Lineare Algebra II 5. Übungsblatt
|
|
- Lilli Wetzel
- vor 7 Jahren
- Abrufe
Transkript
1 Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen, wenn jedes nicht-konstante Polynom eine Nullstelle in hat Welche der folgenden Mengen sind algebraisch abgeschlossene Körper? (a) (b) (c) (d) (e) Zeigen Sie ihre Aussagen für die Mengen, die keine algebraisch abgeschlossenen Körper sind Lösung: Von den angegebenen Mengen ist nur ein algebraisch abgeschlossener Körper ist kein algebraisch abgeschlossener Körper, da die ganzen Zahlen keinen Körper bilden und sind keine algebraisch abgeschlossenen Körper, da das Polynom x + in ihnen keine Nullstellen hat ist kein algebraisch abgeschlossener Körper, da das Polynom x + x + keine Nullstelle in hat Aufgabe G (Charakteristisches Polynom) Es sei V ein endlichdimensionaler Vektorraum und U, U,, U n V Untervektorräume von V mit V = U U U n Außerdem sei f : V V eine lineare Abbildung und die Unterräume U i seien f -invariant, dh es gilt f (U i ) U i, i n Das charakteristische Polynom einer linearen Abbildung ist gleich dem charakteristischen Polynom der Matrix dieser Abbildung bezüglich einer beliebigen Basis Es sei f i := f Ui : U i V Zeigen Sie, dass das charakteristische Polynom von f gleich dem Produkt der charakteristischen Polynome aller f i ist Lösung: Man wählt für alle U i eine Basis B i B sei das Tupel von Vektoren, dass aus den Vektoren aller B i besteht (wobei die Reihenfolge so sein soll, dass zuerst die Vektoren aus B, dann die aus B usw kommen) Wegen V = U U U n ist B dann eine Basis von V Ich bezeichne das charakteristische Polynom von f mit p f und das von f i mit p fi Dann gilt p f (t) = det [ f t id] B Wegen der Gestalt von B und da U i f -invariant ist, hat die Matrix [ f t id] B Blockdiagonalgestalt, wobei die Blöcke gerade die Form [ f i t id] Bi haben Daraus ergibt sich p f (t) = det [ f t id] B = n det [ f i t id] Bi = i= n p fi i=
2 wzbw Aufgabe G3 (Fibonacci-Zahlen) Wir definieren rekursiv eine Folge (f n ) n natürlicher Zahlen durch Die so konstruierten Zahlen f n heißen Fibonacci-Zahlen (a) Berechnen Sie die ersten 8 Fibonacci-Zahlen f :=, f :=, f n+ := f n + f n+ n (b) Für jedes n setzen wir x n := (f n, f n+ ) T Finden Sie eine -Matrix A mit x n+ = A x n Mit vollständiger Induktion folgt dann x n = A n x Insbesondere ist die Fibonacci-Zahl f n der erste Eintrag des Vektors A n x (c) Bestimmen Sie eine explizite Formel für die n-te Fibonacci-Zahl, indem Sie die Potenzen A n bestimmen Lösung: (a) Es gilt f =, f =, f 3 =, f = 3, f =, f 6 = 8, f 7 = 3 und f 8 = (b) Es muss gelten A fn f n+ = Ax n = x n+ = fn+ f n+ = f n+ f n + f n+ Dies ist offensichtlich für die Matrix A = erfüllt (c) Die Matrix hat die Eigenwerte ( ± ) mit den Eigenvektoren x = (, ( + )) T und x = (, ( )) T Mit der Transformationsmatrix S := (x x ) gilt also S AS = ( + ) ( ) Es folgt A n = S(S AS) n S = S = det S ( + ) n ( + ) ( ) ( ) n ( + ) n S ( ) ( ) n ( + ) A n x = = = ( + ) ( ) ( + ) ( ) ( + ) ( ) ( + ) n ( + ) n = ( ) n ( + ) n ( ) n+ ( + ) n+ ( + ) n ( ) n ( ) ( ) n ( + ) ( ) ( ) n ( + ) Da die n-te Fibonacci-Zahl der erste Eintrag von A n x ist, folgt n n + f n =
