Lineare Algebra und Numerische Mathematik für D-BAUG
|
|
- Gesche Heidrich
- vor 5 Jahren
- Abrufe
Transkript
1 R. Hiptmair S. Pintarelli E. Spindler Herbstsemester 014 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 9 Einleitung. Diese Serie nimmt in den ersten Aufgabe noch Themen aus [LANM, Kapitel ] auf. Die Mehrheit der Aufgaben beschäftigt sich dann mit abstrakter analytischer Geometrie, behandelt in [LANM, Abschnitt 4.1], [LANM, Abschnitt 4.] und [LANM, Abschnitt 4.]. Bitte warten Sie mit der Bearbeitung von Aufgabe 9.5 bis [LANM, Abschnitt 4..5] in der Vorlesung behandelt worden ist. Aufgabe 9.1 Unterräume von Matrizen Wie wir in Aufgabe 7.6 bereits gesehen haben, lassen sich Mengen von speziellen Matrizen als Unterräume indentifizieren, siehe [LANM, Definition III.1.0.C]. Diese Aufgabe wiederholt die Fragestellung von Aufgabe 7.6. Zusätzlich sollen Sie noch die Dimensionen und Basen der Unterräume bestimmen. Erinnern Sie sich dazu an [LANM, Definition III..0.K]. Weiter betrachten wir die folgenden Teilmengen von R n,n, n N: (a) Die Menge aller Diagonalmatrizen, siehe [LANM, Definition I...J] D := A = (a ij ) 1 i,j n R n,n : a ij = 0 für alle i j, (b) Die Menge aller oberen Dreiecksmatrizen, siehe [LANM, Bsp. I.4.4.K] R := A = (a ij ) 1 i,j n R n,n : a ij = 0 für alle i > j, (c) Die Menge aller symmetrischen Matrizen, siehe [LANM, Definition II.6.0.J] S := A = (a ij ) 1 i,j n R n,n : a ij = a ji für alle 1 i, j n. 9.1a) Zeigen Sie, dass die Mengen D, R und S Unterrräume des Matrixraumes R n,n. 9.1b) Bestimmen Sie in jedem Fall die jeweilige Dimension der Unterräume. Lösung: (a) D = {A = {a i,j } 1 i,j n R n,n : a i,j = 0 falls i j} = {diag([a 1,1, a,,..., a n,n ]) : a i,j R, i {1,..., n}} D M = R n,n : Es gilt für A = diag([a 1,1,..., a n,n ]), B = diag([b 1,1,..., b n,n ]) D, λ R: A + λb D, somit bildet D M = R n,n einen Unterrraum von M. Serie 9 Seite 1 Aufgabe 9.1
2 Basis von D: Die Matrizen E 1,1 = diag([1, 0,..., 0]), E, = diag([0, 1, 0,..., 0]),..., E n,n = diag([0,..., 0, 1]) aus D spannen offensichtlich den ganzen Unterraum U auf: U = Span([E 1,1,..., E n,n ]), (9.1.1) ebenfalls sind sie linear unabhängig. Aus der linearen Unabhängigkeit und (9.1.1) folgt per Definition, dass {E 1,1,..., E n,n } eine Basis von U bilden. Die Dimension U, also die Anzahl der Basismatrizen ist somit dim U = n. (b) R = {A = {a i,j } 1 i,j n R n,n : a i,j = 0 für alle i > j} R M Unterraum: Für A = {a i,j } 1 i,j n, B = {b i,j } 1 i,j n R, λ R gilt: c i,j = a i,j + λb i,j = 0, für i > j, da a i,j = b i,j = 0 für i > j Basis von R M: B = {E i,j : i j und i, j {1,..., n}} ist eine Basis von R M. Dies lässt sich leicht einsehen, denn zum einen sind die Elemente von B linear unabhängig und zum anderen lässt sich jedes Element von R durch eine linear Kombination aus Elementen von B darstellen. Die Dimension von R ist gleich der Anzahl Basismatrizen : dim(r) = n + (n 1) = n(n+1). (c) S = {A = {a i,j } 1 i,j n R n,n : a i,j = a j,i für alle 1 i, j n} S M Unterraum: Seien A, B S, λ R, dann gilt Aufgrund der Definition von S gilt: C = A + λb = {a i,j + λb i,j } 1 i,j n. c i,j = a i,j + λb i,j = a j,i + λb j,i = c j,i C S. Somit is S M ein Unterraum. Basis S M Zuerst führen wir geeignete Matrizen ein, für i j, i, j = {1,..., n} 1 k = i und l = j S i,j = {s k,l } 1 k,l n, wobei s k,l = 1 k = j und l = i 0 sonst Sei B := {S i,j : i j, i, j {1,..., n}}. Die Element aus B sind linear unabhängig und spannen offensichtlich die Menge der symmetrischen Matrizen S auf. Somit ist S ein Unterraum. Die Dimension von S erhält man indem man die Basiselemente aus B abzählt. dim B = n(n+1). Serie 9 Seite Aufgabe 9.1
3 Aufgabe 9. Matrixpotenzen In [LANM, Kapitel ] hatten wir allgemein die Konzept lineare Unabhängigkeitünd Basisïn R m,n betrachtet. Die meisten Beispiele bezogen sich allerdings auf den R n. In dieser Aufgabe werden wir uns mit linear abhängigen Matrizen beschäftigen. Wir betrachten die Matrix ñ ô 1 α A := R,, α R, α und Ihre Potenzen A k, k N 0, die das k-fache Produkt von A mit sich selbst bezeichnen. Es gilt die Konvention A 0 := I. Wir definieren allgemein M k := Span{A 0, A 1,..., A k }, k N. B k := {A 0, A 1,..., A k }, k N. 9.a) Mit welchem Argument kann man sofort und ohne Rechnung begründen, dass die Menge B linear abhängig ist. Lösung: A ist symmetrisch. Deshalb ist auch A k, k Z symmetrisch. Eine Basis für symmetrische Matrizen hat Dimension. Da B vier Elemente enthält, müssen diese linear abhängig sein. 9.b) Zeigen Sie, dass auch die Menge B linear abhängig ist. Lösung: B = {A 0, A 1, A } Wir berechnen zuerst A : A = î α +1 ó α α α +4 Eine einfache Rechnung zeigt, dass A = (α )A 0 + A 1. 9.c) Geben Sie eine Basis von M an. Lösung: 9.d) Was ist dim M? B = {I, A} Lösung: dim M =. Da A = (α )A 0 + A 1 und A = A A = (α 1)A + A = (α 1)A + (α )I. Serie 9 Seite Aufgabe 9.
4 9.e) Was ist die Dimension von M k für beliebiges k? Lösung: Wir verwenden einen Induktionsbeweis: Induktionsverankerung k = : A = (α )I + A Das führt uns auf die Induktionsannahme, dass A k sich als Linearkombination von I, A darstellen lässt. D.h: Induktionsschritt k Z: A k = a k A + b k A 0 A k+1 = A A k = a k A + b k A 0 = a k ((α )I + A 1 ) + b k A 0 ist A k eine Linearkombination aus A 0, A, dann gilt das für A k+1 ebenfalls. Induktionsschluss: Jede Matrix A k aus M k lässt sich als Linearkombination von I, A darstellen. Somit ist gezeigt, dass dim M k =. Aufgabe 9. Koordinatentransformation In [LANM, Abschnitt.4] haben wir die Darstellung von Vektoren in Unterräumen von R n als Koordinatenvektoren bezüglich einer Basis kennen gelernt. Diese Aufgabe übt den Umgang mit Basiswechselmatrizen, siehe [LANM, Thm. III.4.0.F], anhand von anschaulichen Beispielen im R. Gegeben seien die zwei Basen B, B des R mit B = 1,,, B =,, a) Finden Sie die Basiswechselmatrix S, welche Koordinaten bezüglich der Basis B auf die zugehörigen Koordinaten bezüglich der Basis B abbildet. Lösung: Wir definieren, die beiden Matrizen B, B, in deren Spalten die Basisvektoren von B, B stehen. Wir folgen der Definition der Basiswechselmatrix S in [LANM, Thm. III.4.0.F], in welcher S durch das Gleichungssystem bestimmt ist. Wir schreiben (9..1) in Matrixnotation: b j = S i,j b i (9..1) i=1 B = BS (9..) Serie 9 Seite 4 Aufgabe 9.
