Fach: Mathematik 2 Autorin: Dr. Anja Pruchnewski

Größe: px
Ab Seite anzeigen:

Download "Fach: Mathematik 2 Autorin: Dr. Anja Pruchnewski"

Transkript

1 Fach: Mathematik 2 Autorin: Dr. Anja Pruchnewski block detail Anwendung 29. Lineare Gleichungssysteme Einstieg, allgemeiner Lösungsalgorithmus 30. Matrizen Definition, Rechnen mit Matrizen, Matrizen und LGS 31. Matrizen und LGS Rang, Lösbarkeitskriterium LGS, Gauß- Jordan-Algorithmus, inverse Matrix Übungen Verarbeitung des Lernstoffes aus 29., 30., 31. anhand des Lernstoffes aus 29., 30., 31. anhand 32. Determinanten (1) Einführung, Definition, geometrische Interpretation, Rechenregeln, Entwicklungssatz, Sarrus Übergang der geometrischen Interpretation zum allgemeinen Lösungsalgorithmus schaffen Flüssiges Anwenden der Regeln für das Rechnen mit Matrizen Rangberechnung, LGS lösen mit Gauß- Jordan-Algorithmus, inverse Matrix bestimmen können 29., 30., 31. Anwendung 29., 30., 31. S 90 Thema 29 als Skript S 90 Thema 30 als Skript S 90 Thema 31 als Skript 29., 30., 31. Anwenden 29., 30., 31. ohne Hilfe S 180 Selbstständiges Lösen der Bedeutung der Determinante verstehen, Regeln für die Berechnung anwenden, Regel Sarrus beherrschen 33. Determinanten (2) Cramersche Regel, Inversenformel LGS mit Cramer-Regel lösen, Formel für die Inverse anwenden können 34. Vektorräume (1) Definition, Unterraum, Linearkombination, lineare Hülle Übungen Verarbeitung des Lernstoffes aus 32., 33., 34. anhand des Lernstoffes aus 32., 33., 34.. anhand 35. Vektorräume (2) Lineare Unabhängigkeit, Basis, Dimension 36. Vektorräume (3) Affine Unterräume, Lösungsmengen linearer Gleichungssysteme, Basiswechsel Sicherer Umgang mit der Definition des Vektorraums, Verständnis der Unterraumstruktur, Linearkombination und Eigenschaften der linearen Hülle 32., 33., 34. Anwendung 32., 33., 34. S 90 Thema 32 als Skript S 90 Thema 33 als Skript S 90 Thema 34 als Skript 32., 33., 34. Anwenden 32., 33., 34. ohne Hilfe S 180 Selbstständiges Lösen der Vektoren auf lineare Ab- bzw. Unabhängigkeit untersuchen, Basis und Dimension eines Vektorraums bestimmen können Strukturverständnis der Lösungsmenge eines inhomogenen LGS, Berechnung Basiswechselmatrix 37. Lineare Abbildungen (1) Definition, Kern, Bild Lineare Abbildungen erkennen, Kern und Bild ermitteln können Übungen Verarbeitung des Lernstoffes aus 35., 36., 37. anhand 35., 36., 37. Anwendung 35., 36., 37. S 90 Thema 35 als Skript S 90 Thema 36 als Skript S 90 Thema 37 als Skript

