(a) Bestimmen Sie die Matrixdarstellung dieser Abbildung bzgl. einer möglichst einfachen Basis von P n - (b) Bestimmen Sie die zu F duale Abbildung F.
|
|
- Jakob Schuler
- vor 7 Jahren
- Abrufe
Transkript
1 Übung. Wiederholen Sie die folgenden Begriffe und geben sie jeweils Beispiele (a) Vektorraum (b) Vektorraumhomomorphismus mit Spezialfällen (c) Basis (d) Dualraum (e) Duale Basis (f) Koordinatenabbildung (g) Koordinatensystem 2. Sei P n der Vektorraum der reellen Polynome vom Grad n und F : P n P n bilde jedes Polynom auf seine Ableitung ab. (a) Bestimmen Sie die Matrixdarstellung dieser Abbildung bzgl. einer möglichst einfachen Basis von P n - (b) Bestimmen Sie die zu F duale Abbildung F. 3. Gegeben seien die Basen {( im R 3 und U 2 = 0) der Matrixdarstellung U =,, 0, U = 2, 2, ( 0, )} ( 2 0 {( ( 2, im R ) )} 2. Betrachten Sie die lineare Abbildung ϕ : R 3 R 2 mit, U 2 = ) bezüglich der Basen U, U 2. (a) Was ist die Matrixdarstellung von ϕ bezüglich der Standardbasen? (b) Und bezüglich U, U 2? (c) Berechnen Sie Kern und Bild von ϕ und geben Sie eine Basis von R 3 / ker ϕ an! 4. Beweisen Sie Beobachtung 6.20 aus der Vorlesung! 5. Zerlegen Sie die folgende Matrix in Elementarmatizen und bestimmen Sie ihre Inverse und ihre Determinante: (a) (b) (c) Berechnen Sie folgende Determinanten für reelle Parameter! Wann sind die Determinanten 0? Lassen sich die gefundenen Formeln in Ihrer vereinfachten Form verallgemeinern (ggf. und wie?)? (a) (c) a b c d a 2 b 2 c 2 d 2 a 3 b 3 c 3 d a b a b a 2 b 2 2a 2 2b 2 a 3 b 3 3a 3 3b 3 (b) cos(α) cos(β) sin(α) cos(α) sin(β) sin(α) cos(β) cos(α) sin(α) sin(β) sin(β) 0 cos(β)
2 Hausaufgabe Abgabe: Dienstag, Beweisen Sie: Zu gegebenem Körper (K, +, ) und a, b, c, d, a, b, c, d K gibt es genau dann genau ein Polynom p vom Grad drei, welches p(a) = a, p(b) = b, p(c) = c und p(d) = d erfüllt, wenn keine zwei der Körperelemente a, b, c und d gleich sind. 2. Lösen Sie das Gleichungssystem Ax = b für A = (a) b = (b) b = und ( ) 3. Sei P 3 der Vektorraum der reellen Polynome vom Grad 3 mit der Basis B =, x, x(x ) 2, x(x )(x 2) 6, der Basis B 2 = ( x 3.x 3, x 3 x, x 3 x 2), sowie die Abbildung ϕ, welche jedem der Polynome in P 3 seine Ableitung zuordnet. Bestimmen Sie die Matrixdarstellung zu ϕ bezüglich der Basen B (für den Definitionsbereich) und B 2 (für den Wertevorrat)! falls j + = i ξ falls i = j n 4. Sei (R, +, ) ein Ring mit Eins und A = (a ij ) i,j {,...,n} mit a ij = a n + ξ falls i = j = n a i falls j = n 0 sonst. Bestimmen Sie det(a) und beweisen Sie Ihr Ergebnis! Hinweis: Schreiben Sie sich A für kleines n in der üblichen Matrixform hin und erinnern Sie sich an ein entsprechendes Beispiel aus der Vorlesung!
