ist über C diagonalisierbar.
|
|
- Elmar Solberg
- vor 7 Jahren
- Abrufe
Transkript
1 Prüfungsaufgaben A 1. (10 Punkte) Kreuzen Sie direkt auf de Aufgabenblatt an, ob die Behauptungen WAHR oder FALSCH sind. Sie üssen Ihre Antworten nicht begründen! Für jede richtige Antwort gibt es 1 Punkt. Falsche Antworten geben jeweils 1 Punkt. Unbeantwortete Fragen geben 0 Punkte. Eine negative Gesatpunktzahl der Multiple Choice Aufgaben wird zu 0 aufgerundet. wahr falsch 0 3i a) Die Matrix C = ist über C diagonalisierbar. 3i i 0 0 b) Die Matrix A = 1 + i ist über C diagonalisierbar i 0 c) Die Matrix B = 3 i 0 0 ist über C diagonalisierbar d) Jede diagonalisierbare Matrix A M n,n (K) besteht aus n linear unabhängigen Spaltenvektoren. e) Jede Matrix A M n,n (K), deren Eigenwerte alle positiv sind, ist syetrisch. f) Eine unendliche Menge von Vektoren in eine K-Vektorrau V ist genau dann linear unabhängig, wenn der Schnitt von jeweils zwei endlichen Teilengen linear unabhängig ist. g) Eine endliche Menge S R n kann nur dann linear abhängig sein, wenn S aus indestens n + 1 Vektoren besteht. h) Jede lineare Abbildung f A it A M,n (R) und > n ist injektiv. i) Sei V ein 4-diensionaler K-Vektorrau und f End K (V ). Wir nehen an, dass di(kern(f Id V )) = ist. Dann uss die Jordansche Noralfor von f gleich J, J, oder J 3, J 1, ( = J 1, J 3, ) sein. ( Hier bezeichnet J n,λ den Jordanblock der Grösse n zu Eigenwert λ.) j) Sei A M 4,4 (C) eine Matrix it charakteristische Polyno char A (x) = (x + i) (x )(x + ). Dann ist A genau dann diagonalisierbar, wenn di(kern(a + i1 4 )) = ist. Bitte wenden!
2 . (11 Punkte) Schreiben Sie Ihre Antwort direkt auf das Aufgabenblatt. Sie üssen Ihre Antworten nicht begründen! a) (1 Punkt) Berechnen Sie die Deterinante von A = π π π 3π 4 6 M 4,4(R). det(a) = b) ( Punkte) Berechnen Sie die Deterinante von 1 λ λ λ 3 A λ = 1 λ 4λ 8λ 3 1 λ λ λ 3 für λ C. det(a λ) = 7λ 6 1 λ 4λ 8λ 3 c) (1 Punkt) Für welche α C (alle angeben) ist die Matrix A α = α 1 0 M 3,3 (C) invertierbar? α C\{0, 1} 1 α d) (1 Punkt) Sei A α wie in Teilaufgabe c) und sei α so, dass A α invertierbar ist. A 1 1 α = α α Berechnen Sie die Inverse von A α. α α 0 α α 0 α + 3 α 1 e) ( Punkte) Bestien Sie alle Eigenwerte der Matrix M 3,3 (R). 4 1 Die Eigenwerte sind 0, 3 + 7, f) ( Punkte) Sei A = Finden Sie a 0, a 1, a R, 0 1 so dass A 3 + a A + a 1 A + a = 0 3 ist. a 0 = 11 a 1 = 0 a = 4 Siehe nächstes Blatt!
