Eigenwerttheorie. Martin Gubisch Lineare Algebra I WS 2007/2008
|
|
- Kristin Schräder
- vor 6 Jahren
- Abrufe
Transkript
1 Eigenwerttheorie Martin Gubisch Lineare Algebra I WS 27/28 Motivation Gegeben seien ein K-Vektorraum V der Dimension n < und eine K-lineare Abbildung f : V V Wir suchen eine Basis V = v 1,, v n von V, so dass MV V f eine Normalform hat damit klassizieren wir Endomorphismen Wir betrachten eine Streckung, etwa f, gegeben durch fe 1 = 3e 1 und fe 2 = e 2 Dann ist 3 A = die Darstellungsmatrix von f Diese hat Diagonalgestalt 1 Allgemein: Habe MV Vf Diagonalgestalt, dh M V Vf = λ1 Dann gilt: fv λ i = λ i v i n Ist λ i =, dann auch fv i =, dh die Gerade Kv i wird auf den Nullpunkt abgebil Für λ i gilt fkv i = λ i Kv i = Kv i, dh die Gerade wird durch f in sich selbst überführt Sei V ein endlich dimensionaler K-Vektorraum und f : V V eine K-lineare Abbildung λ K heiÿt Eigenwert Streckungsfaktor von f, wenn es ein v V \{} gibt mit fv = λv v heiÿt dann der zu λ gehörige Eigenvektor Beachte ist niemals ein Eigenvektor, kann aber ein Eigenwert sein MV V f hat Diagonalgestalt V ist eine Basis aus Eigenvektoren Seind v 1,, v m Eigenvektoren von f mit paarweise verschiedenen Eigenwerten λ 1,, λ m, dann sind v 1,, v m K-linear unabhängig Induktion über m: Der Fall m = 1 ist klar, da v 1 Gelte die Behauptung für m 1 und sei α 1 v α m v m = mit α 1,, α m K Wir müssen zeigen, dass alle α i = Wegen und der Induktionsvoraussetzung ist = λ m α 1 v λ m α m v m und = f = α 1 λ 1 v α m λ m v m = α 1 λ m λ 1 v α m 1 λ m λ m 1 }{{}}{{} Also = α m v m mit v m, dh α m = v m 1 IV = α 1 = = α m 1 =
2 Wir betrachten eine Drehung mit Drehwinkel θ um den Ursprung Sei etwa fe 1 cosθ = und sinθ fe 2 cosθ +, 5π cosθ sinθ = Dann Mf = benutze dabei sin 2 θ + cos sinθ +, 5π sinθ cosθ 2 θ = 1 f ist injektiv, denn 2 Mf = sin 2 θ + cos 2 θ = 1 Falls θ nπ, dann gibt es keine Gerade, die in sich selbst überführt wird Sei f Hom K V, V und λ K Dann gilt: 1 λ ist ein Eigenwert von f Kernf λid {} 2 Ist dim K V <, dann λ Eigenwert von f f λid = 1 f λidv = fv λidv = fv λv = fv = λv 2 Klar mit 1 1 Wir haben dabei natürlich gesetzt g := MV V g für K-lineares g 2 Sind V und V zwei Basen von V, so gilt MV V dh es gilt: Anmerkung Für obiges gilt: f = CM V V fc 1 für ein invertierbares C M K n, n, M V V f = C M V V f C 1 = M V f V cosθ λ sinθ f λid = sinθ cosθ λ = cosθ λ 2 + sin 2 θ = cos 2 θ 2λ cosθ + λ 2 + sin 2 θ = λ 2 2λ cosθ + 1 Also f λid = λ = cosθ ± cos 2 θ 1 = cosθ ± sin 2 θ C\R, falls θ nπ Zusammenfassung Seien V ein endlich dimensionaler K-Veltorraum, f : V V eine K-lineare Abbildung, λ K und v V \{} Dann sind äquivalent: 1 λ ist Eigenwert von v 2 Es gibt v mit fv = λv 3 Es gibt v mit f λidv = 4 Kernf λid {} 5 n A λi n = Wir nennen λ K einen Eigenwert von A M K n, n, falls n A λi n = Behauptung Ist A B und λ ein Eigenvert von A, so ist λ auch ein Eigenwert von B
