7. Abgabeblatt Lösungen. Aufgabe 25 Aufgabe 26 Aufgabe 27 Aufgabe 28 Summe:
|
|
- Linda Braun
- vor 5 Jahren
- Abrufe
Transkript
1 Lineare lgebra Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester /9 7. bgabeblatt Lösungen ufgabe 5 ufgabe 6 ufgabe 7 ufgabe Summe: Übungsgruppe: Namen: Tutor(in): ufgabe 5 (Dimension von Matrizenräumen, Punkte). Es sei K ein Körper mit : + 6 undv M(n n, K) dervektorraumdern n Matrizen über K. Wir definieren die Mengen U : { (a ij ) V t } und W : { (a ij ) V t } der symmetrischen und schiefsymmetrischen n n Matrizen. (a) Zeigen Sie, dass U ein Untervektorraum von V ist. Bemerkung: uch W ist ein Untervektorraum von V ; der Beweis ist analog dem von U. (b) Zeigen Sie, dass V U + W und U \ W {}. Hinweis: Gegeben eine Matrix M V, welche Eigenschaft hat S : (M + M t )? (c) Bestimmen Sie eine Basis von U und geben Sie dim K (U) an. (d) Berechnen Sie dim K (W ) mittels ufgabe P3(c). Lösung: Es bezeichne die Nullmatrix. (a) N Zeige: U ist UVR. Seien, B U, K. U 6 ;, denn: t ) U. ( + B) t t + B t,bu + B ) + B U ( ) t t U ) + B U N Zeige (nicht verlangt): W ist UVR. Seien, B W, K. W 6 ;, denn: t ) W. ( + B) t t + B t,bw +( B) ( + B) ) + B W ( ) t t W ( ) ) W
2 (b) V U + W,denn( istklar,zeige ): Sei M M(n n, K) beliebig. Wähle S (M + M t )und (M M t ). Dann gilt: S + M + M t + M M t M. S t ( (M + M t )) t (M + M t ) t (M t +(M t ) t ) (M t + M) S, d.h. S U. t ( (M M t )) t (M M t ) t (M t (M t ) t ) (M t M) (M M t ), d.h. W. U \ W {}, denn( istklar,zeige ): Sei U \ W. U\W ) t t ) t 6 ) t (...) t ) ( t ) t t. (c) Bestimme eine Basis für U: nsatz zum Finden einer Basis. (Muss nicht Bestandteil der Lösung sein.) Sei (a ij ) U U ) a ij a ji für alle i, j {,...,n},i 6 j. n die Diagonalelemente a ii, i {,...,n} werden keine Bedingungen gestellt; diese sind daher beliebig. ) Zur Beschreibung einer Matrix U reicht die ngabe von a ij, i apple j, und es muss stets a ji a ij gelten. Behauptung: ((E ij + E ji ), apple i apple j apple n) isteinebasisvonu. Erzeugendensystem: Sei (a ij ) U. Ziel: Finde ij K, apple i apple j apple n, sodass P appleiapplejapplen ij(e ij + E ji ). Wähle ( a ij, apple i<japple n, ij : Dann ist für k, l {,...,n}, k<l: ij(e ij + E ji ) appleiapplejapplen kl a ii, apple i apple n. appleiapplejapplen kl a kl, ij >< (E ij ) {z kl }, i k und j l, sonst +(E ji ) kl (analog k>l), und ij(e ij + E ji ) appleiapplejapplen kk appleiapplejapplen ij >< kk ( + ) a kk, (E ij ) {z kl }, i k j, sonst + (E ji ) {z kl } ><, i k j, sonst d.h. wir haben gesehen: P appleiapplejapplen ij(e ij + E ji ). Lineare Unabhängigkeit: Seien ij K, apple i apple j apple n. Esgelte ij(e ij + E ji ). appleiapplejapplen
