Eigenwerte und Eigenvektoren
|
|
- Oskar Böhme
- vor 5 Jahren
- Abrufe
Transkript
1 Eigenwerte und Eigenvektoren
2 Motivierendes eispiel Lineare Abbildungen werden durch Matrizen dargestellt: Abbildung : Spiegelung A =. Abbildung A = : Verzerrung. ei der Spiegelung wird ~e auf sich selbst abgebildet und ~e auf ~e. Damit erfüllen sie die Gleichung A~v = ~v mit = bzw. =. Welche Abbildung stellt die Matrix dar?
3 De nition Eine Zahl 2 heißt Eigenwert einer reellen (oder komplexen) n n-matrix A, wenn es mindestens einen Spaltenvektor ~v 2 n, ~v 6= ~, gibt mit A~v = ~v. Jeder Vektor ~v 6= ~, der diese Gleichung erfüllt, heißt Eigenvektor von A zum Eigenwert. Der Nullvektor ~ ist niemals ein Eigenvektor. Ergibt Ihre Rechnung den Nullvektor als Eigenvektor, so ist der Wurm drin Die Zahl Null kann aber ein Eigenwert sein
4 Eigenwerte Zur erechnung der Eigenwerte einer n n-matrix A betrachtet man (mit einer Variablen ) das charakteristische Polynom von A A( ):=det (A E). Die Eigenwerte sind die Nullstellen des charakteristischen Polynoms bzw. die Lösungen der charakteristischen Gleichung det (A E) =.
5 Eigenvektoren De nition Jede Lösung ~ b 6= ~ von (A E) ~ b = ~ ist ein Eigenvektor zum Eigenwert. V( )={~x 2 n :(A E)~x = ~ } heißt Eigenraum zum Eigenwert. Insbesondere ist jeder asisvektor von V ein Eigenvektor zum Eigenwert der Matrix A. Als Eigenvektoren von A gibt man deshalb immer eine asis des Eigenraums an.
6 Polynomdivision Voraussetzung: Normiertes Polynom mit ganzzahligen Koe zienten n + a n n + a n n a + a = () ( )( ) ( n )( n) =, Insbesondere ist a = n n. esitzt das Polynom die ganzzahlige Nullstelle x = m, dann ist m Teiler des Absolutglieds a. ( n + a n n + a n n a + a ):( m) = n + b n n + b + b Analog zu schriftlichen Dividieren vorgehen. Es darf keinen Rest geben, weil m 2 Z eine Nullstelle ist.
7 Algebraische und geometrische Vielfachheit De nition harakteristisches Polynomcharakteristische Gleichung: det (A E) = () a n n + a n n a + a = () c( ) k ( ) k ( l) k l =. Man bezeichnet die Vielfachheit k i der Nullstelle algebraische Vielfachheit des Eigenwertes i. i als die Dagegen ist die Dimension des Eigenraumes Dim V( i ) die geometrische Vielfachheit des Eigenwertes i.
8 isher... Eigenwert und Eigenvektor: A~v = ~v, ~v 6= ~. erechnung der Eigenwerte aus der charakteristischen Gleichung det (A E) =. Die Vielfachheit der Nullstelle Eigenwerts. algebraische Vielfachheit des Eigenraum V zum Eigenwert Lösungsmenge von (A E)~x = ~. Die Dimension des Eigenraums Eigenwerts. geometrische Vielfachheit des der Eigenvektor ist eine asis des Eigenraums zum Eigenwert.
9 eispiel Man bestimme die Eigenwerte und normierte Eigenvektoren der Matrix 0 1 A = A. Lösungen der charakteristischen Gleichung: det (A E) = = + + =. Raten =. Polynomdivision ergibt ( + )( + + )= + +. Die p-q-formel kann nur auf = angewandt werden und ergibt =, = =.
10 Fortsetzung... Der Eigenwert = hat die algebraische Vielfachheit und der Eigenwert = hat die algebraische Vielfachheit.. Eigenvektoren zu =. estimmen die Lösungen des homogenen linearen Gleichungssystems: A A besitzt die Lösung ~x = t A + s 1 A, t, s 2 R.
11 Fortsetzung... Eigenraum V = {~x 2 R : t A + s A, t, s 2 R}. Die geometrische Vielfachheit des Eigenwerts = ist. Es gibt deshalb linear unabhängige normierte Eigenvektoren ~v = p A und ~v = p A.
12 Fortsetzung.... Eigenvektoren zu =. estimmen die Lösungen des homogenen linearen Gleichungssystems: A A 1 A besitzt die Lösung ~x = t 0 1 A, t 2 R.
13 Fortsetzung... Eigenraum 0 1 V = {~x 2 R : t A, t 2 R}. Die geometrische Vielfachheit des Eigenwerts = ist. Es gibt deshalb normierten Eigenvektor 0 1 ~v = p A.