3 Sei B = CAC 1 für ein invertierbares C M K n, n Dann gilt: CA λi n C 1 = CAC 1 CλI n C 1 = CAC 1 λi n = B λi n, also = n A λi n = n B λi n Merke Eigenwerte sind invariant unter Basistransformationen A heiÿt diagonalisierbar über K, falls es ein B A gibt mit B = A := ist über C, aber nicht über R diagonalisierbar λ1 λ n, λ i K Wegen n A λi n = 1 λ 2 +2 = 3 2λ+λ 2 hat A nämlich die Eigenwerte λ 1,2 = 1± 2 = 1±i 2 Also besitzt A keine reellen Eigenwerte und ist damit über R nicht diagonalisierbar Sei v 1 Eigenvektor zu λ 1 = 1+i 2 und v 2 Eigenvektor zu λ 2 = 1 i 2 Dann ist V := v 1, v 2 eine Basis des C 2 Setze f := L V V A, also f : C2 C 2 Dann A = ME Ef und A B mit B := M V Vf = λ1 Wir bestimmen nun die Eigenvektoren, etwa v 1 := x1 x 2 Eine Lösung ist beispielsweise x1 x 2 Es gilt: x1 Eigenvektor zu λ 1 A λ 1 I 2 = x 2 { 1 λ1 x 1 + 2x 2 = i 2 1 x λ 1 x 2 = { i 2x1 + 2x 2 = x 1 i 2x 2 = λ 2 cosα sinα Wir betrachten A := Dann LA : R sinα cosα 2 R 2 cosα λ sinα und A λi 2 = sinα cosα λ A λi 2 = cos 2 α + λ 2 sin 2 α = λ 2 1 = λ + 1λ 1 Die Matrix besitzt also die beiden 1 Eigenwerte ±1 und ist damit über R diagonalisierbar: A 1 Die zugehörigen Eigenvektoren sind und Für A M K n, n heiÿt das charakteristische Polynom von A cos, 5α sin, 5α, 5 cosα + π, 5 sinα + π P A := n A ti n Ist A = MV V f die Darstellungsmatrix des Endomorphismus f : V V bzgl der Basis V wobei dim K V <, so heiÿt P f = n A ti n auch das charakteristische Polynom von f Die Denition ist unabhängig von der gewählten Basis V
4 Satz Sei dim K V = n < und f Hom K V, V Dann sind die Eigenwerte von f genau die Nullstellen des charakteristischen Polynoms von f in K Schon gezeigt: λ Eigenwert von f P f λ = n A λi n = Korollar Jeder Endomorphismus des R 2n+1 hat einen reellen Eigenwert und damit auch einen Eigenvektor P f hat den Grad 2n + 1, also hat P f nach dem Zwischenwertsatz eine Nullstelle in R Ist A M K n, n, dann gilt: wobei c n 1,, c 1 K n A ti n = 1 n t n + c n 1 t n c 1 t + n A, a b a t b Sei A = Dann A ti c d 2 = und P c d t A = a td t bc Sei B = b ij M Kt n, n eine Matrix mit b ij K[t] Dann ist n B K[t] und es gilt: n Bλ = n b ij λ Per Indultion über n Der Fall n = 1 ist klar, denn 1 aλ = aλ = 1 aλ Gelte die Behauptung für n 1 Nach der Entwicklungsformel gilt: n b ij = n b ijλ = Sei pt = t α ν qt mit qα = n 1 k 1 b 1k }{{} b ij 1k ; n 1 }{{} k=1 K[t] K[t] n 1 k 1 b 1k λ b ij 1k λ n 1 k=1 n 1 k 1 b 1k λ b ijλ 1k n 1 k=1 = n b ijλ Dann heiÿt ν = µp, α die Vielfachheit Multiplizität von α in p Sei pt = γt α 1 ν1 t α s νs mit α 1,, α s paarweise verschieden, ν 1,, ν s N und degp = n Dann gilt s i=1 ν i = n
