Höhere Mathematik II für die Fachrichtung Physik
|
|
- Frieder Bösch
- vor 5 Jahren
- Abrufe
Transkript
1 Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz SS Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe 6 (Übung) Betrachten Sie A =. a) Bestimmen Sie alle Eigenwerte von A und geben Sie eine orthogonale Matrix S an, so dass S AS Diagonalgestalt hat. b) Bestimmen Sie eine Matrix W R derart, dass W = A gilt. a) Wir berechnen das charakteristische Polynom (vgl. Satz 8. der Vorlesung). Für alle λ C gilt: λ p A (λ) = det(a λi ) = λ λ ( ) λ λ = λ = ( λ) λ λ λ = ( λ) λ Entw. nach = ( λ) λ λ -ter Zeile λ = ( λ)(( λ) ) = ( λ)( λ )( λ ) = ( λ)( λ)( λ) Nach Satz 8. der Vorlesung sind die Eigenwerte von A gerade die Nullstellen von p A, also, und. Nach Satz 8. der Vorlesung ist für jeden Eigenwert λ von A der Eigenraum E A (λ) gegeben durch E A (λ) = Kern(A λi ). Wir berechnen diese mit Hilfe des Gaußalgorithmus und des ( )-Tricks:
2 E A (): ( ) Also ist E A () = lin{v } mit v = bzw. b = v v =. E A (): Also ist E A () = lin{v } mit v = bzw. b = v v =. E A (): ( ) ( ) ( ) ( ) Also ist E A () = lin{v } mit v = bzw. b = v v = Nach Satz 8.8 der Vorlesung sind Eigenvektoren zu verschiedenen Eigenwerten von symmetrischen Matrizen immer orthogonal zueinander. Die normierten Vektoren b,b,b bilden deshalb die orthogonale Matrix S = (b,b,b ) =..
3 Es gilt A = SDS T mit D =. b) Definiere sowie W = SD S T. Dann ist in der Tat D = W = (SD S T ) = SD S T S D }{{} S T = SD D S T = S(D ) S T = SDS T = A. =I Ausrechnen liefert: W = Aufgabe (Tutorium) Betrachten Sie B = a) Bestimmen Sie alle Eigenwerte von B und geben Sie eine orthogonale Matrix T an, so dass T BT Diagonalgestalt hat. b) Berechnen Sie B k für alle k N. (a) Wir berechnen das charakteristische Polynom (vgl. Abschnitt 8. der Vorlesung). Für alle λ C gilt: p B (λ) = λ det(b λi 4 ) = λ ( ) λ λ = λ λ λ (D) 4 λ 4 λ = (4 λ) λ λ 4 4 λ ( ) λ = (4 λ) λ λ Entw. nach = (4 λ) λ 4-ten Zeile.
4 λ = (4 λ) λ Entw. nach = (4 λ) λ -ten Zeile λ = (4 λ) λ (D) 4 λ 4 λ = (4 λ) λ = (4 λ) ( λ ) = λ(4 λ) Nach Satz 8. der Vorlesung sind die Eigenwerte von B gerade die Nullstellen von p B, also und 4. Nach Satz 8. der Vorlesung ist für jeden Eigenwert λ von B der Eigenraum E B (λ) gegeben durch E B (λ) = Kern(B λi 4 ). Wir berechnen diese mit Hilfe des Eliminationsverfahrens nach Gauß und des ( )-Ergänzungstricks: E B (): ( ) ( ) ( 4) ( ) Also ist E B () = lin{v } mit v = bzw. b = v v =. E B (4): ( ) ( ) 4
