Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Größe: px
Ab Seite anzeigen:

Download "Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen"

Transkript

1 Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β und α, β b) α + β + γ führt zu den 3 Gleichungen α + 5β α 5β α γ 5β γ β + γ 5 γ 5 Also α 3, β, γ 5 Für x, y R p und λ R gelten [] x x i für alle i,, p x i für alle i,, p x [] λx λx + + λx p λ ( x + + x p ) λ x [3] x + y x + y + + x p + y p x + y + + x p + y p x + y, also ist x x + + x p eine Norm, nicht aber die Definition x x bei p, denn zb für x e () : Rp ist x, aber x Dh, [] ist nicht erfüllt ([] und [3] hingegen schon)

2 3 a) Durch eine Drehung um einen geeigneten Winkel α, dh Multiplikation von x und y mit einer Drehmatrix cos(α) sin(α) D(α), α R, sin(α) cos(α) (siehe Abschnitt 73) kann man erreichen, dass einer der beiden Vektoren (oe der Vektor x) auf der positiven horizontalen Achse zu liegen kommt Dabei bleiben der Winkel ϕ, die Norm und das Skalarprodukt unverändert Es ist also, wie man leicht nachrechnet, D(α) x x, D(α) y y und < D(α)x, D(α)y >< x, y > y Wir können also annehmen, dass (siehe Skizze) x y x, x, mit x >, y y ϕ y y x Dann ist, wegen y y cos ϕ, < x, y > x y x y cos ϕ b) Wegen x , y , < x, y > ist cos ϕ , also ϕ arccos( 8367) 56, dh ϕ Lösung mit Aufgabe 3: Wegen cos ϕ [, ] ist < x, y > x y cos ϕ x y, wobei ϕ den Winkel zwischen x und y bezeichnet Lösung durch Nachrechnen: Weil (x y x y ) x y + x y x x y y, folgt < x, y > (x y + x y ) x y + x x y y + x y x y + x y + x y + x y (x + x ) (y + y ) x y, woraus sich durch Wurzelziehen die Behauptung ergibt

3 5 a) Mit D : λ a a a 3 λ, A : a a a 3 λ 3 a 3 a 3 a 33 ist nach Definition der Matrizenmultiplikation λ a λ a λ a 3 λ a λ a λ 3 a 3 D A λ a λ a λ a 3 und A D λ a λ a λ 3 a 3 λ 3 a 3 λ 3 a 3 λ 3 a 33 λ a 3 λ a 3 λ 3 a 33 b) Bei D A werden die Zeilen von A, bei A D werden die Spalten von A mit den jeweiligen Diagonalelementen von D multipliziert 6 a) Nach Definition der Matrizenmultiplikation ist A A A und A 3 A A A b) Für A (a ij ) i,j,,p sei A n (a (n) ij ) i,j,,p Dann gilt für A mit a ij, j i, dass a (n) ij für j i + n, dh unterhalb der n-ten oberen Nebendiagonalen von A n stehen lauter Nullen Beweis durch vollständige Induktion nach n: Induktionsanfang: n klar nach Voraussetzung an A Induktionsschluss: n n + : Sei n und gelte a (n) ij für j i + n Dann ist für j i + n p a (n+) ij da a kj für j i + n k p k a (n) ik a kj p ki+n a (n) ik a kj, 7 Wir entwickeln die Determinante nach der Spalte und erhalten a a a 3 det a a a 3 a a a det 3 a a a a a 3 a 3 a 3 a det 3 a a + a 33 a 3 a 3 det 3 33 a a 3 33 a (a a 33 a 3 a 3 ) a (a a 33 a 3 a 3 ) + a 3 (a a 3 a 3 a ) a a a 33 + a a 3 a 3 + a 3 a a 3 a 3 a a 3 a a 3 a 3 a a a 33 3