2 block detail Anwendung des Lernstoffes aus 35., 36., 37. anhand 38. Lineare Abbildungen (2) Matrixdarstellung Lineare Abbildungen mittels Matrix bezüglich einer Basis beschreiben, Kern als LGS berechnen können 39. Lineare Abbildungen (3) Drehungen, Spiegelungen Drehungen und Spiegelungen mit Hilfe Matrixabbildungen beschreiben 40. Allgemeine Skalarprodukte Definition, Cauchy-Schwarz- Ungleichung, Norm, Winkel zwischen Vektoren Übungen Verarbeitung des Lernstoffes aus 38., 39., 40. anhand des Lernstoffes aus 38., 39., 40. anhand 41. Orthogonalität (1) Orthogonales Komplement, orthogonale Projektion, Abstand 42. Orthogonalität (2) Orthonormalbasis, Gram-Schmidt- Orthogonalisierung 35., 36., 37. Anwenden 35., 36., 37. ohne Hilfe S 180 Selbstständiges Lösen der Verständnis der Definition, Cauchy- Schwarz-Ungleichung anwenden, Skalarprodukte, Norm, Winkel berechnen können 38., 39., 40. Anwendung 38., 39., 40. S 90 Thema 38 als Skript S 90 Thema 39 als Skript S 90 Thema 40 als Skript 38., 39., 40. Anwenden 38., 39., 40. ohne Hilfe S 180 Selbstständiges Lösen der Orthogonale Projektion beherrschen, Abstand zwischen Vektor und Unterraum berechnen können Orthonormalbasis ermitteln (Gram- Schmidt), um einfach orthogonal projizieren zu können 43. (Lineare) Regression Ausgleichsgerade & -parabel Berechnung der Ausgleichgerade gegebener Daten als orthogonale Projektion verstehen und durchführen können Übungen Verarbeitung des Lernstoffes aus 41., 42., 43. anhand des Lernstoffes aus 41., 42., 43. anhand 41., 42., 43. Anwendung 41., 42., 43. S 90 Thema 41 als Skript S 90 Thema 42 als Skript S 90 Thema 43 als Skript 41., 42., 43. Anwenden 41., 42., 43. ohne Hilfe S 180 Selbstständiges Lösen der Wiederholung Wiederholung der Selbstständige Wiederholung S 180 Selbstständiges Lösen der Klausur 1 ( 2) werden abgeprüft P 90 schriftlich 44. Eigenwerte und Eigenvektoren linearer Abbildungen Definition, Beispiele Verständnis des Eigenvektorbegriffs, Eigenwerte und Eigenräume berechnen S 90 Thema 44 als Skript

3 block detail Anwendung 45. Klassifikation Matrizen, Definitheit 46. Hauptachsentransformation Matrix: Diagonal-, symmetrisch, hermitesch, normal, ähnlich, diagonalisierbar, positiv/negativ definit, Hauptminorenkriterium Kegelschnittgleichungen, Matrizendarstellung, Hauptachsen finden Übungen Verarbeitung des Lernstoffes aus 44., 45., 46. anhand des Lernstoffes aus 44., 45., 46. anhand 47. Fourierreihen (1) periodische Funktionen, gerade, ungerade 48. Fourierreihen (2) Fourierkoeffizienten, komplexe Darstellung 49. Fourierreihen (3) Konvergenzaussagen und Anwendung, Dirichletbedingung, Gibbsches Phänomen Übungen Verarbeitung des Lernstoffes aus 47., 48., 49. anhand 50. Differenzialgleichungen als Kerne linearer Abbildungen 51. Differenzialgleichungen (1) 52. Differenzialgleichungen (2) des Lernstoffes aus 47., 48., 49. anhand Operatorpolynom gewöhnliche DGL, explizite DGL, Anfangswertproblem, Existenz und Eindeutigkeit der Lösung Typen DGL, Lösungsmethode Trennung der Veränderlichen, Ähnlichkeits-DGL Übungen Verarbeitung des Lernstoffes aus 50., 51., 52. anhand des Lernstoffes aus 50., 51., 52. anhand Normale Matrizen diagonalisieren, Definitheit Matrizen untersuchen mittels Eigenwerten oder Determinantenkriterium mittels Eigenvektortheorie eine Basis (Hauptachsen) ermitteln, sodass eine quadratische Form Normalform hat, Anwendung auf Kegelschnitte 44., 45., 46. Anwendung 44., 45., 46. S 90 Thema 45 als Skript S 90 Thema 46 als Skript 44., 45., 46. Anwenden 44., 45., 46. ohne Hilfe S 180 Selbstständiges Lösen der Analyse und Approximation periodischer Funktionen Berechnung reeller und komplexer Fourierkoeffizienten und Umrechnung dieser ineinander Konvergenzuntersuchungen an der Fourierreihe durchführen 47., 48., 49. Anwendung 47., 48., 49. S 90 Thema 47 als Skript S 90 Thema 48 als Skript S 90 Thema 49 als Skript 47., 48., 49. Anwenden 47., 48., 49. ohne Hilfe S 180 Selbstständiges Lösen der Abbildungen im Funktionenraum begreifen, Definition des Operatorpolynoms anwenden DGL 1.Ordnung im Richtungsfeld veranschaulichen, Näherungslösung daraus ableiten können Differentialgleichungen über Trennung der Veränderlichen lösen, Lösen Ähnlichkeits-DGL nach geeigneter Substitution 50., 51., 52. Anwendung 50., 51., 52. S 90 Thema 50 als Skript S 90 Thema 51 als Skript S 90 Thema 52 als Skript 50., 51., 52. Anwenden 50., 51., 52. ohne Hilfe S 180 Selbstständiges Lösen der

