4. Vektorräume und Gleichungssysteme

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "4. Vektorräume und Gleichungssysteme"

Transkript

1 technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume und Gleichungssysteme 41 Vektorräume und Unterräume Im folgenden ist IK immer ein Körper Zur Unterscheidung von Elementen des Körpers und den Elementen der im folgenden definierten Vektorräume beschreiben wir die Körperelemente, wenn möglich, mit griechischen Buchstaben und nennen sie Skalare Für die Elemente des IK-Vektorraums verwenden wir Fettdruck und nennen sie Vektoren Dabei ist zubeachten, dass der Begriff Vektor hier allgemeiner ist als der in der Schule verwendete Definition 41 (Vektorraum über IK ) Ein Vektorraum über IK (auch IK-Vektorraum oder IK-linearer Raum genannt) ist eine Menge V mit einer Verknüpfung +, und einer Abbildung V V V, (v, w) v + w, K V V, (α, v) α v, einer sogenannten äußeren Verknüpfung, die Skalarmultiplikation genannt wird, so dass folgende Axiome gelten (V1) Für alle v, w, z V gilt (v + w) + z = v + (w + z) (V2) Für alle v, w V gilt v + w = w + v (V3) Es gibt ein 0 V, so dass für alle v V gilt v + 0 = v (V4) Zu jedem v V gibt es ein v V mit v + ( v) = 0 (V5) Für alle α, β IK und alle v V gilt (α + β) v = α v + β v (V6) Für alle α, β IK und alle v V gilt (α β) v = α (β v) (V7) Für alle v V gilt 1 v = v (V8) Für alle α IK und alle v, w V gilt α (v + w) = α v + α w 1

2 (V1) - (V4) besagen, dass (V, +) eine abelsche Gruppe ist (V7) sieht trivial aus, verhindert aber zum Beispiel, dass man als Skalarmultiplikation α v := 0 für alle α IK, v V definiert Bei dieser Definition sind die Axiome (V5), (V6) und (V8) erfüllt, aber V kein IK-Vektorraum, weil (V7) nicht gilt Beispiele 1 IK n = IK IK IK mit Addition (x 1, x 2,, x n ) + (y 1, y 2,, y n ) := (x 1 + y 1, x 2 + y 2,, x n + y n ) und Skalarmultiplikation α (x 1, x 2,, x n ) := (αx 1, αx 2,, αx n ) bildet einen IK-Vektorraum Speziell die Fälle n = 2 und n = 3 sind geometrisch interpretierbar 2 M sei beliebige Menge, Abb(M, IK) ist die Menge aller Abbildungen von M nach IK Abb(M, IK) ist ein IK-Vektorraum mit Addition und Skalarmultiplikation 3 M sei beliebige Menge und f + g : M IK, x f(x) + g(x) α f : M IK, x αf(x) V 0 := {f Abb(M, IK) f(x) 0 nur für endlich viele x M} Addition und Skalarmultiplikation wie in 2 machen V 0 zu einem IK-Vektorraum, 4 Eine polynomiale Abbildung p aus Abb(IK, IK) ist durch Vorgabe von endlich vielen Zahlen a 0, a 1,, a n IK und die Vorschrift p(x) := a 0 + a 1 x + a 2 x a n x n eindeutig bestimmt Die Menge aller polynomialen Abbildungen bildet einen IK-Vektorraum mit Addition und Skalarmultiplikation wie in 2 5 Sei n N fest und M := IK n Eine Abbildung f aus Abb(IK n, IK) ist durch Vorgabe von endlich vielen Zahlen a 0, a 1,, a n IK und die Vorschrift f(x) := a 0 + a 1 x 1 + a 2 x a n x n eindeutig bestimmt Eine derartige Abbildung wird lineare Funktion genannt Die Menge aller solchen linearen Funktionen bildet einen IK-Vektorraum mit Addition und Skalarmultiplikation wie in 2 2