3 Übung 2 7. Berechnen sie die Eigenwerte und zugehörigen Eigenvektoren folgender Matrizen: (a) (b) ( ) 0 (c) 2 falls j + = i 0 falls i = j n (d) (a ij ) i,j {,...,n} mit a ij = a n falls i = j = n a i falls j = n 0 sonst. für gegebenen reelle Parametern a i falls j + = i ξ falls i = j n (e) (a ij ) i,j {,...,n} mit a ij = a n + ξ falls i = j = n a i falls j = n 0 sonst. für gegebenen reelle Parametern ξ und a i 8. Die Fibonacci-Zahlen genügen der Rekursion f n+ = f n + f n. (a) Bestimmen Sie die Abbildungsmatrix A der linearen Abbildung ϕ, die der kanonischen Basis in Definitionsbereich und Wertevorrat! (b) Bestimmen Sie die Eigenwerte und Eigenvektoren von A! ( fn f n ) ( auf f n f n+ (c) Die Eigenvektoren von A bilden eine Basis B des R 2. Bestimmen Sie die Koordinaten von bezüglich dieser Basis! (d) Bestimmen Sie die Abbildungsmatrix von ϕ bezüglich B in Definitionsbereich und Wertevorrat! ( ) fn (e) Bestimmen Sie die Koordinaten von für allgemeines n bezüglich B! f n ) abbildet bezüglich ( ) ( f0 0 := f (f) Ermitteln Sie durch Rücktransformation auf die kanonische Basis die explizite Darstellung der Fibonacci-Folge f n! 9. Ein reelles Polynom P P 3 höchstens dritten Grades wird durch Integration nach der Variablen gleich eine Menge von Polynomen. (a) Welche? (b) Wie ergibt sich dieser Bildraum der durch Integration beschriebenen Abbildung aus der Menge P 4 der reellen Polynome vierten Grades? (Es kann hilfreich sein, die Umkehrabbildung zu betrachten) )!
4 Hausaufgabe 2 Abgabe: Dienstag, Berechnen sie die alle Eigenwerte und zugehörigen Eigenvektoren folgender Matrizen: (a) a a 0 0 (b) 0 0 a a a 6. Wir betrachten eine Zahlenfolge a n, die der Rekursion a n+3 = a n+ 2(a n+2 a n ) genügt. (a) Bestimmen Sie die Abbildungsmatrix A der linearen Abbildung ϕ, die bezüglich der kanonischen Basis in Definitionsbereich und Wertevorrat! (b) Bestimmen Sie die Eigenwerte und Eigenvektoren von A! a n a n+ a n+2 auf (c) Die Eigenvektoren von A bilden eine Basis B des R 2. Bestimmen Sie die Koordinaten von bezüglich dieser Basis! (d) Bestimmen Sie die Abbildungsmatrix von ϕ bezüglich B in Definitionsbereich und Wertevorrat! (e) Bestimmen Sie die Koordinaten von a n a n+ a n+2 für allgemeines n bezüglich B! a n+ a n+2 a n+3 a 0 a a 2 (f) Ermitteln Sie durch Rücktransformation auf die kanonische Basis die explizite Darstellung der Folge a n! 7. Bestimmen Sie für n N: Denken Sie komplex! n := abbildet 0 0!
5 Übung 3 0. Die komplexen Zahlen C können als ein zweidimensionaler R-Vektorraum aufgefasst werden und die komplexe Multiplikation mit z = a + bi, a, b R als eine R-lineare Abbildung M z : C C, w m z (w) = zw. Bestimmen Sie eine Darstellungsmatrix A bezüglich der Basis (, i), det M z, Eigenwerte und das Minimalpolynom m Mz. Deuten Sie A geometrisch (Polarkoordinaten). Geben Sie eine möglichst einfache Darstellung von A n an.. Sei A : R n R n der Flip-Operator, d.h. (x,..., x n ) T A (x n,..., x ) T. Geben Sie eine Matrixdarstellung bezüglich der Standardbasis an. Bestimmen Sie charakteristisches Polynom, Minimalpolynom, Eigenwerte und Eigenvektoren. Ist A diagonalisierbar? 2. Sei V ein n-dimensionaler K-Vektorraum und F End K (V ) gegeben. Ferner gebe es ein N 2 mit F N = F. Beschreiben Sie, wie das Minimalpolynom m F (x) aussehen kann, (a) wenn K = C, (b) wenn K = R. Was kann man in beiden Fällen zur Diagonalisierbarkeit sagen?