4 8 cos α cos β sin α sin β cos α sin β sin α cos β Es ist D(α) D(β) sin α cos β + cos α sin β sin α sin β + cos α cos β cos(α + β) sin(α + β) D(α + β) sin(α + β) cos(α + β) Addtheoreme 9 a) Es ist < v, a > v a + v a + v 3 a 3 (a b 3 a 3 b ) a + (a 3 b a b 3 ) a + (a b a b ) a 3 a a b 3 a b a 3 + b a a 3 a a b 3 + a b a 3 b a a 3 Ganz analog rechnet man nach, dass auch < v, b > b) Es ist mit < a, b > a b cos ϕ a b sin ϕ a b ( cos ϕ) Andererseits ergibt sich a b < a, b > (a + a + a 3) (b + b + b 3) (a b + a b + a 3 b 3 ) a b + a b + a b 3 + a b + a b + a b 3 + a 3b + a 3b + a 3b 3 a b a b a 3b 3 a b a b a b a 3 b 3 a b a 3 b 3 v v + v + v 3 (a b 3 a 3 b ) + (a 3 b a b 3 ) + (a b a b ) a b 3 a b 3 a 3 b + a 3b + a 3b a 3 b a b 3 + a b 3 + a b a b a b + a b Man sieht durch Vergleich der Terme, dass v a b sin ϕ, woraus sich wegen sin ϕ für ϕ π die Behauptung ergibt c) Es ist < v, c > v c + v c + v 3 c 3 (a b 3 a 3 b ) c + (a 3 b a b 3 ) c + (a b a b ) c 3 a b c 3 + b c a 3 + c a b 3 c b a 3 a c b 3 b a c 3 det A Aufgabe 7 A : symmetrisch regulär (det A ) pos definit (a >, det A > ) 4

5 B : 3 C : 3 3 D : symmetrisch, Diagonalmatrix regulär (det B 6 ) neg definit (x T Bx x x 3x 3 < für alle x ) regulär (det C 6 ) indefinit (x T Cx > für x e () (,, ) T, x T Cx 3 < für x e (3) (,, ) T ) singulär (det D ) indefinit (x T Dx > für x e () (,,, ) T, x T Dx < für x e () (,,, ) T ) Sei A : und seien a, a, a 3, a 4 die Spaltenvektoren von A Es sind a, a 3, a 4 unabhängig (sofort klar!) und a, a, a 3, a 4 abhängig, denn a a + a 3 + a 4 Also ist der Rang von A gleich 3; wir schreiben dafür kurz: Rang(A) 3 Sei B : a b T Die Spaltenvektoren von B sind b a,, b p a Wegen a, b sind diese nicht alle der Nullvektor, also ist Rang(B) Je zwei der Spaltenvektoren sind linear abhängig, also ist Rang(B) Insgasamt haben wir also: Rang(B) Bei der dritten angegebenen p p-matrix C (untere Dreicksmatrix mit lauter Einsen auf und unterhalb der Diagonalen) sieht man sofort, dass die Spalten von C linear unabhängig sind; es ist also Rang(C) p a) Ax b bedeutet x + x 5 (I) x + 3x 5 (II) Wir lösen (I) nach x auf (x 5 x ) und setzen in (II) ein: (5 x ) + 3x 5 5x 75 x 5 x Die Lösung des obigen linearen Gleichungssystems (LGS) ist also x ( 5) b) Es ist Damit ist A det A A b

6 c) Mit Hilfe der Cramérschen Regel berechnet sich die Lösung des obigen LGS wie folgt: 5 5 det 5 3 x det det A, x 5 75 det A a) Die Eigenwert-Gleichung (77) lautet hier ( 4 6 λ 3 bzw 4 λ 6 3 λ ) x ( x x ) (+) hat genau dann eine Lösung x, wenn 4 λ 6 P (λ) : det, 3 λ (+) dh wenn P (λ) ( 4 λ)(3 λ) + 6, also λ + λ 6 Die Lösungen dieser quadratischen Gleichung sind λ 3 und λ 6 x b) (+) aus a) lautet jetzt für λ λ 3: Dieses LGS hat als 6 x Lösungsmenge { 6 } L c, c R Damit sind c Für λ λ lautet (+) Damit sind c 6 für c Eigenvektoren zum Eigenwert λ 3 ) 6 6 L ( x x { c Dieses LGS hat als Lösungsmenge }, c R für c Eigenvektoren zum Eigenwert λ 4 a) Für x, y R 3 gilt mit P a x < a, x > a < P a x, y > < < a, x > a, y > < a, x > < a, y > < x, a > < a, y > < x, < a, y > a >< x, P a y > 6