3 Lemma 42 (Rechenregeln in IK-Vektorräumen ) Ist V ein IK-Vektorraum, dann gilt für alle v V und alle α IK (i) 0 v = 0 (ii) α 0 = 0 (iii) α v = 0 (α = 0 v = 0) (iv) ( α) v = (α v) Beweis Zu (i) Zu (ii) 0 v V = 3 0 v + 0 V = 4 0 v + (0 v + ( (0 v))) V 1 = (0 v + 0 v) + ( (0 v)) V = 5 (0 + 0) v + ( (0 v)) = 0 v + ( (0 v)) V = 4 0 α 0 V = 3 α V = 4 α 0 + (α 0 + ( (α 0))) V 1 = (α 0 + α 0) + ( (α 0)) V = 8 α (0 + 0) + ( (α 0)) V 3 = α 0 + ( (α 0)) V = 4 0 Zu (iii) Die Implikation,, folgt offenbar aus (i) und (ii) Wir müssen also nur noch die Implikation,, zeigen Es sei also α v = 0 Wir nehmen an, dass α 0 gilt (andernfalls sind wir fertig) und müssen zeigen, dass dann v = 0 gilt Zu (iv) v V 7 = 1 v = (α 1 α) v V 6 = α 1 (α v) = α 1 0 ii = 0 ( α) v V 3 = ( α) v + 0 V 4 = ( α) v + (α v + ( (α v))) V 1 = (( α) v + α v) + ( (α v)) V 5 = ( α + α) v + ( (α v)) i = (α v) Damit ist der Beweis abgeschlossen Definition 43 (Untervektorräume ) Sei V ein IK-Vektorraum U V heißt Untervektorraum von V, wenn die drei folgenden Eigenschaften gelten (UV1) Für alle u, v U ist auch u + v U (UV2) Für alle α IK und v U ist auch α v U (UV3) 0 U Bemerkung U ist mit der Addition und der Skalarmultiplikation aus V auch ein IK-Vektorraum Die Eigenschaft (UV3) ist eine Folge aus (UV2) 3

4 und Lemma 42 i), wenn U nicht die leere Menge ist (Also ist (UV3) eigentlich nur eine Umschreibung dafür, dass U gilt) Die Eigenschaften (UV1) und (UV2) lassen sich zusammenfassen zu (UV4) Für alle α, β IK und u, v U gilt auch α u + β v U Beispiele Die Vektorräume der Beispiele nach Definition 41 waren zt Untervektorräume So ist das V 0 aus Beispiel 3 ein Untervektorraum des IK- Vektorraums Abb(M, IK) aus Beispiel 1 Der IK-Vektorraum aus Beispiel 4 ist Untervektorraum von Abb(IK, IK) Der IK-Vektorraum aus Beispiel 5 ist Untervektorraum von Abb(IK n, IK) Der R-Vektorraum R 2 hat zb als Untervektorraum U 1 := {α (1, 2) α R} U 1 ist eine Gerade durch (0, 0) und (1, 2) Ein weiterer Untervektorraum von R 2 ist zb U 2 := {α (1, 2) + β ( 1, 1) α, β R} Jeder Vektor (x, y) R 2 liegt in U 2, Also gilt U 2 = R 2 (x, y) = x + y 3 (1, 2) + y 2x 3 ( 1, 1) Der R-Vektorraum R 3 hat zb als Untervektorraum U 1 := {α (1, 1, 0) α R} U 1 ist eine Gerade durch (0, 0, 0) und (1, 1, 0) Ein weiterer Untervektorraum von R 3 ist zb U 2 := {α (1, 1, 0) + β ( 1, 0, 2) α, β R} U 2 stellt eine Ebene im R 3 dar Definition und Satz 44 (Linearkombinationen, lineare Hülle) Sei V ein IK-Vektorraum und v 1,, v m Vektoren aus V i) Lin{v 1,, v m } = {α 1 v α m v m α 1,, α m IK} heißt lineare Hülle (oder Spann) von v 1,, v m Ihre Elemente heißen Linearkombinationen von v 1,, v m Man sagt, Lin{v 1,, v m } wird von v 1,, v m aufgespannt ii) Lin{v 1,, v m } ist ein Untervektorraum von V 4