3 Aufgabe G (Euklidischer Algorithmus) Es seien a und b zwei ganze Zahlen (a) Beschreiben Sie einen Algorithmus zur Bestimmung des größten gemeinsamen Teilers von a und b Machen Sie sich auch klar, warum er funktioniert (b) Berechnen Sie mit Hilfe des gerade beschriebenen Algorithmus g g T(9, ) und g g T(3, ) (c) Machen Sie sich klar, dass man mit Hilfe des Euklidischen Algorithmus immer Zahlen l, m mit g g T(a, b) = la + mb finden kann Tipp: Setzen Sie die Gleichungen im Algorithmus von unten nach oben ineinander ein (d) Bestimmen Sie mit Hilfe des Euklidischen Algorithmus Zahlen l, m mit g g T(, 3) = l + 3m (e) Es sei auch c eine ganze Zahl Welche Bedingung muss c erfüllen, damit es ganze Zahlen x und y gibt mit Beweisen Sie ihre Behauptung ax + b y = c (f) Das Verfahren funktioniert für Polynome genauso Bestimmen Sie den größten gemeinsamen Teiler der Polynome Lösung: Finden Sie außerdem Polynome r(t) und s(t) mit p(t) = t + t 3 + t + t und q(t) = t 3 + g gt(p(t), q(t)) = r(t)p(t) + s(t)q(t) (a) Der Algorithmus ist derselbe, wie der aus der letzten Hausübung bekannte für Polynome Dh man stellt zuerst fest, dass in den ganzen Zahlen immer eine Division mit Rest möglich ist, dh es gibt eindeutig bestimmte ganze Zahlen q, r mit a = q b + r und < r < b Im zweiten Schritt führt man dann eine Division mit Rest der Zahlen b und r durch Dh es gibt eindeutig bestimmte ganze Zahlen q, r mit b = q r + r und < r < r Im i-ten Schritt führt man eine Division mit Rest der Zahlen r i und r i durch Dh es gibt eindeutig bestimmte ganze Zahlen q i, r i mit r i = q i r i + r i und < r i < r i Der Algorithmus bricht ab, wenn der Rest Null ist Der letzte von Null verschiedene Rest ist dann der gesuchte g g T Beim Durchführen des Algorithmus ergibt sich die Folge von Gleichungen a = q b + r, < r < b b = q r + r, < r < r r = q 3 r + r 3, < r 3 < r r n = q n r n + r n, r n = q n+ r n + < r n < r n Da die Reste natürliche Zahlen sind, die in jedem Schritt kleiner werden, muss es irgendwann einen Rest Null geben, dh der Algorithmus bricht ab An der letzten Zeile erkennt man, dass r n = g g T(r n, r n ) gilt An der vorletzten Zeile sieht man, dass jeder gemeinsame Teiler von r n und r n auch ein Teiler von r n ist Andererseits ist auch jeder gemeinsame Teiler von r n und r n ein Teiler von r n Daraus schließt man, dass g g T(r n, r n ) = g gt(r n, r n ) gilt Mit derselben Argumentation für jede Zeile des Algorithmus erhält man r n = g gt(r n, r n ) = g gt(r n, r n ) = = g g T(r, r ) = g g T(r, b) = g g T(b, a) Dh der Algorithmus liefert tatsächlich den größten gemeinsamen Teiler 3