4 block detail Anwendung 53. Differenzialgleichungen Lineare DGLen 1. Ordnung (3) 54. Differenzialgleichungen (4) 55. Differenzialgleichungen (5) DGLen n-ter Ordnung mit konstanten Koeffizienten Variation der Konstanten Übungen Verarbeitung des Lernstoffes aus 53., 54., 55. anhand 56. Differenzialgleichungen (6) des Lernstoffes aus 53., 54., 55. anhand Störgliedansatz 57. Laplacetransformation (1) Definition, Eigenschaften, Faltung, Rechenregeln Lösungsstruktur linearer DGLen begreifen, homogene DGLen lösen Euleransatz anwenden, charakteristisches Polynom behandeln, Lösung DGL n-ter Ordnung ermitteln die Methode Variation der Konstanten zur Bestimmung einer Lösung der inhomogenen DGL anwenden 53., 54., 55. Anwendung 53., 54., 55. S 90 Thema 53 als Skript S 90 Thema 54 als Skript S 90 Thema 55 als Skript 53., 54., 55. Anwenden 53., 54., 55. ohne Hilfe S 180 Selbstständiges Lösen der über einen Störgliedansatz eine Lösung der inhomogenen DGL finden, dabei Sonderfall Resonanz erkennen mittels der Definition bzw. über Rechenregeln Laplacetransformierte berechnen können 58. Laplacetransformation (2) Anwendung auf Anfangswertprobleme Anfangswertprobleme mittels Laplactransformation lösen Übungen Verarbeitung des Lernstoffes aus 56., 57., 58. anhand des Lernstoffes aus 56., 57., 58. anhand 56., 57., 58. Anwendung 56., 57., 58. S 90 Thema 56 als Skript S 90 Thema 57 als Skript S 90 Thema 58 als Skript 56., 57., 58. Anwenden 56., 57., 58. ohne Hilfe S 180 Selbstständiges Lösen der Wiederholung Wiederholung der , Selbstständige Wiederholung 29-43, S 180 Selbstständiges Lösen der Klausur 2 ( 2) werden abgeprüft P 90 schriftlich Der Fachleitfaden ist in Eigenverantwortung der Autorin entstanden. Die Mitglieder/-innen und Angehörigen der Technischen Universität Ilmenau folgen gemäß dem Leitbild den Grundsätzen der Einheit und Freiheit Forschung und Lehre.

5 Abkürzungen: DGL LGS Differentialgleichung Lineares Gleichungssystem Förderhinweis: Diese Publikation entstand im Rahmen des Projekts BASICplus Realisierung einer offenen Studienplattform für die berufsbegleitende und durchgängige Aus- und Weiterbildung in den Ingenieurfächern. Das Projekt wurde mit Mitteln aus dem Förderwettbewerb Aufstieg durch Bildung: offene Hochschulen aus dem Programm des Bundesministeriums für Bildung und Forschung und der Länder im Rahmen der gemeinsamen Anstrengungen in der Förderung Wissenschaft und Forschung gefördert (1. Förderphase, Laufzeit August 2014 Januar 2018, FKZ:16OH21017).

