Übungsblatt
|
|
- Krista Waldfogel
- vor 6 Jahren
- Abrufe
Transkript
1 Übungsblatt ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen Produkte dieser Matrizen (inkl. der Quadrate) und zeigen Sie, daß alle Resultate wieder unter diesen vier Matrizen zu finden sind. b) C 4 ist eine abelsche Gruppe: Zeigen Sie, daß für diesen speziellen Satz von Matrizen die Matrixmultiplikation kommutativ ist. c) C 4 ist eine zyklische Gruppe: Zeigen Sie (aus den obigen Resultaten, ohne erneute komponentenweise Matrixmultiplikationen), daß alle Matrizen Potenzen einer einzigen Matrix sind: A = A, A 2 = B, A 3 = C, A 4 = E 2) Konstruieren Sie (in 2D-kartesischen Koordinaten) nach folgender Anleitung die Matrixdarstellung A eines Operators, der einen beliebigen Vektor a in Richtung einer Gerade g um einen Faktor r streckt, wobei g durch den Ursprung geht und um einen Winkel ϑ im mathematisch positiven Drehsinn von der positiven x-halbachse weg gedreht ist. a) Notieren sie die Matrixdarstellung B einer Drehung um ϑ im gewünschten Drehsinn, ihr Inverses B, sowie die Matrixdarstellung C einer Streckung um r entlang der x-achse. b) Bilden Sie das Matrixprodukt BCB. Erklären Sie anschaulich, warum sich dabei das gesuchte A = BCB ergibt. c) Zeigen Sie, daß die in Teilaufgabe (b) erhaltene Form von A zumindest für die drei Spezialfälle r =, ϑ = und ϑ = 9 richtig ist. d) Zweimalige Anwendung von A, also AA = A 2, sollte zu einer Streckung in dieselbe Richtung um den Faktor r r = r 2 führen, womit die Matrixdarstellung von A 2 sofort aus dem Resultat von Teilaufgabe (b) geraten werden kann. Zeigen Sie, daß die Matrixmultiplikation A A tatsächlich zu diesem Resultat führt. e) Ebenso läßt sich die Matrixdarstellung von A, der Inversen von A, leicht aus Teilaufgabe (b) erraten. Verifizieren Sie durch Matrixmultiplikation die Beziehung AA = A A = E (mit der Einheitsmatrix E). 3) a) Konstruieren Sie (in 3D-kartesischen Koordinaten) a) die Matrixdarstellung A des Operators Â, der einen beliebigen Vektor a um 45 um die z-achse dreht (im Sinne einer Rechte-Hand-Regel);
2 a2) die Matrixdarstellung B des Operators ˆB, der einen beliebigen Vektor a an der xz-ebene spiegelt. (Erinnerung: Sie erhalten die Spaltenvektoren der Matrixdarstellung eines Operators, indem Sie ermitteln, wie der Operator auf die einzelnen Basisvektoren wirkt, die hier die drei kartesischen Einheitsvektoren î, ĵ und ˆk sind.) b) Zeigen Sie, daß beide Matrizen orthogonal sind. c) Berechnen Sie die det(a) und det(b). Warum war det(a) = det(b) = zu erwarten? d) Zeigen Sie, daß [Â, ˆB] ist. e) Konstruieren Sie A unter Verwendung der unter (b) demonstrierten Eigenschaft. f) Berechnen Sie C = ABA. Welche Operation wird durch C realisiert? 4) In der Basis (ihrerseits dargestellt in kartesischen Koordinaten) e =, e 2 =, e 3 = sind eine Matrix A und ein Vektor a gegeben: 2 A = 2, a = a) Zeigen Sie (in dieser Basis), daß A a = a gilt. b) Transformieren Sie den Vektor a und die Matrix A in kartesische Koordinaten. c) Lesen Sie aus der Darstellung in kartesischen Koordinaten ab, welcher Operation die Matrix A entspricht und begründen Sie damit, warum sie den Vektor a nicht verändert. 5) Die folgende Matrix c s R = s c (mit c = cos ϕ und s = sin ϕ) entspricht einer Drehung um den Winkel ϕ um die z-achse (der tatsächliche Wert von ϕ ist hier irrelevant). a) Ermitteln Sie alle Eigenwerte und normierten Eigenvektoren von R. b) Zu welcher Klasse von Matrizen gehört R? Was gilt demzufolge für ihre Eigenwerte und Eigenvektoren? Demonstrieren Sie diese Eigenschaften mit den von Ihnen gewonnenen Eigenwerten und Eigenvektoren. c) Zeigen Sie außerdem durch Einsetzen in die Eigenwertgleichung R x = λ x und explizites Ausführen des Matrix-Vektor-Produkts, daß Ihre Eigenvektoren x mit den dazugehörigen Eigenwerten tatsächlich die Eigenwertgleichung erfüllen. 2