4 (b) Dh es gilt g gt(9, ) = 6 Dh es gilt g gt(3, ) = 9 = = = = + 3 = = + 8 = = = 3 + (c) Aus der vorletzten Zeile des euklidischen Algorithmus erhält man Die Zeile davor kann man Umformen zu g g T(a, b) = r n = r n q n r n r n = r n 3 q n r n Setzt man dies nun in die letzte Gleichung ein erhält man g gt(a, b) = r n q n (r n 3 q n r n ) = q n r n 3 + ( + q n q n )r n Dieses Verfahren kann man so fortsetzen Man erhält dadurch in jedem Schritt eine Darstellung von g g T(a, b) als ganzzahlige Linearkombination von r i und r i, wobei das i in jedem Schritt um eins kleiner wird (hier kann man b = r und a = r setzen) Im letzten Schritt hat man dann die gesuchte Darstellung g g T(a, b) = la + mb (d) Durch das eben beschriebene Verfahren erhält man aus dem im Aufgabenteil (b) durchgeführen Algorithmus g gt(, 3) = = 8 6 Die gesuchten Zahlen sind also l = und m = 7 = 8 ( 8) = = + 3 (3 ) = 3 3 = 3 3 ( 3) = (e) Diese Gleichung ist genau dann lösbar, wenn d := g g T(a, b) ein Teiler von c ist Wenn d c nicht teilt, dann ist d immer ein Teiler von ax + b y, aber keiner von c, die Gleichheit ax + b y = c kann also nie erfüllt sein Wenn d c teilt gibt es eine ganze Zahle z mit c = d z Außerdem gibt es nach Aufgabenteil (c) ganze Zahlen l und m mit al + bm = d Damit gilt auch a(lz) + b(mz) = d z = c Dh die gegebene Gleichung hat die ganzzahligen Lösungen x = lz und y = mz (f) Der Euklidische Algorithmus liefert Dh es gilt Aus den Gleichungen ergibt sich t + t 3 + t + t = (t + )(t 3 + ) + (t ) t 3 + = t(t ) + (t + ) (t ) = (t )(t + ) + g g T(p(t), q(t)) = t + g gt(p(t), q(t)) = t + = t 3 + t(t ) Dh die gesuchten Polynome sind r(t) = t und s(t) = t + t + = q(t) t(p(t) (t + )q(t)) = t p(t) + (t + t + )q(t)
5 Hausübung Aufgabe H (Charakteristisches Polynom) Es sei A = a a a 3 a a a 3 a 3 a 3 a 33 eine allgemeine reelle 3 3-Matrix Des Weiteren sei eine Abbildung F : M 3 (), A a a + a a 33 + a a 33 a a a 3 a 3 a 3 a 3 (a) Ist F eine lineare Abbildung? Zeigen Sie ihre Behauptung (b) Berechnen Sie das charakteristische Polynom p A von A in Abhängigkeit der Einträge a i j (c) Zeigen Sie, dass für alle invertierbaren, reellen 3 3 Matrizen S gilt Lösung: (a) F ist nicht linear, denn es gilt für λ {, } F(S AS) = F(A) F(λA) = λa λa + λa λa 33 + λa λa 33 λa λa λa 3 λa 3 λa 3 λa 3 = λ F(A) λf(a) (b) Aus der Vorlesung ist bekannt, dass das charakteristische Polynom die Gestalt p A (t) = t 3 + (tr A)t + bt + det A hat Es ist also nur noch der Koeffizient b zu bestimmen Es gilt p A (t) = det a t a a 3 a a t a 3 a 3 a 3 a 33 t = (a t)(a t)(a 33 t) + a a 3 a 3 + a 3 a a 3 a 3 (a t)a 3 a a (a 33 t) (a t)a 3 a 3 Dh der Koeffizient von p A vor t ist und das charakteristische Polynom hat die Gestalt a a a a 33 a a 33 + a a + a 3 a 3 + a 3 a 3 p A (t) = t 3 + (a + a + a 33 )t + ( a a a a 33 a a 33 + a a + a 3 a 3 + a 3 a 3 )t +a a a 33 + a a 3 a 3 + a 3 a a 3 a 3 a a 3 a a a 33 a a 3 a 3 (c) Da ähnliche Matrizen dasselbe charakteristische Polynom haben (siehe zum Beispiel Tutorium Aufgabe T), ist insbesondere der Koeffizient vor t im charakteristischen Polynom bei ähnlichen Matrizen gleich Da dieser Koeffizient gerade F(A) ist (siehe Aufgabenteil (b)) folgt sofort F(S AS) = F(A) Aufgabe H (Diagonalisierbarkeit) In dieser Aufgabe wird a als Element von, bzw aufgefasst Sei M = {,, 3, } Geben Sie jeweils eine Matrix a a C = mit a a 3 a i M an, die mindestens drei verschiedene Einträge hat und (a) über diagonalisierbar ist, über jedoch nicht
