Zusammenfassung. 2.7 Eigenwerte und Eigenvektoren 53. in 2.1: Lösung eines linearen Gleichungssystems

Ähnliche Dokumente
3.3 Eigenwerte und Eigenräume, Diagonalisierung

4 Lineare Algebra (Teil 2): Quadratische Matrizen

MC-Serie 11: Eigenwerte

Serie 10: Inverse Matrix und Determinante

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Eigenwerte und Eigenvektoren

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

Vektorräume und Rang einer Matrix

Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen)

Lineare Gleichungssysteme

Lineare Algebra I: Eine Landkarte

Kap 5: Rang, Koordinatentransformationen

Lineare Abhängigkeit

Iterative Verfahren, Splittingmethoden

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

Lineare Abbildungen und Darstellungsmatrizen

9.2 Invertierbare Matrizen

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1

Kapitel 12. Lineare Abbildungen und Matrizen

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum

Lineare Algebra. Axiome der Linearen Algebra

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Tutorium Mathematik II, M Lösungen

Aufgabe 1: Gleichungssystem mit Parameter ( / 12) Für welche Werte des reellen Parameters α besitzt das lineare Gleichungssystem

5 Eigenwerte und die Jordansche Normalform

2.2 Kern und Bild; Basiswechsel

KLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008

Kapitel III. Lineare Abbildungen

00. Einiges zum Vektorraum R n

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

11. Folgen und Reihen.

1.9 Eigenwerte und Eigenvektoren

4. Vektorräume und Gleichungssysteme

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba.

Elemente von S n = Aut([1, n]) heißen Permutationen. Spezielle Permutationen sind Transpositionen und Zyklen. (Vergl. Skript S

2 Die Darstellung linearer Abbildungen durch Matrizen

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Lineare Algebra 1. Vorlesung von Prof. Dr. Friedmar Schulz. Sommersemester 2010 Wintersemester 2004/05 Zweite, überarbeitete Version

Lösungsvorschlag zu den Hausaufgaben der 8. Übung

ε δ Definition der Stetigkeit.

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

Konvergenz von Folgen

Matrizen, Determinanten, lineare Gleichungssysteme

Wenn man eine Folge gegeben hat, so kann man auch versuchen, eine Summe. a 0 + a 1 + a 2 +

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester gehalten von Harald Baum

6. Übungsblatt zur Mathematik I für Maschinenbau

Inhaltsverzeichnis. 1 Lineare Algebra 12

Kapitel 17. Determinanten

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1

4 Elementare Vektorraumtheorie

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

4.4. Rang und Inversion einer Matrix

1 Mengen und Abbildungen

V DETERMINANTEN In diesem Kapitel entwickeln wir die Theorie der Determinanten Die folgenden Beispiele sollen die Einfuhrung dieses Begries motivieren

4 Reihen. s n = a 1 + a a n = Die Folge (s n ) n N der Partialsummen heißt eine (unendliche) Reihe und wird auch als a k. k=1. )n N geschrieben.

7 Die Determinante einer Matrix

3 Matrizen und Determinanten

Eigenwerte und Eigenvektoren von Matrizen

Lineare Algebra. Teil III. Inhaltsangabe

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v

8 Lineare Abbildungen

Mathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7

Lösungen zum 3. Aufgabenblatt

Musterlösung zur Klausur Lineare Algebra II für Lehramt

Übungen zur Vorlesung MATHEMATIK II

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.

3.3 Klassifikation quadratischer Formen auf R n

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Ein Beispiel für eine lineare Abbildung

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt

Analysis II. Vorlesung 48. Die Hesse-Form

Jürgen Hausen Lineare Algebra I

Mathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11

Abdeckung der inhaltlichen Schwerpunkte im Fach Mathematik für die Abiturprüfung 2009 in Nordrhein- Westfalen

MATHEMATIK II FÜR STUDIERENDE DER PHYSIK

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung

Hauptkomponentenanalyse. Principal Component Analysis (PCA)

Mathematik für Anwender I. Beispielklausur I mit Lösungen

WS 2010/ Januar Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch

Stetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543

Stetigkeit von Funktionen

Thema 4 Limiten und Stetigkeit von Funktionen

Quadratische Matrizen Inverse und Determinante

Mathematische Formeln für Wirtschaftswissenschaftler

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

1 Eingebettete Untermannigfaltigkeiten des R d

Im Jahr t = 0 hat eine Stadt Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Aufgabensammlung zur Vorlesung. Höhere Mathematik für Wirtschaftswissenschaftler Algebra