3 d) Stellen Sie die Transformationsmatrix U mit den Eigenvektoren als Spaltenvektoren auf und zeigen Sie durch explizite Matrixmultiplikation, daß U RU = D gilt, wobei D eine Diagonalmatrix ist, die die Eigenwerte von R auf der Diagonalen enthält. 6) Bestimmen Sie die allgemeine Lösung der folgenden linearen Gleichungssysteme. Überprüfen Sie Ihre Resultate jeweils durch einen Test, ob A x = b für Ihre Lösung x tatsächlich gilt. a) 9x 2x 2 + 5x 3 = b) 9x 2x 2 + 5x 3 = 3x + 2x 2 7x 3 = 3x + 2x 2 + 7x 3 = 5x + 4x 2 + 3x 3 = x 3 5x + 4x 2 + 3x 3 = c) 4x + 2x 2 3x 3 4 = d) x 2 + 2x + x 4 = x + x 3 + 2x 4 = 2x 4 x + 3x 3 = 3x + 4x 2 4x 3 + x 4 = x 2 + 3x 4 + x + 3x 3 = 2 2x 3x 2 + x 3 + 3x 4 = 5x 4 + x 2 + 6x 3 = 3 7) Gegeben ist die Matrix A = a) Bestimmen Sie alle Eigenvektoren von A und den zugehörigen vollständigen, orthonormalen Satz von Eigenvektoren. b) Setzen Sie eine Matrix U aus den Eigenvektoren von A als Spaltenvektoren zusammen. Zeigen Sie durch explizite Matrixmultiplikationen, b) daß U orthogonal ist: U T U = UU T = E (mit E=Einheitsmatrix). b2) daß U AU = D gilt, wobei D eine Diagonalmatrix ist, die die Eigenwerte von A auf der Diagonalen enthält. b3) Was ändert sich an den Resultaten von (b) und (b2), wenn Sie die Reihenfolge der Spaltenvektoren in U verändern? 8) Betrachten Sie das lineare Gleichungssystem A x = b mit der Matrix 2 A = 3 3 a) Ermitteln Sie die allgemeine Lösung x für den Fall b =. b) Ermitteln Sie die allgemeine Lösung x für den Fall b = (,, ) T. c) Ermitteln Sie die allgemeine Lösung x für den Fall b = (, 2, 2) T. 3
4 d) Für den Fall b = (, 2, 2) T ist x = (,, ) T eine spezielle Lösung. Zeigen Sie, wie x = (,, ) T mit Ihrer allgemeinen Lösung aus Teilaufgabe (c) zusammenhängt. e) Bilden Sie die inverse Matrix A, falls diese existiert. Wo immer möglich, verifizieren Sie Ihre Lösungen durch Einsetzen in A x = b. 9) Gegeben ist die Matrix A: A = a) Begründen Sie anhand der Eigenschaften von A wie viele Eigenwerte und Eigenvektoren Sie erwarten, ob die Eigenvektoren orthogonal zueinander sind oder nicht, und ob die Eigenwerte reell oder komplex sind. b) Bestimmen Sie alle Eigenwerte. c) Einer der Eigenwerte ist nicht entartet. Bestimmen Sie den zugehörigen Eigenvektor v und normieren Sie ihn. d) Der andere Eigenwert ist entartet. Bestimmen Sie den zugehörigen Eigenvektor v e (ggf. mit unbestimmten Variablen) und schreiben Sie ihn als Linearkombination zweier konstanter Vektoren: v e = α v 2 + β v 3, wobei v 2 und v 3 normiert sein sollen. e) Testen Sie, ob v 2 und v 3 orthogonal zueinander sind. Wenn das der Fall ist, dann erzeugen Sie einen weiteren Vektor v 4 = γ v 2 + δ v 3, mit beliebigen Werten für γ und δ (außer Null). Wenn v 2 und v 3 nicht orthogonal zueinander sind, dann erzeugen Sie einen weiteren Vektor v 4 durch Gram-Schmidt-Orthogonalisierung von v 3 auf v 2. Überprüfen Sie rechnerisch, ob v 4 ein Eigenvektor von A ist, und wenn ja, zu welchem Eigenwert. Erklären Sie Ihren Befund in Worten! ) Gegeben ist das inhomogene lineare Gleichungssystem x + 2x 2 + 3x 3 + 4x 4 = x + 3x 2 + 2x 3 + 5x 4 = x + 5x 3 + 2x 4 = 3 x + x 2 6x 3 x 4 = 4 a) Ist dieses inhomogene Gleichungssystem lösbar? Wieviele freie Parameter enthält seine allgemeine Lösung? b) Ermitteln Sie die allgemeine Lösung des zugehörigen homogenen Systems. c) Bestimmen Sie eine partikuläre Lösung des inhomogenen Systems. d) Wie lautet die allgemeine Lösung des inhomogenen Systems? Zeigen Sie, daß der Vektor x = (,,, ) ein Spezialfall dieser allgemeinen Lösung ist. 4