3 g) (1 Punkt) Es sei A = 1 α und b = 1. α Bestien Sie alle x R 3 x it Ax = b, wenn α R\{0} ist. { 3 } 0 h) (1 Punkt) Es seien A und b wie in Teilaufgabe g). Bestien Sie alle x R 3 it Ax = b, wenn α = 0 ist. x { 3 } t t R 3. a) (1 Punkt) Da V 1 von zwei (linear unabhängigen) Eleenten erzeugt wird, ist di(v 1 ) =. Der Rau V ist ein Untervektorrau von R 3, der durch eine Gleichung gegeben ist. Folglich ist di(v ) =. Die Diension von V 1 V kann nur 0, 1 oder sein. Da V 1 V ist (die erzeugenden Vektoren von V 1 erfüllen die Gleichung von V nicht), kann die Diension von V 1 V nicht gleich sein. Wäre die Diension des Schnittes gleich 0, so wäre die direkte Suen von V 1 und V ein Unterrau von R 3 der Diension 4, was ein Widerspruch ist. Folglich ist di(v 1 V ) = 1. Alternativ: Wir haben { x 1 3 } V 1 V = y = λ + µ 4 x + y + z = 0 z 3 5 { λ + 3µ } = λ 4µ 6λ + 4µ = 0. 3λ + 5µ Folglich ist di(v 1 V ) = 1. b) (1 Punkt) Eine Basis ist beispielsweise (λ =, µ = 3 in obige Ausdruck) { 7 } B = c) (1 Punkt) Beispielsweise f = f A it A = d) (1 Punkt) Wir wissen, dass das orthogonale Kopleent von Diension di(v 1 V ) c = di(r 3 ) di(v 1 V ) = 3 1 = Bitte wenden!
4 ist. Wir suchen also zwei linear unabhängige Vektoren, die orthogonal zu t ( 7, 16, 9) sind. Wir erhalten 9 16 (V 1 V ) = 0, a) (1 Punkt) det(a 0 Id) = det(a) = 0, da beispielsweise die dritte und die vierte Spalte linear abhängig sind. b) (3 Punkte) Wir üssen λ α α 1 λ α α 3 α n 1 0 α λ char A (λ) = det(λ Id A) = det. 0 α λ 0 α n 1 λ = λ n + λ n α1 + α αn 1 (1) per Induktion zeigen. Dazu definieren wir zunächst für 1 k n die k k - Matrix, die links oben in λ Id A steht als A (k) := (λ Id A) 1 i,j k. Wir berechnen λ α 1 0 det A (3) = det α 1 λ α = λ 3 + λ α1 + α 0 α λ Wir nehen nun an, dass der Ausdruck (1) für k gilt und wir wollen ihn für k + 1 Siehe nächstes Blatt!
5 zeigen. Wir berechnen it Entwicklung nach der letzten Spalte λ α α 1 λ α α 3 α k 0 α λ det A (k+1) = det. 0 α λ 0 α k λ λ α α λ = ( 1) k+k λ det A (k) + ( 1) k+1 ( α k ) det 0 α λ 0 α k 0 }{{} =( 1) k λ k 1 α k = λ det A (k) + λ k 1 α k (1) = λ ( λ k + λ k (α1 + α +... αk 1) ) + λ k 1 αk = λ k 1 λ + α1 + α αk 1 + αk Wir haben gezeigt, dass das charakteristische Polyno ist. char A (λ) = det A (n) = λ n ( λ + α 1 + α α n 1 c) ( Punkte) Wir haben drei Eigenwerte λ 1 = +i α αn 1, λ = i α αn 1 und λ 3 = 0. Die algebraische Vielfachheit von λ 1 und λ ist jeweils gleich 1. Wir haben also genau einen Jordanblock der Grösse 1 zu λ 1 und dasselbe für λ. Der Eigenwert 0 hat algebraische Vielfachheit n. Wir üssen also noch die geoetrische Vielfachheit von 0 bestien: Mit Gauss erhalten wir 0 α α 1 0 α α 3 α n 1 di(kern(a)) = di Kern = n 0 }{{} Rang Es gibt also genau n Jordanblöcke zu Eigenwert 0. (Insbesondere ist A über C diagonalisierbar.) ) Bitte wenden!