7 Nun folgt mit P a P a P a und S a I 3 P a, dass b) < S a x, S a y > < I 3 x P a x, I 3 y P a y > < x P a x, y P a y > < x, y > < P a x, y > < x, P a y > + 4 < P a x, P a y > < x, y > 4 < x, P a y > + 4 < x, P a P a y > < x, y > 4 < x, P a y > + 4 < x, P a y > < x, y > S a S a (I 3 P a ) (I 3 P a ) I 3 P a I 3 I 3 P a + 4P a I 3 4P a + 4P a I 3, wieder unter Verwendung von P a P a P a c) Wir können oe annehmen, dass a e () dh es wird an der (x, x 3 )-Ebene gespiegelt Damit ist S a S e () I 3 und det(s e () λi 3 ) ( λ) ( λ), woraus die Behauptung folgt Begründung für obige Annahme: Sei D Drehmatrix im R 3, die den Vektor a auf e () abbildet Dann ist S a D S e () D und det(s a λi 3 ) det(d S e ()D λi 3 ) det ( D (S e () λi 3 )D ) det D det(s e () λi 3 ) det D det D det(s e () λi 3) det D det(s e () λi 3 ), also haben S a und S e () dasselbe charakteristische Polynom und damit auch dieselben Eigenwerte a a a a a 3 a d) S a hat die Eigenwerte λ λ, λ 3 Mit S a I 3 a a a a a 3 a folgt a a 3 a a 3 a 3 a 3 wegen a, dass Ferner ist mit c) Spur von A a + a + a 3 3 (a + a + a 3) 3 λ + λ + λ 3 det S a det(d S e ()D) det D det S e () det D det S e () λ λ λ 3 e) Der Vektor a : (,, ) T hat a und steht senkrecht auf E, denn < a, e (3) > und < a, (,, ) T > Demnach ist 5 5 S a I

8 und, sind Eigenvektoren zum Eigenwert λ λ und ist ein Eigenvektor zum Eigenwert λ 3, was man jeweils auch durch Nachrechnen bestätigt, denn es ist S a, S a, S a 5 a) Wir setzen g und h gleich (x, y ) haben also Also λ a + λx b + µy, µ 5 } λ µ λ 5µ 5 Der Schnittpunkt ist demnach b) Es ist P 3 g 5 3 µ λ λ 5 5 µ cos ϕ < x, y > x y und damit ϕ arccos 6 973, also ϕ 53, P ϕ h 8

Lineare Algebra: Determinanten und Eigenwerte

Lineare 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

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium 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 +

Mehr

Klausur HM I H 2005 HM I : 1

Klausur 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

Mehr

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

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

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (Teschl/Teschl 14.2) Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare 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

Mehr

9. Übungsblatt zur Mathematik I für Maschinenbau

9. 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)

Mehr

Ökonometrische Analyse

Ökonometrische Analyse Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der

Mehr

Kapitel 5 : Eigenwerte und Eigenvektoren

Kapitel 5 : Eigenwerte und Eigenvektoren Kapitel 5 : Eigenwerte und Eigenvektoren 5.1 Definition und allgemeine Eigenschaften Definition 5.1 Sei A eine quadratische (n n)-matrix. λ C heißt Eigenwert von A, wenn ein Vektor x C n mit x 0 existiert,

Mehr

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen

Mehr

Mathematik I für MB und ME

Mathematik I für MB und ME Mathematik I für MB und ME Fachbereich Grundlagenwissenschaften Prof Dr Viola Weiÿ Wintersemester 28/29 Übungsaufgaben Serie 4: Lineare Unabhängigkeit, Matrizen, Determinanten, LGS Prüfen Sie, ob die folgenden

Mehr

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Aufgaben 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

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg.