5 Satz Seien f : V V ein Endomorphismus des endlich dimensionalen Vektorraums V und λ K ein Eigenwert von f Dann ist Eigf, λ := {v V fv = λv} ein Untervektorraum von V, der Eigenraum von λ bzgl f Wegen f = = λ ist stets Eigf, λ Seien v 1,, v m Eigf, λ, α 1,, α m K Dann gilt: fα 1 v α m v m = α 1 fv α m fv m = α 1 λv α m λv m = λα 1 v α m v m, dh mit v 1,, v m liegt auch α 1 v α m v m in Eigf, λ Sei V ein endlich dimensionaler K-Vektorraum und f Hom K V, V Dann ist µp f, λ dim K Eigf, λ Sei v 1,, v r eine Basis von Eigf, λ, dh dim K Eigf, λ = r Wir ergänzen diese zu einer Basis V = v 1,, v r, v r+1,, v n von V Dann hat A = MV V f die Gestalt λ λ A Für das charakteristische Polynom gilt dann: Also r µp f, λ P f = A ti n = n r λ t λ t n r A ti n r = λ t r n r A ti n r Seien V ein K-Vektorraum der endlichen Dimension n und f Hom K V, V f heiÿt diagonalisierbar, falls es eine Basis V von V gibt, so dass MV V f Diagonalgestalt hat A M K n, n heiÿt diagonalisierbar, falls es ein invertierbares C M K n, n gibt, so dass CAC 1 Diagonalgestalt hat Satz A ist diagonalisierbar LA ist diagonalisierbar : CAC 1 = CM E E AC 1 habe Diagonalgestalt Wähle eine Basis V von V so, dass C = M E V id Dann ist CAC 1 = M V V LA : Seien f := LA, E := e 1,, e n die kanonische Basis von V, ME E f = A und V eine Basis von V derart, dass MV Vf Diagonalgestalt hat Dann ist M V Vf = CM E EfC 1 = CAC 1 mit C := MV E id GLn, K
6 Wiederholung Seien U 1,, U k Untervektorräume von V Dann bedeutet V = U 1 U k, dass V = U U k und = u u k u 1 = = u k = u i U i Es gilt V = U 1 U k dim K V = k i=1 dim KU i Satz Seien V ein K-Vektorraum der endlichen Dimension n und f Hom K V, V Dann sind äquivalent: 1 V besitzt eine Basis aus Eigenvektoren zu f 2 f ist diagonalisierbar 3 P f zerfällt in Linearfaktoren und µp f, λ = dimeigf, λ 4 Sind λ 1,, λ k die verschiedenen Eigenwerte von f, so gilt: V = Eigf, λ 1 Eigf, λ k 1 4: Setze E i := Eigf, λ i, 1 i k, und dim K E i := r i, λ 1,, λ k verschiedene Eigenwerte Dann E := E E k V Da = k i=1 u i mit u i E i und alle u i Eigenvektoren zu verschiedenen Eigenwerten impliziert, dass alle u i =, folgt die Direktheit der Summe, dh E = E 1 E k Weiter ist dim K E = r r k µf, λ µf, λ k degp f = n 1 2: Es gilt: Av i = λ i v i fv 1 = λ 1 v 1 A = fv n = λ n v n λ 1 λ n also v 1,, v n Basis von V aus Eigenvektoren die Darstellungsmatrix von f ist diagonalisierbar 2 4: f ist diagonalisierbar k i=1 r i = n 2 3: r i = µf, λ i für 1 i k und P f = γ k i=1 t λ i ri Eine quadratische Matrix der Gestalt α1 α n, heiÿt obere Dreiecksmatrix f Hom K n, n heiÿt trigonalisierbar, falls es eine Basis V = v 1,, v n von V gibt, so dass M V V f Dreiecksgestalt hat A M K n, n heiÿt trigonalisierbar, falls LA trigonalisierbar ist, dh falls es eine invertierbare Matrix C M K n, n gibt, so dass CAC 1 Dreiecksgestalt hat Nicht alle Matrizen sind diagonalisierbar: Drehmatrizen um den Winkel α haben zb für α nπ keine Eigenvektoren, also auch keine Eigenwerte und lassen sich damit nicht in Diagonalgestalt überführen Allerdings sind alle Matrizen über C trigonalisierbar: Satz f Hom K V, V ist trigonalisierbar P f zerfällt in Linearfaktoren