3 Sei apple k apple l apple n beliebig. Es folgt ij (E ij ) kl + (E ji ) {z kl } appleiapplejapplen ><, i k und j l ><, j k und i l, sonst, sonst kl d.h. kl für alle apple k apple l apple n. Bestimme Dimension von U: nzahl der Elemente von Basis (E ij + E ji ) appleiapplejapplen ist appleiapplejapplen n j j i j n j j n(n +). ) dim K (U) n(n+) (d) In Teilaufgabe (b) haben wir die Voraussetzungen von P3(c) überprüft. Daher kann die ussage verwendet werden. Dann gilt dim K (W )dim(v ) dim K (U) n n(n +) n(n ). ufgabe 6 (Basisbestimmung mittels Zeilenstufenform, 4 + Punkte). Sei K ein Körper. Wie in ufgabe wollen wir die folgenden Vektoren als Elemente des K 6 au assen, indem die ganzen Zahlen angeben, wie häufig aufsummiert wird: v 3 4 5, v 3 4 5, v , v Wir definieren U : Lin({v,...,v 4 }). Bestimmen Sie jeweils eine Basis von U und die Dimension dim K (U) für (a) K Q, (b) K F 5, indem Sie die Vektoren in eine Matrix schreiben und mittels des Gauß-lgorithmus bzw. elementarer Zeilenumformungen in eine Zeilenstufenform bringen. Lösung: Wir nutzen den Gauß-lgorithmus: Schreibe Vektoren v,v,v 3,v 4 zeilenweise in eine Matrix, : B
4 (a) Fall K Q: Wir wenden elementare Zeilenumformungen wie folgt an: B $ B ( ) Z+Z4Z4 B ( ) Z+Z3Z3,( ) Z+Z4Z4 B b Z3$Z4 B : B : Bb b 3 b 4 Matrix B ist in Zeilenstufenform (ZSF). O ensichtlich sind alle 4 Zeilen b,b,b 3,b 4 nicht Null. Es folgt U Lin({v,...,v 4 }) Def. elem. Zeilenumf. ZR() ZR(B) Def. Lin({b,b,b 3,b 4 }), und (b,...,b 4 )istbasisvonu ) dim Q (U) 4. (b) Fall K F 5 : Wir wenden elementare Zeilenumformungen wie folgt an: 3 4 B $ B Z+Z4Z4 B b ( ) Z+Z3Z3 B : B : Bb b 3 b 4 Matrix B ist in Zeilenstufenform (ZSF). O ensichtlich sind nur die ersten drei Zeilen b,b,b 3 nicht Null. Es folgt U Lin({v,...,v 4 }) Def. elem. Zeilenumf. ZR() ZR(B) Def. Lin({b,b,b 3 }), 4
5 und (b,b,b 3 )istbasisvonu ) dim F5 (U) 3. ufgabe 7 (Zeilenrang und inverse Matrizen, 4 + Punkte). (a) Bestimmen Sie in bhängigkeit von Q den Zeilenrang der Matrix 5 4 B 3 3 M(4 4, Q) (b) Sei n N, n undx R\{, n}. SeienMatrizen (a ij ),B (b ij ) M(n n, R) definiert durch ( ( a ij : x, j i, b ij :, j 6 i, (x ) (x + n ) x +(n ), j i,, j 6 i. (i) Geben Sie die Matrizen, B für n 4 an (d.h. schreiben Sie diese als 4 4 Schema). (ii) Zeigen Sie, dass B. Hinweis: Rechnen Sie nur eine Multiplikation nach, zum Beispiel B E n. Lösung: (a) Wir bestimmen den Zeilenrang durch der gegeben Matrix (nenne Sie ) durch Überführung in Zeilenstufenform mittels elementarer Zeilenumformungen: 5 4 : B 3 3 Z$Z,Z$Z3,Z3$Z4 B ( )Z+ZZ,( 5)Z+Z3Z3,( )Z+Z4Z4 B ( )Z+Z3Z3,( 3/)Z+Z4Z4 B Z4 B Fall :Dannist B Z3$Z4 B : B 5
6 d.h. B besitzt eine Nullzeile bzw. drei Nicht-Nullzeilen. ) Zeilenrang() dim Q (ZR()) elemt. Zeilenumf. dim Q (ZR(B )) 3 Fall 5:Dannist B B ( 4 3 )Z3+Z4Z4 B : B, d.h. B besitzt eine Nullzeile bzw. drei Nicht-Nullzeilen. Falls /{, 5 } ) Zeilenrang() dim Q (ZR()) B ( 5+ )Z4+Z3Z3 elemt. Zeilenumf. dim Q (ZR(B )) 3 B : B, d.h. B ist in ZSF und besitzt keine Nullzeile bzw. vier Nicht-Nullzeilen. ) Zeilenrang() dim Q (ZR()) elemt. Zeilenumf. dim Q (ZR(B )) 4 (b) (i) Für n 4gilt: x x + B x x, B B x + (x ) (x +3) x + x x + (ii) Zu zeigen ist