5 ) Gegeben ist die Matrix 2 a A = 2 a mit a = a a 2 2 a) Bestimmen Sie alle Eigenwerte und die zugehörigen normierten Eigenvektoren. b) Berechnen Sie (mit expliziter Ausführung des Rechenwegs) alle möglichen paarweisen Skalarprodukte zwischen unterschiedlichen Eigenvektoren. Was bedeutet das Resultat? c) Aus welcher Eigenschaft der Matrix A können Sie das Resultat von Teilaufgabe (b) ohne Rechnung folgern? 2) Bestimmen Sie mit den in der Vorlesung vorgestellten Methoden (Gauß-Elimination) die allgemeinen Lösungen der folgenden Gleichungssysteme: a) u + v + w = u + 2v + 3w + = 3u + 2v + 2w = b) 2a = 2c + a 3b = 4d 2c + 3b + 2a = 3 4d 2c 3 2 = 2c + 2 c) x + 2x 3 = 3x 2 + 4x 4 = 2x + 4x 3 + 4x 4 = 3( x 2 ) 2x 4 + 3x = 2x 3 + x 3) Gegeben ist die Matrix A = a) Wieviele Eigenwerte hat diese Matrix und warum ist dies so? b) Erwarten Sie, daß einige oder alle dieser Eigenwerte möglicherweise komplex oder daß sie definitiv alle reell sind? Warum? c) Zur Bestimmung der Eigenwerte λ i wird zunächst die Säkulardeterminante aufgestellt. Zeigen Sie, daß dies zur folgenden Gleichung führt: λ 4 λ 3 3λ 2 + λ + 2 = () d) Woher kommt die Null auf der rechten Seite von Gl. und welche Auswirkung hat sie? 5
6 e) Raten der beiden Eigenwerte λ = und λ 2 = + und jeweils nachfolgende Polynomdivision liefert λ 2 λ 2 = (2) Bestimmen Sie aus Gl. 2 die verbleibenden Eigenwerte. f) Zur Bestimmung der Eigenvektoren zu diesen Eigenwerten werden Sie in der nächsten Teilaufgabe die jeweilig zugehörigen linearen Gleichungssysteme lösen. Geben Sie vorher in dieser Teilaufgabe für jeden Eigenwert an, wie viele freie Parameter (bzw. wieviele Nullzeilen) Sie dabei erwarten (mit Begründung). g) Bestimmen Sie alle Eigenvektoren und normieren Sie sie. Wählen Sie bei Eigenwertentartung die zugehörigen Eigenvektoren so, daß sie linear unabhängig oder orthogonal sind, und zeigen Sie diese Eigenschaft. 4) Gegeben ist die Matrix A: A = a) Aus welchen Eigenschaften der Matrix A können Sie vor jeglicher Rechnung welche Aussagen über Eigenwerte und Eigenvektoren machen? b) Ermitteln Sie alle Eigenwerte und Eigenvektoren der Matrix A. Erzeugen Sie bei entarteten Eigenwerten zueinander senkrechte Eigenvektoren und normieren Sie alle Eigenvektoren. c) Zeigen Sie durch explizite Berechnung aller einzelnen Matrixelemente von D in DD = E (E=Einheitsmatrix), daß sich zu jeder Diagonalmatrix D die zugehörige inverse Matrix sehr leicht nach folgendem Schema bilden läßt: λ D = λ 2, D λ = λ 2 λ 3 λ 3 d) Lösen Sie das lineare Gleichungssystem A x = b für die anfangs gegebene Matrix A und den Vektor b = (5, 4, 3) T, aber nicht auf dem üblichen Weg (Gauß-Elimination), sondern mit Hilfe der Formel x = UD U T b wobei die Matrix U die orthonormalen Eigenvektoren von A enthält und die Matrix D die diagonalisierte Matrix A ist. 6
Musterlösungen 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
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
MehrHauptachsentransformation: Eigenwerte und Eigenvektoren
Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung
Mehr2.3.4 Drehungen in drei Dimensionen
2.3.4 Drehungen in drei Dimensionen Wir verallgemeinern die bisherigen Betrachtungen nun auf den dreidimensionalen Fall. Für Drehungen des Koordinatensystems um die Koordinatenachsen ergibt sich 1 x 1
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,
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
Mehr9. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 9. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS /..-4.. Aufgabe G (Koordinatentransformation)
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
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 =
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
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