Fach: Mathematik 1 Autorin: Dr. Anja Pruchnewski

Fach: Mathematik 1 Autorin: Dr. Anja Pruchnewski Fach: Mathematik 1 Autorin: Dr. Anja Pruchnewski block detail Anwendung 1. Mengen 2. Logik 3. Vollständige Induktion Beschreibung, Intervalle, Vereinigung, Durchschnitt, Komplement kartesisches Produkt,

Mehr

Einführung 17. Teil I Zu den Grundlagen der linearen Algebra 21. Kapitel 1 Schnelleinstieg in die lineare Algebra 23

Einführung 17. Teil I Zu den Grundlagen der linearen Algebra 21. Kapitel 1 Schnelleinstieg in die lineare Algebra 23 Inhaltsverzeichnis Einführung 17 Zu diesem Buch 17 Konventionen in diesem Buch 17 Törichte Annahmen über den Leser 17 Wie dieses Buch aufgebaut ist 18 Teil I: Zu den Grundlagen der linearen Algebra 18

Mehr

LINEARE ALGEBRA II (LEHRAMT GYMNASIUM) SOMMERSEMESTER 2017

LINEARE 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.

Mehr

Kontrollfragen und Aufgaben zur 3. Konsultation

Kontrollfragen 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

Mehr

Lineare Algebra für Ingenieure

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

Mehr

Mathematik 2, SS 2015 Prof. F. Brock Zusammenfassung. Permutationen, Inversionen. Explizite Formel für die Determinante einer n n-

Mathematik 2, SS 2015 Prof. F. Brock Zusammenfassung. Permutationen, Inversionen. Explizite Formel für die Determinante einer n n- I. Lineare Algebra Mathematik 2, SS 2015 Prof. F. Brock Zusammenfassung 1. Determinanten (siehe Fischer/Kaul I, S.329-339) Matrix. Determinanten von 2 2- und 3 3-Matrizen. Alternierende Multilinearformen

Mehr

Vorbereitung für die Prüfung Mathematik II für Informatiker

Vorbereitung für die Prüfung Mathematik II für Informatiker Technische Universität Ilmenau SS 2010 Institut für Mathematik Inf Prof. Dr. Michael Stiebitz Vorbereitung für die Prüfung Mathematik II für Informatiker 1 Lineare Algebra Aufgabe 1 Schauen Sie sich die

Mehr

LINEARE ALGEBRA I (LEHRAMT GYMNASIUM) WINTERSEMESTER 2015/16

LINEARE 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

Mehr

Inhaltsverzeichnis. I Lineare Gleichungssysteme und Matrizen 1. Vorwort

Inhaltsverzeichnis. I Lineare Gleichungssysteme und Matrizen 1. Vorwort Vorwort V I Lineare Gleichungssysteme und Matrizen 1 1 Der Begriff des Körpers 3 1.1 Mengen 3 1.2 Köiperaxiome 3 1.3 Grundlegende Eigenschaften von Körpern 5 1.4 Teilkörper 7 1.5 Aufgaben 8 1.5.1 Grundlegende

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (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 =

Mehr

9 Eigenwerte und Eigenvektoren

9 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

Mehr

9 Eigenwerte und Eigenvektoren

9 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

Mehr

Ina Kersten Analytische Geometrie und Lineare Algebra 1. L A TEX-Bearbeitung von Stefan Wiedmann

Ina Kersten Analytische Geometrie und Lineare Algebra 1. L A TEX-Bearbeitung von Stefan Wiedmann Ina Kersten Analytische Geometrie und Lineare Algebra 1 L A TEX-Bearbeitung von Stefan Wiedmann Universitätsverlag Göttingen 2005 Voraussetzungen 11 1 Einige Grundbegriffe 12 1.1 Die komplexen Zahlen 12