6 5. Wir betrachten die Matrix 0 A = a) ( Punkte) Die Bilinearfor ist syetrisch, da die Matrix A syetrisch ist. Für die positive Definitheit kann an eine der folgenden Methoden benutzen: 1. Möglichkeit: Man berechnet t xax = x 1+5x +9x 3 4x 1 x 3 30x x 3 = ( x 1 x 3 ) +(5x 3x 3 ) +18x 3 0 und der Ausdruck ist gleich 0 genau dann, wenn x = t (x 1, x, x 3 ) = 0 ist.. Möglichkeit: Man benutzt das Hauptinorenkriteriu: b) ( Punkte) Sei det A (1) = > 0 0 det A () = det = 50 > det A (3) = det A = 900 > 0 r 11 r 1 r 13 R = 0 r r r 33 Die Bedingung A = t RR bedeutet 0 r11 r 11 r 1 r 11 r = r 11 r 1 r1 + r r 1 r 13 + r r r 11 r 13 r 1 r 13 + r r 3 r13 + r3 + r33 Wir lösen dieses Gleichungssyste bestehend aus 6 Gleichungen it den 6 Unbekannten r 11,..., r 33 und erhalten r 11 = r 1 = 0 r = 5 r 3 = 3 r 13 = r 33 = 18 = 3 Wir erhalten die Cholesky Zerlegung A = t RR it 0 R = Siehe nächstes Blatt!
7 6. a) (1 Punkt) Wir haben beispielsweise Q Q, aber i i i = i i / b) (1 Punkt) Die Null-Matrix 0 Mn,n(C) liegt in Q. a1 b Für A 1 = 1 a b b, A 1 ā = 1 b Q und λ, µ R gilt ā λa1 + µa λa 1 +µa = λb 1 + µb λa1 + µa = λb 1 + µb Q. λb 1 µb λa 1 + µa λb 1 + µb λa 1 + µa c) ( Punkte) Man prüft Lineare Unabhängigkeit ( wie folgt: ) Seien a, b, c, d R it a + bi c + di a Id +bi + cj + dk = 0. Dann ist = 0, woraus a = b = c + di a bi c = d = 0 folgt. Aus der Definition von Q sieht an, dass die Diension über C gleich und soit über R gleich 4 ist. Soit ist (Id, I, J, K) eine Basis von Q als R-Vektorrau. d) (1 Punkt) Die duale Basis ist (λ 1, λ, λ 3, λ 4 ), wobei u + iv x + iy λ 1 = u, x + iy u iv u + iv x + iy λ = v, x + iy u iv u + iv x + iy λ 3 = x, x + iy u iv u + iv x + iy λ 4 = y x + iy u iv ist. e) (1 Punkt) I = J = K = Id f) (1 Punkt) Beispielsweise ist IJ = K K = JI. g) (1 Punkt) Man berechnet alle öglichen Produkte von zwei Basiseleenten (Achtung: Nicht koutativ!), also I = J = K = Id Q IJ = JI = K Q JK = KJ = I Q KI = IK = J Q Bitte wenden!
8 Folglich ist auch das Produkt von zwei beliebigen Matrizen aus Q wieder in Q. a1 b Alternativ: Für A 1 = 1 a b Q und A b 1 a = Q ist 1 b a a1 a A 1 A = b 1 b a 1 b + b 1 a c d = b 1 a a 1 b b 1 b + a 1 a d Q c it c = a 1 a b 1 b und d = a 1 b + b 1 a. x + iy u + iv h) ( Punkte) Die Deterinante von A = Q ist u + iv x iy det(a) = (x + iy)(x iy) (u + iv)( u + iv) = x + y + u + v. Die Deterinante is genau dann gleich 0, wenn x = y = u = v = 0 ist, also wenn( A = 0) ist. Soit ist jedes A Q {0} invertierbar. Die Inverse von a b A = Q {0} ist b ā (ā ) ā A 1 1 b b det(a) det(a) = = Q. det(a) b a b det(a) ā det(a) Die Inverse liegt wieder in Q, da det(a) R ist und Q nach Teilaufgabe b) ein R-Vektorrau ist. i) (1 Punkt) Wir können n 1 und n als Deterinante von Eleenten in Q schreiben, nälich aj + ib n j = det(a j ) it A j = j c j + id j. c j + id j a j ib j Für das Produkt erhält an soit n 1 n = det(a 1 ) det(a ) = det(a 1 A ), a3 + ib wobei A 1 A nach Teilaufgabe g) wieder in Q liegt und die For 3 c 3 + id 3 c 3 + id 3 a 3 ib 3 für ganze Zahlen a 3, b 3, c 3, d 3 Z hat. Soit ist n 1 n = det(a 1 A ) = a 3 + b 3 + c 3 + d a) (1 Punkt) Für alle P, Q V n und α R gilt f n (αp + Q)(X) = (αp + Q)(X + 1) (αp + Q)(X) = αp (X + 1) + Q(X + 1) αp (X) Q(X) = (αf n (P ) + f n (Q)) (X). Siehe nächstes Blatt!