5 Beweis Wenn u := α 1 v α m v m und w := β 1 v β m v m, dann ist auch u + w = (α 1 + β 1 ) v (α m + β m ) v m eine Linearkombination von v 1,, v m, dh, (UV1) gilt Wenn u := α 1 v α m v m, dann ist auch das α-fache von u also α u = (α α 1 ) v (α α m ) v m Linearkombination von v 1,, v m, dh, (UV2) gilt (UV3) gilt, weil 0 = 0 v v m Linearkombination von v 1,, v m ist Beispiele 1 Im R-Vektorraum R 3 ist Lin{v 1, v 2 } in der Regel eine Ebene Ausnahme ist hier nur der Fall, wo die Geraden {α v 1 α R} und {α v 2 α R} identisch sind oder mindestens einer der Vektoren v 1, v 2 der Nullvektor ist 2 Im R-Vektorraum R n betrachte die sogenannten Einheitsvektoren e 1 := (1, 0, 0, 0, 0), e 2 := (0, 1, 0, 0, 0), e 3 := (0, 0, 1, 0, 0), e n := (0, 0, 0, 0, 1) Lin{e 1, e 2,, e n } ist dann gleich R n, weil man jedes (x 1, x 2,, x n ) R n schreiben kann als (x 1, x 2,, x n ) = x 1 e 1 + x 2 e x n e n Die geschweiften Klammern in dem Ausdruck Lin{v 1, v 2,, v m } deuten an, dass es nicht auf die Reihenfolge der Vektoren v 1, v 2,, v m ankommt, selbst nicht darauf, ob einige der Vektoren mehrfach aufgezählt wurden Mit anderen Worten, Lin{v 1, v 2,, v m } hängt nur von der Menge {v 1, v 2,, v m } ab Für beliebige (auch abzählbare oder überabzählbare) Mengen M kann man definieren LinM := {α 1 v α m v m α 1,, α m IK, {v 1,, v m } M} Satz 45 (Lineare Hüllen als kleinste Untervektorräume) Sei V ein IK-Vektorraum und M V Die lineare Hülle LinM ist ein Untervektorraum von V mit der Eigenschaft Ist U Untervektorraum von V und M U, dann ist LinM in U enthalten Mit anderen Worten, LinM ist der kleinste Untervektorraum von V, der M enthält 5

6 Beweis LinM ist nicht-leere Teilmenge von V Mit zwei Elementen aus M, v := α 1 v α m v m, w := β 1 w β n w n, und zwei Skalaren α, β IK bekommt man α v + β w = αα 1 v αα m v m + ββ 1 w ββ n w n Dies ist eine Linearkombination aus LinM, weil {v 1,, v m, w 1,, w n } Teilmenge von M ist Also gilt (UV4) Mit M folgt also, dass LinM ein Untervektorraum ist Jeder andere Untervektorraum von V, der M enthält, enthält auch als Vektorraum alle Linearkombinationen von Vektoren aus M, er enthält also ganz LinM Beispiel Lin{(1, 1, 0), ( 1, 0, 2)} R 3 kann man sich als Ebene vorstellen, die von den Vektoren (1, 1, 0), ( 1, 0, 2) aufgespannt wird Sie enthält auch den Vektor (0, 0, 0) Durch Angabe von drei Punkten ist eine Ebene im R 3 festgelegt Hier sind es zb die Punkte (Vektoren) (0, 0, 0), (1, 1, 0) und ( 1, 0, 2) Ob ein Punkt in dieser Ebene liegt, stellt man dadurch fest, ob der entsprechende Vektor in der linearen Hülle von (1, 1, 0) und ( 1, 0, 2) liegt, also Linearkombination von (1, 1, 0) und ( 1, 0, 2) ist Wir untersuchen, ob etwa der Vektor (0, 1, 2) in Lin{(1, 1, 0), ( 1, 0, 2)} liegt, mit dem Ansatz (0, 1, 2) = α (1, 1, 0) + β ( 1, 0, 2) = (α β, α, 2β) mit noch zu bestimmenden α, β R Betrachtet man die Koordinaten einzeln, hat man die drei Gleichungen α β = 0, α = 1, 2β = 2 zu lösen Es folgt leicht, dass α = 1, β = 1 Lösung ist und keine anderen Werte von α und β Lösungen sind Das System aus den drei Gleichungen hat also genau eine Lösung Betrachten wir jetzt beispielsweise den Vektor (3, 2, 1) und fragen wieder, ob er in Lin{(1, 1, 0), ( 1, 0, 2)} liegt Der Ansatz als Linearkombination von (1, 1, 0) und ( 1, 0, 2) führt hier auf (3, 2, 1) = α (1, 1, 0) + β ( 1, 0, 2) = (α β, α, 2β) mit noch zu bestimmenden α, β R Koordinatenweise betrachtet gibt das die drei Gleichungen α β = 3, α = 2, 2β = 1 Dieses System von Gleichungen ist nicht lösbar durch ein Zahlenpaar (α, β), dh, (3, 2, 1) ist nicht in der linearen Hülle von (1, 1, 0) und ( 1, 0, 2) 6