7 : Sei MV Vf = α1 α n Dann gilt für das charakteristische Polynom: n n = α i t = 1 n t α i, P f = n dh P f zerfällt in Linearfaktoren : Wir führen eine Induktion über n α1 t α n t i=1 Der Fall n = 1 ist trivial Sei P f = n i=1 α i t mit α i K und α 1 Eigenwert von f zum Eigenvektor v 1 Wir ergänzen zu einer Basis V = v 1,, v n von V Wegen fv 1 = α 1 v 1 + v v n ist A = M V V f = α 1 A 1 und P A = n A ti n = α 1 t n 1 A 1 ti n 1 = α 1 tp A1 = α 1 t i=1 n α i t, also P A1 = n i=2 α i t Nach Induktionsvoraussetzung gibt es ein C GLn 1, K, so dass CAC 1 Dreiecksgestalt hat Also: A = = 1 C α 1 CA 1 C 1 α 1 A 1 α 1 β 2 β n 1 C 1 i=2
Eigenwerte 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
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 25 J ai décidé d être heureux parce que c est bon pour la santé Voltaire Trigonalisierbare Abbildungen
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,
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
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
MehrLineare Algebra II. Sommersemester Wolfgang Ebeling
Lineare Algebra II Sommersemester 2009 Wolfgang Ebeling 1 c Wolfgang Ebeling Institut für Algebraische Geometrie Leibniz Universität Hannover Postfach 6009 30060 Hannover E-mail: ebeling@mathuni-hannoverde
MehrMusterlösungen zur Linearen Algebra II Übungsklausur
Musterlösungen zur Linearen Algebra II Übungsklausur Aufgabe. Sei A R 3 3. Welche der folgenden Aussagen sind richtig? a Ist det(a =, dann ist A eine orthogonale Matrix. b Ist A eine orthogonale Matrix,
MehrLineare Algebra II, Lösungshinweise Blatt 9
Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9
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
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrLineare Algebra II 6. Übungsblatt
Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der
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
MehrLineare Algebra II. Prof. Dr. Uwe Jannsen Sommersemester Transformation auf Dreiecksgestalt
Lineare Algebra II Prof. Dr. Uwe Jannsen Sommersemester 2006 1 Transformation auf Dreiecksgestalt Sei K ein Körper. Definition 1.1 Zwei Matrizen A und A M n (K) heißen ähnlich (oder konjugiert), wenn es
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
Mehr46 Eigenwerte und Eigenvektoren symmetrischer Matrizen
46 Eigenwerte und Eigenvektoren symmetrischer Matrizen 46.1 Motivation Symmetrische Matrizen (a ij = a ji für alle i, j) kommen in der Praxis besonders häufig vor. Gibt es für sie spezielle Aussagen über
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar. http://www.math.uni-bielefeld.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung:
MehrBeispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger
Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit
MehrÜbungsaufgaben zur Linearen Algebra II. 1.) Lösen Sie das folgende lineare Gleichungssystem mit der Cramerschen Regel.