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
MehrLineare Algebra. 1 Lineare Abbildungen
Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
MehrMathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie und Erziehungswissenschaften Blatt 2
Fakultät Mathematik WS 27/8 Institut für Mathematische Stochastik / Institut für Analysis Dr. W. Kuhlisch, Dr. F. Morherr Mathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie
Mehr7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?
Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist
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
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
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
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
MehrRepetitorium A: Matrizen, Reihenentwicklungen
Fakultät für Physik R: Rechenmethoden für Physiker, WiSe 5/6 Dozent: Jan von Delft Übungen: Benedikt Bruognolo, Dennis Schimmel, Frauke Schwarz, Lukas Weidinger http://homepages.physik.uni-muenchen.de/~vondelft/lehre/5r/
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
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
MehrKLAUSUR. Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.:
KLAUSUR Lineare Algebra (E-Techniker/Mechatroniker/W-Ingenieure/Informatiker).3. (W. Koepf) Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.: Für jede Aufgabe gibt es Punkte. Zum Bestehen der Klausur
MehrEigenwerte/Eigenvektoren/Eigenräume/Diagonalisierung
Zurück Stand 4.. 6 Eigenwerte/Eigenvektoren/Eigenräume/Diagonalisierung Im Allgemeinen werden Vektoren durch Multiplikation mit einer Matrix gestreckt und um einen bestimmten Winkel gedreht. Es gibt jedoch
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
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)
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrEigenwerte und Eigenvektoren
Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte
MehrNachholtutorium A: Matrizen, Reihenentwicklungen Aufgaben
Fakultät für Physik Jan von Delft, Olga Goulko, Florian Bauer T: Rechenmethoden für Physiker, WiSe /3 http://homepages.physik.uni-muenchen.de/~vondelft/lehre/t/ Nachholtutorium A: Matrizen, Reihenentwicklungen
MehrÜbungsaufgaben Vektoren
Kallenrode, www.sotere.uos.de Übungsaufgaben Vektoren 1. Gegeben sind die Einheitsvektoren in Zylinderkoordinaten e ϱ = cos ϕ sin ϕ, e ϕ = sin ϕ cos ϕ und e z = 0 0 0 0 1 und Kugelkoordinaten: sin ϑ cos
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:
MehrNützliches Hilfsmittel (um Schreiberei zu reduzieren): 'Erweiterte Matrix': Gauß- Verfahren
L5.4 Inverse einer Matrix Ausgangsfrage: Wie löst man ein lineares Gleichungsystem (LSG)? Betrachte n lineare Gleichungen für n Unbekannte: Ziel: durch geeignete Umformungen bringe man das LSG in folgende
Mehr47 Singulärwertzerlegung
47 Singulärwertzerlegung 47.1 Motivation Wir haben gesehen, dass symmetrische Matrizen vollständig mithilfe ihrer Eigenwerte und Eigenvektoren beschrieben werden können. Diese Darstellung kann unmittelbar
MehrMatrizen und Determinanten, Aufgaben
Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrVorkurs Mathematik. Vektoren, lineare Gleichungssysteme und Matrizen
Dorfmeister, Boiger, Langwallner, Pfister, Schmid, Wurtz Vorkurs Mathematik TU München WS / Blatt Vektoren, lineare Gleichungssysteme und Matrizen. In einem kartesischen Koordinatensystem des R sei eine
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
MehrZusammenfassung und Beispiellösungen. zur Linearen Algebra
Zusammenfassung und Beispiellösungen zur Linearen Algebra Inhaltsverzeichnis TI Taschenrechner Funktionen für Matrizen... n*m Matrix... Diagonal und Dreiecksmatrix... Transponierte der Matrix A (AT)...