9 Dies beweist die Linearität von f n. Es bleibt noch zu zeigen, dass deg(f n (P )) n 1 für alle P V n. Sei P V n also P (X) = a 0 + a 1 X a n 1 X n 1 + a n X n für gewisse a 0, a 1,..., a n 1, a n R. Dann ist f n (P )(X) = P (X + 1) P (X) von Grad n 1. b) ( Punkte) Es ist = a 0 + a 1 (X + 1) a n 1 (X + 1) n 1 + a n (X + 1) n a 0 a 1 X... a n 1 X n 1 a n X n = (etwas von Grad n 1) + a n X n a n X n f n (P )(X) = P (X + 1) P (X) = a 0 + a 1 (X + 1) a n 1 (X + 1) n 1 + a n (X + 1) n a 0 a 1 X... a n 1 X n 1 a n X n. Mit Koeffizientenvergleich von X n 1 findet an a n 1 + ( n 1) an a n 1 = 0, also a n = 0. Koeffizientenvergleich von X n liefert a n + n 1 an 1 + ( n 1 ) an a n = 0, also a n 1 = 0. Mit Koeffizientenvergleiche von X n 3,..., X 1 erhält an analog a n = a n 3 =... = a 1 = 0. Ugekehrt sieht an, dass a 0 beliebig sein kann. Zusaengefasst erhalten wir Kern(f n ) = {P R[X] deg(p ) = 0} = R. Es gilt di I(f n ) = di V n di Kern(f n ) = n+1 1 = n. Nach Teilaufgabe a) gilt I(f n ) V n 1. Da di V n 1 = n ist, folgt di I(f n ) = V n 1. c) ( Punkte) Der Grad von f n (P ) ist strikt kleiner als derjenige von P für P V n. Also ist 0 der einzige Eigenwert von f n. Von Teilaufgabe b) wissen wir, dass Kern(f n ) = R ist. Soit ist die geoetrische Vielfachheit des Eigenwertes 0 gleich di(kern(f n )) = di(r) = 1. Folglich haben wir genau einen Jordanblock, also ist die Jordansche Noralfor von f n gleich J n+1,0. d) (1 Punkt) Wir berechnen Mat(f 3 ; B 3, B 3 ) = Mat(f 4 ; B 4, B 4 ) = Bitte wenden!
10 e) (1 Punkt) Man löst das Gleichungssyste Mat(f 4 ; B 4, B 4 )y = t (0, 0, 0, 1, 0): Soit erfüllt das Polyno die geforderten Bedingungen. P 4 (X) = 1 4 X4 1 X X f) ( Punkte) Wir rechnen n n k 3 = f 4 (P 4 )(k) = k=1 k=1 n k=1 (P 4 (k + 1) P 4 (k)) = P 4 (n + 1) P 4 (1) = P }{{} 4 (n + 1) =0 = 1 4 n4 + 1 n n 8. a) (1 Punkt) Das neutrale Eleent in E ist 1 E (n) = 0 für alle n Z. Diese Funktion ist periodisch, also 1 E F. Seien nun f, g F und α, β C. Dann ist auch αf + βg F. Soit ist F tatsächlich ein Unterrau von E. b) ( Punkte) Man prüft die Definition des koplexen Skalarprodukt, also αf 1 + f g = α f 1 g + f g f αg 1 + g = α f g 1 + f g f g = g f f f 0 f f = 0 f = 0 für alle α C und f, f 1, f, g, g 1, g F. αf 1 + f g = 1 αf 1 (n) + f (n)g(n) = ᾱ 1 f 1 (n)g(n) + 1 f (n)g(n) = α f 1 g + f g. Siehe nächstes Blatt!