7 42 Lineare Gleichungssysteme Definition 46 (Lineare Gleichungssysteme) Ein lineares Gleichungssystem (LGS) aus m Gleichungen mit n Unbekannten über einem Körper IK ist von der Form a 11 x 1 + a 12 x a 1n x n = b 1, a 21 x 1 + a 22 x a 2n x n = b 2, a m1 x 1 + a m2 x a mn x n = b m Die Zahlen a ij IK heißen Koeffizienten des LGS und die b i rechte Seiten Man fasst die Koeffizienten zu einem Schema zusammen, a 11 a 12 a 1n a 21 a 22 a 2n A := a m1 a m2 a mn und nennt es Matrix bzw genauer m n-matrix über IK Die rechten Seiten fasst man zu einem sogenannten Spaltenvektor zusammen, b 1 b 2 b := b m Das LGS ist also gegeben durch das Paar (A, b), das man auch gern noch kürzer zusammenfasst zur sogenannten erweiterten Matrix (A b) Als Lösung des LGS(A b) wird jedes n-tupel (x 1, x 2,, x n ) IK n bezeichnet, das die m Gleichungen aus (1) erfüllt Die Menge aller dieser Lösungen bezeichnen wir mit L(A, b) (1) Satz 47 (Charakterisierung der Lösungsmenge) Gegeben sei ein LGS über einem Körper IK a 11 x 1 + a 12 x a 1n x n = b 1, a 21 x 1 + a 22 x a 2n x n = b 2, a m1 x 1 + a m2 x a mn x n = b m Die Lösungsmenge des sogenannten homogenen LGS a 11 x 1 + a 12 x a 1n x n = 0, a 21 x 1 + a 22 x a 2n x n = 0, a m1 x 1 + a m2 x a mn x n = 0, (2) 7

8 also L(A, 0), ist ein Untervektorraum von IK n Wenn das sogenannte inhomogene LGS (2) eine Lösung c = (c 1,, c n ) IK n besitzt, dann sind alle Lösungen von (2) vom Typ c + u mit u L(A, 0), also L(A, b) = {c + u u L(A, 0)} Beweis Wir zeigen zuerst, dass L(A, 0) ein Untervektorraum ist Dazu betrachten wir u := (u 1,, u n ), v := (v 1,, v n ) L(A, 0) und α, β IK Dann folgt für die Linearkombination α u + β v (wobei wir der Übersichtlichkeit zuliebe nur die i-te Gleichung betrachten) a i1 (αu 1 + βv 1 ) + a i2 (αu 2 + βv 2 ) + + a in (αu n + βv n ) = α(a i1 u 1 + a i2 u a in u n ) + β(a i1 v 1 + a i2 v a in v n ) = = 0 für i = 1,, n Damit folgt α u + β v L(A, 0) Es gilt also (UV4) Weil der Nullvektor 0 IK n natürlich in L(A, 0) liegt, gilt auch (UV3) Damit ist L(A, 0) Untervektorraum von IK n Satz 48 (Zeilenumformungen) Die Lösungsmenge eines LGS a 11 x 1 + a 12 x a 1n x n = b 1, a 21 x 1 + a 22 x a 2n x n = b 2, a m1 x 1 + a m2 x a mn x n = b m, wird nicht verändert, wenn man für beliebiges j aus {1,, m} (Z1) die j-te Gleichung, a j1 x 1 + a j2 x a jn x n = b j ersetzt durch die Gleichung (a j1 + αa i1 )x 1 + (a j2 + αa i2 )x (a jn + αa in )x n = b j + αb i wobei α IK beliebig und i {1,, m} \ {j}, (Z2) die j-te Gleichung mit der i-ten vertauscht, (Z3) in der j-ten Gleichung jedes a jk und b j durch αa jk bzw αb j ersetzt mit einem α IK \ {0} Beweis Sei L die Lösungsmenge des LGS und L die Lösungsmenge nach dem Durchführen der Zeilenoperation (Z1) Wir müssen zeigen, dass L L und L L gilt Wenn man x = (x 1,, x n ) L in die (als einzige veränderte) j-te Gleichung einsetzt, bekommt man, weil x die alte i-te und j-te Gleichung erfüllt, (a j1 + αa i1 )x 1 + (a j2 + αa i2 )x (a jn + αa in )x n = a j1 x 1 + a j2 x a jn x n + α(a i1 x 1 + a i2 x a in x n ) = b j + αb i, 8