5 In den Spalten von S stehen die Koordinaten der alten Basis B bzgl. der neuen Basis B. Lösung von (9..) durch Gausselimination liefert für die Basiswechselmatrix S: S = Koordinaten c bzgl. der alten Basis B, werden durch Multiplikation mit S in Koordinaten c bzgl. der neuen Basis B überführt. Dies lässt sich durch folgende Rechnung leicht nachvollziehen: Multiplikation des Koordinatenvektors c von links mit (9..) ergibt B c = BS c Da B c und Bc denselben Punkt im R beschreiben sollen, gilt natürlich B c = Bc. Somit muss c = S c sein. 9.b) Bestimmen Sie die Koordinaten des Vektors v bezüglich der Basis B. Lösung: v = [ 1 1 ] + 9 [ 7 ] 8 [ 6 ] v = B c = B [ ] 9 8 Die Koordinaten bezüglich der Basis B sind gegeben durch, c = S c = ñ 1 ô Aufgabe 9.4 Wiederholung: Analytische Geometrie in der Ebene Die in [LANM, Kapitel 4] eingeführten Konzepte bilden die Grundlage der analytischen Geometrie. Diese ist Schulstoff und hier wiederholen wir einige einfach Rechnungen. H A c H B H C b S B B S C M c S A A b c γ WB WC WA β b a (a) Höhen a C (b) Seitenhalbierende a α (c) Winkelhalbierende / Inkreis Abbildung 9.1: Skizze zu Aufgabe 9.4 Serie 9 Seite 5 Aufgabe 9.4
6 9.4a) Gegeben sei das Dreieck (in der Ebene) aus Abbildung 9.1. Wir nehmen an, dass die Eckpunkte des Dreiecks folgende Koordinaten(vektoren) haben: a = [ 1 ] ñ, b =, c = 0ô Bestimmen Sie die Geradengleichungen G in der Form für (i) die Seitenhalbierende S A. (ii) die Höhe H B. (iii) die Winkelhalbierende W C. Lösung: [ + 1 ] 1 G = {q + τ w : τ R}, wobei q R, w R \{0},. (1, 1) y c γ BC CA β b a α (1, 0) 0 x 45 AB Abbildung 9.: Skizze zu 9.4a) Die Lösungen erhalten wir, indem wir die Koordinaten von A, B, C in die in 9.4b) bestimmten allgemeinen Formeln einsetzen: S A = {a + τ S B = {b + τ ñ ñ ô } ô : τ R} ñ H A = {a + τ ñ H B = {b + τ ô : τ R} ô : τ R} Serie 9 Seite 6 Aufgabe 9.4
7 9.4b) Die drei Eckpunkte A, B und C eines Dreiecks im Raum haben nun die allgemeinen Koordination a = a 1 a a, b = b 1 b b, c = Bestimmen Sie nun die allgemeinen Geradengleichungen für (i) die Seitenhalbierende S A. (ii) die Höhe H B. (iii) die Winkelhalbierende W C. Lösung: Beachten Sie die Beschriftungen in Abbildung 9.. c 1 c c R. (i) S A können wir bestimmen, indem wir feststellen, dass 1(b + c) zum Mittelpunkt A der gegenüber liegenden Seite zeigt. Ç å 1 S A = a + τ (b + c) a : τ R Analog erhalten wir S B, S C : Ç 1 S B = b + τ S C = c + τ å (a + c) b Ç 1 (b + a) c å : τ R : τ R (ii) Die Höhe H A erhalten wir, indem wir feststellen, dass sie senkrecht auf c b steht und durch den Punkt a gehen muss. Für die Normale n a, senkrecht auf w := c b, muss gelten: Wir wählen n a = î c b (c 1 b 1 ) ó, womit (9.4.1) erfüllt ist. Analog lassen sich H B und H C bestimmen. n a, w = 0 (9.4.1) (n a ) 1 (w) 1 + (n a ) (w) (9.4.) H A = {A + τn A : τ R} (iii) Nun bestimmen wir die Winkelhalbierende W A. Den Vektor w A, welcher in die Richtung von W A zeigt, findet man indem man die Vektoren, welche angemacht im Punkt A in die Richtung von B, resp. C zeigen, auf eins addiert und dann ihren Mittelwert nimmt. w A = 1 Ç c a c a + b a å b a W A = {a + τw A : τ R} Serie 9 Seite 7 Aufgabe 9.4