5 Also ist E B (4) = lin { q, q, q 4 } mit q =, q =, q 4 =. Setze Dann ist auch E B (4) = lin{v,v,v 4 }. v = q, v = q 4 q =, v 4 = q 4. Nach Satz 8.8 der Vorlesung sind Eigenvektoren zu verschiedenen Eigenwerten von symmetrischen Matrizen immer orthogonal zueinander. Wir brauchen also nur den berechneten Erzeuger v,v,v 4 von E B (4) dem Gram-Schmidtschen Orthogonalisierungsverfahren zu unterziehen: Die ersten beiden Vektoren sind bereits orthogonal und müssen nur noch normiert werden: b = v v =, b = v v = Ferner berechnet man b 4 = v 4 (v 4 b ) b (v 4 b ) b = } {{ }} {{ } = = und b 4 =. Mit der orthogonalen Matrix T = (b,b,b,b 4 ) = und der Diagonalmatrix gilt dann nach Satz 8.8 der Vorlesung. 4 D = 4 4 B = T DT T 5
6 (b) Es gilt für alle k N: B k = (T DT T ) k = T D T T DT T DT }{{} = T D k T T =I 4 Wegen D k = 4 k D folgt: B k = T 4 k DT T = 4 k T DT T = 4 k B Aufgabe 8 (Übung) a) Sei α R. Untersuchen Sie die Matrix A α = 8 α α auf Definitheit. b) Seien A = und B = β α ähnliche Matrizen. Finden Sie die möglichen Werte von α,β R. a) Wir versuchen die Eigenwerte der Matrix A α abzuschätzen. Für alle λ C gilt: λ p Aα (λ) = det(a α I λ) = 8 λ α α λ Sarrus = ( λ)(8 λ)( λ) 4( λ) α ( λ) = ( λ)((8 λ)( λ) (4 α )) = ( λ)(λ 9λ 4 α ) Daraus lesen wir ab, dass λ = ein Eigenwert von A α ist für alle α R. Also ist A α, nach der Charakterisierung im Abschnitt 8. der Vorlesung, nie negativ (semi-) definit. Die zwei anderen Eigenwerte von A α sind die Nullstellen des Polynoms λ 9λ 4 α und somit gegeben durch λ = 9 8 4(4 α ) λ = 9 8 4(4 α ) Wegen λ > bestimmt nur das Vorzeichen von λ die Definitheit von A α. Ablesen liefert: ist α <, so ist λ > und damit A α positiv definit. Ist α =, so ist λ = und damit A α positiv semidefinit. Ist schließlich α >, so ist λ < und damit A α indefinit. b) Die Spur und die Determinante einer Matrix sind invariant unter einer Ähnlichkeitstransformation. Sind A und B also ähnlich, so haben sie dieselbe Spur und Determinante. Es gilt Spur(A) = 4 =, Spur(B) = 8 α = 5 α. 6
7 Somit können A und B nur ähnlich sein, wenn α = gilt. Zudem gilt ( ) ( 5) det(a) = 4 5 = ( ) = = sowie det(b) = β = 8β 8 = 8( β), = ( ) β Entw.. Z. ( ) ( ) womit β = gelten muss. Da dies die einzige Möglichkeit ist, sind die Matrizen nach Aufgabenstellung für α =, β = ähnlich. Aufgabe 9 (Tutorium) Bestimmen Sie die Eigenwerte und zugehörigen Eigenräume von 4 A = und B =. Welche algebraischen und geometrischen Vielfachheiten haben die Eigenwerte? Welche Matrix ist diagonalisierbar? Ermitteln Sie, falls möglich, reguläre Matrizem S A bzw. S B so, sodass SA AS A bzw. SB BS B Diagonalgestalt hat. Für die Matrix A gilt λ 4 p A (λ) = 4 6 λ 4 6 λ ( ) 8 λ 8 λ = 4 6 λ 4 6 λ 8 λ = λ 6 λ 4 6 λ = (8 λ) λ 4 6 λ Entw.. Z. = (8 λ)(( λ)(6 λ) 4) = (8 λ)(λ 6λ 4) = (8 λ). Somit ist λ = 8 der einzige Eigenwert von A. Er hat die algebraische Vielfachheit. Nach Vorlesung ist der Eigenraum E A (8) gerade Kern(A 8I ). Um diesen zu berechnen, betrachten wir 4 4 ( ) A 8I = 4 4 ( ) 4
