbarkeit Aufgabe (1) Gegeben seien A = i i C 3 3 und B = 1
Mehr10 Unitäre Vektorräume
10 Unitäre Vektorräume Pink: Lineare Algebra 2014/15 Seite 98 10 Unitäre Vektorräume Die Theorie komplexer Vektorräume mit Skalarprodukt folgt denselben Linien wie die Theorie reeller Vektorräume mit Skalarprodukt;
MehrLösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung
D-MATH Lineare Algebra I/II HS 07/FS 08 Dr Meike Akveld Lösung 3: Sylvesters Trägheitssatz & Singulärwertzerlegung Wir wissen, dass eine Basis B von R n existiert, sodass p [β Q ] B I I q 0 n p q gilt
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
MehrLineare Algebra II. Inhalt und Begriffe. Lineare Algebra II p. 1
Lineare Algebra II Inhalt und Begriffe Lineare Algebra II p. 1 Inhaltsverzeichnis Kapitel II Grundlagen der Linearen Algebra... Lineare Algebra II p. 2 Inhaltsverzeichnis Kapitel II Grundlagen der Linearen
MehrÜbungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen
Übungen zum Ferienkurs Lineare Algebra 5/6: Lösungen Darstellungsmatrizen. Bestimme die Darstellungsmatrix M B,B (f ) für die lineare Abbildung f : 3, die durch f (x, y, z) = (4x + y z, y + z) definiert
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
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 25.
A Technische Universität Berlin Fakultät II Institut für Mathematik WS 3/4 Eppler, Richter, Scherfner, Seiler, Zorn 5. Februar 4 Februar Klausur (Rechenteil) Lösungen: Lineare Algebra für Ingenieure Name:.......................................
Mehr10. Übung zur Linearen Algebra II -
0. Übung zur Linearen Algebra II - Lösungen Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 00. Aufgabe 7 Der ( linearen ) Abbildung ϕ : R R sei bzgl. der kanonischen Basis die Matrix zugeordnet.
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Darstellungsmatrizen 2 2 Diagonalisierbarkeit
Mehr(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.
L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors
MehrFerienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen Musterlösungen zu den Übungen
Technische Universität München Department of Physics Ferienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen Musterlösungen zu den Übungen Freitag, 6.. Sascha Frölich
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
MehrHinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4.
Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4. Aufgabe 2.1 (8 Punkte) Es sei K ein Körper, n N, V ein 2n-dimensionaler K -Vektorraum und U
Mehr9. Übung zur Linearen Algebra II -
9. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 00. Aufgabe 33 (i) Beweise oder widerlege: In einem euklidischen VR gilt x + y = x + y x y (Satz von Pythagoras).
Mehr7.3 Unitäre Operatoren
Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren
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
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
MehrKontrollfragen und Aufgaben zur 3. Konsultation
1 Technische Universität Ilmenau Fakultät für Mathematik und Naturwissenschaften Institut für Mathematik Prof. Dr. Michael Stiebitz Kontrollfragen und Aufgaben zur 3. Konsultation Termin: Ort: Determinante
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,
MehrKLAUSUR. Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.:
KLAUSUR Lineare Algebra (E-Techniker/Mechatroniker/W-Ingenieure/Informatiker).3. (W. Koepf) Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.: Für jede Aufgabe gibt es Punkte. Zum Bestehen der Klausur
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,
MehrLösungsskizzen zur Klausur Mathematik II
sskizzen zur Klausur Mathematik II vom..7 Aufgabe Es sei die Ebene im R 3 gegeben. E = +λ 3 + µ λ,µ R (a) Geben Sie die Hesse-Normalform der Ebene E an. (b) Berechnen Sie die orthogonale Projektion Π E
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
MehrKlausur zu. Lineare Algebra II. Viel Erfolg! Fachbereich Mathematik WS 2012/13 Dr. habil. Matthias Schneider. Bonus Note. Aufgabe