9 dh, x erfüllt alle Gleichungen der veränderten LGS, also x L Das gilt für jedes x L und somit L L Gilt umgekehrt x L, dann erfüllt x die neue j-te Gleichung und die neue (= alte) i-te Gleichung, dh, es gilt a i1 x 1 + a i2 x a in x n = b i und (a j1 + αa i1 )x 1 + (a j2 + αa i2 )x (a jn + αa in )x n = b j + αb i Zieht man jetzt das α-fache der i-ten Gleichung von der neuen j-ten ab, so erhält man, dass die alte j-te Gleichung auch von x erfüllt wird Damit ist jedes x L auch Element von L Insgesamt also L L Zusammen mit L L somit L = L Bei Anwendung von (Z2) bzw (Z3) wird offensichtlich L nicht verändert Definition 49 (elementare Zeilenoperationen und Stufenform) (Z1), (Z2) und (Z3) aus Satz 48 werden elementare Zeilenoperationen genannt Hat ein LGS die Gestalt x k1 + + a 1n x n = b 1, x k2 + + a 2n x n = b 2, x kr + + a rn x n = b r, 0 = b r+1, 0 0 = b m, mit k 1 < k 2 < < k r so bezeichnen wir es als ein LGS in Stufenform (mit r Stufen) und die zugehörige Koeffizientenmatrix ebenfalls als Matrix in Stufenform Hat ein LGS Stufenform, dann enthält genau eine Gleichung die Unbekannte x k1 und unter den restlichen m 1 Gleichungen genau eine x k2 Unter den restlichen m 2 Gleichungen ist wiederum genau eine, die x k3 enthält usw Diese Stufenform kann man immer mit Hilfe der elementaren Zeilenoperationen erreichen, egal welches LGS gegeben ist Wir erläutern das zunächst an einem Beispiel Beispiel Wir betrachten das LGS über R, x x x 3 x 4 = 2, 2 x x 2 + x 3 x 4 = 3, x 1 4 x 2 + x 3 = 1, x 1 4 x 2 + x x 4 = 2 Wir eliminieren x 1 aus der zweite, dritten und vierten Gleichung mit Hilfe von (Z1), indem wir von der zweiten Gleichung das doppelte der ersten abziehen, 9

10 und die erste Gleichung zur dritten und vierten addieren, x x x 3 x 4 = 2, 3 x 3 + x 4 = 1, 3 x 3 x 4 = 1, 3 x 3 + x 4 = 4 In den Gleichungen zwei bis vier tritt x 2 nicht auf Also eliminieren wir mit (Z1) jetzt x 3, indem wir zur dritten und vierten Gleichung die zweite addieren, x x x 3 x 4 = 2, 3 x 3 + x 4 = 1, 0 = 0, 2 x 4 = 3 Jetzt werden noch zweite und vierte Zeile skaliert, sodass der Koeffizient von x 3 bzw x 4 gleich 1 ist und dann werden Zeile drei und vier vertauscht Auch diese Operationen sind elementare Zeilenoperationen, die die Lösungsgesamtheit nicht verändern Wir bekommen dann also das LGS mit gleicher Lösungsmenge x x x 3 x 4 = 2, x x 4 = 1 3, x 4 = 3 2, 0 = 0 Hiermit ist die Stufenform erreicht Gleichung drei gibt x 4 = 3 Substituiert 2 man dieses in Gleichung zwei, gibt das x 3 = = 5 Die Werte für x und x 4 in Gleichung eins eingesetzt gibt mit etwas Rechnung x x 2 = 11 6 Man kann, um diese Gleichung zu erfüllen, x 2 beliebig wählen x 1 ist dann festgelegt durch x 1 = x 2 Man bekommt also als Lösungsgesamtheit L(A, b) = {( α, α, 5 6, 3 2 ) α R} = {( 11, 0, 5, 3 ) + α( 4, 1, 0, 0) α R} Man erkennt hier die Darstellung der Lösungsgesamtheit nach Satz 47 Eine partikuläre Lösung ist c = ( 11, 0, 5, 3 ) und L(A, 0), die Menge der Lösungen des homogenen LGS, ist der von ( 4, 1, 0, 0) aufgespannte Raum Satz 410 (Gaußelimination) Jedes lineare Gleichungssystem über einem Körper IK kann mit elementaren Zeilenumformungen auf Stufenform gebracht werden 10