6 (b) über diagonalisierbar ist, aber über und nicht (c) über diagonalisierbar ist, über jedoch nicht Beweisen Sie ihre Behauptungen Geben Sie weiterhin eine Matrix mit Einträgen in an, die über diagonalisierbar ist, aber über nicht Lösung: Das charakteristische Polynom ist bekanntlich p C (t) = t (tr C)t + det C = Damit hat man in die Lösungsformel λ, = a + a ± (a + a ) a a + a a 3 Interessant ist offenbar der Ausdruck H = (a + a ) a a + a a 3 = (tr C) det C unter der Wurzel Die Lösungsformel gilt auch für, wenn H ist, ansonsten gibt es in keine Eigenwerte Die analoge Formel gilt auch in, wenn man beachtet, dass die Wurzel nur von, und gezogen werden kann Es gilt dann in ± =, =, =, =, = 3 Für H = oder H = 3 modulo hat die Matrix also keine Eigenwerte in (a) C ist in diagonalisierbar, wenn H eine Quadratzahl ungleich Null ist (denn dann gibt es verschiedene Eigenwerte in ) Wenn zusätzlich H Null modulo ist, könnte es über nicht diagonalisierbar sein (das muss dann aber noch überprüft werden) Dies ist der Fall für tr C = 7 und det C = 6, also zb für C = 3 3 Man erkennt sofort, dass die linear unabhängigen Eigenvektoren über v = 3 und v = sind Diese sind modulo gleich, dh die Matrix besitzt in keine Basis aus Eigenvektoren, ist also nicht diagonalisierbar (b) Dafür ist es hinreichend, daß H kein Quadrat ist, modulo kein Quadtrat ist und H gilt Dies ist zb für H =, tr C = 6 und det C = 6 der Fall Ein Beispiel wäre also C = (c) Dazu darf H kein Quadrat sein, H muss aber modulo ein Quadrat sein Dies ist zb für H =, tr C = und det C = der Fall Ein Beispiel dafür ist 3 C = Die Matrix C = Aufgabe H3 (Nilpotente Matrizen) Zeigen Sie, dass die Matrix 3 3 ist über bereits diagonalisiert, über ist dies jedoch nicht möglich A = nilpotent ist (dh eine Potenz von A ist Null) Bestimmen Sie außerdem eine invertierbare Matrix S für die S AS eine obere Dreiecksmatrix ist und geben Sie die Matrix S AS an 6
7 Lösung: Es gilt A = A 3 = = = 8 8 und Dh A ist nilpotent Um S zu bestimmen suchen wir zunächst eine Basis B des, bzgl der f A eine obere Dreiecksmatrix ist Dazu benutzen wir die Anleitung aus Aufgabe G vom letzten Übungsblatt Es sei also V := {} = im A 3, V := im A, V := im A, V 3 := = im A = im E Da das Bild einer Matrix immer von ihren Spaltenvektoren aufgespannt wird, gilt V = im 8 8 = span 8 = span Als ersten Basisvektor von B wählen wir also b = Des Weiteren gilt V = im = span , = span, 6 3 3, 8, Dh wir wählen als zweiten Basisvektor b = Nun ergänzen wir {b, b } zu einer Basis von Dies kann zb durch die Vektoren geschehen b 3 =, b = 7
8 Nun ist S die folgende Basiswechselmatrix S := [id] B E = Wegen A b = A b = A b 3 = A b = = b = b und = 3b = gilt dann S AS = [f A ] B = 3 8
Lineare 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
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
MehrLineare Algebra II 9. Übungsblatt
Lineare Algebra II 9. Übungsblatt Fachbereich Mathematik SS Prof. Dr. Kollross 5./6. Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest: ohne Benutzung des Skripts und innerhalb von Minuten!)
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.