6 Hausaufgabe 3 Abgabe: Dienstag, Geben Sie eine hinreichende und notwendige Bedingung an zwei Matrizen A, B R n n dafür an, dass für jedes N N die binomische Formel N ( ) N (A + B) N = A N k B k k gilt. Natürlich mit Beweis. Berechnen Sie damit A N λ wobei A λ R n n gegeben ist durch λ 0 0. A λ = λ k=0 9. Sei P n der Vektorraum der reellen Polynome vom Grad kleiner oder gleich n und A : P n P n, f Af = f der Ableitungsoperator. Geben Sie das Minimalpolynom m A (ξ) von A an. Geben Sie für ein beliebiges f P n vom Grade k n den Raum [f] A an. Ist P n A-zyklisch? 0. Wir betrachten den Ring (R[x], +, ) aller Polynome in der Unbestimmten x mit reellen Koeffizienten (ersetzen Sie von mir aus R durch Ihren Lieblingskörper). Ferner sei I eine Untergruppe von (R[x], +) mit der Eigenschaft: g(x), h(x) R[x] : h(x) I g(x)h(x) I Zeigen Sie: es gibt ein normiertes Polynom m(x) I mit der Eigenschaft h(x) I q(x) R[x] : h(x) = q(x)m(x). Entscheiden Sie ob m(x) eindeutig bestimmt ist (mit Beweis).
7 Übung 4 3. Vollziehen Sie Satz 8.27 und 8.29 der Vorlesung nach am Beispiel der Matrix A und das Abspalten eines maximalen zyklischen Unterraums anhand von B, wobei A = R , B = R Zeigen Sie: Ist A C n n invertierbar, so ist A span(i, A, A 2,...) C n n, d.h. A ist eine Linearkombination von Potenzen von A. Geben Sie die Koeffizienten einer solchen Linearkombination an. 5. Zeigen Sie: F ist genau dann diagonalisierbar, wenn das charakteristische Polynom P F (ξ) in Linearfaktoren zerfällt und das Minimalpolynom m F (ξ) nur einfache Nullstellen hat.
8 Hausaufgabe 4 Abgabe: Dienstag, Sei A K n n eine invertierbare Matrix. Wie lässt sich das charakteristische Polynom p A (ξ) von A durch das charakteristische Polynom p A (ξ) von A ausdrücken? 2. Sei V ein n-dimensionaler K-Vektorraum und F End K (V ) gegeben. Ferner gebe es ein N mit F N+ = F, siehe Übung 3, Aufgabe 2. Entscheiden Sie ob F diagonalisierbar ist in den beiden Fällen K = C und K = R. 3. Entscheiden Sie, ob die beiden Matrizen A, B C 4 4, a b 0 A = b a a b 0 0 b a, B = ähnlich sind und geben Sie ggf. S an, so dass S AS = B. z z z z, z = a + bi, 4. Sei A C n n eine Matrix mit reellen Einträgen und λ, λ ein Paar konjugierter komplexer Eigenwerte. Wie hängen die Haupträume Hau(A, λ) und Hau(A, λ) zusammen? 5. Bestimmen Sie die Jordan sche Normalform für die beiden Matrizen A = , B = sowie jeweils eine Transformationsmatrix.
9 Übung 5 6. Vefahren zur Bestimmung der Normalmatrix, einer Transformationsmatrix, und der elementaren Divisoren Input: Matrix (Endomorphismus) A und die irreduziblen Faktoren p (ξ),..., p k (ξ) von P A (ξ). Output: (r,..., r k ) mit m A (ξ) = p (ξ) r p k (ξ) r k, die elementaren Divisoren mit ihren Vielfachheiten und folglich die allgemeine Normalmatrix, eine Basis S mit M S S (A) = Normalmatrix, bzw. S mit S AS =Normalmatrix. Initialisierung: S = (S enthält am Ende eine Basis mit M S S (A) = Normalmatrix, bzw. die Spalten einer Transformationsmatrix) Verfahren: Für jedes p(ξ) {p (ξ),..., p k (ξ)} setze und führe die folgenden Schritte (a) und (b) durch: q = deg p(ξ) (a) Bestimme linear unabhängige Mengen U, U 2,... mit der Eigenschaft, dass j : Ker p(a) j = span(u )... span(u j ). Ferner setze r = min{j, U j = }. Dann ist r die Vielfachheit von p(ξ) in m A (ξ). Weiter definiere D(j) durch D(r) = U r q und D(j) = U j q D(j + )... D(r). Falls p(ξ) = ξ λ (d.h. q = ), dann gibt D(j) die Anzahl der Jordanblöcke der Größe j zum Eigenwert λ an. Allgemein gibt D(j) die Anzahl der jq jq-blöcke M(d) an, die zum Elementardivisor d = p(ξ) j gehören, vgl. Satz Bemerkung: Ist man also nur an der Gestalt der Normalmatrix interessiert, kann man Schritt (b) überspringen und zum nächsten Primteiler übergehen. Das Verfahren zur bestimmung der Transformationsmatrix geben wir zunächst nur für den Fall an, dass alle p(ξ) Linearfaktoren sind, also ab jetzt p(ξ) = ξ λ und q =. (b) Setze V = V 2 =... = V r =. Für m = r,..., führe folgende Schritte durch i. Ergänze die linear unabhängige Menge U U 2... U m V m durch eine D(m)-elementige Menge W m zu einer Basis von Ker (A λi) m, etwa durch D(m) geeignete Elemente aus U m. ii. Für jedes v W m : Bemerkungen: i) In Schritt (a) ist S S {v, (A λi)v,..., (A λi) m v} und für i = 0,..., m : V m i V m i {(A λi) i v} Ker p(a) Ker p(a) 2... Ker p(a) r Ker p(a) r = Ker p(a) r+ =..., und U ist eine Basis von Ker p(a), U U 2 eine Basis von Ker p(a) 2 und allgemein ergänzt U i die bisher gewonnene Basis von Ker p(a) i, zu einer von Ker p(a) i. ii) Im ersten Durchlauf der Schleife in Schritt (b) (d.h. m = r) kann man direkt W r = U r nehmen (eine Rechnung gespart). In späteren Durchläufen kann auch W m = vorkommen (nämlich, wenn D(m) = 0 ist). iii) In der Schleife in Schritt (b) wird insbesondere W m zu V m zugefügt, so dass nach den r Schleifendurchläufen gilt j : Ker p(a) j = span(v )... span(v j ). Für v W m nennt man {v, (A λi)v,..., (A λi) m v} Jordan-Kette der Länge m. Jedes v V m \ W m liegt auf genau einer Jordan-Kette einer Länge m + l für ein l, d.h. es gibt w W m+l V m+l mit (A λi) l w = v. iv) Schreibt man die Jordan-Ketten in der angegebenen Reihenfolge (d.h. beginnend mit v) in die Basis S, so stehen die en in den Jordanblöcken unterhalb der Diagonalen. v) Für allgemeines p(ξ) vom Grade q lautet Schritt (b) wiefolgt:
10 (b) Für m = r,..., führe folgende Schritte durch i. Ergänze die linear unabhängige Menge U U 2... U m V m durch eine Menge W m zu einer Basis von Ker p(a) m, wobei man geeignete Vektoren v, v 2,..., v D(m) wählt, so dass (es ist W m = qd(m) ). ii. Für jedes v {v, v 2,..., v D(m) } : W m = {v, Av,..., A q v, v 2, Av 2,..., A q v 2,. v D(m), Av D(m),..., A q v D(m) } S S {v, Av,..., A q v, und für i = 0,..., m : p(a)v, p(a)av,..., p(a)a q v,. p(a) m v, p(a) m Av,..., p(a) m A q v} V m i V m i {p(a) i v, p(a) i Av,..., p(a) i A q v} Probieren Sie das Verfahren jeweils über K = Q aus an , Begründen Sie, dass das Verfahren funktioniert. 8. Bestimmen Sie eine Normalmatrix (über K = R) von B A = I..... ( 2 a b R2r 2r, B = b a 0 I 2 B ). Untersuchen Sie auch alle möglichen Fälle für allgemeines B R 2 2.