B E n und B E n. Wir zeigen nur B E n,dieanderemultiplikationgehtanalog. Seien i, k {,...,n}. Diagonalelemente: Erster Schritt jeweils: Teile die Summe in der Definition der Matrizenmultiplikation gemäß der Fallunterscheidung in der Definition von, B so auf, dass die Elemente von, B explizit hingeschrieben werden können. Es gilt ( B) ii n a ij b ji a ii b ii + j x j{,...,n}\{i} a ij b ji x +(n ) (x ) (x + n ) + (x ) (x + n ) j{,...,n}\{i} h x (x + n ) + ( ) (x ) (x + n ) i ( ) n j{,...,n}\{i} Summanden h i (x ) (x + n ) x (x + n ) (n ) x +(n )x (n ) x +(n )x (n ) (E n) ii. 6
7 Nicht-Diagonalelemente: Seien i 6 k. Danngilt n ( B) ik a ij b jk a ii b ik + a ik b ii + j x j{,...,n}\{i,k} a ij b jk ( ) (x )(x + n ) + (x + n ) (x )(x + n ) + j{,...,n}\{i,k} (n ) Summanden ( ) (x )(x + n ) h i x ( ) + (x + n ) + (n ) ( ) (x )(x + n ) (x )(x + n ) (E n) ik. Damit ist gezeigt: ( B) ik (E n ) ik für alle i, k {,...,n}, d.h. B E n. ufgabe (Zeilenrang und Invertierbarkeit, Punkte). Seien, B M(n n, K) Matrizenüber einem Körper K. ZeigenSie: (a) Zeilenrang(B) apple Zeilenrang(). (b) (i) Es gilt Zeilenrang() <n () 9v K n \{} mit v. nmerkung: v K n \{} soll hier als Zeilenvektor aufgefasst werden. (ii) Falls invertierbar ist, so gilt Zeilenrang() n. Lösung: (a) Sei r Zeilenrang(). Umformen auf Zeilenstufenform mittels Elementarmatrizen ) Es gibt S M(n n, K) (Produkt von Elementarmatrizen) und r {,...,n} mit c. c S r B. ist in Zeilenstufenform (d.h. Zeilen c,...,c r sind keine Nullzeilen). ) Zeilenrang() Zeilenrang(S ) r. Es gilt c B. B. S B B c r. Def. Matrixmult. b... b n, B. wobei die rechte Seite weiterhin n r Nullzeilen besitzt. elem. Zeilenumf. ) Zeilenrang( B) Zeilenrang(S B) apple r Zeilenrang(). 7
8 a (b) (i) Sei... M(n n, K). a n ) : Es gelte dim K ZR() Zeilenrang() <n ZR()Lin({a,...,a n}) ) (a,...,a n )isterzeugendensystemvonzr(), aber keine Basis (sonst hätte es Länge <n). ) (a,...,a n )istlinearabhängig ) Es gibt,..., n K, (,..., n) 6 (,...,) mit a n a n Wähle v : (,..., n) 6. ) v ( a n a n ). ( : Es gebe v (,..., n) K n \{} mit v. ) a n a n ) (a,...,a n )linearabhängig ) Zeilenrang() dim K ZR() dim K Lin({a,...,a n }) <n(wäre es n, wäre (a,...,a n )Basisunddamitlinearunabhängig). lternative Lösungsmöglichkeit (Unter Nutzung von Zeilenstufenform, Elementarmatrizen und deren Invertierbarkeit): Durch elementare Zeilenumformungen gibt es eine Matrix S M(n n, K) (ProduktvonElementarmatrizen),sodassS b... b r B Zeilenstufenform besitzt.... Elementarmatrizen sind invertierbar ) S ist invertierbar (als Produkt von invertierbaren Matrizen). ) : Wähle ṽ : (,...,, ) K n \{} und v : ṽ S (es gilt v 6,sonstwäre v S ṽ S S ṽ E n ṽ, Widerspruch). b... ) v ṽ S ṽ b r B... Zeilenrang()<n)r<n ( : (per indirektem Beweis): Sei r Zeilenrang() n. Sei v K n mit v. Wir zeigen: v. Zeilenrang() n ) Für die Zeilenstufenform gilt b. b S... B b nn mit b ii 6(i,...,n). Sei ṽ : v S ) ṽ (S ) v S S v.