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
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar. http://www.math.uni-bielefeld.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung:
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
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
MehrMusterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.2012
Musterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.0 Aufgabe : Entscheiden Sie in dieser Aufgabe, ob die Aussagen wahr oder falsch sind. Begründungen sind nicht erforderlich. Ein korrekt gesetztes
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) :=
Mehr2.11 Eigenwerte und Diagonalisierbarkeit
2.11. EIGENWERTE UND DIAGONALISIERBARKEIT 127 Die Determinante eines Endomorphismus Wir geben uns jetzt einen endlichen erzeugten K-Vektorraum V und einen Endomorphismus ϕ : V V vor. Wir wollen die Determinante
MehrSerie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen
D-MATH Lineare Algebra I/II HS 2017/FS 2018 Dr. Meike Akveld Serie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen 1. Sei V ein K-Vektorraum. a) Sei T End(V ). Zeigen Sie, dass die folgenden alles
MehrÜbungsaufgaben zur Linearen Algebra II. 1.) Lösen Sie das folgende lineare Gleichungssystem mit der Cramerschen Regel.
Blatt 1 21.4.97 1.) Lösen Sie das folgende lineare Gleichungssystem mit der Cramerschen Regel. 3x 1 x 2 + 5x 3 = 1 x 1 + 2x 2 + x 3 = 1 2x 1 + 4x 2 + 3x 3 = 1 2.) Zeigen Sie: det 1 1 0 0.......... 0 1
MehrÜbungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 1
Übungen zur Vorlesung Lineare Algebra II, SoSe 216, Blatt 1 Mündliche Aufgaben Die Aufgaben aus diesem Blatt bestehen zu einem großen Teil aus den Aufgaben von Blatt 13 der LA1. Sie dienen vor allem der
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)
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
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
MehrHöhere Mathematik I HM I A. WiSe 2014/15. Variante A
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I WiSe 4/ Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder- und Rückseite
MehrLineare Algebra I 5. Tutorium Die Restklassenringe /n
Lineare Algebra I 5. Tutorium Die Restklassenringe /n Fachbereich Mathematik WS 2010/2011 Prof. Dr. Kollross 19. November 2010 Dr. Le Roux Dipl.-Math. Susanne Kürsten Aufgaben In diesem Tutrorium soll
MehrAlgorithmus zur Berechnung der Jordannormalform
Algorithmus zur Berechnung der Jordannormalform Olivier Sète 19. Januar 2011 Inhaltsverzeichnis 1 Motivation 1 2 Algorithmus Wie und warum funktioniert das? 2 2.1 Zutat 1 Für einen Jordanblock.........................
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
MehrLineare Algebra 2. Lösung zu Aufgabe 7.2:
Technische Universität Dortmund Sommersemester 2017 Fakultät für Mathematik Übungsblatt 7 Prof. Dr. Detlev Hoffmann 15. Juni 2017 Marco Sobiech/ Nico Lorenz Lineare Algebra 2 Lösung zu Aufgabe 7.1: (a)
Mehr12.3 Kommutierende Abbildungen
12.3 Kommutierende Abbildungen Definition 12.3.1 Sei V ein endlichdimensionaler Vektorraum, und sei F eine Familie linearer Abbildungen V V mit UT = TU für alle U, T in F. Dann nennt man F eine Familie
MehrLineare Algebra II 11. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des
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,
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
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
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.