Klausur zu Lineare Algebra II Fachbereich Mathematik WS 0/3 Dr. habil. Matthias Schneider Aufgabe 3 4 5 6 7 Bonus Note Punktzahl 4 3 3 3 3 0 erreichte Punktzahl Es sind keine Hilfsmittel zugelassen. Die
MehrAbschnitt 1. Jordan Normalform
Abschnitt Jordan Normalform Beispiel & Eigenschaften λ λ λ λ 2 λ 2 λ 2 λ 3 Voraussetzung: χ zerfällt Dann: ex. Basis, s.d. Darstellungsmatrix Jordan-Form hat Minimalpolynom µ hat Faktor zu jedem EW in
MehrEinige Lösungsvorschläge für die Klausur zur Vorlesung
Prof Klaus Mohnke Institut für Mathematik Einige Lösungsvorschläge für die Klausur zur Vorlesung Lineare Algebra und analtische Geometrie II* - SS 7 Aufgabe Im R mit dem Standardskalarprodukt ist die folgende
MehrLINEARE ALGEBRA I (LEHRAMT GYMNASIUM) WINTERSEMESTER 2015/16
LINEARE ALGEBRA I (LEHRAMT GYMNASIUM) WINTERSEMESTER 2015/16 CAROLINE LASSER Inhaltsverzeichnis 1. Matrizen 2 1.1. Eliminationsverfahren (13.04.) 2 2. Euklidische Vektorräume 3 2.1. Skalarprodukte und
MehrLineare Algebra II 12. Übungsblatt
Lineare Algebra II 12. Übungsblatt Fachbereich Mathematik SS 2011 Prof. Dr. Kollross 13. / 14. Juli 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Probeklausur) Sprechen Sie über die Probeklausur
MehrDiagonalisierbarkeit symmetrischer Matrizen
¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren
MehrScheinklausur zur Linearen Algebra I, WS 05/06, 2. Teil
14.2.2006 Scheinklausur zur Linearen Algebra I, WS 05/06, 2. Teil Prof. Dr. G. Hiß Tragen Sie bitte auf diesem Deckblatt leserlich und in Blockbuchstaben Ihren Namen und Ihre Matrikelnummer ein und unterschreiben
MehrT := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass
I. a) Es sei (G, ) eine abelsche Gruppe mit neutralem Element e G. Zeigen Sie, dass U := {g G g 3 = e G } eine Untergruppe von G ist. b) In der symmetrischen Gruppe S 4 definieren wir analog zu a) die
MehrKlausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen.
Klausur Lineare Algebra I am 03.02.10 Es sind insgesamt 60 Punkte bei der Klausur zu erreichen. Aufgabe 1. (6 Punkte insgesamt) a.) (3P) Definieren Sie, was eine abelsche Gruppe ist. b.) (3P) Definieren
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 009 Dienstag 3.6 $Id: quadrat.tex,v.4 009/06/3 4:55:47 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6.3 Quadratische Funktionen und die Hauptachsentransformation
MehrMusterlösungen für die Nachklausur in LinAlg vom
Musterlösungen für die Nachklausur in LinAlg vom 10.10.16 1. Finden Sie mindestens ) zwei Dreh )Matrizen ) M R 2 2 mit der Eigenschaft 1 0 M = : M = ± 1 1 2 ±1 1 k k 1 k 2. Sei A R 3 3 die Matrix A = 0
MehrLineare Algebra und Geometrie II, Übungen
Lineare Algebra und Geometrie II, Übungen Gruppe (9 9 45 ) Sei A 2 Bestimmen Sie A und A Finden Sie weiters Vektoren u, v R 2 mit u und Au A, beziehungsweise v und Av A Zunächst die Berechnung der Norm
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
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
MehrVerständnisfragen: Lineare Algebra und Analytische Geometrie I und II
Verständnisfragen: Lineare Algebra und Analytische Geometrie I und II Matrizen, lineare Gleichungssysteme Wie kommt man von einem linearen Gleichungssystem zu einer Matrix? Was ist die Zeilenstufenform?
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)
MehrL7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren. Gegeben. Gesucht: Diagonalform: Finde und! Definition: Eigenvektor, Eigenwert
L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors
MehrMusterlösung der Klausur zur linearen Algebra II
David Blottière SS 7 Patrick Schützdeller Universität Paderborn Julia Sauter Musterlösung der Klausur zur linearen Algebra II Aufgabe 1 Bestimmen Sie Jordan-Normalformen der folgenden Matrizen, und schreiben
MehrVordiplomsklausur zur Linearen Algebra I, WS 05/06
27.3.2006 Vordiplomsklausur zur Linearen Algebra I, WS 05/06 Prof. Dr. G. Hiß Tragen Sie bitte auf diesem Deckblatt leserlich und in Blockbuchstaben Ihren Namen und Ihre Matrikelnummer ein und unterschreiben
Mehr(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.