9 Schreibe ṽ (ṽ,...,ṽ n ). Dann ist b t ṽ. b b ṽ (S ) (ṽ,...,ṽ n )... B B ṽ +ṽ b b ṽ ṽ n +ṽ n b nn nn us obiger Gleichheit folgt:. Zeile ) ṽ. Zeile ) ṽ... n. Zeile) ṽ n, d.h. ṽ ) v S ṽ. (ii) Sei invertierbar. Wir zeigen die Negation der rechten Seite von (i). Dann folgt mit (i): Zeilenrang() n. Sei v K n \{} beliebig mit v. invertierbar ) Es gibt B M(n n, K) mit B E n. ) v v E n v B B, Widerspruch lso gibt es kein v K n \{} mit v. bgabe: In Zweiergruppen, bis spätestens Donnerstag, den 6. Dezember, 9:5 Uhr. (Die Zettelkästen für das bgabeblatt sind im. OG, INF 5, vor dem Dekanat.) Homepage der Vorlesung: 9
8. Abgabeblatt Lösungen. Aufgabe 29 Aufgabe 30 Aufgabe 31 Aufgabe 32 Summe:
Lineare Algebra Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 8/9 8. Abgabeblatt Lösungen Aufgabe 9 Aufgabe Aufgabe Aufgabe Summe: Übungsgruppe: Namen: Tutor(in): Aufgabe 9 (Nachweise
Mehr6. Abgabeblatt - Lösungen. Aufgabe 21 Aufgabe 22 Aufgabe 23 Aufgabe 24 Summe:
Lineare Algebra Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 8/9 6. Abgabeblatt - Lösungen Aufgabe Aufgabe Aufgabe Aufgabe 4 Summe: Übungsgruppe: Namen: Tutor(in): Aufgabe (Dimensionen
Mehr1 C C 6. 3 A, v 4 =
Lineare Algebra Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 8/9. Präsenzblatt - Lösungen Aufgabe P (Dimensionen von Vektorräumen über verschiedenen Körpern). Für einen Körper K
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
Mehr9. Abgabeblatt Lösungen. Aufgabe 33 Aufgabe 34 Aufgabe 35 Aufgabe 36 Summe:
Lineare Algebra Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 8/9 9. Abgabeblatt Lösungen Aufgabe Aufgabe 4 Aufgabe 5 Aufgabe 6 Summe: Übungsgruppe: Namen: Tutor(in): Aufgabe (Nachrechnen
Mehr5 Die Allgemeine Lineare Gruppe
5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche
MehrAufgabe P33 (Nachrechnen von Eigenschaften linearer Abbildungen des K n ). Gegeben seien folgende Vektoren im R 4 :
Lineare Algebra Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 8/9 9. Präsenzblatt Lösungen Aufgabe P (Nachrechnen von Eigenschaften linearer Abbildungen des K n ). Gegeben seien folgende
Mehr5. Abgabeblatt - Lösungen. Aufgabe 17 Aufgabe 18 Aufgabe 19 Aufgabe 20 Summe:
Lineare Algebra Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 08/09 5. Abgabeblatt - Lösungen Aufgabe 7 Aufgabe 8 Aufgabe 9 Aufgabe 0 Summe: Übungsgruppe: Namen: Tutor(in): Aufgabe
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
Mehr3. Abgabeblatt - Lösungen. Aufgabe 9 Aufgabe 10 Aufgabe 11 Aufgabe 12 Summe: a b := a + b 1, a b := a + b a b.