Blatt 1 21.4.97 1.) Lösen Sie das folgende lineare Gleichungssystem mit der Cramerschen Regel. 3x 1 x 2 + 5x 3 = 1 x 1 + 2x 2 + x 3 = 1 2x 1 + 4x 2 + 3x 3 = 1 2.) Zeigen Sie: det 1 1 0 0.......... 0 1
MehrAnleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe / Dr Hanna Peywand Kiani 722 Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Lineare Differentialgleichungssysteme,
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
MehrLineare Algebra II. Prof. Dr. Karl-H. Neeb. Sommersemester 2003 Version 23. Februar 2004 (10:33)
Lineare Algebra II Prof. Dr. Karl-H. Neeb Sommersemester 3 Version 3. Februar 4 (:33) Inhaltsverzeichnis 7 Eigenvektoren und Eigenwerte 63 7. Eigenvektoren und Eigenwerte..............................
MehrMC-Serie 11: Eigenwerte
D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung
MehrAufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).
Aufgabe Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(3A E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A 3E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Bild(A
MehrKapitel 18. Aufgaben. Verständnisfragen
Kapitel 8 Aufgaben Verständnisfragen Aufgabe 8 Gegeben ist ein Eigenvektor v zum Eigenwert λ einer Matrix A (a) Ist v auch Eigenvektor von A? Zu welchem Eigenwert? (b) Wenn A zudem invertierbar ist, ist
MehrMATHEMATIK II FÜR STUDIERENDE DER PHYSIK
- 87 - MATHEMATIK II FÜR STUDIERENDE DER PHYSIK 21 Vektorräume mit Skalarprodukt Wir halten uns hier im Wesentlichen an das Buch G.Fischer : Lineare Algebra, 14. Auflage, Kap. 5. 21.1 Definition und Beispiele
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrPrüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?
1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2
MehrKlausur Linearen Algebra 1 Musterlösung: Aufgabe A
Klausur Linearen Algebra 1 Musterlösung: Aufgabe A Wir betrachten den Unterraum V = K[X] 4 aller Polynome vom Grad 4 und die lineare Abbildung f : V K 2 ; P (P (1), P (0)). Es bezeichne v 1,..., v 5 die
MehrHöhere Mathematik II. 7 Lineare Algebra II. für naturwissenschaftliche Studiengänge. 7.1 Wiederholung einiger Begriffe
Dr. Mario Helm Institut für Numerische Mathematik und Optimierung Fakultät für Mathematik und Informatik Höhere Mathematik II für naturwissenschaftliche Studiengänge Sommersemester 2013 7 Lineare Algebra
MehrLineare Abbildungen und Darstellungsmatrizen
KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt
MehrTeil 2 LINEARE ALGEBRA II
Teil 2 LINEARE ALGEBRA II 27 Kapitel VII Euklidische und unitäre Vektorräume Wir beschäftigen uns jetzt mit Vektorräumen, die noch eine zusätzliche Struktur tragen Der Winkel zwischen Vektoren im IR 2
MehrKLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008
KLAUSUR ZUR LINEAREN ALGEBRA I. Februar 008 MUSTERLÖSUNG Diese Klausur wurde je nach Sitzreihe in zwei verschiedenen Versionen geschrieben. Die andere Version unterscheidet sich von der vorliegenden jedoch
Mehr1 Rechnen mit 2 2 Matrizen
1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12
MehrKLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG
KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter
MehrDiagonalisieren. Nikolai Nowaczyk Lars Wallenborn
Diagonalisieren Nikolai Nowaczyk http://mathniknode/ Lars Wallenborn http://wwwwallenbornnet/ 16-18 März 01 Inhaltsverzeichnis 1 Matrizen 1 11 Einschub: Invertierbarkeit
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
MehrÜbungen zur Linearen Algebra I
Blatt 1 Aufgabe 1. Zeigen Sie, daß für alle Vektoren x, y R n {0} und alle Skalare λ R {0} die folgenden Aussagen über Winkel gelten: (i) (x, y) = (y, x). (ii) (x, x) = 0 und ( x, x) = π. (iii) (λx, y)
MehrSesqui- und Bilinearformen
Kapitel 8 Sesqui- und Bilinearformen 8.1 Sesquilinearformen Definition 8.1.1 Sei V ein reeller oder komplexer K-Vektorraum (also K = R oder C). Eine Abbildung f : V V K heißt eine Sesquilinearform wenn
MehrDrehung um einen Punkt um Winkel α.
Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
Mehr6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum
Kapitel II Lineare Algebra und analytische Geometrie 6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum geometrischen
MehrKapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
Mehr11 Normalformen von Matrizen
11 Normalformen von Matrizen Wir wenden uns in diesem Kapitel noch einmal der Untersuchung linearer Abbildungen auf endlichdimensionalen Vektorräumen und deren Darstellung mittels Matrizen zu Speziell
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume 7.1 Skalarprodukte Definition 7.1.1 Es seien V und W Vektorräume über einem Körper K.Eine Abbildung s : V W K heißt Bilinearform, wenn gilt BF1 s(v 1 + v 2,w)
MehrSkript Lineare Algebra II Mitschrift der Vorlesung Lineare Algebra II von Prof. Dr. Arthur Bartels
aktuellste Version hier Skript Lineare Algebra II Mitschrift der Vorlesung Lineare Algebra II von Prof. Dr. Arthur Bartels Jannes Bantje 19. Juli 2013 Erstellt mit L A TEX Inhaltsverzeichnis 1. Isometrien
MehrLineare Abbildungen. i=0 c ix i n. K n K m
Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht
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 +
MehrLineare Algebra. Axiome der Linearen Algebra
Lineare Algebra Simon Fuhrmann Christian M. Meyer Axiome der Linearen Algebra Im Folgenden sei V ein beliebiger K-Vektorraum und P eine Punktmenge. V und P bilden einen affinen Raum. Seien außerdem U 1
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
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
MehrUnterräume; Basis und Dimension; Skalarprodukt, Norm und Vektorprodukt im R 3
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 2006/07 en Blatt 9 18.12.2006 Unterräume; Basis und Dimension; Skalarprodukt,
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
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
MehrLineare Algebra II und Geometrie
Lineare Algebra II und Geometrie LVA 405.120 C. Fuchs Rumpfskriptum zur Vorlesung 26.06.2014 Inhaltsübersicht Ziel des zweiten Teils der Linearen Algebra ist es, Vektorräume zu untersuchen, welche als
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
MehrVariante A. Hinweise
Lehrstuhl C für Mathematik (Analsis Prof. Dr. Y. Guo Aachen, den 6..3 Klausur zur Höheren Mathematik I WS /3 Variante A Hinweise Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind handschriftliche
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/
Mehr9 Vektorräume mit Skalarprodukt
9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden
Mehr1 Alternierende Formen
79 Kapitel 7 Multilineare Algebra 1 Alternierende Formen Inhalt: Alternierende Bilinearformen, äußeres (oder Dach-)produkt, Differentialformen, Zusammenhang zwischen äußerem Produkt und Vektorprodukt,
MehrLineare Algebra II. Prof. Dr. Dirk Ferus. Wintersemester 2001/2
Lineare Algebra II Prof. Dr. Dirk Ferus Wintersemester 2001/2 22. Oktober 2004 Inhaltsverzeichnis 0 Vorbemerkungen 6 1 Eigenwerte und -vektoren 9 2 Struktursätze in unitären und Euklidischen Räumen 15
Mehr2.2 Kern und Bild; Basiswechsel
22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
MehrMusterlösung Klausur zur Linearen Algebra II
Musterlösung Klausur zur Linearen Algebra II Samstag 8. Juli 6 -Uhr. a) Sei f : V W k-linear. Denieren Sie V und f : W V. b) Die Gruppe G operiere auf der Menge M. Denieren Sie die Bahn und die Isotropiegruppe
MehrGegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.