11 f g = 1 f(n)g(n) = 1 g(n)f(n) = 1 g(n)f(n) = g f. f αg 1 + g = αg 1 + g f = ᾱ g 1 f + g f = α f g 1 + f g, wobei wir die bereits gezeigten Punkte verwendet haben. Die positive Definitheit zeigt an folgenderassen: Wir haben f f = 1 f(n)f(n) = 1 f(n) 0 und der Ausdruck ist = 0 genau dann, wenn f(n) = 0 ist für 0 n 1. Da f aber periodisch ist it Periode, trifft dies genau dann zu, wenn f = 0 ist. Die übrigen Axioe prüft an direkt durch Einsetzen in die Definition. c) (3 Punkte) Wir prüfen e k (n + ) = e πi k(n+) = e πi kn e}{{} πik = e k (n) =1 für alle n Z. Dies zeigt e k F. Ausserde gilt e k e l = 1 e k (n)e l (n) = 1 e πi n(l k) = 1 if l = k 1 1 e πi (l k) 1 e πi (l k) = 0 if l k Soit ist (e k ) 0 k eine orthonorale Failie (insbesondere linear unabhängig). Eine Funktion f F ist genau dann eindeutig bestit, wenn f(0), f(1),..., f( 1) bekannt sind (oder f() anstelle von f(0) etc). Folglich ist die Diension von F gleich und folglich ist (e k ) 0 k auch eine Basis von F. d) (1 Punkt) Wir prüfen f(k + ) = 1 für alle k Z. Soit ist f F. Für alle α C und f, g F gilt F(αf + g) = αf + g = 1 Die Funktion F ist also linear. f(n)e πi(k+)n = 1 (αf(n) + g(n)) e πikn f(n)e πikn = f(k) = αf(f) + F(g). = δ k,l. Bitte wenden!
12 e) ( Punkte) Die adjungierte Abbildung F erfüllt per Definition f F (g) = F(f) g für alle f, g F. Wir haben F(f) g = 1 f(n)g(n) = 1 ( = 1 1 f(r) r=0 1 r=0 e πinr g(n) ). f(r)e πinr g(n) für alle f, g F. Die adjungierte Abbildung von F ist folglich F (g)(r) = 1 e πinr g(n).
Lösung 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
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
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
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
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
MehrLineare Algebra und Numerische Mathematik D-BAUG Winter 2013 Prof. H.-R. Künsch. Regeln Multiple Choice:
b Prüfung Lineare Algebra und Numerische Mathematik D-BAUG Winter 03 Prof. H.-R. Künsch c Alle Aufgaben haben das gleiche Gewicht. Die Lösungswege müssen, abgesehen von Aufgabe, nachvollziehbar dargestellt
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
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
MehrKlausur HM I F 2004 HM I : 1
Klausur HM I F 004 HM I : Aufgabe (5 Punkte): Für welche n gilt die folgende Aussage? ( n ) det n! n 0 (n )! () Führen Sie den Beweis mit Hilfe der vollständigen Induktion. Lösung: Beweis per Induktion
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
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
MehrLösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung
D-MATH Lineare Algebra I/II HS 07/FS 08 Dr Meike Akveld Lösung 3: Sylvesters Trägheitssatz & Singulärwertzerlegung Wir wissen, dass eine Basis B von R n existiert, sodass p [β Q ] B I I q 0 n p q gilt
MehrAussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R. Käppeli L. Herrmann W. Wu Herbstsemester 2016 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6.1 Berechnen Sie die Determinanten der beiden
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)
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
MehrWir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds
39 Determinanten 391 Motivation Wir stellen uns das Ziel, wesentliche Information über die Invertierbarkeit einer n n-matrix das Lösungsverhalten zugehöriger linearer Gleichungssysteme möglichst kompakt
MehrLösungsskizze zur Hauptklausur Lineare Algebra I
Lösungsskizze zur Hauptklausur Lineare Algebra I Aufgabe Seien V und W zwei K-Vektorräume für einen Körper K. a) Wann heißt eine Abbildung f : V W linear? b) Wann heißt eine Abbildung f : V W injektiv?