11 9. Für eine Matrix A K n n betrachte die Abbildung Für K = R und K = C überlege man sich: Übung 6, A : K n K n K, (x, y) y T Ax. (a) Sei A = Diag(λ,..., λ n ). Für welche λ i ist die Abbildung, A ein Skalarprodukt? (b) Welche Bedingung muss man allgemein an A stellen, damit, A ein Skalarprodukt ist? 20. Sei (v,..., v n ) eine Basis eines euklidischen/unitären Vektorraumes (V,, ). (a) Welche Werte legen, eindeutig fest? (b) Welche Beschreibung durch Matrizen und Koordinatenvektoren ergibt sich daraus? 2. Wir betrachten den Vektorraum C[, ] mit dem Skalarprodukt (f, g) f, g = f(x)g(x)dx und darin den von (, x, x 2, x 3, x 4 ) erzeugten Untervektorraum U. (a) Geben Sie mit dem Gram-Schmidt-Verfahren eine Orthonormalbasis von U an. (b) Geben Sie ein Polynom p(x) vom Grad kleiner gleich 2 an, so dass p(x) sin(x), p(x) sin(x) minimal wird. 22. Gegeben sei eine Basis B = (v,..., v n ) eines unitären Vektorraumes (V,, ) und sei B ad = (u,..., u n ) die zu B adjungierte Basis. Ferner sei M = (µ ij ) die Matrix des Basiswechsels von B ad nach B, also u j = n µ ij v i. Wie lassen sich die Einträge von M durch die Elemente von B ausdrücken? i=
12 Hausaufgabe 5 Abgabe: Dienstag, Wir betrachten den Vektorraum C[, ] mit dem Skalarprodukt (f, g) f, g = f(x)g(x)dx und der Norm f = f, f. (a) Rechnen Sie Aufgabe 2 aus der Übung 6 zu Ende. (b) Zeigen Sie, dass C[, ] als bezüglich, orthogonale Summe von G und U darstellbar ist, wobei G = {f C[, ] f(x) = f( x)} und U = {f C[, ] f(x) = f( x)}. (c) Sei M n = span(sin(πmx), cos(πmx), m = 0,,..., n). Approximieren Sie die Funktion x 2 bestmöglich (bezüglich ) durch ein Element aus M n. (d) Geben Sie eine Isometrie von M 2 auf den Unterraum der Polynome vom Grade kleiner oder gleich vier an. 7. Gegeben seien zwei Geraden G, H in R n. Bestimmen Sie den Abstand der beiden Geraden, d.h. min{ x y, x G, y H}. Dabei sei die vom Standardskalarprodukt induzierte Norm. 8. Gegeben sei eine Basis B = (v,..., v n ) eines unitären Vektorraumes (V,, ) und sei B ad = (u,..., u n ) die zu B adjungierte Basis. Ferner sei M = (µ ij ) die Matrix des Basiswechsels von B ad nach B, also u j = n µ ij v i. Wie lassen sich die Einträge von M durch die Elemente von B ausdrücken? 9. Es bezeichne P n den Vektorraum der reellen Polynome vom Grad kleiner gleich n. Wir statten P und P 2 jeweils mit dem Skalarprodukt aus Aufgabe 6 aus und betrachten die Abbildung F : P P 2, g(x) F g(x) = xg(x). Bestimmen Sie F ad, etwa indem sie angeben, was es mit einer geeigneten Basis tut. i=
13 Übung Es seien V, W endlichdimensionale euklidische (oder unitäre) Vektorräume. Zeigen Sie, dass das Bilden der adjungierten Abbildung ad : Hom K (V, W ) Hom K (W, V ), F F ad ein Vektorraumisomorphismus ist. Zeigen Sie ferner (F G) ad = G ad F ad. 24. Analog zur Charakterisierung der orthogonalen 2 2 Matrizen (vor Satz 9.33) geben Sie eine Charakterisierung der unitären 2 2 Matrizen an. 25. Gegeben sei die 3 2 Matrix A und Vektoren b, b 2 durch A =, b = 0, b 2 = Bestimmen Sie für i =, 2 jeweils x R 2, so dass Ax b i kleinst möglich wird. Dabei sei die durch das Standardskalarprodukt induzierte Norm. 2 0
14 Hausaufgabe 6 Abgabe: 9. Juli Bestimmen Sie eine Orthonormalbasis von R 3, deren Elemente gleichzeitig Eigenvektoren von A und B sind, wobei A = , B = Wieviele solcher Basen gibt es? 2. Lösen Sie Aufgabe 23 aus Übung Zeigen Sie: Zu jeder reellen symmetrischen Matrix A und jeder ungeraden natürlichen Zahl n existiert eine reelle symmetrische Matrix B mit B n = A. Bestimmen Sie eine Quadratwurzel von A und eine Kubikwurzel von B, d.h. symmetrische Matrizen C, D mit C 2 = A und D 3 = B. Dabei sind A = [ ], B = 5 [ Es sei eine submultiplikative Matrixnorm auf R n n und f(x) = n=0 f nx n eine Potenzreihe mit Konvergenzradius R > 0. (a) Zeigen Sie: Ist für eine Matrix A R n n A < R dann existiert f(a) = n=0 f na n. (b) Was ist dann f(a) für (c) Was ist n=0 An für A mit A <? (d) Was ist exp(a) für A = [ λ 0 0 µ ] A = und A = [ 2 2 ] [ λ 0 λ ]. ]?