Mehr

LINEARE ALGEBRA I JÜRGEN HAUSEN

LINEARE ALGEBRA I JÜRGEN HAUSEN LINEARE ALGEBRA I JÜRGEN HAUSEN Anstelle eines Vorwortes... Der vorliegende Text entstand aus einer einführenden Vorlesung Lineare Algebra im Rahmen des Mathematikstudiums. Ich habe mich um knappe Darstellung

Mehr

Lösungen der Aufgaben zu Kapitel 11

Lösungen 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

Lösungsskizzen zur Klausur

Lösungsskizzen 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

Mehr

Mathematische Methoden in der Systembiologie Universität Heidelberg, Sommer 2017

Mathematische Methoden in der Systembiologie Universität Heidelberg, Sommer 2017 Mathematische Methoden in der Systembiologie Universität Heidelberg, Sommer 2017 Dozent: Dr. M. V. Barbarossa (barbarossa@uni-heidelberg.de) Vorlesung+ Übung: Mo/Mi/Fr. 8:15-9:45Uhr, SR 1, INF 205 Termin

Mehr

Übungen zur Vorlesung Lineare Algebra

Übungen zur Vorlesung Lineare Algebra Übungen zur Vorlesung Lineare Algebra Institut für Reine Mathematik WS 2009/10 & SS 2010 Kapitel 1. Vektorräume Was ist ein Vektorraum? Sei X und K ein Körper. Wie macht man Abb (X, K) zu einem K -Vektorraum?

Mehr

Technische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 25.

Technische 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:.......................................

Mehr

Diagonalisierbarkeit symmetrischer Matrizen

Diagonalisierbarkeit 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

Mehr

Determinante und Inverse

Determinante und Inverse Vorzeigeaufgaben: Determinante und Inverse Bestimmen Sie für welche a R die folgende Matrix invertierbar ist und berechnen Sie deren Inverse: A = a cos(x) sin(x) a sin(x) cos(x) Bestimmen Sie ob folgende

Mehr

EINFÜHRUNG IN DIE THEORIE DER LINEAREN VEKTORRÄUME

EINFÜHRUNG IN DIE THEORIE DER LINEAREN VEKTORRÄUME HOCHSCHULBÜCHER FÜR MATHEMATIK HERAUSGEGEBEN VON H. GRELL, K. MARUHN UND W. RINOW BAND 60 EINFÜHRUNG IN DIE THEORIE DER LINEAREN VEKTORRÄUME VON H.BOSECK MIT 14 ABBILDUNGEN Zweite^ berichtigte Auflage

Mehr

Höhere Mathematik für Ingenieure Band II

Höhere Mathematik für Ingenieure Band II Teubner-Ingenieurmathematik Höhere Mathematik für Ingenieure Band II Lineare Algebra Bearbeitet von Klemens Burg, Herbert Haf, Friedrich Wille, Andreas Meister 1. Auflage 2012. Taschenbuch. xvii, 417 S.

Mehr

und Unterdeterminante

und Unterdeterminante Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,

Mehr

und Unterdeterminante

und Unterdeterminante Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,

Mehr

9. Übungsblatt zur Mathematik I für Maschinenbau

9. 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)

Mehr

Verständnisfragen: Lineare Algebra und Analytische Geometrie I und II

Verständnisfragen: 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?

Mehr

10 Unitäre Vektorräume

10 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;

Mehr

Prüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker

Prüfungs-/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:................................................................................