Lineare Algebra 1 Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 2018/2019 3. Abgabeblatt - Lösungen Aufgabe 9 Aufgabe 10 Aufgabe 11 Aufgabe 12 Summe: Übungsgruppe: Namen: Tutor(in):
Mehr13. Abgabeblatt Lösungen. Aufgabe 49 Aufgabe 50 Aufgabe 51 Aufgabe 52 Summe:
Lineare Algebra Prof Dr R Dahlhaus Dr S Richter, N Phandoidaen Wintersemester 8/9 3 Abgabeblatt Lösungen Aufgabe 9 Aufgabe Aufgabe Aufgabe Summe: Übungsgruppe: Namen: Tutor(in): Aufgabe 9 (erechnung von
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein
Mehr)=(2 1 ( 2) 2) ( ) = 12 (Blockmatrix-Regel) Jede Zeile passend mit 1. Zeile addieren. Zeilentausch, 2. Zeile
Lineare Algebra Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 28/29 3. Präsenzblatt Lösungen Aufgabe P49 (erechnung von Determinanten). Sei n 2 N, n 2. Gegeben seien folgende Matrizen
MehrSpezielle Matrizen. Invertierbarkeit.
Spezielle Matrizen. Invertierbarkeit. Lineare Algebra I Kapitel 4 2. Mai 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
Mehr2. Abgabeblatt - Lösungen. Aufgabe 5 Aufgabe 6 Aufgabe 7 Aufgabe 8 Summe:
Lineare Algebra 1 Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 2018/2019 2. Abgabeblatt - Lösungen Aufgabe 5 Aufgabe 6 Aufgabe 7 Aufgabe 8 Summe: Übungsgruppe: Namen: Tutor(in):
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
MehrLösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Lösung Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Um zu zeigen, dass es sich bei den gegebenen Vektoren um Basen handelt,
MehrKap 5: Rang, Koordinatentransformationen
Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv
MehrÜbungen zur Linearen Algebra 1 Probeklausur Musterlösung: Aufgabe A
Musterlösung: Aufgabe A Wir betrachten die Matrix A = 1 4 1 1 3 1 4 5 2 M(3 3, Q) und die dazugehörige Abbildung f : Q 3 Q 3 ; v A v. Für j = 1, 2, 3 bezeichne v j Q 3 die j-te Spalte von A. Teilaufgabe
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
MehrMatrizen Matrizen
Matrizen 29 2 Matrizen Wir beschäftigen uns in diesem Kapitel mit Matrizen. Sie eignen sich insbesondere zur Darstellung von Gleichungssystemen und linearen Abbildungen. Wir führen eine Addition und eine
Mehr2.5 Gauß-Jordan-Verfahren
2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]
MehrMathematik für Anwender I
Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
MehrVektoren 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
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen
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
MehrLineare Algebra I. Probeklausur - Lösungshinweise
Institut für Mathematik Wintersemester 2012/13 Universität Würzburg 19. Dezember 2012 Prof. Dr. Jörn Steuding Dr. Anna von Heusinger Frederike Rüppel Lineare Algebra I Probeklausur - Lösungshinweise Aufgabe
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
MehrKapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen
MehrIV.3. RANG VON MATRIZEN 81
IV3 RANG VON MATRIZEN 8 Ist b,,b n eine Basis des reellen Vektorraums V, dann bildet b,,b n auch eine Basis des komplexen Vektorraums V C Mit V ist daher auch V C endlichdimensional und es gilt dim C V
MehrAufgaben zu Kapitel 16
Aufgaben zu Kapitel 16 1 Aufgaben zu Kapitel 16 Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2
MehrHeinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Zwölfte Woche, Rang(f) := dim Bild(f).
Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 204 Lineare Algebra Zwölfte Woche, 256204 8 Der Rang einer Linearen Abbildung Auch in diesem Abschnitt
MehrInvertierbarkeit von Matrizen
Invertierbarkeit von Matrizen Lineare Algebra I Kapitel 4 24. April 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
Mehr3 Lineare Gleichungssysteme
3 Lineare Gleichungssysteme 3 Fortsetzung des Matrizenkalküls Als erstes beweisen wir einen einfachen Satz über den Rang von Matrizenprodukten Satz 3 (a) Für Matrizen A : Ã l m, B : Ã m n gilt rang AB
MehrMathematik I. Vorlesung 14. Rang von Matrizen
Prof Dr H Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 14 Rang von Matrizen Definition 141 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von den Spalten
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
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 2010/11 2 Rechenoperationen und Gesetze Gleichheit
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
MehrRang und Inverses einer Matrix
Rang und Inverses einer Matrix wgnedin@math.uni-koeln.de 29. April 2014 In dieser Notiz werden Methoden und Beispiele zur Berechnung des Rangs einer Matrix sowie der Inversen einer invertierbaren Matrix
MehrLineare Algebra I - Prüfung Winter 2019
Lineare Algebra I - Prüfung Winter 209. (20 Punkte) Kreuzen Sie auf dem Abgabeblatt ihre Antwort an. Pro Teilaufgabe ist genau eine der vier Antwortmöglichkeiten richtig. Für jede richtig beantwortete
Mehr9. Übung zur Linearen Algebra I -
9. Übung zur Linearen lgebra I - Lösungen Kommentare an Hannes.Klarner@FU-erlin.de FU erlin. WS 2009-10. ufgabe 33 Sei ϕ : X X eine lineare bbildung, dim(x) = n und ϕ n = 0, ϕ n 1 0. (i) Zu Zeigen: x X,
MehrBeweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt.
82 Kapitel III: Vektorräume und Lineare Abbildungen Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt. Wir
MehrLineare Algebra für Physiker. und skalare Vielfachbildung komponentenweise erklärt?
Lineare lgebra für Physiker Lösungen der Klausur vom 8223 Welche der folgenden Mengen sind Vektorräume, wenn man die ddition und skalare Vielfachbildung komponentenweise erklärt? a) Die Menge aller unendlichen
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie
Einführung I Mathematik für Studierende der Biologie und des Lehramtes Chemie Dominik Schillo Universität des Saarlandes 007 (Stand: 007, 4:9 Uhr) Wie viel Kilogramm Salzsäure der Konzentration % muss
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
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrChr.Nelius : Lineare Algebra II (SS 2005) 1. Wir wollen hier eine Beschreibung des Gauß-Algorithmus mit Hilfe der sog. Elementarmatrizen vornehmen.
ChrNelius : Lineare Algebra II (SS 2005) 1 Einschub A) Elementarmatrizen Wir wollen hier eine Beschreibung des Gauß-Algorithmus mit Hilfe der sog Elementarmatrizen vornehmen (A1) DEF: Seien r, s IN mit
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank
MehrLösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung
D-MATH Lineare Algebra I/II HS 07/FS 08 Dr Meike Akveld Lösung 3: Sylvesters Trägheitssatz & Singulärwertzerlegung Wir wissen, dass eine Basis B von R n existiert, sodass p [β Q ] B I I q 0 n p q gilt
Mehr4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).