L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Anwendungen in der Physik: Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors - Normalmoden
MehrLINEARE ALGEBRA II (LEHRAMT GYMNASIUM) SOMMERSEMESTER 2017
LINEARE ALGEBRA II (LEHRAMT GYMNASIUM) SOMMERSEMESTER 2017 CAROLINE LASSER Inhaltsverzeichnis 1. Euklidische Vektorräume 2 1.1. Skalarprodukte und Normen (26.4.) 2 1.2. Orthonormalisierung (3.5.) 2 1.3.
MehrMC-Serie 11: Eigenwerte
D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2017
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 7 L I N E A R E A L G E B R A F Ü R T P H, U E (.64). Haupttest (FR, 9..8) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
MehrAufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
MehrFach: Mathematik 2 Autorin: Dr. Anja Pruchnewski
Fach: Mathematik 2 Autorin: Dr. Anja Pruchnewski block detail Anwendung 29. Lineare Gleichungssysteme Einstieg, allgemeiner Lösungsalgorithmus 30. Matrizen Definition, Rechnen mit Matrizen, Matrizen und
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
MehrKlausur zur Vorlesung Lineare Algebra II, SoSe 2016,
Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren
MehrÜbungsblatt
Prof Dr Fabien Morel Lineare Algebra II Dr Anand Sawant Sommersemester 2018 Übungsblatt 11 20062018 Aufgabe 1 (2 Punkte) Berechnen Sie eine Jordan-Basis für die Matrix 3 1 1 M = 2 2 0 M 3 (R) 1 1 3 Wir
MehrLösung zum 9. Tutorium
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SoSe 5 Blatt 9 9.6.5 Lösung zum 9. Tutorium. Staatsexamensaufgabe Frühjahr 8 Die Vektoren v = 3, und v = 3 R4 spannen einen Unterraum U
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
MehrFerienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen
Technische Universität München Department of Physics Ferienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen Freitag, 16.03.2012 Sascha Frölich Ferienkurs Lin. Alg. -
MehrBeispiele. zum Tutorium Numerisches Rechnen und Lineare Algebra WS 2016/2017
Beispiele zum Tutorium Numerisches Rechnen und Lineare Algebra WS 6/7 Zur positiven Beurteilung der LV ist es notwendig, dass aus jedem der 9 Abschnitte (Lineare Gleichungssysteme, Determinanten, Vektorräume,
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
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
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2017
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 27 L I N E A R E A L G E B R A F Ü R T P H, U E (.64) 2. Haupttest (FR, 9..28) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
MehrEuklidische Vektorräume
ÜBUNG [00]: Lies dir sämtliche Informationen über das Begleitpraktikum II auf der Homepage durch, damit du informiert über den Ablauf bist. Beachte hierbei insbesondere die Fristen für die Anmeldung! Hinweis:
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
Mehr5. Übung zur Linearen Algebra II -
5. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 2. Aufgabe 7 5 A := 2. 3 2 (i) Berechne die Eigenwerte und Eigenvektoren von A. (ii) Ist A diagonalisierbar?
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum
Mehr1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen
Hannover, den 7. Februar 2002 Aufgabe. Übungsblatt: Lineare Algebra II Abgabe: 8./9.4.2002 in den Übungsgruppen (2, 2, 3 Punkte) Der Vektorraum V = C[, ] sei mit dem üblichen Skalarprodukt f, g = f(t)g(t)
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
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
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2017
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 7 L I N E A R E A L G E B R A F Ü R T P H, U E (.64). Haupttest (FR, 9..8) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
Mehr17. Orthogonalsysteme
17. Orthogonalsysteme 17.1. Winkel und Orthogonalität Vorbemerkung: Sei V ein Vektorraum mit Skalaprodukt, und zugehöriger Norm, dann gilt nach Cauchy-Schwarz: x, y V \ {0} : x, y x y 1 Definition: (a)
MehrStudienrichtung: Physik / technische Mathematik, Lehramt, oder andere.
Lineare Algebra und Analytische Geometrie II Sommer 26 2.9.26 Zweite Klausur für Studierende der Mathematik (inkl. Lehramt) Dritte Klausur für Studierende der Physik Name (deutlich lesbar!):.......................................................................