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
MehrLösungsskizze zur Wiederholungsserie
Lineare Algebra D-MATH, HS Prof. Richard Pink Lösungsskizze zur Wiederholungsserie. [Aufgabe] Schreibe die lineare Abbildung f : Q Q 5, x +x +x x x +x +6x f x := x +x +8x x x +x +x. x +x +5x als Linksmultiplikation
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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester 6 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe Das Kreuzprodukt als lineare Abbildung Oft findet man
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
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)
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
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
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Lineare Algebra 1 WS 2006/07 Lösungen Blatt 13/ Probeklausur. Lösungen zur. Zentrum Mathematik
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 13/2 29.1.27 en zur Probeklausur Aufgabe 1 (ca. 6 Punkte) Sei
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 006/07 en Blatt 3.0.006 Einführung in die Matrizenrechnung Zentralübungsaufgaben
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,
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
MehrA w w f f B w f w f A B w f w w A B A B A B. z = a 2 + b 2 =: r. c+id = ac+bd. 2 c 2 +d 2. z 2. z n = z. z = r cos(x) + ir sin(x) = reix
Formelsammlung Aussagenlogik Für beliebige Aussagen A, B gilt: Konjunktion Disjunktion Implikation Äquivalenz A B w f f f A B w w w f A B w f w w A B w f f w Mengenlehre Für beliebige Mengen A, B gilt:
MehrA w w f f B w f w f A B w f w w A B A B A B. z = a 2 + b 2 =: r. c+id = ac+bd. 2 c 2 +d 2. z 2. z n = z. z = r cos(x) + ir sin(x) = reix
Formelsammlung Aussagenlogik Für beliebige Aussagen A, B gilt: Konjunktion Disjunktion Implikation Äquivalenz A B w f f f A B w w w f A B w f w w A B w f f w Mengenlehre Für beliebige Mengen A, B gilt:
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
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
MehrV gibt, dann gilt für jede andere Lösung y 0. V, daß =0, d.h. x 0. repräsentiert, wobei v j = a 11. a 1 n. a mn x1. a m1
Lineare Gleichungssystee Matrizen vs. Hooorphisen Man geht aus von einer linearen Abbildung :V W zwischen (endlichdiensionalen) K-Vektorräuen, gibt ein b W vor und fragt nach der Menge der Lösungen der
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
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
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
MehrD-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j
D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 0 Tom Ilmanen Musterlösung 2. Falls b := (v,,v n ) eine Orthonormalbasis von V ist, dann lassen sich die Komponenten von einem Vektor v = n i= t i v i bezüglich
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
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
MehrLineare Algebra für PhysikerInnen
Universität Wien, SS 2015 Lineare Algebra für PhysikerInnen Beispiele für Multiple-Choice-Fragen Punkteschlüssel: [Typ 1 aus 4] und [Typ 3 aus 4]... 0.8 Punkte [Typ 2 aus 4]... 1 Punkt Bei der schriftlichen
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 0 Olga Holtz MA 378 Sprechstunde Fr 4-6 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do -4 und nv jokar@mathtu-berlinde Kapitel Die Determinante
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. Winter 2016 Typ B
R. Käppeli T. Welti F. Weber Herbstsemester 2015 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Prüfung Winter 2016 Typ B Name a a Note Vorname Leginummer Datum 03.02.2017 1 2 3
Mehr4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).
4 Matrizenrechnung Der Vektorraum der m n Matrizen über K Sei K ein Körper und m, n N\{0} A sei eine m n Matrix über K: a a 2 a n a 2 a 22 a 2n A = = (a ij) mit a ij K a m a m2 a mn Die a ij heißen 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
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
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
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
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
MehrVordiplomsklausur zur Linearen Algebra I
25.3.2002 Vordiplomsklausur zur Linearen Algebra I Prof. Dr. G. Hiß Tragen Sie bitte auf diesem Deckblatt leserlich und in Blockbuchstaben Ihren Namen und Ihre Matrikelnummer ein und unterschreiben Sie.
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
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
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 WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
MehrAUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW
AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
MehrAufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).