MehrLineare Algebra - Übungen 7 WS 2017/18
Prof. Dr. A. Maas Institut für Physik N A W I G R A Z Lineare Algebra - Übungen 7 WS 017/18 Aufgabe P0: Paulimatrizen Präsenzaufgaben 14. Dezember 017 Berechnen Sie für die Paulimatrizen σ 1 = ( ) 0 1,
MehrAufgabenskript. Lineare Algebra
Dr Udo Hagenbach FH Gießen-Friedberg Sommersemester 9 Aufgabenskript zur Vorlesung Lineare Algebra 6 Vektoren Aufgabe 6 Gegeben sind die Vektoren a =, b =, c = Berechnen Sie die folgenden Vektoren und
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
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrDrehachse und Drehwinkel
Drehachse und Drehwinkel Jede Drehung Q im R 3 besitzt eine Drehachse, d.h. lässt einen Einheitsvektor u invariant, und entspricht einer ebenen Drehung um einen Winkel ϕ in der zu u orthogonalen Ebene.
MehrLineare Algebra. Teil III. Inhaltsangabe
Teil III Lineare Algebra Inhaltsangabe 3 Lineare Algebra 22 3.1 Einführung.......................... 22 3.2 Matrizen und Vektoren.................... 23 3.3 Spezielle Matrizen...................... 24
MehrOrientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops
15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den
MehrI) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrEin Produkt ist Null, wenn einer der Faktoren gleich Null ist. Die beiden Eigenwerte sind demnach. λ 1 = 0, λ 2 = 2i. 1 i
TU Dresden Fakultät Mathematik Institut für Numerische Mathematik Lösung zur Aufgabe (b des Übungsblattes Ermitteln Sie on der folgenden Matrix alle (komplexen Eigenwerte und zu jedem Eigenwert einen zugehörigen
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrAufgaben und Lösungen zur Abschlußklausur zur Mathematik 1 (Wiederholer und Nachzügler) vom
Aufgaben und Lösungen zur Abschlußklausur zur Mathematik (Wiederholer und Nachzügler) vom 6.3.8. In der Menge M n n aller quadratischen Matrizen vom Format n n mit Einträgen aus R werden die folgenden
MehrVorkurs Mathematik Übungen zu linearen Gleichungssystemen
Vorkurs Mathematik Übungen zu linearen Gleichungssystemen Lineare Gleichungssysteme lösen Aufgabe. Lösen sie jeweils das LGS A x = b mit ( ( a A =, b = b A =, b = 6 Aufgabe. Berechnen Sie für die folgenden
MehrDarstellungstheorie. Vortag von Heiko Fischer - Proseminar QM
Darstellungstheorie Vortag von Heiko Fischer - Proseminar QM Wir haben uns in den vergangenen Vorträgen intensiv mit den Eigenschaften abstrakter Gruppen beschäftigt. Im physikalischen Kontext sind Gruppen
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
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
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
MehrVermischte Aufgaben zu Mathematische Grundlagen der Ökonomie
Aufgabe : Vermischte Aufgaben zu Mathematische Grundlagen der Ökonomie Bilden die Lösungsmengen der folgenden linearen Gleichungssysteme jeweils einen Unterraum des IR 3? Begründen Sie. (i) (ii) + 3 =
Mehr4 Lineare Abbildungen
17. November 2008 34 4 Lineare Abbildungen 4.1 Lineare Abbildung: Eine Funktion f : R n R m heißt lineare Abbildung von R n nach R m, wenn für alle x 1, x 2 und alle α R gilt f(αx 1 ) = αf(x 1 ) f(x 1
MehrAufgabenskript. Lineare Algebra
Dr Udo Hagenbach FH Gießen-Friedberg Sommersemester Aufgabenskript zur Vorlesung Lineare Algebra 6 Vektoren Aufgabe 6 Gegeben sind die Vektoren a =, b =, c = Berechnen Sie die folgenden Vektoren und ihre
Mehr6. Übungsblatt zur Mathematik II für Inf, WInf
Fachbereich Mathematik Prof. Dr. Streicher Dr. Sergiy Nesenenko Pavol Safarik SS 5. 9. Mai 6. Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G (Standardskalarprodukt Sei v, e R und es
MehrAufgabenskript. Lineare Algebra
Dr Udo Hagenbach FH Gießen-Friedberg Sommersemester Aufgabenskript zur Vorlesung Lineare Algebra 7 Vektoren Aufgabe 7 Gegeben sind die Vektoren a =, b =, c = Berechnen Sie die folgenden Vektoren und ihre