8 Analog erhalten wir W B, W C : w B = 1 Ç c b c b + a b å a b W B = {b + τw B : τ R} w C = 1 Ç b c b c + a c å a c W C = {c + τw C : τ R} Aufgabe 9.5 Vektorprodukt In [LANM, Abschnitt 4..5] haben wir Vektorprodukt von zwei Vektoren aus R eingefuehrt. In dieser Aufgabe lernen Sie die geometrische Bedeutung der Länge des Vektorprodukts kennen und verifizieren die häufig verwendeten Rechenregeln aus [LANM, Thm. IV..5.G] a) Sei a = 1, b = und c = R. Berechnen Sie 1 1 (i) die Euklidische Norm a b, siehe [LANM, Definition IV.1..A]. (ii) den Flächeninhalt des von a und b aufgespannten Parallelogramms. (iii) einen Einheitsnormalenvektor n H, der senkrecht zur Ebene Lösung: steht. H = x R : x = a + α b + β c, α, β R (i) a b = ï ò = [ ] 1 0 a b = 1 (ii) A = a b =. (iii) n H = b c = [ ] [ 1 1 ] [ 4 ] 1 = 4. Oft wird nh normiert angegeben, da somit zumindest 4 bis aufs Vorzeichen eindeutig bestimmt. Serie 9 Seite 8 Aufgabe 9.5
9 9.5b) Verifizieren Sie die folgenden Identitäten für die allgemeinen Vektoren a 1 b 1 c 1 a = a, b = b, c = c R : a b c (i) a b = b a. (ii) a (ra) = 0 für alle r R. (iii) a (b c) = a, c b a, b c. Lösung: (i) Wir berechnen die rechte und die linke Seite der Gleichung: b a = ï a ò b a b a 1 b a b 1 a b 1 a 1 b somit stimmt die Gleichung. (ii) Sei r R: = a b a b a b = [ a 1 a a b 1 a 1 b a 1 b a b 1, ] ï b1 a b b ò def = a (ra) = [ a 1 ] [ ra1 ] ñ ô a (ra ) a (ra ) a a ra ra = a (ra 1 ) a 1 (ra ) = [ ] 0 00 a 1 (ra ) a (ra 1 ) ï a ò b a b a b 1 a 1 b a 1 b a b 1 (iii) b c b c b c = b c 1 b 1 c b 1 c b c 1 a (b 1 c b c 1 ) + a (b 1 c b c 1 ) a (b c) = a 1 (b c 1 b 1 c ) + a (b c b c ) a 1 (b c 1 b 1 c ) + a (b c b c ) Wir berechnen a, c b a, b c: b 1 (a 1 c 1 + a c + a c ) c 1 (a 1 b 1 + a b + a b ) a, c b a, b c = b (a 1 c 1 + a c + a c ) c (a 1 b 1 + a b + a b ) b (a 1 c 1 + a c + a c ) c (a 1 b 1 + a b + a b ) a (b 1 c b c 1 ) + a (b 1 c b c 1 ) = a 1 (b c 1 b 1 c ) + a (b c b c ) = a (b c). a 1 (b c 1 b 1 c ) + a (b c b c ) Serie 9 Seite 9 Aufgabe 9.5
10 Aufgabe 9.6 Bestimmung Orthogonaler Matrizen Anhand von Parametergleichungen [LANM, Abschnitt 4.] der Vorlesung wurden orthogonale Matrizen eingeführt. Die Orthogonalität einer Matrix verifiziert man üblicherweise direkt aus der Definition. Gegeben ist die Matrix 1 a b 1 B = c d, (9.6.1) e 0 f wobei a, b, c, d, e, f R + 0 (R + 0 ist die Menge der nicht-negativen reellen Zahlen). 9.6a) Wieviele Bestimmungsgleichungen für die Einträge einer -Matrix sind durch die Eigenschaft der Orthogonalität impliziert. Lösung: Da die Gleichung QQ = I die Bedingungsgleichung ist, und A = QQ immer symmetrisch ist, also nur vom oberen Dreiecksteil, d.h. a ij, i j, bestimmt wird, erhalten wir für Q R, n(n+1) Bestimmungsgleichungen für a, b, c, d, e und f. In unserem Fall, n =, erhalten wir folglich 6 Bestimmungsgleichungen. 9.6b) Finden Sie Werte für die Parameter a, b, c, d, e, f R + 0 so, dass die Matrix B aus (9.6.1) orthogonal ist. Lösung: Durch berechnen von BB = I erhalten wir (i) e = 1, (ii) 1 a 1 c = 0, (iii) 1 b + 1 d fe = 0, (iv) a + c = 1, (v) ab cd = 0, (vi) b + d + f = 1. Aus (i) erhalten wir e = 1 ; aus (ii) a = c. Einsetzen in (iv) gibt uns a = c = 1. Aus (v) erhalten wir b = d und aus (iii) f = b. Wenn wir beide Ausdrücke in (vi) einsetzen, erhalten wir schliesslich b = d = 1 6 und f = 6. Aufgabe 9.7 Längenerhaltende Abbildung Diese Aufgabe behandelt eine wichtige Eigenschaften der in [LANM, Abschnitt 4..] eingeführten orthogonalen Matrizen, nämlich die in [LANM, Lemma IV...F] formulierte Längenerhaltung. Es empfiehlt sich die Aufgabe 9.6 zu bearbeiten, bevor Sie mit dieser Aufgabe beginnen. Serie 9 Seite 10 Aufgabe 9.6