8 Mit dem ( )-Trick ergibt sich E A (8) = lin{, } = lin{, }. Der Eigenwert 8 hat somit die geometrische Vielfachheit. Da diese nicht mit der algebraischen Vielfachheit übereinstimmt, ist A nach Satz 8.6 nicht diagonalisierbar, das heißt die geforderte Matrix S A existiert nicht. Für die Matrix B gilt ( λ) λ p B (λ) = λ λ( λ) λ = λ ( λ) λ Entw.. Z. = ( ) ( ) λ( λ) λ ( λ) = ( λ) λ ( λ) = (λ )( λ). Somit sind die Eigenwerte von B gegeben durch, und, jeweils mit algebraischer Vielfachheit. Für die Eigenräume berechnen wir Kern(B λi ), wobei λ die drei Eigenwerte seien. Es folgt B I = Mit dem ( )-Trick folgt, dass Weiter gilt ( ) ( ) E B () = lin{ }. B I = ( ) ( ). Mit dem ( )-Trick folgt und analog E B ( ) = lin{ } E B ( ) = lin{ }. 8
9 Die geometrischen Vielfachheiten der drei Eigenwerte sind dementsprechend auch. Somit stimmen diese mit den algebraischen Vielfachheiten überein und B ist diagonalisierbar. Laut Vorlesung (nach Satz 8.6) erhalten wir eine Matrix S B, indem wir die Eigenvektoren als Spalten benutzen. S B ist also beispielsweise gegeben durch S B = Es gilt dann Aufgabe (Übung) B BS B = S Seien n N und A,B K n n. Man nennt A und B simultan diagonalisierbar, falls es eine reguläre Matrix S C n n gibt, so dass sowohl S AS, als auch S BS Diagonalgestalt haben. Zeigen Sie: a) Sind A und B simultan diagonalisierbar, so gilt AB = BA. b) Gilt AB = BA und haben überdies alle Eigenwerte von A die algebraische Vielfachheit eins, so sind A und B simultan diagonalisierbar. Hinweis: Man kann ebenfalls zeigen, dass A und B simultan diagonalisierbar sind, falls AB = BA gilt sowie A und B diagonalisierbar sind. a) Gelte nach Voraussetzung etwa A = SD S bzw. B = SD S Diagonalmatrizen D,D C n n. Es folgt: AB = SD S S }{{} D S = SD D S = SD D S = SD S S }{{} D S = BA I n I n b) Nach Abschnitt 8. der Vorlesung gilt für jeden Eigenwert λ von A m g (λ) m a (λ) n, wobei m g (λ) bzw. m a (λ) die geometrische bzw. algebraische Vielfachheit des Eigenwertes bezeichnen. Nach Voraussetzung ist also m g (λ) = m a (λ) = für jeden Eigenwert λ von A. Nach Satz 8.8 der Vorlesung ist also A diagonalisierbar. Seien etwa b,...,b n linear unabhängige Eigenvektoren zu den Eigenwerten λ,...,λ n von A. Wegen m g (λ j ) = für alle j {,...,n}, ist E A (λ j ) = lin { b j } für alle j {,...,n}. Mit der Voraussetzung der Vertauschbarkeit folgt ABb j = BAb j = λ j Bb j, also Bb j E A (λ j ) für alle j {,...,n}. Wegen dim(e A (λ j )) = m g (λ j ) =, existiert ein µ j C mit Bb j = µ j b j für alle j {,...,n}. Damit sind die Eigenwerte von B gegeben durch µ,...,µ n mit den Eigenvektoren b,...,b n. Mit S = (b,...,b n ) haben sowohl S AS, als auch S BS Diagonalgestalt. 9