MehrAufgabe Summe Note Punkte
Fachhochschule Südwestfalen - Meschede Prof. Dr. Henrik Schulze Klausur Ingenieurmathematik am 9. März 7 - Musterlösung Name Matr.-Nr. Vorname Unterschrift Aufgabe 4 5 6 7 Summe Note Punkte Die Klausur
MehrLineare Algebra und analytische Geometrie II (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner SS 0 Blatt 9 9060 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach Lösungsvorschlag a Die gegebene Matrix
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Eigenvektoren
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr( ) Lineare Gleichungssysteme
102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv
Mehr5.4 Hauptachsentransformation
. Hauptachsentransformation Sie dient u.a. einer möglichst einfachen Darstellung von Kegelschnitten und entsprechenden Gebilden höherer Dimension mittels einer geeigneten Drehung des Koordinatensystems.
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
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
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
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
MehrSerie 12: Eigenwerte und Eigenvektoren
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie : Eigenwerte und Eigenvektoren Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom 7 und 9 Dezember Finden Sie für folgende
MehrÜbungsblatt 1: Lösungswege und Lösungen
Übungsblatt : Lösungswege und Lösungen 5..6 ) Hier geht es weniger um mathematisch-strenge Beweise als darum, mit abstrakten Vektoren ohne Komponenten) zu hantieren und damit die Behauptungen plausibel
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y
MehrLösungsskizzen zur Klausur
sskizzen zur Klausur Mathematik II Sommersemester 4 Aufgabe Es seien die folgenden Vektoren des R 4 gegeben: b = b = b 3 = b 4 = (a) Prüfen Sie ob die Vektoren b b 4 linear unabhängig sind bestimmen Sie
MehrÜbungsblatt Analytische Geometrie - Geraden und Ebenen - 6C /07
Übungsblatt Analytische Geometrie - Geraden und Ebenen - 6C - 6/7. Gegenseitige Lage von Geraden Gesucht ist die gegenseitige Lage der Geraden g durch die beiden Punkte A( ) und B( 5 9 ) und der Geraden
MehrMatrizen. Aufgabe 1. Sei f R 2 R 3 definiert durch. x y x Berechnen Sie die Matrix Darstellung von f. Lösung von Aufgabe 1.
Matrizen Aufgabe Sei f R R 3 definiert durch ( x 3y x f x + y y x Berechnen Sie die Matrix Darstellung von f Lösung von Aufgabe ( f ( f 3 Die Matrix Darstellung von f ist somit A 3 Aufgabe Eine lineare
Mehr1 Singulärwertzerlegung und Pseudoinverse
Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung A sei eine Matrix mit n Spalten und m Zeilen. Zunächst sei n m. Bilde B = A A. Dies ist eine n n-matrix. Berechne die Eigenwerte von B. Diese
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNSCHE UNVERSTÄT MÜNCHEN Zentrum Mathematik PROF DRDR JÜRGEN RCHTER-GEBERT, VANESSA KRUMMECK, MCHAEL PRÄHOFER Höhere Mathematik für nformatiker Wintersemester 23/24 Aufgabenblatt 2 23 Januar 24 Präsenzaufgaben
Mehr4.4. Rang und Inversion einer Matrix
44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
MehrAufgaben zu Kapitel 20
Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Verständnisfragen Aufgabe 20 Sind die folgenden Produkte Skalarprodukte? (( R ) 2 ( R 2 )) R : v w,, v v 2 w w 2 (( R ) 2 ( R 2 )) R : v w, 3 v v 2 w w + v
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
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
Mehr13 Lineare Abbildungen
13 Lineare Abbildungen Grob gesprochen sind lineare Abbildungen bei Vektorräumen dasselbe wie Homomorphismen bei Gruppen, nämlich strukturerhaltende Abbildungen. Auch in diesem Kapitel seien V, W Vektorräume.
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) :=
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
Mehr