Mehr

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen

Lina 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

Mehr

T := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass

T := {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

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013

Aussagenlogik. 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

Mehr

Aussagenlogik. 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. 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

Mehr

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH ) Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon

Mehr

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT

Lösungen 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

Mehr

Probeprüfung Lineare Algebra I/II für D-MAVT

Probeprüfung 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

Mehr

Kapitel 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 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

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 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

Mehr

P AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3

P AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3 Matrixpotenzen In Anwendungen müssen oft hohe Potenzen einer quadratischen Matrix berechnet werden Ist die Matrix diagonalisierbar, dann kann diese Berechnung wie folgt vereinfacht werden Sei A eine diagonalisierbare

Mehr

Lösungsskizzen zur Klausur Mathematik II

Lösungsskizzen 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

Mehr

Kontrollfragen und Aufgaben zur 4. Konsultation

Kontrollfragen und Aufgaben zur 4. Konsultation 1 Technische Universität Ilmenau Fakultät für Mathematik und Naturwissenschaften Institut für Mathematik Dr. Jens Schreyer und Prof. Dr. Michael Stiebitz Kontrollfragen und Aufgaben zur 4. Konsultation

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

Ausgewählte 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

Mehr

REPETITORIUM DER HÖHEREN MATHEMATIK. Gerhard Merziger Thomas Wirth

REPETITORIUM DER HÖHEREN MATHEMATIK. Gerhard Merziger Thomas Wirth REPETITORIUM DER HÖHEREN MATHEMATIK Gerhard Merziger Thomas Wirth 6 INHALTSVERZEICHNIS Inhaltsverzeichnis Fl Formelsammlung F2 Formelsammlung Alphabete 11 Zeichenindex 12 1 Grundbegriffe 14 1.1 Logische

Mehr

Fachhochschule München Fachbereich 03 FA WS 2006/07. Diplomvorprüfung in Mathematik I (Lineare Algebra) Fahrzeugtechnik

Fachhochschule München Fachbereich 03 FA WS 2006/07. Diplomvorprüfung in Mathematik I (Lineare Algebra) Fahrzeugtechnik 1 Fachhochschule München Fachbereich 03 FA WS 006/07 Diplomvorprüfung in Mathematik I (Lineare Algebra) Fahrzeugtechnik Arbeitszeit: Hilfsmittel: Aufgabensteller: 90 Minuten Formelsammlung, Skripten, Bücher,

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2

Klausurenkurs 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)

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019

Aussagenlogik. 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

Mehr

Klausur zu. Lineare Algebra II. Viel Erfolg! Fachbereich Mathematik WS 2012/13 Dr. habil. Matthias Schneider. Bonus Note. Aufgabe

Klausur 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

Mehr

Untersuchen Sie, ob die folgenden Abbildungen linear oder nicht linear sind. x y

Untersuchen Sie, ob die folgenden Abbildungen linear oder nicht linear sind. x y Aufgabe 1 Untersuchen Sie, ob die folgenden Abbildungen linear oder nicht linear sind. (( )) 3x x (a) Sei f : R 2 R 3 mit f = 2y + x y x y ( ) 4 (b) Sei f : R R 2 mit f(x) = x + 1 (( )) ( ) x x y (c) Sei

Mehr

Mathematik für die ersten Semester

Mathematik für die ersten Semester Mathematik für die ersten Semester von Prof. Dr. Wolfgang Mückenheim 2., verbesserte Auflage Oldenbourg Verlag München Inhaltsverzeichnis I Grundlagen 1 1 Logik 3 2 Mengen 7 3 Relationen 15 3.1 Abbildungen

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. 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

Mehr

Mathematik. für die ersten Semester von Prof. Dr. Wolfgang Mückenheim. OldenbourgVerlag München

Mathematik. für die ersten Semester von Prof. Dr. Wolfgang Mückenheim. OldenbourgVerlag München Mathematik für die ersten Semester von Prof. Dr. Wolfgang Mückenheim OldenbourgVerlag München Inhaltsverzeichnis I 1 2 3 3.1 11 4 4.1 4.2 4.3 5 5.1 5.2 5.3 5.4 5.5 5.6 Grundlagen Logik 3 Mengen 7 Relationen

Mehr

Musterlösungen zur Linearen Algebra II Hauptklausur

Musterlösungen 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)

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3

Klausurenkurs 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

Mehr

Lineare Algebra II. Inhalt und Begriffe. Lineare Algebra II p. 1

Lineare 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

Mehr

1 Die Jordansche Normalform

1 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

Mehr

UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München

UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München IngolfTerveer Mathematik- Formeln Wirtschaftswissenschaften UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München Inhalt 1 Grundlegende Begriffe 11 1.1 Zahlbereiche 11 1.1.1 Reelle Zahlen 11 1.1.2

Mehr

D-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. 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

Mehr

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn. Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

Mehr

Institut für Analysis und Scientific Computing E. Weinmüller WS 2017

Institut 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.