Mehr3.7 Eigenwerte und Eigenvektoren
3.7. EIGENWERTE UND EIGENVEKTOREN 123 3.7 Eigenwerte und Eigenvektoren Wir wollen jetzt lineare Endomorphismen durch Matrizen besonders übersichtlicher Gestalt (u.a. mit möglichst vielen Nullen) beschreiben,
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
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
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
MehrKLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG
KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter
MehrLineare Algebra II Zwischentest
Lineare Algebra II Zwischentest Dr. Stephan Ehlen, Dr. Chris Jennings-Shaffer, Jonathan Schürr 14.06.18 Dieser Zwischentest besteht aus 7 Aufgaben und enthält insgesamt 12 Seiten. Sie haben für die Bearbeitung
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
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
MehrLineare Algebra II Lösungen zu ausgewählten Aufgaben
Lineare Algebra II Lösungen zu ausgewählten Aufgaben Blatt 2, Aufgabe 3 a) Wir zeigen, daß das Ideal (2, X) kein Hauptideal in Z[X] ist. (Dieses Ideal besteht aus allen Elementen in Z[X], die von der Form
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
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
MehrL7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren. Gegeben. Gesucht: Diagonalform: Finde und! Definition: Eigenvektor, Eigenwert
L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors
MehrVariante A. Hinweise
Lehrstuhl C für Mathematik (Analsis Prof. Dr. Y. Guo Aachen, den 6..3 Klausur zur Höheren Mathematik I WS /3 Variante A Hinweise Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind handschriftliche
MehrBeispiele. zum Tutorium Numerisches Rechnen und Lineare Algebra WS 2016/2017
Beispiele zum Tutorium Numerisches Rechnen und Lineare Algebra WS 6/7 Zur positiven Beurteilung der LV ist es notwendig, dass aus jedem der 9 Abschnitte (Lineare Gleichungssysteme, Determinanten, Vektorräume,
Mehrm 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23
Kapitel 5 Eigenwerte 5. Definition und Beispiele Wir sehen uns ein System dreier schwingender Kugeln der Massen m, m und m 3 an, die durch Federn aneinander gekoppelt sein sollen. m k m k 3 m 3 x ( t x
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
MehrAlle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie-
1 Vorbemerkungen Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie- benen Vektoren. Wird die Matrix A = ( a 1,..., a n ) mit dem Vektor c = c 1. c n multipliziert,
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
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
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
MehrScheinklausur, 2. Teil, Lineare Algebra I, WS 2001, Prof. Dr. G. Hiß. Ja oder
Gruppe A Scheinklausur 2. Teil 15.2.2002 Lineare Algebra I WS 2001 Prof. Dr. G. Hiß Name: Matrikelnummer: Kreuzen Sie bei jeder Frage entweder Ja oder Nein oder nichts an. Auswertung der Multiple-Choice-Aufgaben:
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
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
MehrHöhere Mathematik I. Variante A
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I WiSe 4/5 Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder- und Rückseite
MehrLineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz
Lineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz Aufgabe 1 Sei V ein endlich-dimensionaler K-Vektorraum, und seien f und g Endomorphismen von V mit f g = g f. Zeige: a) Sind f und g diagonalisierbar,
MehrLineare Algebra I. Prof. Dr. Daniel Roggenkamp Vorlesung -
Lineare Algebra I Prof. Dr. Daniel Roggenkamp - 22.Vorlesung - Aus der letzten Vorlesung: Polynome K[t] (p 0, p,, p i K mit p i = 0 i > i 0 für ein i 0 = i 0 p i t i = p 0 + p t + p 2 t 2 + + p i0 t i
Mehr(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.
L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors
Mehr4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit
4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit Definition 4.41. Eine Familie F linearer Operatoren heißt vertauschbar oder kommutierend, wenn für je zwei Operatoren U,T in F gilt: UT = TU.
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
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
MehrMusterlösungen für die Nachklausur in LinAlg vom
Musterlösungen für die Nachklausur in LinAlg vom 10.10.16 1. Finden Sie mindestens ) zwei Dreh )Matrizen ) M R 2 2 mit der Eigenschaft 1 0 M = : M = ± 1 1 2 ±1 1 k k 1 k 2. Sei A R 3 3 die Matrix A = 0
MehrLineare Algebra II, Lösungshinweise Blatt 9
Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren
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
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
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
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/201 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.201, 11 Uhr Lösungen der
MehrKAPITEL 8. Normalformen. 1. Blockmatrizen. ,C K m 2 n 1. X = K (m 1+m 2 ) (n 1 +n 2 ) K L. und Y = M N Blockmatrizen mit.