11 Wir betrachten die Matrix 1 s t A = r 0 Betimmen Sie für welche rellen Zahlen s, t und r die durch die Matrix beschriebene lineare Selbstabbildung des R längenerhaltend ist. Lösung: As in 9.6, we compute A A and equate it to I. By doing so we obtain the following equations (i) 1 + r = 1, (ii) (iii) s + r = 0, t = 0, (iv) 1 + s = 1, (v) ts = 0, (vi) 1 + t = 1. From (vi) and (iii) we have t = 0 while (ii) gives s = r. Then (i) gives r = ± 1 and s = 1. Hence, we either have r = 1, s = 1, t = 0, or r = 1, s = 1, t = 0. Aufgabe 9.8 Cayley-Transformation von Matrizen In [LANM, Definition II.6.0.J] haben wir die Menge der schiefsymmetrischen Matrizen kennengelernt, in [LANM, Abschnitt 4..] die orthogonalen Matrizen. In dieser Aufgabe werden wir uns mit einer wichtigen Abbildung zwischen diesen befassen und üben dabei das Rechnen mit diesen speziellen Matrizen. Für n N und M := {A R n,n : A + I n invertierbar} betrachten wir die Abbildung M R n,n C : A C(A) := (I n + A) 1 (I n A). (9.8.1) 9.8a) Zeigen Sie, dass für jede Matrix A M gilt C(A) = (I n + A) 1 I n. Lösung: Ebenso gilt (I n + A) 1 I n = (I n + A) 1 (I n I n (I n + A)) = (I n + A) 1 (I n A) (I n + A) 1 I n = (I n I n (I n + A))(I n + A) 1 = (I n A)(I n + A) 1. Damit ist gezeigt, dass (I n +A) 1 und (I n A) kommutieren. Diese Eigenschaft wird zur Lösung der nachfolgenden Teilaufgaben verwendet werden. Serie 9 Seite 11 Aufgabe 9.8
12 9.8b) Zeigen Sie, dass für jede schiefsymmetrische Matrix S R n,n, siehe [LANM, Definition II.6.0.J], gilt, dass x Sx = 0 für alle x R n. Lösung: Wir schreiben für α R und x R n : x Sx = α (9.8.) (x Sx) = x S x = x Sx = α. (9.8.) Addition von (9.8.) und (9.8.) ergibt α = 0, womit die Behauptung gezeigt ist. 9.8c) Zeigen Sie, dass jede schiefsymmetrische Matrix S in M enthalten ist, also dass I n + S invertierbar ist, wenn S = S. Lösung: Wir nehmen an, dass I n + S nicht invertierbar ist. Die Aussage, dass I n +S nicht invertierbar ist, ist äquivalent zur Aussage, dass es ein x 0 R n gibt, so dass (I n + S)x = 0: (I n + S)x = x + Sx = 0, x 0 R n x x + x } {{ Sx } = x 0 = 0 =0 x x = 0 x x = 0, x 0 ist ein Widerspruch, wodurch gezeigt ist, dass dim (Kern(I n + S)) = 0. Daraus folgt, dass I n + S invertierbar sein muss. 9.8d) Zeigen Sie, S schiefsymmetrisch = C(S) orthogonal. Lösung: Es ist zu zeigen, dass C(S)C(S) = I n. Aus der Definition (9.8.1) entnehmen wir C(S) = (I n + S) 1 (I n S). In 9.8b) haben wir gesehen, dass (I n + A) 1 )(I n A) = (I n A)(I n + A) 1 ). Somit ergibt sich und anschliessend die Orthogonalität 9.8e) Zeigen Sie, C(S) = (I n + S) T (I n A) T = (I n S) 1 (I n + S), C(S) T C(S) = (I n S) 1 (I n + S)(I n + S) 1 (I n S) = I n. Q M orthogonal = C(Q) schiefsymmetrisch. Lösung: Es ist zu zeigen, dass C(Q) = C(Q): C(Q) = (I n + Q) 1 (Q I n ) C(Q) = (I n Q) (I n + Q) = (I n + Q) (I n Q) = (I n + Q 1 ) 1 (I n Q 1 ) = (I n + Q) 1 Q(I n Q 1 ) = (I n + Q) 1 (Q I n ) = C(Q) Q orthogonal Serie 9 Seite 1 Aufgabe 9.8
13 9.8f) Zeigen Sie, dass C(C(S)) = S S R n,n schiefsymmetrisch. Zusammen mit der Aussage von Teilaufgabe 9.8e) bedeutet das, dass C eine bijektive Abbildung zwischen den schiefsymmetrischen Matrizen und einer Teilmenge der orthogonalen Matrizen, nämlichen denen, die in M liegen, definiert. Lösung: Wir verwenden die Definition von C(A) aus 9.8c) C(C(S)) = (I n + C(S)) 1 I n = (I n + (I n + S) 1 I n ) = ((I n + S) 1 ) 1 I n = I n + S I n = S S = S Tipps Tipps für Aufgabe 9. 9.a) Verwenden Sie die Ergebnisse von Aufgabe b) 9.c) Bei dieser Aufgabe sollten Sie dem Standardalgorithmus folgen und direkt auf [LANM, Definition III..0.B] aufbauen. Verwenden Sie die Aussage, die in 9.b) zu zeigen war. Tipps für Aufgabe 9. 