Mehr

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? 1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2

Mehr

Mathematik I/II für Verkehrsingenieurwesen 2007/08/09

Mathematik I/II für Verkehrsingenieurwesen 2007/08/09 Prof. Dr. habil. M. Ludwig Mathematik I/II für Verkehrsingenieurwesen 2007/08/09 Inhalt der Vorlesung Mathematik I Schwerpunkte: 0 Vorbetrachtungen, Mengen 1. Lineare Algebra 1.1 Matrizen 1.2 Determinanten

Mehr

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Aufgabensammlung 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

Mehr

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2 Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete

Mehr

Wann heit eine Menge reeller Zahlen beschrankt? oen? abgeschlossen? Was ist das Supremum (Inmum) Maximum (Minimum) einer Teilmenge

Wann heit eine Menge reeller Zahlen beschrankt? oen? abgeschlossen? Was ist das Supremum (Inmum) Maximum (Minimum) einer Teilmenge 1 1 Check-Liste Analysis 1.1 Mengen und Abbildungen Wann heit eine Menge reeller Zahlen beschrankt? oen? abgeschlossen? kompakt? Was ist das Supremum (Inmum) Maximum (Minimum) einer Teilmenge von R? Was

Mehr

Institut für Analysis und Scientific Computing E. Weinmüller WS 2017

Institut 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.

Mehr

4 Lineare Abbildungen Basisdarstellungen

4 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

Mehr

6 Eigenwerte und Eigenvektoren

6 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,

Mehr

Lehr- und Übungsbuch MATHEMATIK. Lineare Algebra und Anwendungen. Mit 104 Bildern, 174 Beispielen und 222 Aufgaben mit Lösungen

Lehr- und Übungsbuch MATHEMATIK. Lineare Algebra und Anwendungen. Mit 104 Bildern, 174 Beispielen und 222 Aufgaben mit Lösungen Lehr- und Übungsbuch MATHEMATIK für Informatiker Lineare Algebra und Anwendungen Mit 104 Bildern, 174 Beispielen und 222 Aufgaben mit Lösungen Fachbuchverlag Leipzig im Carl Hanser Verlag Inhaltsverzeichnis

Mehr

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel 4 Orthogonalität 4. Motivation Im euklidischen Raum ist das euklidische Produkt zweier Vektoren u, v IR n gleich, wenn die Vektoren orthogonal zueinander sind. Für beliebige Vektoren lässt sich sogar der

Mehr

Übungsblatt 5 : Lineare Algebra

Übungsblatt 5 : Lineare Algebra Mathematik I Übungsblatt 5 WS 7/8 Prof.Dr.W. Konen Dr. A. Schmitter Bereiten Sie die Aufgaben parallel zur Vorlesung so vor dass Sie in der Lage sind Ihre Lösungen vorzutragen. Übungsblatt 5 : Lineare

Mehr

Mathematik I+II. für FT, LOT, PT, WT im WS 2015/2016 und SS 2016

Mathematik I+II. für FT, LOT, PT, WT im WS 2015/2016 und SS 2016 Mathematik I+II für FT, LOT, PT, WT im WS 2015/2016 und SS 2016 I. Wiederholung Schulwissen 1.1. Zahlbereiche 1.2. Rechnen mit reellen Zahlen 1.2.1. Bruchrechnung 1.2.2. Betrag 1.2.3. Potenzen 1.2.4. Wurzeln

Mehr

Institut für Analysis und Scientific Computing E. Weinmüller WS 2017

Institut 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.

