7. Abgabeblatt Lösungen. Aufgabe 25 Aufgabe 26 Aufgabe 27 Aufgabe 28 Summe:

Größe: px
Ab Seite anzeigen:

Download "7. Abgabeblatt Lösungen. Aufgabe 25 Aufgabe 26 Aufgabe 27 Aufgabe 28 Summe:"

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:

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

Mehr

6. Abgabeblatt - Lösungen. Aufgabe 21 Aufgabe 22 Aufgabe 23 Aufgabe 24 Summe:

6. 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

Mehr

1 C C 6. 3 A, v 4 =

1 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

Mehr

Matrizen - 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. 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

Mehr

9. Abgabeblatt Lösungen. Aufgabe 33 Aufgabe 34 Aufgabe 35 Aufgabe 36 Summe:

9. 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

Mehr

5 Die Allgemeine Lineare Gruppe

5 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

Mehr

Aufgabe P33 (Nachrechnen von Eigenschaften linearer Abbildungen des K n ). Gegeben seien folgende Vektoren im R 4 :

Aufgabe 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

Mehr

5. Abgabeblatt - Lösungen. Aufgabe 17 Aufgabe 18 Aufgabe 19 Aufgabe 20 Summe:

5. 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

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

LINEARE 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

Mehr

3. Abgabeblatt - Lösungen. Aufgabe 9 Aufgabe 10 Aufgabe 11 Aufgabe 12 Summe: a b := a + b 1, a b := a + b a b.

3. 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):

Mehr

13. Abgabeblatt Lösungen. Aufgabe 49 Aufgabe 50 Aufgabe 51 Aufgabe 52 Summe:

13. 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

Mehr

Lineare Algebra und analytische Geometrie I

Lineare 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

)=(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

Mehr

Spezielle Matrizen. Invertierbarkeit.

Spezielle 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

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 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

Mehr

2. Abgabeblatt - Lösungen. Aufgabe 5 Aufgabe 6 Aufgabe 7 Aufgabe 8 Summe:

2. 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):

Mehr

3 Systeme linearer Gleichungen

3 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 +

Mehr

Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Lösung 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,

Mehr

Kap 5: Rang, Koordinatentransformationen

Kap 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

Mehr

Übungen zur Linearen Algebra 1 Probeklausur Musterlösung: Aufgabe A

Übungen 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

Mehr

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Teil 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

Mehr

Matrizen Matrizen

Matrizen 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

Mehr

2.5 Gauß-Jordan-Verfahren

2.5 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]

Mehr

Mathematik für Anwender I

Mathematik 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

Mehr

Kapitel 16. Invertierbare Matrizen

Kapitel 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,

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

5.7 Lineare Abhängigkeit, Basis und Dimension

5.7 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

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12

Mathematik 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

Mehr

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

Lineare Algebra I. Probeklausur - Lösungshinweise

Lineare 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

Mehr

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

3 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

Mehr

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

3 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

Mehr

3. Übungsblatt zur Lineare Algebra I für Physiker

3. 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

Mehr

Kapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben

Kapitel 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

Mehr

IV.3. RANG VON MATRIZEN 81

IV.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

Mehr

Aufgaben zu Kapitel 16

Aufgaben 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

Mehr

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Zwölfte Woche, Rang(f) := dim Bild(f).

Heinrich 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

Mehr

Invertierbarkeit von Matrizen

Invertierbarkeit 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

Mehr

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik 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,...,

Mehr

3 Lineare Gleichungssysteme

3 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

Mehr

Mathematik I. Vorlesung 14. Rang von Matrizen

Mathematik 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

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, 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

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare 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

Mehr

3 Matrizen und Lineare Gleichungssysteme

3 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

Mehr

Rang und Inverses einer Matrix

Rang 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

Mehr

Lineare Algebra I - Prüfung Winter 2019

Lineare 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

Mehr

9. Übung zur Linearen Algebra I -

9. 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,

Mehr

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.

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. 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

Mehr

Lineare Algebra für Physiker. und skalare Vielfachbildung komponentenweise erklärt?

Lineare 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

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie

Mathematik 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

Mehr

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

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

36 2 Lineare Algebra

36 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

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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,...,

Mehr

Chr.Nelius : Lineare Algebra II (SS 2005) 1. Wir wollen hier eine Beschreibung des Gauß-Algorithmus mit Hilfe der sog. Elementarmatrizen vornehmen.

Chr.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

Mehr

Vorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)

Vorlesung 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

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

4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).

4 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

Mehr

3 Matrizenrechnung. 3. November

3 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

Mehr

Lineare Algebra 1 Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 2018/ Präsenzblatt - Lösungen

Lineare 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

Mehr

Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Serie 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

Mehr

D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8

D-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

Mehr

Lineare Algebra Weihnachtszettel

Lineare 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

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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

Mehr

Bonusmaterial Matrizen und Determinanten. Reihen und Spalten Elementarmatrizen

Bonusmaterial 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

Mehr

Übungen zur Linearen Algebra 1

Übungen 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

(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

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere 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

Mehr

2 Die Dimension eines Vektorraums

2 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

Mehr

Tutorium: Diskrete Mathematik. Matrizen

Tutorium: 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

Mehr

a 1 a 1 A = a n . det = λ det a i

a 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

Mehr

1 Transponieren, Diagonal- und Dreiecksmatrizen

1 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

Mehr

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)

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) 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)

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

5.4 Basis, Lineare Abhängigkeit

5.4 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)

Mehr

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik 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

Mehr

Vektorräume und Rang einer Matrix

Vektorräume 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

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte 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

Mehr

Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Serie 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,

Mehr

MLAN1 1 MATRIZEN 1 0 = A T =

MLAN1 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

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

3.9 Elementarmatrizen

3.9 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

Mehr

bzw. eine obere Dreiecksmatrix die Gestalt (U: upper)

bzw. 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

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

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen 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

Mehr

Lineare Algebra und analytische Geometrie I

Lineare 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

Mehr

Serie 8: Online-Test

Serie 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

Mehr

Lineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching

Lineare 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

Mehr

In allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.

In 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

( ) 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

Mehr

Tutorium: Analysis und Lineare Algebra

Tutorium: 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

Mehr

2.3 Lineare Abbildungen und Matrizen

2.3 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

Mehr

Universität 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. 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

Mehr

Lineare Algebra I. Zwischenprüfung 24. Februar 2016 Prüfungsversion C

Lineare 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)

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

2.4 Lineare Abbildungen und Matrizen

2.4 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

Mehr

1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6

1 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.............................

Mehr

Copyright, Page 1 of 5 Die Determinante

Copyright, 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

Mehr

D-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 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