14 Householder-Matrizen A = E ~v~v T v v v = v v v mit einem Einheitsvektor ~v, d.h. ~v = v + v =. Eigenwerte und -vektoren: = mit ~v = ~v T und = mit ~v = ~v. Die Householder-Matrix beschreibt eine Spiegelung an der Geraden durch den Ursprung in Richtung von ~v T. ~x = x ~v + x ~v, A~x = x A~v + x A~v Abbildung : Householder-Abbildung = x ~v x ~v.
15 Dehnmessstreifen-Rosette Durch eine Dehnmessstreifen-Rosette kann auf der Ober äche eines ewegungsmechanismus einer aggerschaufel der Verzerrungszustand in Form des Verzerrungstensors bzgl. des x, x, x - Koordinatensystems bestimmt werden. Aus dem Tensor werden die Hauptdehnungen bestimmt. Diese sind bei isotropen Materialen ein Maß für die auftretenden maximalen Kräfte in den zugehörigen Richtungen. Abbildung : Dehnmesstreifen-Rosette
16 Dehnmessstreifen-Rosette erechnen Sie zum aus der Messung bestimmten Tensor 0 1 " = A alle Hauptdehnungen (d.h. die Eigenwerte von ") und geben Sie zu jeder Hauptdehnung einen auf die Länge normierten Eigenvektor als zu gehörige Hauptdehungsrichtung an. ilden die Hauptdehnungsrichtungen eine asis? Anmerkungen: Realistisch wird der einheitslose Verzerrungstensor nach Multiplikation mit. Dadurch erhält man Hauptdehnungen in der Größenordnung von maximal, und dies spiegelt wieder, dass Metalle fast inkompressibel sind.
17 Motivationsbeispiel Es sei A =. Man berechne A. Am einfachsten wäre es mit einer Diagonalmatrix 0 1 d... d... D =..... A,... d n dann ist D k = 0 d k... d k A.... d k n
18 Ähnliche Matrizen De nition Die n n-matrix A ist ähnlich zur Matrix, wenn es eine invertierbare n n-matrix gibt mit = A. Ist eine Diagonalmatrix, dann heißt A diagonalisierbar.
19 eispiel etrachten die Matrix A =. erechnung der Eigenwerte det (A E) = =( )( )=, folglich sind = und = die Eigenwerte der Matrix A. Eigenvektor zu = :, ~v =. Eigenvektor zu = :, ~v =.
20 Fortsetzung... Die Eigenvektoren bilden eine asis. Transformation auf Diagonalgestalt mit Hilfe der Matrix = und ihrer Inversen = und es gilt A = = = D. A = D = = = = ( ).
21 Householder-Matrix A = E ~v~v T = v v v v v v mit einem Einheitsvektor ~v, d.h. ~v = v + v =. = v v v v v v v v Eigenwerte und Eigenvektoren: = mit ~v = ~v T v = und = mit ~v = ~v = v. v v v v = =, weil eine orthogonale Matrix ist, d.h. = T =. v v A = v v v v v v v v Ergebnis: Im Koordinatensystem {~v, ~v } = {~v?, ~v} stellt die Householder-Matrix eine Spiegelung an der Achse ~v = ~v? dar.
22 Eigenschaften symmetrischer Matrizen De nition Eine reelle n n-matrix A heißt symmetrisch, wenn A = A T gilt. Satz Für reelle symmetrische n n-matrizen gilt Alle Eigenwerte sind reell. Eigenvektoren zu verschiedenen Eigenwerten sind orthogonal. Algebraische und geometrische Vielfalt eines jeden Eigenwerts sind gleich.
23 De nitheit von Matrizen De nition Eine n n Matrix A heißt positiv de nit (negativ de nit), wenn für alle ~x 2 R n, ~x 6= ~, gilt (A~x) ~x = ~x T A~x > ((A~x) ~x = ~x T A~x < ). Die n n Matrix A heißt inde nit, wenn (A~x) ~x = ~x T A~x sowohl positive als auch negative Werte annimmt. Sie heißt positiv (negativ) semide nit, wenn für alle ~x 2 R n gilt ~x T A~x (~x T A~x apple ).
24 De nitheit reeller symmetrischer Matrizen Satz (Diagonalmatrix) Eine Diagonalmatrix D = diag (d, d,...,d n ) ist genau dann. positiv de nit, wenn alle d i, i =,..., n, positiv sind,. negativ de nit, wenn alle d i, i =,..., n, negativ sind,. inde nit, wenn es sowohl positive als auch negative d i gibt. Satz (reelle symmetrische Matrix) Eine reelle symmetrische Matrix A ist genau dann. positiv de nit, wenn alle Eigenwerte von A positiv sind.. negativ de nit, wenn alle Eigenwerte von A negativ sind.. inde nit, wenn es sowohl negative als auch positive Eigenwerte gibt.