9.a) Verwenden Sie [LANM, Thm. III.4.0.F] aus der Vorlesung. Erinnern Sie sich an die Tatsache, dass die Spalten der Basiswechselmatrix die Koordinaten der alten Basis B bzgl. der neuen Basis B enthalten. Hier müssen Sie lineare Gleichungssysteme lösen, um diese Koordinaten zu bestimmen. Tipps für Aufgabe a) Beachten Sie, dass für Q R, das Matrixprodukt QQ immer symmetrisch ist. Tipps für Aufgabe 9.7 Verwenden Sie [LANM, Lem. IV...F] aus der Vorlesung. Serie 9 Seite 1 Aufgabe 9.8
14 Tipps für Aufgabe c) 9.8c) Verwenden Sie die Äquivalenz (i) (iii) aus [LANM, Satz III..0.P] und die Aussage von Teilaufgabe 9.8b). Diese Aufgabe lässt sich mit einem Widerspruchsbeweis lösen. Die Idee des Widerspruchsbeweises ist die folgende: Um eine Schlussfolgerung A B zu zeigen, macht man die Annahme, dass das logische Gegenteil von B gilt und gleichzeitig auch A. Dann schliesst man aus dieser Annahme eine offensichtlich falsche Aussage. Überlegen Sie sich also zuerst, was in dieser Teilaufgabe die logischen Aussagen A und B sind und was das Gegenteil von B bedeutet. Allgemeine Informationen: Abgabe der Serien: Mittwoch, in den Übungen oder bis 15:00 Uhr in den Fächern im Vorraum zum HG G 5. Die Serien müssen sauber und ordentlich geschrieben und zusammengeheftet abgegeben werden, sofern eine Korrektur gewünscht wird. Zentralpräsenz: Die Abgabe der Hausaufgaben wird nachdrücklich empfohlen! Bitte markieren Sie deutlich die Aufgaben, deren Korrektur Sie wünschen! Montags, 17:00-0:00 Uhr, ETH Zentrum, HG E 41. Donnerstags, 17:00-0:00 Uhr, ETH Zentrum, HG E 41. Freitags, 17:00-0:00 Uhr, ETH Zentrum, HG E 41. Bitte erscheinen Sie bereits zwischen 17:00-18:00Uhr, sofern Sie von der Semesterpräsenz profitieren wollen. Homepage: Hier werden zusätzliche Informationen zur Vorlesung und die Serien und Musterlösungen als PDF verfügbar sein. BAUG Veröffentlichung am 6. November 014. Abzugeben bis. Dezember 014. Literatur [LANM] Vorlesungszusammenfassung für die Vorlesung Lineare Algebra und Numerische Mathematik, D-BAUG. Last modified on 5. Juni 015 Serie 9 Seite 14 Literatur
Lineare 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 Numerische Mathematik für D-BAUG. Serie 4
R Hiptmair S Pintarelli E Spindler Herbstsemester 2014 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Serie 4 Einleitung Bitte lassen Sie sich nicht durch die Länge der Serie beeindrucken;
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 6. Aufgabe 6.1. Dr. V. Gradinaru K. Imeri. Herbstsemester 2018.
Dr. V. Gradinaru K. Imeri Herbstsemester 8 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6. Multiple Choice: Online abzugeben. 6.a) (i) Welche der folgenden
MehrD-MATH Lineare Algebra und Numerische Mathematik HS 2013 Prof. R. Hiptmair. Serie 9
D-MATH Lineare Algebra und Numerische Mathematik HS 213 Prof. R. Hiptmair Serie 9 Die Aufgaben 1. bis 6. behandeln lineare Abbildungen und deren Matrixdarstellungen bezüglich geeigneter Basen. Die Theorie
MehrLineare 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 9 Aufgabe 9 Finden Sie eine Basis des Lösungsraums L R 5 des linearen
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
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
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
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
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 8. Aufgabe 8.1. Dr. V. Gradinaru T. Welti. Herbstsemester 2017.