11 Beweis Wenn in der ersten Gleichung x 1 nicht auftritt, dh, der zugehörige Koeffizient ist 0, dann vertauscht man die erste Gleichung mit einer, die x 1 enthält Geeignete Vielfache dieser Gleichung zieht man von den anderen Gleichungen ab, so dass nur die erste Gleichung x 1 enthält Damit ist x 1 aus allen Gleichungen (bis auf die erste) eliminiert Die Gleichungen ohne x 1 behandelt man analog, indem man die nächste in diesen Gleichungen auftretende Unbekannte in allen Gleichungen eliminiert bis auf eine Gleichung, die diese Unbekannte enthält Diese Gleichung tauscht man dann an Position zwei So fährt man fort, bis man r Gleichungen hat, die jeweils eine Unbekannte besitzen, die in den weiteren Gleichungen nicht auftritt, und in den restlichen Gleichungen keine Unbekannten mehr auftreten Satz 411 (Lösung eines LGS in Stufenform) Wenn (A b) die erweiterte Matrix eines LGS in Stufenform mit r Stufen, m Gleichungen und n Unbekannten ist, dann hat das LGS (i) keine Lösung wenn auf der rechten Seite b i 0 gilt für ein i > r, (ii) genau eine Lösung, wenn r = n gilt und b i = 0 für i = r + 1,, m, (iii) mehr als eine Lösung,wenn r < n gilt und b i = 0 für i = r + 1,, m Beweis Die Lösbarkeit ist genau dann gegeben, wenn b r+1 = = b m = 0 gilt Auf jeder der r Stufen wird genau eine Unbekannte festgelegt (durch die Werte der folgenden Unbekannten) Die restlichen n r Unbekannten sind frei wählbar aus IK 11

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

Mehr

2.2 Lineare Gleichungssysteme (LGS)

2.2 Lineare Gleichungssysteme (LGS) 2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +

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

2.2 Lineare Gleichungssysteme

2.2 Lineare Gleichungssysteme Lineare Algebra I WS 2015/16 c Rudolf Scharlau 55 22 Lineare Gleichungssysteme Das Lösen von Gleichungen (ganz unterschiedlichen Typs und unterschiedlichen Schwierigkeitsgrades) gehört zu den Grundproblemen

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

Lineare Gleichungssysteme - Grundlagen

Lineare Gleichungssysteme - Grundlagen Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente

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

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe

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

Lineare Gleichungssysteme

Lineare Gleichungssysteme Mathematik I für Biologen, Geowissenschaftler und Geoökologen 28. November 2011 Definition Beispiel: Wassermengen und Konzentrationen in einem Fluss Beispiel Zeilenstufenform Beispiel (Fortsetzung) Anhang

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(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:

Mehr

Vektorräume. Kapitel Definition und Beispiele

Vektorräume. Kapitel Definition und Beispiele Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte

Mehr

10.2 Linearkombinationen

10.2 Linearkombinationen 147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition

Mehr

2.4 Matrizen und Lineare Abbildungen

2.4 Matrizen und Lineare Abbildungen Lineare Algebra I WS 2015/16 c Rudolf Scharlau 73 2.4 Matrizen und Lineare Abbildungen Zum Schluss von Abschnitt 2.2 hatten wir Matrizen eingeführt, und zwar im Zusammenhang mit der abgekürzten Schreibweise

Mehr

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

Lineare Gleichungssysteme (Teschl/Teschl 11.1) Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...

Mehr

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum, 2 Vektorräume In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa Unterraum, Linearkombination, lineare Unabhängigkeit und Erzeugendensystem.

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

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

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

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

Der Kern einer Matrix

Der Kern einer Matrix Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis

Mehr

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können

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

Vektorräume und lineare Abbildungen

Vektorräume und lineare Abbildungen Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eine Familie von Gleichungen der Form a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2............ a m1 x 1 + a m2 x 2 +... + a mn x n = b m

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

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

Lineare Gleichungssysteme

Lineare Gleichungssysteme Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare

Mehr

Vorkurs Mathematik B

Vorkurs Mathematik B Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein

Mehr

9 Aus der linearen Algebra. Themen: Lineare Abbildungen Darstellung durch Matrizen

9 Aus der linearen Algebra. Themen: Lineare Abbildungen Darstellung durch Matrizen 9 Aus der linearen Algebra Themen: Der à n Lineare Abbildungen Darstellung durch Matrizen Der à n besteht aus den n-tupeln mit x i Ã. x 1 x 2 x = (x 1, x 2,...,x n ) oder x =. x n Der à n besteht aus den