10 Aufgabe (Tutorium) a) Seien β R, n N. Untersuchen Sie die Matrix B β = 4 β 4 β 4 β 4 β auf Definitheit. b) Sind die folgenden Aussagen wahr oder falsch? Begründen Sie ihre Antwort. (i) Ist A R n n und λ C ein Eigenwert von A, so ist auch λ ein Eigenwert von A. (ii) Ist A R n n und λ R ein Eigenwert von A, so existiert ein reeller Eigenvektor x R n \ {} von A zum Eigenwert λ. (iii) Sind A,B C n n und ist λ C ein Eigenwert von A sowie µ C ein Eigenwert von B, so ist λµ ein Eigenwert von AB. (iv) Ist A C n n und λ C ein Eigenwert von A, so ist λ ein Eigenwert von A. (v) Ist A R n n und n gerade/ungerade, so besitzt A einen reellen Eigenwert. (vi) Ist A C n n unitär und λ C ein Eigenwert von A, so gilt λ =. a) Wir bestimmen die Eigenwerte der Matrix B β. Für alle λ C gilt: χ Bβ (λ) = det(b β I λ) = λ 4 β λ 4 β ( ) 4 β 4 β λ = λ 4 β λ 4 β (D) = (β λ) λ 4 β λ β λ β λ 4 β = (β λ) λ 8 λ 4 β Entw. nach = (β λ) λ -ten Zeile 8 λ = (β λ) λ = (β λ)( λ) λ λ λ = (β λ)( λ) λ Entw. nach = (β λ)( λ)( λ) -ten Zeile Also ist sind die Eigenwerte von B gegeben durch β, und. Nach der Charakterisierung der Definitheit im Abschnitt 8.9 der Vorlesung, ist B β indefinit für β <, positiv semidefinit für β = und positiv definit für β >. b) (i) Die Aussage ist wahr. Sei x = (x,...,x n ) C n \ {} ein Eigenvektor zum Eigenwert λ. Mit x = (x,...,x n ) C n \ {} gilt nun Ax = Ax = λx = λx, ( )
11 womit x ein Eigenvektor von A zum Eigenwert λ ist. Die erste Gleichheit lässt sich dabei einfach mit der Definition des Matrix-Vektorprodukts und der Tatsache, dass A reelle Einträge hat, nachrechnen. (ii) Die Aussage ist wahr. Sei v C n \ {} ein Eigenvektor zum Eigenwert λ. Ist Rev =, also v = iw für ein w R n \ {}, so ist iv ein reeller Eigenvektor von A zum Eigenwert λ. Ist Rev, So ist Rev = vv ein reeller Eigenvektor zum Eigenwert λ, denn nach a) ist neben v auch v ein Eigenvektor zum Eigenwert λ = λ, somit auch Rev als Linearkombination dieser beiden. ( ) ( ) (iii) Die Aussage ist falsch. Seien etwa A = und B =. Dann haben beide Matrizen das charakteristische Polynom λ(λ ) und somit die Eigenwerte und. Ein mögliches Produkt zweier Eigenwerte ist somit, was jedoch kein Eigenwert von AB = ist. (iv) Sei v C n \ {} ein Eigenvektor von A zum Eigenwert λ. Dann gilt A v = A(Av) = λav = λ v, womit v ebenfalls ein Eigenvektor von A zum Eigenwert λ ist. ( ) (v) Ist n gerade, so ist die Aussage falsch. Die Matrix A = hat das charakteristische Polynom λ und somit nur die nicht-reellen Eigenwerte ±i. Ist n ungerade, so ist die Aussage wahr, denn das charakteristische Polynom ist reell und hat einen ungeraden Grad. So ein Polynom besitzt mindestens eine reelle Nullstelle. (vi) Die Aussage ist wahr. Für unitäre Matrizen gilt (Ax Ax) = (x x). Sei λ C ein Eigenwert von A und v ein zugehöriger Eigenvektor. Dann folgt (v v) = (Av Av) = (λv λv) = λλ(v v) = λ (v v). Wegen (v v) = v folgt λ = und somit λ =.