15 Übung Wir hatten uns am Beispiel der Matrix A aus Übung 7, Aufgabe 25 überlegt, wie man x 0 bestimmt, so dass Ax 0 b = min{ Ax b, x R 2 }. Dazu wurde b orthogonal auf b 0 ImA projiziert und dann x 0 als Lösung von Ax = b 0 gewonnen. Ferner wurden alle Linksinversen von A bestimmt. Sei nun A = [a,..., a n ] R m n mit m n und RangA = n. Die Matrix A R n m werde wiefolgt konstruiert: () Bestimme eine Basis a n+,..., a m von KerA T und setze  = [a,..., a n, a n+,..., a m ]. (2) A bezeichne nun die Matrix, die aus den ersten n Zeilen von  besteht, also c T c  =. T und A =. R n m c T m c T n Anmerkung: (c,..., c m ) ist die zu (a,..., a m ) adjungierte Basis von R m, c T i a j = δ ij. [ ] (a) Berechnen Sie A für A = und berechnen Sie A A. Zeichnen Sie ImA und KerA T in ein Koordinatensystem ( ) ( ) ( ) und tragen Sie ferner die Punkte b und AA b in die Zeichnung ein für b =, b = und b = Beschreiben Sie die Abbildung AA geometrisch. (b) Zeigen Sie, dass allgemein A eine Linksinverse von A ist, also A A = I n. (c) Zeigen Sie, dass für jedes b R m gilt: Mit x 0 = A b gilt Ax 0 b = min{ Ax b, x R n }. Erinnerung: Für A R m n gilt stets: R m = KerA T ImA wobei die Summe orthogonal ist, denn für y KerA T und v = Ax ImA ist (Ax) T y = x T A T y = x T 0 = 0 und m = RangA T + dim KerA T = RangA + dim KerA T. (d) Berechnen Sie A für A = (a) Betrachten Sie die Matrix A = [ ]. Zeichnen Sie KerA und KerA T in ein Koordinatensystem ein. Zeichnen Sie ferner die Lösungsmenge von Ax = b für b = 2, 3 ein. Berechnen Sie ferner die Matrix P = A T (AA T ) und tragen Sie die Punkte P b ein. Wie kann man P b geometrisch deuten? (b) Sei nun A R m n und RangA = m. Zeigen Sie, dass P = A T (AA T ) existiert und eine Rechtsinverse von A ist. Zeigen Sie ferner, dass für b R m x = P b diejenige Lösung von Ax = b mit kleinster euklidischer Norm ist.
16 Übung Gegeben seien R 2 und R 3 mit ihren jeweiligen Standardskalarprodukten. Ferner seien eine Basis A von R 3, eine Basis B von R 2 und F : R 3 R 2 gegeben durch 0 0 ([ ] [ ]) [ ] A = 2,, 0, B =,, M A B (F ) = (a) Bestimmen Sie die adjungierten Basen A ad und B ad. (b) Bestimmen Sie die Darstellungsmatrix von F ad bezüglich einer clever gewählten Basis. (c) Bestimmen Sie M E2 E 3 (F ad ), wobei für i {2, 3} E i jeweils die Standardbasis von R i bezeichnet. 29. Wir betrachten den Vektorraum P n der Polynome vom Grade n mit dem Skalarprodukt (f, g) f, g = f(x)g(x)dx und der Norm f = f, f. (a) Berechnen sie die Gram-Matrix G n von, bezüglich der Basis B n = (, x, x 2,..., x n ). Wie kann man nun konkret p(x), q(x) ausrechnen? (b) Geben Sie die adjungierten Basen B ad und B ad 2 von P bzw. P 2 an. (c) Geben Sie die Darstellungsmatrix der Abbildung F : P P 2, x xp(x) bezüglich B und B 2 an. (d) Geben Sie die Darstellungsmatrix der Abbildung F ad : P 2 P bezüglich der dualen Basen B ad und B ad 2 an. (e) Geben Sie die Darstellungsmatrix der Abbildung F ad : P 2 P bezüglich B und B 2 an. 30. Sei V ein 2-dimensionaler C-Vektorraum mit Skalarprodukt und F : V V ein Endomorphismus mit der Eigenschaft F ad = αf. Für welche α existiert so ein F, falls F 0 gefordert ist? Was kann man über die Darstellungsmatrix bezüglich einer Orthonormalbasis aussagen?