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg. Übungsaufgaben 13. Übung: Woche vom 23. 1.-27. 1. 2017 (Lin.Alg. II): Heft Ü 3: 1.1.3; 1.1.7 (a,b); 1.1.8; 1.1.11; 3.4.3 (b); 1.3.3 (c); 1.2.3 (b,d); Hinweis 1: 3. Test (Integration, analyt. Geom.) ist

Mehr

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A

Mehr

Mathematik I für MB/ME

Mathematik I für MB/ME Mathematik I für MB/ME Fachbereich Grundlagenwissenschaften Prof Dr Viola Weiÿ Wintersemester 25/26 Übungsaufgaben Serie 4: Lineare Unabhängigkeit, Matrizen, Determinanten, LGS Prüfen Sie, ob die folgenden

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013

Aussagenlogik. 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

Mehr

Brückenkurs Mathematik. Mittwoch Freitag

Brückenkurs Mathematik. Mittwoch Freitag Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs

Mehr

35 Matrixschreibweise für lineare Abbildungen

35 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

Mehr

Aussagenlogik. 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. 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

Mehr

a 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:

a 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

Mehr

Lineare 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. 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

Mehr

Exkurs: Klassifikation orthogonaler 2 2-Matrizen.

Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Aussage: Es gilt: (a) Jede orthogonale 2 2 Matrix A mit det(a) = 1 hat das Aussehen cos(α) sin(α) D(α) = sin(α) cos(α), wobei α [0,2π[. Ist sin(α) 0, so

Mehr

6 Eigenwerte und Eigenvektoren

6 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,

Mehr

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung

Mehr

Lösbarkeit linearer Gleichungssysteme

Lösbarkeit 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

Mehr

T := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass

T := {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

Mehr

Klausur zur Vorlesung Lineare Algebra B im SS 2002 an der Universität Hannover

Klausur zur Vorlesung Lineare Algebra B im SS 2002 an der Universität Hannover Dozent: Prof. Dr. Wolfgang Ebeling Übungsleiter: Dr. Detlef Wille Klausur zur Vorlesung Lineare Algebra B im SS an der Universität Hannover Joachim Selke 9. Februar Lineare Algebra B SS Klausur zur Vorlesung

Mehr

Klausur HM I F 2004 HM I : 1

Klausur 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

Mehr

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

C 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

Mehr

Aufgabe 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 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 =

Mehr

6 Eigenwerte und Eigenvektoren

6 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,

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. 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

Mehr

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

Skript 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.................................

Mehr

Klausur DI/LA F 2006 LA : 1

Klausur DI/LA F 2006 LA : 1 Klausur DI/LA F 26 LA : Aufgabe (4+2=6 Punkte): Gegeben seien die Matrix A und der Vektor b mit λ A = λ und b = λ a) Bestimmen Sie die Werte λ R, für welche das Gleichungssystem Ax = b genau eine, keine

Mehr

MC-Serie 11: Eigenwerte

MC-Serie 11: Eigenwerte D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. 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

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019

Aussagenlogik. 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

Mehr

4 Orthogonale Endormorphismen

4 Orthogonale Endormorphismen 4 Orthogonale Endormorphismen Frage: Bei welchen Abbildungen R R bzw. R 3 R 3 bleibt der Abstand zwischen zwei Punkten erhalten? Für α R setzen wir cosα sin α D(α) = und S(α) := sin α cosα ( cos α sin

Mehr

Variante A. Hinweise

Variante A. Hinweise Lehrstuhl C für Mathematik (Analysis Prof Dr Holger Rauhut Aachen, den 373 Wiederholungsklausur zur Höheren Mathematik I SoSe 3 Variante A Hinweise Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte 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

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (Teschl/Teschl 14.2) Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =

Mehr

5.2 Rechnen mit Matrizen

5.2 Rechnen mit Matrizen 52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs 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

Mehr

Aufgabe Summe Note Punkte

Aufgabe 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

Mehr

Eine Affinität α eines euklidischen Raumes heißt eine Bewegung, wenn sie Abstände (und damit auch Winkel) erhält, wenn also für alle Punkte X, Y gilt:

Eine Affinität α eines euklidischen Raumes heißt eine Bewegung, wenn sie Abstände (und damit auch Winkel) erhält, wenn also für alle Punkte X, Y gilt: 5 Zur Geometrie euklidischer Bewegungen 5.1 Bewegungen Eine Affinität α eines euklidischen Raumes heißt eine Bewegung, wenn sie Abstände (und damit auch Winkel) erhält, wenn also für alle Punkte X, Y gilt:

Mehr

Klausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag

Klausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 23): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag 3. Mit Hilfe elementarer Zeilenumformungen sowie der Tatsache, daß sich die Determinante