Lineare Algebra und Geometrie für Ingenieure

Transkript:

7 Eigenwerte und Eigenvektoren 53 Zusammenfassung in : Lösung eines linearen Gleichungssystems Formalisierung: a x + a x + + a n x n b a x + a x + + a n x n b a m x + a m x + + a mn x n b m A x b Lösungsmethode: Gauß-Verfahren wesentliche (theoretische) Aussage: Satz 6 in : Konzepte des linearen Unterraumes, linearer Unabhängigkeit, Basis, Dimension Dimensionsformel: dim L(A ) n rg(a) (Satz 6) allgemeine Lösung linearer Gleichungssysteme: Satz 7 allg Lösung allg Lösung homogenes System + spezielle Lösung inhomogenes System in 3, 4: Rechnen mit Matrizen, und Determinanten insbesondere inverse Matrix: Sätze 34, 43(vi) Berechnung der inversen Matrix zentrale Aussage zur Lösbarkeit linearer Gleichungssysteme: Satz 45 in 5: lineare Abbildungen und Matrizen Abbildungen f : R n R m, A m n-matrix, f : x x x n f( x) f ( x) f m ( x) A x Matrizen a a n a m a mn x x n f linear f(λ x+µ y) λf( x)+µf( y) A(λ x + µ y) λa x + µa y A linear f A ( x) A x linear A m n-matrix n a k x k k n a mk x k Es gilt auch die Umkehrung (Satz 53), dh für jede lineare Abbildung g existiert (genau) eine Matrix A g mit g( x) A g x ( g( e ) g( e n ) ) x, g linear A g m n-matrix, g( x) A g x k Verkettung g f Satz 55 zugehörige Matrix A g f A g A f

54 Lineare Algebra 3 3 x x + 3x Beispiele : (i) sei A A x 4 4 x x + 4x { f (x f A ( x), x ) x + 3x f (x, x ) x + 3x f (x, x ) x + 4x f (x, x ) x + 4x g (x (ii) sei g( x), x, x 3 ) 7x + 3x x 3, g linear: g (x, x, x 3 ) x + x g (λx g(λ x + µ y) + µy, λx + µy, λx 3 + µy 3 ) g (λx + µy, λx + µy, λx 3 + µy 3 ) 7(λx + µy ) + 3(λx + µy ) λx 3 µy 3 λg( x) + µg( y) λx µy + λx + µy g( e ) g 7, g( e ) g ( 3, g( e ) 3 ) g A g ( g( e ) g( e ) g( e 3 ) ) 7 3 7x + 3x g( x) x 3 7 3 x x x + x A g x (iii) ϕ : R n R n, ϕ( x) a x, a > x 3 Stauchung/Streckung ϕ(λ x + µ y) a(λ x + µ y) λ(a x) + µ(a y) λϕ( x) + µϕ( y) ϕ linear, a A ϕ ( g( e ) g( e n ) ) a a I a A id a (iv) ψ : R n R n, ψ( x) x + b, b R n fest Translation/Verschiebung um b ψ linear?, dh ψ(λ x + µ y)? λψ( x) + µψ( y) für alle λ, µ R? ψ(λ x + µ y) λ x + µ y + b? λ( x + b) + µ( y + b) λψ( x) + µψ( y) b? (λ + µ) b für alle λ, µ R nur richtig für b, dh (nicht-triviale) Translationen sind nicht linear! in 6: spezielle lineare Abbildungen mit invertierbaren zugehörigen Matrizen Koordinatentransformation spezielle Koordinatensysteme/Basen: Orthogonalbasen, -matrizen, Orthonormalbasen wichtig: Satz 65 & Folgerung 66 Koordinaten-Umrechnungen zu neuer Basis (Transformation): Substitutions- und Transformationsformel, (Transformations-)Satz 69 Beispiele: Drehung um θ > in R, R 3, Spiegelung im R in 7: Eigenwerte und -vektoren, Eigenräume A x λ x Nullstellen von det(a λi) ermitteln invariante Räume unter Abbildung/Matrix A, Fixpunkte, -räume : A x x (λ )