Aufgabe Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = Es gilt det(λa = (λ n det(a det I n = n? Nein (außer für n = Es gilt deti n = det(ab = det A det B? Ja det(a =
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrR 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte
Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben
MehrLösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Lösung Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Um zu zeigen, dass es sich bei den gegebenen Vektoren um Basen handelt,
Mehr4 Eigenwerte und Eigenvektoren
4 Eigenwerte und Eigenvektoren Sei V {0} ein K Vektorraum und f : V V K linear. Definition: Ein Eigenwert von f ist ein Element λ K, für die es einen Vektor v 0 in V gibt, so dass f(v) = λ v. Sei nun λ
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
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
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)
MehrHöhere Mathematik I. Variante A
Lehrstuhl II für Mathematik Prof Dr E Triesch Prof Dr O Sander Höhere Mathematik I WiSe / 4 Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder-
MehrHöhere Mathematik I. Variante D
Lehrstuhl II für Mathematik Prof Dr E Triesch Prof Dr O Sander Höhere Mathematik I WiSe / 4 Variante D Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder-
MehrSerie Sei V ein Vektorraum. Man nennt eine lineare Abbildung P : V V eine Projektion, falls P 2 = P gilt. Zeigen Sie:
Prof Emmanuel Kowalski Lineare Algebra II Serie 3 Sei V ein Vektorraum Man nennt eine lineare Abbildung P : V V eine Projektion, falls P 2 = P gilt Zeigen Sie: a Der Kern und das Bild einer Projektion
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
MehrNachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17
Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Nachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17 Bearbeiten
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.
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
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
Mehr= [Entw. nach S1 ] 2 det = [Z2 Z 2 Z 1 ] 2 det = [Entw. nach Z1 ] 5 det = [Z1 Z 1 +Z 3 ] 5 det
Aufgabe 1 Wir wissen, dass sich die Determinante einer Matrix nicht verändert, wenn wir das Vielfache einer Spalte zu einer anderen Spalte bzw. das Vielfache einer Zeile zu einer anderen Zeile addieren.
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
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
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)
MehrSerie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1
Prof. Norbert Hungerbühler Serie Lineare Algebra II ETH Zürich - D-MAVT. a Welche der folgenden Vektoren sind Eigenvektoren der Matrix? i (,,. ii (,,. iii (,,. iv (, 3,. v (,,. Ein Vektor v ist Eigenvektor
MehrKlausur zur Linearen Algebra I
Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik 24.03.2010 Klausur zur Linearen Algebra I Prüfen Sie sofort nach Beginn der Klausur, ob Sie alle 8 Aufgaben erhalten haben.
MehrKlausur HM I H 2005 HM I : 1
Klausur HM I H 5 HM I : 1 Aufgabe 1 4 Punkte): Zeigen Sie mit Hilfe der vollständigen Induktion: n 1 1 + 1 ) k nn k n! für n. Lösung: Beweis mittels Induktion nach n: Induktionsanfang: n : 1 ) 1 + 1 k
MehrD-INFK Lineare Algebra HS 2016 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung = = V A =
D-INFK Lineare Algebra HS 26 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 2. a) χ A (λ) = det(a λi) = (5 λ)( 2 λ) + 2 = λ 2 3λ + 2 = (λ 2)(λ ) λ = 2: Der Eigenvektor v zum Eigenwert λ erfüllt Av =
MehrHöhere Mathematik I. Variante B
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I SoSe Variante B Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA-Blätter (Vorder- und Rückseite beschriftet,
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
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
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)
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
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
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
MehrLösungsvorschläge zur Klausur. Lineare Algebra, Herbst 2010
Lösungsvorschläge zur Klausur Lineare Algebra, Herbst 200 I. Es seien n eine natürliche Zahl, M = {,..., n} N und S n die Gruppe der Permutationen der Menge M. Zeigen Sie: a) Für jedes a M ist H a := {σ
MehrScheinklausur zur Linearen Algebra I, WS 05/06, 2. Teil
14.2.2006 Scheinklausur zur Linearen Algebra I, WS 05/06, 2. Teil Prof. Dr. G. Hiß Tragen Sie bitte auf diesem Deckblatt leserlich und in Blockbuchstaben Ihren Namen und Ihre Matrikelnummer ein und unterschreiben
Mehr