18 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
MehrVorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)
Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 15: Eigenwerte und -vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 5. November 2009) Diagonalisierbarkeit
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)
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)
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
MehrHenning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich
Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es
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,
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
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) :=
MehrKapitel 5. Eigenwerte. Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
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,
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,
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
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2 2
MehrÜbungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Blatt 3 - Lösung
Technische Universität München Physik Department Pablo Cova Fariña, Claudia Nagel Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 207/8 Blatt 3 - Aufgabe : Darstellungsmatrizen Sei
MehrKapitel 5 : Eigenwerte und Eigenvektoren
Kapitel 5 : Eigenwerte und Eigenvektoren 5.1 Definition und allgemeine Eigenschaften Definition 5.1 Sei A eine quadratische (n n)-matrix. λ C heißt Eigenwert von A, wenn ein Vektor x C n mit x 0 existiert,
MehrKapitel 11 Eigenwerte und Eigenvektoren
Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare
MehrLösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen
Technische Universität Berlin Sommersemester 2008 Institut für Mathematik 18 Juli 2008 Prof Dr Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Klausur zur Linearen Algebra II Aufgabe 1 (1+1+1 Punkte)
MehrFerienkurs Lineare Algebra
Ferienkurs Lineare Algebra Wintersemester 9/ Lösungen Eigenwerte und Diagonalsierbarkeit Blatt Diagonalisierbarkeit. Zeigen sie, dass für eine diagonalisierbare Matrix A folgendes gilt: det(a) = wobei
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
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
MehrKapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
MehrHöhere Mathematik II für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. M. Sc. SS 6 9.9.6 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zur Übungsklausur
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
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
Mehr2.2 Eigenwerte und Eigenvektoren
2.2. Eigenwerte und Eigenvektoren 39 2.2 Eigenwerte und Eigenvektoren Lineare Abbildungen werden je nach Basiswahl durch unterschiedliche Matrizen beschrieben. Besonders einfach ist die Diagonalform. Wir
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
MehrKlausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 23): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag 3. Mit Hilfe elementarer Zeilenumformungen sowie der Tatsache, daß sich die Determinante
Mehr9. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 9. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS /..-4.. Aufgabe G (Koordinatentransformation)
MehrD-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 13. (A ± I)x = 0 Ax ± x = 0 Ax = ±x Ax = λx
D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 13 1. Die Matrix A±I ist singulär falls es einen Vektor x 0 gibt der die Gleichung (A±I)x = 0 erfüllt, d.h. wenn A ± I als
MehrKLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008
KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 MUSTERLÖSUNG Name: Studiengang: Aufgabe 1 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter die Aufgabenstellung
MehrLineare Algebra. 12. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 12. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 14, 2017 1 Erinnerung: Determinanten, Orthogonale/unitäre Matrizen Sei A R 2 2, dann kann die Inverse
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016
Name, Vorname Matrikel-Nr. Aufg. Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 206 Bearbeiten Sie bitte
Mehr4 Lineare Abbildungen Basisdarstellungen
4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w
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
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
MehrSommer 2017 Musterlösung
Sommer 7 Musterlösung. (5 Punkte) a) Sei V ein Vektorraum über K und sei T End(V ). Geben Sie die Definition eines Eigenwertes von T und zeigen Sie für endlichdimensionales V, dass λ K genau dann ein Eigenwert
MehrEigenwerte/Eigenvektoren/Eigenräume/Diagonalisierung
Zurück Stand 4.. 6 Eigenwerte/Eigenvektoren/Eigenräume/Diagonalisierung Im Allgemeinen werden Vektoren durch Multiplikation mit einer Matrix gestreckt und um einen bestimmten Winkel gedreht. Es gibt jedoch
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
MehrLineare Algebra. 13. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 3. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 29, 27 Erinnerung Satz. Axiomatischer Zugang, Eigenschaften der Determinante. Die Abbildung det :
MehrHeinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche,
Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 2014 Lineare Algebra 1 Vierzehnte & Fünfzehnte Woche, 1672014 10 Determinanten (Schluß) Das folgende Resultat
Mehr5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit
ME Lineare Algebra HT 2008 99 5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit 5.1 Ein Beispiel zur Motivation Als einfachstes Beispiel eines dynamischen Systems untersuchen wir folgendes Differentialgleichungssystem
MehrMusterlösungen zur Linearen Algebra II Weihnachtszettel
Musterlösungen zur Linearen Algebra II Weihnachtszettel Aufgabe. Welche der folgenden Matrizen 3 0 0 A = 0 4, B = 3, C = 0 0 0 6 0 0 0 sind über R und welche über C diagonalisierbar? Bestimmen Sie dazu
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
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
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
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
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrLineare Algebra 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
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrHöhere Mathematik II für die Fachrichtung Physik. Übungs- und Scheinklausur
Institut für Analysis SS17 PD Dr. Peer Christian Kunstmann 15.7.17 Dipl.-Math. Leonid Chaichenets, Johanna Richter, M.Sc., Tobias Ried, M.Sc., Tobias Schmid, M.Sc. Höhere Mathematik II für die Fachrichtung
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
MehrDiplom Vorprüfung bzw. Bachelor Modulprüfung Höhere Mathematik II für die Fachrichtung Physik. Lösungsvorschläge. det
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Herbst 9.9.9 Diplom Vorprüfung bzw. Bachelor Modulprüfung Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge Aufgabe
MehrSerie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1
Prof. Norbert Hungerbühler Serie Lineare Algebra II ETH Zürich - D-MAVT. a Welche der folgenden Vektoren sind Eigenvektoren der Matrix? i (,,. ii (,,. iii (,,. iv (, 3,. v (,,. Ein Vektor v ist Eigenvektor
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016
Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016 Bearbeiten Sie bitte zwei
MehrBasisprüfung. 18. August 2015
Lineare Algebra I/II D-MATH, HS 4/FS 5 Prof Richard Pink Basisprüfung 8 August 25 [6 Punkte] Betrachte den reellen Vektorraum R 3 zusammen mit dem Standardskalarprodukt, und die Vektoren 9 3 v := 6, v
MehrLösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1
D-MAVT Lineare Algebra II FS 8 Prof. Dr. N. Hungerbühler Lösungen Serie. Welche der folgenden Vektoren sind Eigenvektoren der Matrix? (a) (,, ). Ein Vektor v ist Eigenvektor von A :=, falls Av ein skalares
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrProbeklausur Lineare Algebra für Physiker
Fachbereich Mathematik Prof. Dr. K. Grosse-Brauckmann D. Frisch Probeklausur Lineare Algebra für Physiker SS 8 26./27.6.27 Name:..................................... Vorname:.................................
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 II 6. Übungsblatt
Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der
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
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
MehrLösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:
Lineare Algebra D-MATH, HS 04 Prof. Richard Pink Lösung zu Serie. [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: a) F (X) := X 5 X in R[X] und C[X]. b) F (X) := X 4 +X 3 +X in
MehrTheoretische Fragen zu ausgewählten Themen in Lineare Algebra
Theoretische Fragen zu ausgewählten Themen in Lineare Algebra { Oren Halvani, Jonathan Weinberger } TU Darmstadt 25. Juni 2009 Inhaltsverzeichnis 1 Determinanten................................................
MehrProbeklausur Lineare Algebra 1 Achten Sie auf vollständige, saubere und schlüssige Argumentation! 100 Punkte sind 100%. Inhaltsverzeichnis
Prof. Dr. Wolfgang Arendt Manuel Bernhard Wintersemester 5/6 Probeklausur Lineare Algebra Achten Sie auf vollständige, saubere und schlüssige Argumentation! Punkte sind %. Inhaltsverzeichnis Aufgabe Aufgabe
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
MehrAussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrLineare Algebra II 3. Übungsblatt
Lineare Algebra II 3. Übungsblatt Fachbereich Mathematik SS 2011 Prof. Dr. Kollross 27./28. April 2011 Susanne Kürsten Tristan Alex Minitest Aufgabe M1 (Formale Polynome) Betrachten Sie die folgenden Polynome
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
MehrD-ITET. D-MATL, RW Lineare Algebra HS 2017 Dr. V. Gradinaru T. Welti. Online-Test 2. Einsendeschluss: Sonntag, den
D-ITET. D-MATL, RW Lineare Algebra HS 7 Dr. V. Gradinaru T. Welti Online-Test Einsendeschluss: Sonntag, den..7 : Uhr Dieser Test dient, seriös bearbeitet, als Repetition des bisherigen Vorlesungsstoffes
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)
MehrGrundlagen der Mathematik II (LVA U)
Dr. Marcel Dettling 3.4. Dr. Daniel Haase FS daniel.haase@math.ethz.ch Grundlagen der Mathematik II (LVA 4-6- U) 8 Zur Übungsstunde vom 3.4. Aufgabe (Ausgleichsrechnung) Gegeben sei das lineare Gleichungssystem
MehrDeterminanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.