1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild
MehrLösungen Serie 6 (Vektorräume, Skalarprodukt)
Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9
MehrLineare Algebra II 5. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
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
Mehr11. BASIS, UNTERRAUM, und DIMENSION
11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen
Mehry = A(x) y + b(x). (1) y = A(x) y (2)
73 5.2 Lineare Systeme Sei weiterhin IK = C oder IK = IR. Seien = I IR ein offenes Intervall, x 0 I, y 0 IK n, A: I IK n n und b: I IK n stetige matrix- bzw vektorwertige Funktionen. Wir betrachten komplexe
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
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
MehrInhaltsverzeichnis INHALTSVERZEICHNIS 1
INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4
Mehr4 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,
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
Mehr1. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2010/11. j!(k j)!(n k)!(n j)! = n! j!(n j)! (k j)!(n j (k j))! = n! (n k)!
Dr. B. Ackermann, M. Borgart, Dr. I Rybak, M. Kutter, J. Veenman. Gruppenübung zur Vorlesung Höhere Mathematik Wintersemester / Prof. Dr. M. Stroppel Prof. Dr. A. Sändig Lösungshinweise zu den Hausaufgaben:
MehrLineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.
Lineare Abbildungen Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls (1) u, v V : f( u + v) = f( u) + f( v). (2) v V α K : f(α v) = αf( v).
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 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2008/09 7 Einführung Definition lineare Abbildung
Mehrx,y A = t xay v i,v j A = e i,e j t PAP
75 Lineare Algebra II SS 2005 Teil 6 Bilinearformen 6A Kongruenz quadratischer Matrizen Sei K ein Körper, sei A M(n n, K) eine quadratische Matrix Wie wir zu Beginn von Teil 3 gesehen haben, liefert A
MehrKapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung
Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter
MehrSatz 25 A sei eine (n n)-matrix über K
Satz 25 Satz 25 A sei eine (n n)-matrix über K Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen Eigenwerten λ 1,...,λ m. Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen
MehrProtokoll zur Vorlesung Lineare Algebra I
Protokoll zur Vorlesung Lineare Algebra I Prof W Bley 21 Februar 2006 Protokoll über die 1-2Vorlesung 1 Lineare Gleichungssysteme 11 Zwei Gleichungen mit zwei Unbekannten Sei ax + by = e, cx + dy = f ein
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
Mehr4 Lineare Algebra. 1 Vektorräume und Untervektorräume
69 4 Lineare Algebra 1 Vektorräume und Untervektorräume Wir erinnern uns an die Gruppe (R 2, + mit komponentenweiser Addition und die Schreibweise der k fachen Summe (a, b + + (a, b durch k (a, b (ka,
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 12.12.2016 9. Vorlesung Eigenschaften linearer Abbildungen Beschreibung linearer Abbildungen durch Matrizen... Eigenschaften
Mehr4 Elementare Vektorraumtheorie
4. ELEMENTARE VEKTORRAUMTHEORIE 51 4 Elementare Vektorraumtheorie Im folgenden sei K stets ein Körper. Definition. (i) Eine homogene Gleichung in den Unbekannten ξ 1,..., ξ n ist ein Ausdruck der Gestalt
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Hier
MehrLineare Algebra 2 Lösungshinweise zum 1. Übungsblatt
INSTITUT FÜR MATHEMATIK Dr. Merziger Lineare Algebra Lösungshinweise zum. Übungsblatt 30. Januar 003 Aufgabe Beweis durch vollständige Induktion: Für n = ist p (X) = X + a 0 und A = ( a 0 ) M (K), also
Mehr