25 Positivität reeller symmetrischer Matrizen Satz (Notwendige edingung) Wenn die n n-matrix A positiv de nit ist, dann müssen alle Hauptdiagonalelemente positiv sein. Satz (reelle symmetrische Matrizen). Eine Diagonalmatrix D = diag (d, d,...,d n ) ist genau dann positiv de nit, wenn alle d i, i =,..., n, positiv sind.. Eine reelle symmetrische Matrix A ist genau dann positiv de nit, wenn eine der folgenden äquivalenten edingungen erfüllt ist:. Alle Eigenwerte von A positiv sind.. Die Zeilenstufenform (Dreiecksform) nur positive führende Elemente besitzt.. Hauptminorantenkriterium.. W T AW ist für irgendeine invertierbare n n Matrix W positiv de nit ist.
26 Welche der folgenden Matrizen sind positiv de nit? A =, A = 0 1 A. Für welche b 2 R ist die folgende Matrix positiv semi-de nit? 0 1 b A = A. b Antwort: A ist nicht positiv de nit, A ist positiv de nit, A ist positiv semi-de nit für apple b apple.
27 Elastostatisches Finite-Element-Modell ergibt ein lineares Gleichungssystem A~x = ~ b. Aus physikalischen Gründen muss die Matrix A positiv de nit sein. Deshalb wird vom Programm immer überprüft ob die Matrix positiv de nit ist. Fast immer ist eine der beiden folgenden Ursachen der Grund für diesen Fehler: Das System ist nicht ausreichend gelagert oder innerlich nicht tragfähig. Es wird ein inkorrektes Gleichungssystem. Es gibt Teile des Systems, denen keine Stei gkeitsparameter zugeordnet wurden (z.. Elastizitätsmodul, Querschnitts ächen, Flächenträgheitsmomente,...) Mathematisch ist A dann nicht invertierbar, also singulär. Das sieht man daran, dass die Matrix A den Eigenwert besitzt.
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 =
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 =
MehrEigenwerte und Eigenvektoren
KAPITEL Eigenwerte und Eigenvektoren. Berechnung von Eigenwerten...................... Eigenvektoren...............................3 Algebraische und geometrische Vielfachheit von Eigenwerten.. 4.4 Zusammenfassung
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)
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
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
MehrDiagonalisierbarkeit symmetrischer Matrizen
¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren
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
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Betrachtet wird eine (n,n)-matrix A. Eine Zahl λ heißt Eigenwert von A, wenn ein Vektor v existiert, der nicht der Nullvektor ist und für den gilt: A v = λ v.
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
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
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
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
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)
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 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
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
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
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
MehrEigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)
Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein
MehrBerechnung der Determinante
Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,
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,
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
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
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,
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
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
MehrEin Produkt ist Null, wenn einer der Faktoren gleich Null ist. Die beiden Eigenwerte sind demnach. λ 1 = 0, λ 2 = 2i. 1 i
TU Dresden Fakultät Mathematik Institut für Numerische Mathematik Lösung zur Aufgabe (b des Übungsblattes Ermitteln Sie on der folgenden Matrix alle (komplexen Eigenwerte und zu jedem Eigenwert einen zugehörigen
MehrEigenwerte und Eigenvektoren
KAPITEL Eigenwerte und Eigenvektoren Eigenwerte 4 2 Algebraische Vielfachheit 5 3 Eigenvektoren 6 4 Invarianten 4 5 Diagonalisierung 5 6 Positiv definite Matrizen 2 In der folgenden Übersicht sind einige
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) :=
MehrKlausurähnliche Aufgaben
Sommersemester 2007/08 Lineare Algebra Klausurähnliche Aufgaben Aufgabe 1 Seien v 1, v 2, v 3, v 4, v 5, v 6 die Vektoren in R 5 mit v 1 = (1, 2, 3, 1, 2), v 2 = (2, 4, 6, 2, 4), v 3 = ( 1, 1, 3, 0, 3),
MehrGruppe II Lineare Algebra
Pflichtbereichs Klausur in der Lehrerweiterbildung am 7.Juni 22 Bearbeiten Sie 3 der folgenden 6 Aufgaben, dabei aus jeder der beiden Gruppen (Lineare Algebra und Analysis) mindestens eine Aufgabe! Zur
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 25.
A Technische Universität Berlin Fakultät II Institut für Mathematik WS 3/4 Eppler, Richter, Scherfner, Seiler, Zorn 5. Februar 4 Februar Klausur (Rechenteil) Lösungen: Lineare Algebra für Ingenieure Name:.......................................