Dr. V. Gradinaru T. Welti Herbstsemester 7 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8. Multiple Choice: Online abzugeben. 8.a) (i) Welche der folgenden
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 Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester 6 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe Das Kreuzprodukt als lineare Abbildung Oft findet man
MehrSerie 5. ETH Zürich - D-MAVT Lineare Algebra II. Prof. Norbert Hungerbühler
Prof. Norbert Hungerbühler Serie 5 ETH Zürich - D-MAVT Lineare Algebra II. a) Die Abbildung V n R n, v [v] B, die jedem Vektor seinen Koordinatenvektor bezüglich einer Basis B zuordnet, ist linear. Sei
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
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
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
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
MehrVektorräume und Lineare Abbildungen
Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Basisdarstellung und das Skalarprodukt (Teil 2)
TECHNISCHE UNIERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 006/07 en Blatt 11 15.01.007 Basisdarstellung und das Skalarprodukt (Teil )
MehrLösungen Serie 5. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler
D-MAVT Lineare Algebra II S 8 Prof. Dr. N. Hungerbühler Lösungen Serie 5. Die Abbildung V n R n, v [v] B, die jedem Vektor seinen Koordinatenvektor bezüglich einer Basis B zuordnet, ist linear. Sei B =
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 8 18. Mai 2010 Kapitel 8. Vektoren (Fortsetzung) Lineare Unabhängigkeit (Fortsetzung) Basis und Dimension Definition 80. (Lineare (Un-)Abhängigkeit)
MehrBlatt 10 Lösungshinweise
Lineare Algebra und Geometrie I SS 05 Akad. Rätin Dr. Cynthia Hog-Angeloni Dr. Anton Malevich Blatt 0 Lösungshinweise 0 0 Aufgabe 0. Es seien die Vektoren u =, v = und w = in R gegeben. a # Finden Sie
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
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.
MehrMusterlösung Serie 8
D-MATH Lineare Algebra I HS 018 Prof. Richard Pink Musterlösung Serie 8 Dimension, Direkte Summe & Komplemente 1. Zeige: Für jedes Erzeugendensystem E eines Vektorraums V und jede linear unabhängige Teilmenge
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
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
Mehr= 9 10 k = 10
2 Die Reihe für Dezimalzahlen 1 r = r 0 +r 1 10 +r 1 2 100 + = r k 10 k, wobei r k {0,,9} für k N, konvergiert, da r k 10 k 9 10 k für alle k N und ( 1 ) k 9 10 k 9 = 9 = 10 1 1 = 10 10 k=0 k=0 aufgrund
MehrLösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
MehrLösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen
D-MATH Lineare Algebra II FS 7 Dr. Meike Akveld Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen. a) Wegen der Linearität im ersten Argument gilt sicherlich w S :, w =. Somit ist S und
MehrVektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Gegeben seien die folgenden geordneten Basen B = (v, v, v, v ) und C = (w, w,
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16
Name, Vorname Matrikel-Nr. Aufg. Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 25/6 Bearbeiten Sie bitte
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrLösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Lösung Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Um zu zeigen, dass es sich bei den gegebenen Vektoren um Basen handelt,
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
MehrLineare Algebra für D-ITET, D-MATL, RW. Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru T. Welti
Dr. V. Gradinaru T. Welti Herbstsemester 27 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Serie Aufgabe. Multiple Choice: Online abzugeben..a) Bezüglich des euklidischen Skalarprodukts in R
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
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
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
MehrLösung zu Serie Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen
Lineare Algebra D-MATH, HS 4 Prof. Richard Pink Lösung zu Serie. Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen Polynom ist. Lösung: Das charakteristische Polynom eines
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrLineare Algebra. 1 Lineare Abbildungen
Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe
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
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 7. Aufgabe 7.1. ETH Zürich D-MATH. Dr. V. Gradinaru K. Imeri. Herbstsemester 2018
Dr V Gradinaru K Imeri Herbstsemester 8 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 7 Aufgabe 7 7a) Welche der folgenden Abbildungen sind linear: (i) F : x ax + b
MehrÜbungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen
1 Lineare Abhängigkeit 1.1 Für welche t sind die folgenden Vektoren aus 3 linear abhängig? (1, 3, 4), (3, t, 11), ( 1, 4, 0). Das zur Aufgabe gehörige LGS führt auf die Matrix 1 3 4 3 t 11. 1 4 0 Diese
MehrKapitel 13. Lineare Gleichungssysteme und Basen
Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x
Mehr1 Eigenschaften von Abbildungen
Technische Universität München Christian Neumann Ferienkurs Lineare Algebra für Physiker Vorlesung Dienstag WS 2008/09 Thema des heutigen Tages sind zuerst Abbildungen, dann spezielle Eigenschaften linearer
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I Wintersemester 3/ Aufgabenblatt 6. Januar Präsenzaufgaben
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
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrNachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17
Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Nachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17 Bearbeiten
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr. Meike Akveld Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung 1. In dieser Aufgabe beweisen wir die Existenz der LR-Zerlegung einer quadratischen
MehrBC 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
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
MehrKlausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 7
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 6/7): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr 5, Thema, Aufgabe ) Sei V ein reeller Vektorraum. a) Wann nennt man eine Teilmenge U
MehrWiederholungs-Modulprüfung: zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16 1.Klausur
Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Wiederholungs-Modulprüfung: zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16 1.Klausur Bearbeiten
MehrAffine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3...