4 Matrizenrechnung Der Vektorraum der m n Matrizen über K Sei K ein Körper und m, n N\{0} A sei eine m n Matrix über K: a a 2 a n a 2 a 22 a 2n A = = (a ij) mit a ij K a m a m2 a mn Die a ij heißen die
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
MehrLineare Algebra 1 Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 2018/ Präsenzblatt - Lösungen
Lineare Algebra Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 208/209 5. Präsenzblatt - Lösungen Aufgabe P7 (Lineare Unabhängigkeit in verschiedenen Vektorräumen). Untersuchen Sie
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr. Meike Akveld Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung 1. In dieser Aufgabe beweisen wir die Existenz der LR-Zerlegung einer quadratischen
MehrD-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8
D-INFK Lineare Algebra HS 27 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 8. Kern von A: Die Spalten der Matrix A sind Vielfache voneinander, also sind sie linear abhängig und A hat Rang. Somit hat
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
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
MehrBonusmaterial Matrizen und Determinanten. Reihen und Spalten Elementarmatrizen
Bonusmaterial Matrizen und Determinanten Zahlen in Reihen und Spalten 6 6 Elementarmatrizen 3 3 3 Wir betrachten die Matrix A = 3 3 3 R 3 3 3 3 3 Die folgende Multiplikation reeller Matrizen 0 0 3 3 3
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/201 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.201, 11 Uhr Lösungen der
Mehr(p). (g). C A 7! a 0p 0 + a 1 p 1 + a 2 p 2 + a 3 p 3 a 3. Ba 1. a 2
Lineare Algebra Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 8/9. Präsenzblatt Lösungen Aufgabe P4 (Darstellungsmatrix für Abbildungen zwischen Polynomräumen). Für D N betrachten
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
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
MehrTutorium: Diskrete Mathematik. Matrizen
Tutorium: Diskrete Mathematik Matrizen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Definition I Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen, mit denen man in bestimmter
Mehra 1 a 1 A = a n . det = λ det a i
49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrVektorräume und Rang einer Matrix
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Gegeben seien die folgenden geordneten Basen B = (v, v, v, v ) und C = (w, w,
MehrMLAN1 1 MATRIZEN 1 0 = A T =
MLAN1 1 MATRIZEN 1 1 Matrizen Eine m n Matrix ein rechteckiges Zahlenschema a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a m1 a m2 a m3 amn mit m Zeilen und n Spalten bestehend aus m n Zahlen Die Matrixelemente
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
Mehr3.9 Elementarmatrizen
90 Kapitel III: Vektorräume und Lineare Abbildungen 3.9 Elementarmatrizen Definition 9.1 Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare
Mehrbzw. eine obere Dreiecksmatrix die Gestalt (U: upper)
bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) U = u 11 u 12 u 1n 1 u nn 0 u 22 u 2n 1 u 2n 0......... 0 0 u n 1n 1 u n 1n 0 0 0 u nn Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 7 Was die Menschen verbin, ist nicht der Glaube, sondern der Zweifel Peter Ustinow Universelle Eigenschaft der
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
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 2, 207 Erinnerung Definition. Ein Skalarprodukt ist eine Abbildung, : E n E n E, v, w v, w = n k= v
MehrIn allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.
Nachschlag:Transposition von Matrizen Sei Explizit: Def: "Transponierte v. A": (tausche Zeilen mit Spalten d.h., spiegle in der Diagonale) m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft:
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
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14052018 (Teil 1) 7 Mai 2018 Steven Köhler mathe@stevenkoehlerde mathestevenkoehlerde 2 c 2018 Steven Köhler 7 Mai 2018 Matrizen
Mehr2.3 Lineare Abbildungen und Matrizen
2.3. LINEARE ABBILDUNGEN UND MATRIZEN 89 Bemerkung Wir sehen, dass die Matrix à eindeutig ist, wenn x 1,...,x r eine Basis ist. Allgemeiner kann man zeigen, dass sich jede Matrix mittels elementarer Zeilenumformungen
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
MehrLineare Algebra I. Zwischenprüfung 24. Februar 2016 Prüfungsversion C
Lineare Algebra I D-MATH, Winter 26 Prof. Emmanuel Kowalski Lineare Algebra I Zwischenprüfung 2. Februar 26 Prüfungsversion Wichtig: Die Prüfung dauert 2 Minuten. Bitte legen Sie Ihre Legi (Studierendenausweis)
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
Mehr2.4 Lineare Abbildungen und Matrizen
24 Lineare Abbildungen und Matrizen Definition 24 Seien V, W zwei K-Vektorräume Eine Abbildung f : V W heißt lineare Abbildung (lineare Transformation, linearer Homomorphismus, Vektorraumhomomorphismus
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
MehrCopyright, Page 1 of 5 Die Determinante
wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist
MehrD-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld. Clicker Fragen
D-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld Clicker Fragen Frage 1 Die Aussage Dieser Satz ist falsch ist wahr falsch Dies ist die einfachste Form des Lügner-Paradoxes ist der folgende selbstbezügliche
Mehr