Mehr

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW

AUFGABENSAMMLUNG 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

Mehr

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1. Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x

Mehr

Lineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß

Lineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Lineare Algebra I - 26. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Donnerstag 8.12.: 8:30 Uhr - Vorlesung 10:15 Uhr - große Übung / Fragestunde Klausur: Mittwoch, 14.12. 14:15 Uhr, A3 001 Cauchy-Schwarz

Mehr

Lineare Algebra und analytische Geometrie

Lineare Algebra und analytische Geometrie Lineare Algebra und analytische Geometrie von Günther Eisenreich Mit 107 Abbildungen und 2 Tabellen 3., erweiterte und berichtigte Auflage Akademie Verlag Inhaltsverzeichnis A. Allgemeine Vorbemerkungen

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6

Klausurenkurs 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

Mehr

(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.

(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

Mehr

Mathematik II. Variante A

Mathematik II. Variante A Prof. Dr. E. Triesch Mathematik II SoSe 28 Variante A Hinweise zur Bearbeitung: Benutzen Sie zur Beantwortung aller Aufgaben ausschließlich das in der Klausur ausgeteilte Papier! Es werden nur die Antworten

Mehr

Tagesablauf. Allgemeine Organisation. Programm des Kompaktseminars

Tagesablauf. Allgemeine Organisation. Programm des Kompaktseminars Kompaktseminar Werbellinsee Sept. 2008 1 Tagesablauf 9:00 Frühstück 9:30-13:00 Erste Sitzung (mit Pausen nach Bedarf) 13:00 Mittagessen 14:30-19:00 Zweite Sitzung (mit Pausen nach Bedarf) 19:00 Abendessen

Mehr

Musterlösungen zur Linearen Algebra II Übungsklausur

Musterlösungen 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,

Mehr

Lineare Algebra I Ferienblatt

Lineare Algebra I Ferienblatt Wintersemester 09/0 Prof. Dr. Frank-Olaf Schreyer Dr. Janko Boehm Lineare Algebra I Ferienblatt. Sei, das Euklidische Skalarprodukt auf R. Das Kreuzprodukt a b von Vektoren a, b R ist durch die Formel

Mehr

Für das Allgemeine lineare Gleichungssystem mit n linearen Gleichungen und n Unbekannten

Für das Allgemeine lineare Gleichungssystem mit n linearen Gleichungen und n Unbekannten Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 008 6. Januar.009 Kapitel 6 Leontieff Modell, Lineare

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag 9.6 $Id: quadrat.tex,v. 9/6/9 4:6:48 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6. Symmetrische Matrizen Eine n n Matrix heißt symmetrisch wenn

Mehr

1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen

1. 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)

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF

TECHNISCHE 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

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (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 =

Mehr

Mathematische Methoden in der Systembiologie WS 2017/2018

Mathematische Methoden in der Systembiologie WS 2017/2018 Mathematische Methoden in der Systembiologie WS 2017/2018 Dozent: Dr. M. V. Barbarossa (barbarossa@uni-heidelberg.de) Tutor: M.Sc. D. Danciu (dpdanciu@math.uni-heidelberg.de) /Übung: Di.+Do. 9:15-10:45Uhr,

Mehr

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 6

Klausurenkurs 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

Mehr

Jürgen Hausen Lineare Algebra I

Jürgen Hausen Lineare Algebra I Jürgen Hausen Lineare Algebra I 2. korrigierte Auflage Shaker Verlag Aachen 2009 Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs 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

Mehr

Lineare Algebra II (SS 13)

Lineare Algebra II (SS 13) Lineare Algebra II (SS 13) Bernhard Hanke Universität Augsburg 03.07.2013 Bernhard Hanke 1 / 16 Selbstadjungierte Endomorphismen und der Spektralsatz Definition Es sei (V,, ) ein euklidischer oder unitärer

Mehr