55 3 Folgen und Reihen 3 Zahlenfolgen Definition 3 Eine reelle Zahlenfolge (a j ) j ist eine Abbildung natürlicher Zahlen in die reellen Zahlen Eine komplexe Zahlenfolge (z j ) j ist eine Abbildung natürlicher Zahlen in die komplexen Zahlen Beispiele : (i) a n a + nd, n N, a, d C a n+ a n d, n N arithmetische Folge (ii) a n a q n, n N, a C, q a n+ qa n a geometrische Folge a n+ a n q, n N (iii) a n ( ) n b n, b n (oder b n ), n N alternierende Folge Definition 3 Eine reelle oder komplexe Folge (a n ) n heißt beschränkt, falls es eine Konstante K > gibt, so dass a n K für alle n N gilt Bemerkung : Für Folgen in R auch sinnvoll: (a n ) n beschränkt nach unten K R n N : a n K (a n ) n beschränkt nach oben K R n N : a n K (a n ) n beschränkt (a n ) n beschränkt nach unten und oben K, K R n N : K a n K Grenzwertbegriff : Motivation a n a, a, a 3, lim n a n n, 5, 333, 5, «n 9 n 9, 6, 87, 644,, a 3487,, a 66 3, n n, 44, 44, 44,, a5 8, nx k nx k k k(k + ) nx ( ) k k k, 5, 833,, a 99,, a 587,, a 7485, a 9788, div 5, 667, 75, 8,, a 99,, 5, 833, 583,, a 646,, a 669, ln i n i,, i,, i, div i n n i, 5, 333i, 5, i,

56 3 Folgen und Reihen Definition 33 Eine reelle oder komplexe Folge (a n ) n heißt konvergent, wenn es eine reelle oder komplexe Zahl a mit folgender Eigenschaft gibt: Für jedes > existiert eine natürliche Zahl n (), so dass für all n n () gilt: a a n < Dann heißt a Grenzwert bzw Limes von (a n ) n, geschrieben als lim a n a n alternative Schreibweise: a n n a oder a n a für n Bemerkung : In jeder -Umgebung U (a) (a, a + ) R bzw U (a) {z C : z a < } um den Grenzwert liegen fast alle dh alle bis auf endlich viele Glieder der Folge in C: a a j [Re (a a j )] + [Im (a a j )] Beispiele : (a) a j a für j j (konstante Folge) > j () : j j j () : a j a a a < (b) a j j (Idee: a j ) Sei >, setzen: j () [ ] + j () > a j a j j j () <, j j () (c) a j + ( )j (Idee: a j ) j Sei >, suchen j () so, dass für j j () gilt: a j + ( )j j j < [ ] Setzen wie in (b) j () +, > Bemerkung : Es kommt nicht darauf an, bestes (dh kleinstes) j () anzugeben! Sei zb a j + j + j (Idee: a j ) [ ] Für > setzen wir wie in (b) und (c) j () +, so dass für j j () gilt: a j + j + j + j + j < j j () < j () > j j () < j () > Satz 34 (i) Ist eine Folge konvergent, so ist ihr Grenzwert eindeutig bestimmt (ii) Jede konvergente Folge ist beschränkt

3 Zahlenfolgen 57 B e w e i s : zu (i): indirekt Annahme: z, z R/C, setzen : z z 3 > lim z j z, lim z j z mit z z, dh z z > lim z j z j () j j () : z j z < lim z j z j () j j () : z j z < j () : max {j (), j ()} j j () : z j z + z j z < 3 z z Andererseits ist für alle j N : z z z z j + z j z, dh z z j () j j () : z z z z j + z j z < }{{} 3 z z Annahme falsch! > zu (ii): Sei lim z j z, setzen j j () j j : z j z z z Sei D : max { z, z,, z j, z + } { max { z, z,, z j }, j,, j } z j D z j z j z + z z +, j j D z 5 Lemma 35 (z n ) n C konvergent (Re z n ) n R und (Im z n) n R konvergent B e w e i s : Vorbemerkung: ( a + b ) ( a b ) a j Re (z j z), b j Im (z j z) a + b ab a + b, a, b R ( ) Re z j Re z + Im z j Im z z j z Re z j Re z + Im z j Im z z z j < für j j () Re z j Re z < Im z j Im z <, j j () { (Re zj ) konvergent, Re z j Re z (Im z j ) konvergent, Im z j Im z (Re z j) j konv a > j () j j () : Re z j a < (Im z j ) j konv b > j () j j () : Im z j b < Setzen z : a + ib, j () : max{j (), j ()} z z j Re z j a + Im z j b <, j j () Bemerkung : Es reicht (eigentlich) aus, reelle Folgen zu betrachten