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
MehrMusterlösungen für die Nachklausur in LinAlg vom
Musterlösungen für die Nachklausur in LinAlg vom 10.10.16 1. Finden Sie mindestens ) zwei Dreh )Matrizen ) M R 2 2 mit der Eigenschaft 1 0 M = : M = ± 1 1 2 ±1 1 k k 1 k 2. Sei A R 3 3 die Matrix A = 0
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
MehrKlausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen.
Klausur Lineare Algebra I am 03.02.10 Es sind insgesamt 60 Punkte bei der Klausur zu erreichen. Aufgabe 1. (6 Punkte insgesamt) a.) (3P) Definieren Sie, was eine abelsche Gruppe ist. b.) (3P) Definieren
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,
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
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
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
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,
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
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)
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
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
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)
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
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
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
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
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
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
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
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
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
MehrHöhere Mathematik II für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz SS 5 4.5.5 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt
MehrLineare Algebra 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
MehrKlausur zur Vorlesung Lineare Algebra B im SS 2002 an der Universität Hannover
Dozent: Prof. Dr. Wolfgang Ebeling Übungsleiter: Dr. Detlef Wille Klausur zur Vorlesung Lineare Algebra B im SS an der Universität Hannover Joachim Selke 9. Februar Lineare Algebra B SS Klausur zur Vorlesung
MehrZusammenfassung und Beispiellösungen. zur Linearen Algebra
Zusammenfassung und Beispiellösungen zur Linearen Algebra Inhaltsverzeichnis TI Taschenrechner Funktionen für Matrizen... n*m Matrix... Diagonal und Dreiecksmatrix... Transponierte der Matrix A (AT)...
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
Mehr+ x 2 y 2 = f( x 1 ) + f( x 2 ), z 1 + z 2. z 1. a jj + n bjj = SpurA + SpurB ; j=1
Höhere Mathematik für technische Studiengänge Vorbereitungsaufgaben für die Übungen Lineare Abbildungen, Eigenwerte Lösungen Lösungshinweise: a nicht linear, denn zb fα α, αy +, α + αz T α, αy +, α + z
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
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
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
MehrMathematik I+II Frühlingsemester 2019 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik I+II Frühlingsemester 219 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 46 8. Lineare Algebra: 5. Eigenwerte und
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik
Mehr10. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 A =
O Alaya, S Demirel M Fetzer, B Krinn M Wied Gruppenübung zur Vorlesung Höhere Mathematik Wintersemester /3 Dr M Künzer Prof Dr M Stroppel Lösungshinweise zu den Hausaufgaben: Aufgabe H 34 a Gegeben ist
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Darstellungsmatrizen 2 2 Diagonalisierbarkeit
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
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
Mehr4 Funktionenfolgen und normierte Räume
$Id: norm.tex,v 1.57 2018/06/08 16:27:08 hk Exp $ $Id: jordan.tex,v 1.34 2018/07/12 20:08:29 hk Exp $ 4 Funktionenfolgen und normierte Räume 4.7 Kompakte Mengen Am Ende der letzten Sitzung hatten wir zwei
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
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
MehrProseminar 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
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
Mehr46 Eigenwerte und Eigenvektoren symmetrischer Matrizen
46 Eigenwerte und Eigenvektoren symmetrischer Matrizen 46.1 Motivation Symmetrische Matrizen (a ij = a ji für alle i, j) kommen in der Praxis besonders häufig vor. Gibt es für sie spezielle Aussagen über
MehrLina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen
Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - en Kommentare an HannesKlarner@FU-Berlinde FU Berlin SS 1 Dia- und Trigonalisierbarkeit Aufgabe (1) Gegeben seien A = i i C 3 3 und B = 1
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 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
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 018 Prof Dr N Hungerbühler Serie 8: Online-Test Schicken Sie Ihre Lösung bis spätestens Freitag, den 3 November um 14:00 Uhr ab Diese Serie besteht nur aus Multiple-Choice-Aufgaben
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
MehrOrientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops
15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
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
MehrSerie 12: Eigenwerte und Eigenvektoren
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie : Eigenwerte und Eigenvektoren Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom 7 und 9 Dezember Finden Sie für folgende
MehrRichie Gottschalk Lineare Algebra I Seite 1. a) Welche der folgenden Ringe sind kommutativ? Es gibt genau einen Unterraum W von V mit dim(w ) = n.
Richie Gottschalk Lineare Algebra I Seite Aufgabe Im Folgenden sind K immer ein Körper und V ein K-Vektorraum. a) Welche der folgenden Ringe sind kommutativ? K[x] K[x] ist per se ein kommutativer Polynomring.
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
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum
Mehr29.2 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System. y = A y, t R, (1)
292 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System y = A y, t R, ( wobei A C n n, und wollen ein Fundamentalsystem bestimmen Grundlegende Beobachtung:
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9
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
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
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
Mehr5 Diagonalisierbarkeit
5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj
Mehr