Mehr1 Die Jordansche Normalform
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 4/5 A Die Jordansche Normalform Vierter Tag (9.03.205) Im Zusammenhang mit der Lösung komplexer Differentialgleichungssysteme
MehrKlausur zur Mathematik II (Modul: Lineare Algebra II)
Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Wolfgang Mackens Wintersemester 0/04 Klausur zur Mathematik II (Modul: Lineare Algebra II) 05.0.04 Sie haben 60 Minuten Zeit zum
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
MehrStudienrichtung: Physik / technische Mathematik, Lehramt, oder andere.
Lineare Algebra und Analytische Geometrie II Sommer 26 4.7.26 Erste Klausur für Studierende der Mathematik inkl. Lehramt) Zweite Klausur für Studierende der Physik Name deutlich lesbar!):.......................................................................
MehrLösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015
sskizzen der Klausur zur Linearen Algebra im Herbst 5 Aufgabe I. Es sei (G, ) eine Gruppe mit neutralem Element e und M {x G x x e}. Zeigen Sie: (a) Ist G kommutativ, so ist M eine Untergruppe von G. (b)
MehrSteilkurs Lineare Algebra 1 einige wichtige Stationen
Steilkurs Lineare Algebra 1 einige wichtige Stationen Für einen Körper K ist ein K-Vektorraum V eine Menge mit einer kommutativen und assoziativen Verknüpfung + : V V V, für die es ein neutrales Element
MehrProbeprüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Frühling 018 Probeprüfung Lineare Algebra I/II für D-MAVT Die Prüfung dauert 10 Minuten. Sie dient der Selbstevaluation. Die Musterlösungen folgen. Die Multiple Choice
MehrPrüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker
TECHNISCHE UNIVERSITÄT BERLIN SS 200 Fachbereich 3 - Mathematik Pohst / Lusala Prüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker Name:................................................................................
MehrKlausur zur Vorlesung Lineare Algebra II
Universität zu Köln Sommersemester 06 Mathematisches Institut 9. Juli 06 Prof. Dr. P. Littelmann Dr. Teodor Backhaus Klausur zur Vorlesung Lineare Algebra II Bearbeitungszeit 80 Minuten Bitte geben Sie
MehrLösungshinweise zur Klausur. Mathematik für Informatiker III. (Dr. Frank Hoffmann) 18. Februar 2008
Lösungshinweise zur Klausur Mathematik für Informatiker III (Dr. Frank Hoffmann) 8. Februar 8 Aufgabe Algebraisches I /6++ (a) Rechnen Sie zunächst nach, dass die Menge B = {,, von Vektoren eine Basis
MehrScheinklausur, 2. Teil, Lineare Algebra I, WS 2001, Prof. Dr. G. Hiß. Ja oder
Gruppe A Scheinklausur 2. Teil 15.2.2002 Lineare Algebra I WS 2001 Prof. Dr. G. Hiß Name: Matrikelnummer: Kreuzen Sie bei jeder Frage entweder Ja oder Nein oder nichts an. Auswertung der Multiple-Choice-Aufgaben:
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)
MehrLösungsskizzen zur Klausur
sskizzen zur Klausur Mathematik II Sommersemester 4 Aufgabe Es seien die folgenden Vektoren des R 4 gegeben: b = b = b 3 = b 4 = (a) Prüfen Sie ob die Vektoren b b 4 linear unabhängig sind bestimmen Sie
MehrLineare Algebra 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 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 42 Normale Endomorphismen Nach Satz 34.1 besitzt eine Isometrie über C eine Orthonormalbasis aus Eigenvektoren
MehrÜbungen zu Lineare Algebra und Geometrie 1
Übungen zu Lineare Algebra und Geometrie 1 Hermann Schichl Andreas Čap Sommersemester 218 Wiederholung grundlegender Begriffe (1) Bestimmen Sie Kern und Bild der linearen Abbildung f : R 3 R 3, die gegeben
MehrLösungen der Aufgaben zu Kapitel 11
Lösungen der Aufgaben zu Kapitel Vorbemerkung: Zur Bestimmung der Eigenwerte (bzw. des charakteristischen Polynoms) einer (, )-Matrix verwenden wir stets die Regel von Sarrus (Satz..) und zur Bestimmung
Mehr