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

5 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

Mehr

1 Vektoren, Vektorräume, Abstände: 2D

1 Vektoren, Vektorräume, Abstände: 2D Vektoren, Vektorräume, Astände: D Definition: Die Menge aller (geordneten Paare reeller Zahlen (oder allgemeiner: Elemente eines elieigen Körpers, als Spalten geschrieen, ezeichnen wir als Vektoren: R

Mehr

Lösungsskizze zur Wiederholungsserie

Lösungsskizze 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

Mehr

Vorkurs Mathematik Übungen zu linearen Gleichungssystemen

Vorkurs 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

Mehr

1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen

1. 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)

Mehr

Mathematik II Frühjahrssemester 2013

Mathematik 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

Mehr

Stroppel Musterlösung , 180min

Stroppel Musterlösung , 180min Stroppel Musterlösung 040907, 80min Aufgabe (8 Punkte) (a) Seien A, D, T R d d für ein d N Weiter sei T invertierbar und es gelte T AT D Zeigen Sie durch vollständige Induktion, dass A n T D n T gilt für

Mehr

Probeklausur zu Mathematik 2 für Informatik

Probeklausur 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

Mehr

Drehachse und Drehwinkel

Drehachse 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.

Mehr

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 29. April 2011

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 29. April 2011 Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 29. April 2011 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................

Mehr

Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2016/

Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2016/ Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 206/207 20.03.207 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:...................................................................

Mehr

Determinante und Inverse

Determinante 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

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare 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

Mehr

Klausur zur Höheren Mathematik I (ET/IT/AI/IKT/P/MP) WS 2016/

Klausur zur Höheren Mathematik I (ET/IT/AI/IKT/P/MP) WS 2016/ Dr. P. Furlan Dr. J. Horst Fakultät Mathematik Technische Universität Dortmund Klausur zur Höheren Mathematik I (ET/IT/AI/IKT/P/MP) WS 06/7 6.0.07 Es sind insgesamt 50 Punkte erreichbar. Bei mindestens

Mehr

1 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 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

Mehr

Lösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung

Lösung 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

Mehr

Zusammenfassung und Beispiellösungen. zur Linearen Algebra

Zusammenfassung 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)...

Mehr

Übungen zur Linearen Algebra II, Sommersemester Test, , Gruppe A: Lösung

Übungen zur Linearen Algebra II, Sommersemester Test, , Gruppe A: Lösung Aufgabe. (5 Punkte) Matrix A C 3 3 : Übungen zur Linearen Algebra II, Sommersemester 0. Test, 9.5.0, Gruppe A: Lösung Bestimmen Sie alle Eigenwerte und Eigenräume der folgenden 8 A 9 6 3 9 Lösung: Charakteristisches

Mehr

Matrizen und Determinanten, Aufgaben

Matrizen 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

Mehr

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Mathematik 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/

Mehr

Hilfsblätter Lineare Algebra

Hilfsblätter Lineare Algebra Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,

Mehr

6. Normale Abbildungen

6. 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

Mehr

D-CHAB Frühlingssemester 2018

D-CHAB Frühlingssemester 2018 D-CHAB Frühlingssemester 2018 Grundlagen der Mathematik II Dr Marcel Dettling Lösung 4 1) Nur für die folgenden Wahlen kann man das Produkt bilden: A A mit Dimension (2, 2) (2, 2) (2, 2): 1 2 A Y mit Dimension

Mehr

p = 0 Nun zur eigentlichen Aufgabe. Wie wir wissen, ist {1, X, X 2 } eine Basis von V, die wir nun mit Gram-Schmidt orthogonalisieren.

p = 0 Nun zur eigentlichen Aufgabe. Wie wir wissen, ist {1, X, X 2 } eine Basis von V, die wir nun mit Gram-Schmidt orthogonalisieren. Aufgabe 1 Es sei V = {p R[X] Grad p 2} und a, b, c R fest gewählt Überzeugen Sie sich davon, dass die Abbildung, : V V R, deniert durch p, q := p(a)q(a) + p (b)q (b) + p (c)q (c) ein Skalarprodukt ist

Mehr

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Vorlesung 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

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2

Klausurenkurs 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)