Affine Hülle Wiederholung. Der Vektor x K n ist eine lineare Kombination der Vektoren x,...,x k K n, wenn es Zahlen λ,...,λ k K gibt mit x = λ x +... + λ k x k. Def. Gibt es solche Zahlen λ,...,λ k K mit
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
MehrFür die Matrikelnummer M = Dann sind durch A =
Musterlösung zum. Blatt 9. Aufgabe: Gegeben seien m 3 + 2 m m 3 m 2 m 4 + m 7 m 3 A := m m 2 m 2 + 2 m 2 m 4 + m 5 und b := m 6 m 4 + a) Finden Sie eine Lösung x R 7 für die Gleichung Ax =. b) Finden Sie
Mehr1. Übungsblatt: Lineare Algebra I Abgabe: 1. November 2001 in den Übungsgruppen
Hannover, den 25. Oktober 200. Übungsblatt: Lineare Algebra I Abgabe:. November 200 in den Übungsgruppen (je 3 Punkte) Beweisen oder widerlegen Sie die folgenden Aussagen über Mengen. a) A (B C) = (A B)
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
MehrSatz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen
MehrDie wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.
Definition: Lineare Abbildung Lineare Abbildungen Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. 8.1 Definition: Lineare Abbildung Eine Funktion f : V Ñ W zwischen
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
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
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
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
Mehrbzw. eine obere Dreiecksmatrix die Gestalt (U: upper)
bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) U = u 11 u 12 u 1n 1 u nn 0 u 22 u 2n 1 u 2n 0......... 0 0 u n 1n 1 u n 1n 0 0 0 u nn Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrKapitel 17 Skalar- und Vektorprodukt
Kapitel 17 Skalar- und Vektorprodukt Mathematischer Vorkurs TU Dortmund Seite 1 / 22 Bisher hatten wir die Möglichkeit Vektoren des R n zu addieren und Vektoren mit rellen Zahlen zu multiplizieren. Man
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n
Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41
Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und
MehrLineare 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
MehrLösung 13: Unitäre Vektorräume und normale Abbildungen
D-MATH Lineare Algebra II FS 2017 Dr. Meike Akveld Lösung 13: Unitäre Vektorräume und normale Abbildungen 1. a) Im Folgenden sei γ : V V C die Abbildung γ(v, w) v + w 2 v w 2 i v + iw 2 + i v iw 2. : Wir
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) :=
MehrUnterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer
Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie Sommersemester 2009 Franz Pauer INSTITUT FÜR MATHEMATIK, UNIVERSITÄT INNSBRUCK, TECHNIKERSTRASSE 13, 6020
MehrKlausurvorbereitungsblatt Lineare Algebra
Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
MehrKapitel 14. Geometrie Eine kurze Einführung in die affine Geometrie
Kapitel 14 Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften vonr 3 interessieren, so stört manchmal dieausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
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
MehrGrundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) SoSe C. Curilla/ B. Janssens
Fachbereich Mathematik Algebra und Zahlentheorie Christian Curilla Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) Blatt 7 SoSe 2011 - C. Curilla/ B. Janssens Präsenzaufgaben (P13)
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
MehrLineare Algebra I (NAWI) WS2017/2018 Übungsblatt
Lineare Algebra I (NAWI) WS2017/2018 Übungsblatt 01 04.10.2017 Aufgabe 1. Von einem Parallelogramm seien die Punkte A = (5, 2), B = (3, 1), C = (1, 2) gegeben. Bestimme die Koordinaten des vierten Punkts.
Mehr