a 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
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
MehrAufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009
I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe
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) :=
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
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
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
MehrLineare Algebra II. Inhalt und Begriffe. Lineare Algebra II p. 1
Lineare Algebra II Inhalt und Begriffe Lineare Algebra II p. 1 Inhaltsverzeichnis Kapitel II Grundlagen der Linearen Algebra... Lineare Algebra II p. 2 Inhaltsverzeichnis Kapitel II Grundlagen der Linearen
MehrLösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015
sskizzen der Klausur zur Linearen Algebra im Herbst 5 Aufgabe I. Es sei (G, ) eine Gruppe mit neutralem Element e und M {x G x x e}. Zeigen Sie: (a) Ist G kommutativ, so ist M eine Untergruppe von G. (b)
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)
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
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
MehrWiederholungsserie II
Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095
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,
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
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
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
MehrLineare Algebra II (NAWI) SS2014 Übungsblatt 1
Lineare Algebra II (NAWI) SS2014 Übungsblatt 1 Aufgabe 1. Welche der folgenden Abbildungen sind Sesquilinearformen oder Bilinearformen? Welche davon sind Skalarprodukte? (a) B 1 : R R R, (x, y) xy (b)
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.)
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
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
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,
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.
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
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
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrAufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie:
Aufgabe I (4 Punkte Gegeben seien die Matrix und die Menge Zeigen Sie: H := L := {A R 4 4 A HA = H} a L ist bezüglich der Matrizenmultiplikation eine Gruppe b Die Matrizen der Form ( E O, O B wobei E R
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
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
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
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
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
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
MehrDeterminante und Inverse
Vorzeigeaufgaben: Determinante und Inverse Bestimmen Sie für welche a R die folgende Matrix invertierbar ist und berechnen Sie deren Inverse: A = a cos(x) sin(x) a sin(x) cos(x) Bestimmen Sie ob folgende
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
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
Mehr4.4 Hermitesche Formen
44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung
MehrLösungen zur Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende
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,
MehrÜbungsblatt 13. Lineare Algebra I für Informatiker, Dr. Frank Lübeck, SS 2010
Übungsblatt 3 Lineare Algebra I für Informatiker, Dr Frank Lübeck, SS Für Matrikelnummer: 9787 Abgabezeitpunkt: Do Jul :: CEST Dieses Blatt wurde erstellt: Do 5 Jul 8:47:36 CEST Diese Übung besteht aus
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
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
MehrÜbungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 12
Übungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 12 Schriftliche Aufgaben Aufgabe 1. Sei A M(n n, C). Zeigen Sie: (1) exp(a) ist invertierbar mit exp(a) 1 = exp( A). (2) Ist A M(n n, C) selbstadjungiert
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2017
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 7 L I N E A R E A L G E B R A F Ü R T P H, U E (.64). Haupttest (FR, 9..8) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
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 =
Mehr1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen
Hannover, den 0. April 2006. Übungsblatt: Lineare Algebra II Abgabe: 24./25.4.2006 in den Übungsgruppen ( ) 2 5 a) Zeigen Sie, dass A = und B = 2 ( 7 6 invertierbare Matrix T an mit T AT = B. b) Zeigen
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)
Mehr1 Die Jordansche Normalform
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 4/5 A Die Jordansche Normalform Vierter Tag (9.03.205) Im Zusammenhang mit der Lösung komplexer Differentialgleichungssysteme
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2017
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 27 L I N E A R E A L G E B R A F Ü R T P H, U E (.64) 2. Haupttest (FR, 9..28) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
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.
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
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
MehrKlausur zu. Lineare Algebra II. Viel Erfolg! Fachbereich Mathematik WS 2012/13 Dr. habil. Matthias Schneider. Bonus Note. Aufgabe
Klausur zu Lineare Algebra II Fachbereich Mathematik WS 0/3 Dr. habil. Matthias Schneider Aufgabe 3 4 5 6 7 Bonus Note Punktzahl 4 3 3 3 3 0 erreichte Punktzahl Es sind keine Hilfsmittel zugelassen. Die
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)
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2017
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 7 L I N E A R E A L G E B R A F Ü R T P H, U E (.64). Haupttest (FR, 9..8) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
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
MehrKlausur Lineare Algebra I & II
Prof. Dr. G. Felder, Dr. Thomas Willwacher ETH Zürich, Sommer 2010 D MATH, D PHYS, D CHAB Klausur Lineare Algebra I & II Bitte ausfüllen! Name: Vorname: Studiengang: Bitte nicht ausfüllen! Aufgabe Punkte
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
Mehr6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar.