KAPITEL 8 Normalformen Definition 8.1 (Blockmatrizen). Sind 1. Blockmatrizen A K m 1 n 1,B K m 1 n 2,C K m 2 n 1 und D K m 2 n 2 so nennet man die Matrix X = ( A B C D ) K (m 1+m 2 ) (n 1 +n 2 ) eine Blockmatrix
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
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
MehrEigenwerte und Eigenvektoren
Ergänzung Eigenwerte und Eigenvektoren Motivation Definitionen Beispiele im IR 2 Beispiele im IR 3 Eigenwerte und Eigenvektoren Motivation Lineare Abbildungen, Ausgangsvektor und Bildvektor Lineare Abbildungen
MehrT := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass
I. a) Es sei (G, ) eine abelsche Gruppe mit neutralem Element e G. Zeigen Sie, dass U := {g G g 3 = e G } eine Untergruppe von G ist. b) In der symmetrischen Gruppe S 4 definieren wir analog zu a) die
MehrKapitel III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
MehrD-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld. Clicker Fragen
D-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld Clicker Fragen Frage 1 Wenn eine reelle Matrix einen Eigenvektor hat, so hat es unendlich viele Eigenvektoren Sei u K n einen Eigenvektor von A M
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
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
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
Mehr(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren
Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene
MehrLösungshinweise zur Klausur. Mathematik für Informatiker III. (Dr. Frank Hoffmann) 18. Februar 2008
Lösungshinweise zur Klausur Mathematik für Informatiker III (Dr. Frank Hoffmann) 8. Februar 8 Aufgabe Algebraisches I /6++ (a) Rechnen Sie zunächst nach, dass die Menge B = {,, von Vektoren eine Basis
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
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
MehrÜbungen zu Lineare Algebra und Geometrie 1
Übungen zu Lineare Algebra und Geometrie 1 Andreas Čap Sommersemester 2015 Wiederholung grundlegender Begriffe (1 Bestimme Kern und Bild der linearen Abbildung f : R 3 R 3, die gegeben ist durch f(x, y,
Mehr(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.
L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Anwendungen in der Physik: Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors - Normalmoden
MehrProbeklausur zur Linearen Algebra 2
Probeklausur zur Linearen Algebra Sommersemester Universität Heidelberg Mathematisches Institut Dr. D. Vogel Michael Maier Lösung Aufgabe. a) Die Aussage stimmt. Beweis: Da a (b) und b (a) gibt es c,d
Mehr7.2 Die adjungierte Abbildung
7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)
Mehr23. Die Jordan sche Normalform
Chr.Nelius, Lineare Algebra II (SS 2005) 1 23. Die Jordan sche Normalform Wir suchen für einen trigonalisierbaren Endomorphismus unter seinen dreiecksförmigen Darstellungsmatrizen eine Darstellungsmatrix,
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
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein
MehrLineare Differentialgleichungen
Technische Universität München Thomas Reifenberger Vorlesung, Kapitel 4 Repetitorium Analysis I für Physiker Analysis I Lineare Differentialgleichungen 1 Das Matrixexponential Definition 1.1 Sei A C n
MehrLineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya
Lineare Abhängigkeit und Unabhängigkeit -E Ma Lubov Vassilevskaya Eindimensionaler Raum Abb. -: Zwei nicht gleiche Vektoren auf der gleichen Gerade Jeden Vektor, der auf einer Geraden liegt, kann man durch
MehrLineare Algebra I 14. Tutorium Lineare Abbildungen und Matrizen
Lineare Algebra I 4 Tutorium Lineare Abbildungen und Matrizen Fachbereich Mathematik WS / Prof Dr Kollross 7 Februar Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Bewegungen im ) Als Bewegung
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
MehrHöhere Mathematik III WS 05/06 Lösungshinweis Aufgabe G 11 Blatt 2
Höhere Mathematik III WS 5/6 Lösungshinweis Aufgabe G 11 Blatt Die zu optimierende Zielfunktion ist der Abstand zum Ursprung. Ein bekannter Trick (Vereinfachung der Rechnung) besteht darin, das Quadrat
MehrÜbungen zu Lineare Algebra und Geometrie 1
Übungen zu Lineare Algebra und Geometrie 1 Hermann Schichl Andreas Čap Sommersemester 218 Wiederholung grundlegender Begriffe (1) Bestimmen Sie Kern und Bild der linearen Abbildung f : R 3 R 3, die gegeben
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
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?
Mehr8. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 8. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS / 6..-.. Aufgabe G (Matrixinversion mit Gauß-Algorithmus
Mehr8 Lineare Abbildungen
80 8 Lineare Abbildungen In diesem Kapitel untersuchen wir lineare Abbildungen von R n nach R m wie zum Beispiel Spiegelungen, Drehungen, Streckungen und Orthogonalprojektionen in R 2 und R 3 Man nennt
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
Mehr