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

Ausgewählte 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

Mehr

6.2 Rechnen mit Matrizen

6.2 Rechnen mit Matrizen 62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

Aufgabe Summe Note Punkte

Aufgabe Summe Note Punkte Fachhochschule Südwestfalen - Meschede Prof. Dr. Henrik Schulze Klausur Ingenieurmathematik am. September 5 (mit Lösungen) Name Matr.-Nr. Vorname Unterschrift Aufgabe 3 5 7 Summe Note Punkte Die Klausur

Mehr

6 Metrische Klassifikation der Quadriken

6 Metrische Klassifikation der Quadriken 6 Metrische Klassifikation der Quadriken A Wiederholung von Kap V, 5 Sei A = (a ij ) eine symmetrische n n Matrix. n x 1 q(x) := x t Ax = a ij x i x j, x =. i,j=1 ist dann ein quadratisches Polynom in

Mehr

Diagonalisierbarkeit symmetrischer Matrizen

Diagonalisierbarkeit 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

Mehr

Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2017/

Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2017/ Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2017/2018 1.03.2018 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:...................................................................

Mehr

Lineare Algebra I Lösungsvorschlag

Lineare Algebra I Lösungsvorschlag Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und

Mehr

1 Singulärwertzerlegung und Pseudoinverse

1 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

Mehr

Zusammenfassung zum Thema Vektor- und Matrizenrechnung

Zusammenfassung zum Thema Vektor- und Matrizenrechnung Zusammenfassung zum Thema Vektor- und Matrizenrechnung Mathematischer Vorkurs für Physiker und Naturwissenschaftler WS 2014/2015 Grundbegriffe der Linearen Algebra Viele physikalische Größen (Geschwindigkeit,

Mehr

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle 2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 14. Übung: Woche vom (Lin.Alg.

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 14. Übung: Woche vom (Lin.Alg. Übungsaufgaben 14. Übung: Woche vom 30. 1.-3. 2. 2017 (Lin.Alg. III): Heft Ü 3: 3.2.6.a,b,l,n; 3.2.12; 3.2.13; 5.4.1; 5.4.5.c; Hinweis 1: 3. Test (Integration, analyt. Geom.) ist seit 9.1. freigeschalten

Mehr

Numerik SS Musterlösung zu Hausaufgabenblatt 1

Numerik SS Musterlösung zu Hausaufgabenblatt 1 PROF DR BERND SIMEON CHRISTIAN GOBERT THOMAS MÄRZ Numerik SS 2009 Musterlösung zu Hausaufgabenblatt Aufgabe Links- und Rechtseigenpaare (20 P) Definition: Sei A C n n Ein Vektor 0 = x C n heißt (Rechts-)eigenvektor

Mehr

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 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

Mehr

Jede symmetrische Bilinearform b definiert eine quadratische Form q durch. q(x) := b(x, x).

Jede symmetrische Bilinearform b definiert eine quadratische Form q durch. q(x) := b(x, x). 1 Kapitel 1 Clifford-Algebren 1 Innere Produkte Sei k {R, C}, V stets ein endlich-dimensionaler k-vektorraum. Fehlende Beweise finden sich in der Literatur ([Art1], [Bou1], [Brie], [Cohn]). Definition.

Mehr

fj 2 = f n f n+1. fj 2 = 0 2 = 0 = 0 1 = f 0 f 1. f 2 j = f n f n+1 +fn+1 = (f n +f n+1 )f n+1 = f n+2 f n+1 = f n+1 f (n+1)+1.

fj 2 = f n f n+1. fj 2 = 0 2 = 0 = 0 1 = f 0 f 1. f 2 j = f n f n+1 +fn+1 = (f n +f n+1 )f n+1 = f n+2 f n+1 = f n+1 f (n+1)+1. Stroppel Musterlösung 4..4, 8min Aufgabe 3 Punkte) Sei f n ) n N die Fibonacci-Folge, die durch f :=, f := und f n+ := f n +f n definiert ist. Beweisen Sie durch vollständige Induktion, dass für alle n

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG R Käppeli L Herrmann W Wu Herbstsemester Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe Beispiel einer Koordinatentransformation Gegeben seien zwei

Mehr

Lineare Algebra für Ingenieure

Lineare 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

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden

Mehr

Serie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1

Serie 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

Mehr

Aufgabenskript. Lineare Algebra

Aufgabenskript. 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

Mehr

Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Blatt 3 - Lösung

Übungen 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

Mehr