Um zu zeigen, dass die irreduziblen Teiler eines reellen Polynoms höchstens den Grad 2 haben, fassen wir nun (x γ) und (x γ) zusammen und stellen fest, dass (x (a + b i))(x ((a b i)) = x 2 2a + (a 2 +
Mehr3 Bilinearform, Basen und Matrizen
Lineare Algebra II 2. Oktober 2013 Mitschrift der Vorlesung Lineare Algebra II im SS 2013 bei Prof. Peter Littelmann von Dario Antweiler an der Universität zu Köln. Kann Fehler enthalten. Veröentlicht
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
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
MehrVerständnisfragen: Lineare Algebra und Analytische Geometrie I und II
Verständnisfragen: Lineare Algebra und Analytische Geometrie I und II Matrizen, lineare Gleichungssysteme Wie kommt man von einem linearen Gleichungssystem zu einer Matrix? Was ist die Zeilenstufenform?
MehrÜbungen zur Vorlesung Lineare Algebra
Übungen zur Vorlesung Lineare Algebra Institut für Reine Mathematik WS 2009/10 & SS 2010 Kapitel 1. Vektorräume Was ist ein Vektorraum? Sei X und K ein Körper. Wie macht man Abb (X, K) zu einem K -Vektorraum?
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
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
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 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 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.
Mehr12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen
12 Lineare Algebra - Übersicht Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
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)
MehrMat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1
Aufgabe. Bestimmen Sie das Exponential expa) der Matrix ) 5 6 A = Mat, R). 4. Wir bestimmen das charakterische Polynom f A t) = t t = t )t + ). ). Eigenvektor zu EW ist v = ). Eigenvektor zu EW ist v =
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
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,...,
MehrUniversität Bielefeld Sommersemester Lineare Algebra 2 Übungsblatt 1
Übungsblatt 1 Abgabe bis 10:00 Uhr am Donnerstag, den 19. April 2018, im Postfach Ihrer Tutorin bzw. Ihres Tutors. Es sei K ein beliebiger Körper. Seien V und W endlich-dimensionale K-Vektorräume, mit
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
Mehr1 Darstellungsmatrizen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Darstellungsmatrizen Vereinbarungen für dieses Kapitel: K Körper V und W endlich-dimensionale K-Vektorräume B = {v
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 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
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
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
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
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)
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
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
MehrKlausur zur Mathematik II (Modul: Lineare Algebra II)
Technische Universität Hamburg Institut für Mathematik Prof. Dr. Marko Lindner Sommersemester 7 Klausur zur Mathematik II (Modul: Lineare Algebra II.8.7 Sie haben 6 Minuten Zeit zum Bearbeiten der Klausur.
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 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
Mehr29 Lineare Algebra 2 (SS 2009) 4.9. Das charakteristische Polynom sei Produkt von linearen Polynomen.
9 Lineare Algebra (SS 009) 49 Das charakteristische Polynom sei Produkt von linearen Polynomen 49 Das charakteristische Polynom sei Potenz eines linearen Polynoms Wir betrachten nun eine Matrix A, sodass
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,
MehrÜbungsklausur Lineare Algebra
Übungsklausur Lineare Algebra Sommersemester 2010 Johannes Gutenberg-Universität Mainz Diese Übungsklausur ist sehr lang (gut zum Üben). In der richtigen Klausur finden Sie eine Multiple Choice aufgabe
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) Ein Gruppenhomomorphismus von G nach H ist eine Abbildung Φ : G H, sodass für alle g 1, g 2 G die Gleichung Φ(g 1 g 2 ) = Φ(g 1 ) Φ(g 2 )
I. (4 Punkte) Es seien (G, ) eine Gruppe mit neutralem Element e G und (H, ) eine weitere Gruppe. a) Geben Sie die Definition eines Gruppenhomomorphismus Φ : G H an und beweisen Sie, dass für solch einen
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
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
MehrLineare Algebra 2 (SS 13) Blatt 13: Musterlösung
Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra 2 (SS ) Blatt : Musterlösung Aufgabe. Es sei C (R) der R-Vektorraum der unendlich oft differenzierbaren Funktionen auf R und : C (R) C (R), f f die Abbildung,
MehrLösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung
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
Mehr