Determinanten Motivation: Man betrachte das lineare Gleichungssystem [ [ [ a b x u = (1) c d y v Sei obda a und c Dann ist (1) äquivalent zu [ [ ca cb x = ac ad y und ferner zu [ [ ca cb x ad cb y Falls
MehrLösung zu Serie Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: A := B :=
Lineare Algebra D-MATH, HS 204 Prof. Richard Pink Lösung zu Serie 2. Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: 0 2 0 0 0 2 0 0 0 0 0 0 0
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
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 12. Aufgabe Herbstsemester Dr. V. Gradinaru D. Devaud.
Dr. V. Gradinaru D. Devaud Herbstsemester 15 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 1 Aufgabe 1.1 1.1a) Sei A eine n n-matrix. Das Gleichungssystem Ax = b sei
Mehr6 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
MehrLineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik
Universität Karlsruhe (TH) Institut für Algebra und Geometrie Dr. Klaus Spitzmüller Dipl.-Inform. Wolfgang Globke Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Lösungen zum
MehrMathematik I. Vorlesung 18. Vielfachheiten und diagonalisierbare Abbildungen. µ λ = dim(eig λ (ϕ))
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 18 Vielfachheiten und diagonalisierbare Abbildungen Satz 18.1. Es sei K ein Körper und es sei V ein endlichdimensionaler K- Vektorraum.
MehrTutorium Mathematik II M WM
Tutorium Mathematik II M WM 9.6.7 Lösungen Lösen Sie folgende Systeme von Differentialgleichungen der Form x = A x + b mit. A = 6 und b = et. e t Hinweis: Die Eigenwerte und -vektoren der Matrix A lauten:
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrHöhere Mathematik II für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz WS 5/6 8..6 Höhere Mathematik II für die Fachrichtung Physik Bachelor-Modulprüfung Aufgabe
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
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
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?
MehrLösungsskizzen zur Nachklausur
sskizzen zur Nachklausur Mathematik II für die Fachrichtungen Biologie und Chemie Sommersemester 22 Aufgabe Es seien die folgenden Vektoren 2 v = 2, v 2 = und v 3 = 2 im R 3 gegeben. (a) Zeigen Sie, dass
Mehr43911: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 2015 Lösungsvorschlag
Dr. Erwin Schörner 439: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 5 Lösungsvorschlag I.. Für n N mit n ist das inhomogene lineare Gleichungssystem in den n Unbekannten x,..., x n mit den n Gleichungen
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
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
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)
Mehr6. Übungsblatt zur Mathematik II für Inf, WInf
Fachbereich Mathematik Prof. Dr. Streicher Dr. Sergiy Nesenenko Pavol Safarik SS 5. 9. Mai 6. Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G (Standardskalarprodukt Sei v, e R und es
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
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrMathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie und Erziehungswissenschaften Blatt 2
Fakultät Mathematik WS 27/8 Institut für Mathematische Stochastik / Institut für Analysis Dr. W. Kuhlisch, Dr. F. Morherr Mathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie
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
Mehr2. Klausur zur Linearen Algebra II
Technische Universität Dortmund Fakultät für Mathematik Platznummer: Sommersemester 7.9.7. Klausur zur Linearen Algebra II Name: Vorname: Matrikelnummer: Studiengang: Wichtige Informationen: Prüfen Sie
Mehr