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume

Mehr

2.3 Basis und Dimension

2.3 Basis und Dimension Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische 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

Mehr

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

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v Kap 1: VEKTORRÄUME Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung ϕ : I X, i ϕ(i) = x i, wobei die Menge I in diesem Zusammenhang auch Indexmenge genannt wird. Man schreibt vereinfacht

Mehr

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de

Mehr

4.1. Vektorräume und lineare Abbildungen

4.1. Vektorräume und lineare Abbildungen 4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt

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

A2.3 Lineare Gleichungssysteme

A2.3 Lineare Gleichungssysteme A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen

Mehr

0, v 6 = , v 4 = 1

0, v 6 = , v 4 = 1 Aufgabe 6. Linearkombinationen von Vektoren Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 : M = v =, v =, v 3 =, v 4 =, v 5 =, v 6 =. Zeigen Sie, dass sich jeder Vektor v i M, i =,,...,

Mehr

1 Linearkombinationen

1 Linearkombinationen Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch

Mehr

3.4 Der Gaußsche Algorithmus

3.4 Der Gaußsche Algorithmus 94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,

Mehr

Lineare Algebra I (WS 13/14)

Lineare 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

Mehr

2 Einführung in die lineare Algebra

2 Einführung in die lineare Algebra 2 Einführung in die lineare Algebra 2. Vektorräume und ihre Unterräume Definition 2... Sei K ein Körper. Ein Vektorraum über K (oder K-Vektorraum) ist eine Menge V mit einer Addition genannten Verknüpfung

Mehr

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

Gegeben 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

Mehr

Lineare Algebra I Zusammenfassung

Lineare 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

Mehr

Mathematik IT 2 (Lineare Algebra)

Mathematik IT 2 (Lineare Algebra) Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 05.11.2013 Alexander Lytchak 1 / 14 Linearkombinationen Definition Es sei V ein reeller Vektorraum. Es sei (v i ) i

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 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

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I Wintersemester 3/ Aufgabenblatt 6. Januar Präsenzaufgaben

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Poelchau-Oberschule Berlin A. Mentzendorff September 2007 Lineare Gleichungssysteme Inhaltsverzeichnis 1 Grundlagen 2 2 Das Lösungsverfahren von Gauß 4 3 Kurzschreibweise und Zeilensummenkontrolle 6 4

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

Erneut: Matrizen und lineare Abbildungen

Erneut: Matrizen und lineare Abbildungen Erneut: Matrizen und lineare Abbildungen Mit Hilfe der Matrixmultiplikation lässt sich die Korrespondenz zwischen linearen Abbildungen und Matrizen elegant ausdrücken: Satz. e 1, e 2,..., e n sei die Standardbasis

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

Aufgaben zu Kapitel 15

Aufgaben zu Kapitel 15 Aufgaben zu Kapitel 5 Aufgaben zu Kapitel 5 Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation

Mehr

Lineare Gleichungssysteme: eine Ergänzung

Lineare Gleichungssysteme: eine Ergänzung Lineare Gleichungssysteme: eine Ergänzung Ein lineares Gleichungssystem, bei dem alle Einträge auf der rechten Seite gleich sind heiÿt homogenes lineares Gleichungssystem: a x + a 2 x 2 +... + a n x n

Mehr

Aufgaben zu Kapitel 14

Aufgaben zu Kapitel 14 Aufgaben zu Kapitel 14 1 Aufgaben zu Kapitel 14 Verständnisfragen Aufgabe 14.1 Haben (reelle) lineare Gleichungssysteme mit zwei verschiedenen Lösungen stets unendlich viele Lösungen? Aufgabe 14.2 Gibt

Mehr

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition) Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz

Mehr

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme 52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte

Mehr

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

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 5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11

Mehr

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A 133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des

Mehr

Kapitel 15. Aufgaben. Verständnisfragen

Kapitel 15. Aufgaben. Verständnisfragen Kapitel 5 Aufgaben Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation einen K-Vektorraum bildet

Mehr

Lineare Algebra I. Lösung 9.2:

Lineare Algebra I. Lösung 9.2: Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik Lösungsblatt 9 Prof. Dr. Markus Schweighofer 20.01.2010 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 9.1: Voraussetzung:

Mehr

1 Matrizenrechnung zweiter Teil

1 Matrizenrechnung zweiter Teil MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten

Mehr

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $ Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit

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

Ergänzung zum HM Tutorium

Ergänzung zum HM Tutorium Ergänzung zum HM Tutorium Patrik Hlobil Niko Kainaris Dieses Dokument erhebt keinen Anspruch auf Vollständigkeit oder Korrektheit. Es stellt keine Vorlesungszusammenfassung dar, sondern soll euch lediglich

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 5 Verwandle große Schwierigkeiten in kleine und kleine in gar keine Chinesische Weisheit Das Lösen von

Mehr

Vektorräume und Lineare Abbildungen

Vektorräume und Lineare Abbildungen Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um

Mehr

Lineare Abhängigkeit

Lineare 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

Mehr

Kapitel 15. Lösung linearer Gleichungssysteme

Kapitel 15. Lösung linearer Gleichungssysteme Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

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

Mehr

Lösungen der Aufgaben zu Abschnitt 5.4

Lösungen der Aufgaben zu Abschnitt 5.4 A Filler: Elementare Lineare Algebra Lösungen zu Abschnitt 54 Lösungen der Aufgaben zu Abschnitt 54 B ist linear unabhängig, wenn die Vektorgleichung ( ) ( ) ( ) ( ) 456 λ + λ + λ = bzw das LGS λ +4λ +λ

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Lineare Abbildungen und Gleichungssysteme

Lineare Abbildungen und Gleichungssysteme Lineare Abbildungen und Gleichungssysteme Klaus-R Loeffler Lineare Abbildungen Definition: Lineare Abbildung Es wird vorausgesetzt, dass V und W Vektorräume sind Eine Abbildung f von V in W heißt dann

Mehr

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte. Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische

Mehr

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 213/214 Markus Schweighofer Lineare Algebra I 6.2 Basen Definition 6.2.1. Seien V ein K-Vektorraum, n N und v 1,..., v n V. (a)

Mehr

LINEARE GLEICHUNGSSYSTEME. Wir besprechen hier, wie MathematikerInnen an das Lösen linearer Gleichungssysteme wie. x + y + z = 1

LINEARE GLEICHUNGSSYSTEME. Wir besprechen hier, wie MathematikerInnen an das Lösen linearer Gleichungssysteme wie. x + y + z = 1 LINEARE GLEICHUNGSSYSTEME 1. Ein kurzes Vorwort Wir besprechen hier, wie MathematikerInnen an das Lösen linearer Gleichungssysteme wie 2 x 1 + 2 x 2 = 3 6 a + 4 b = 3 (a) (b) 4 x 1 + 3 x 2 = 8 3 a + 2

Mehr

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

3.5 Duale Vektorräume und Abbildungen

3.5 Duale Vektorräume und Abbildungen 3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung

Mehr

[5], [0] v 4 = + λ 3

[5], [0] v 4 = + λ 3 Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span

Mehr

Der Rangsatz für lineare Abbildungen

Der Rangsatz für lineare Abbildungen Der Rangsatz für lineare Abbildungen Satz Sei f : V W eine lineare Abbildung Dann gilt dim V = dim Kern(f) + dim Bild(f), also gleichbedeutend dim Kern(f) = dim V rg(f) Da uns in der Regel bei gegebenem

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1

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 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

Themenheft mit viel Trainingsmaterial (Siehe Vorwort!) Unabhänge Vektoren und Erzeugung von Vektoren Gauß-Algorithmus Rang einer Matrix.

Themenheft mit viel Trainingsmaterial (Siehe Vorwort!) Unabhänge Vektoren und Erzeugung von Vektoren Gauß-Algorithmus Rang einer Matrix. LINEARE ALGEBRA Lösbarkeit von linearen Gleichungssystemen Themenheft mit viel Trainingsmaterial (Siehe Vorwort!) Unabhänge Vektoren und Erzeugung von Vektoren Gauß-Algorithmus Rang einer Matrix Gleichungssysteme

Mehr

Kapitel 2: Mathematische Grundlagen

Kapitel 2: Mathematische Grundlagen [ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen

Mehr

1. Gruppen. 1. Gruppen 7

1. Gruppen. 1. Gruppen 7 1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.

Mehr

Quadratische Matrizen

Quadratische Matrizen Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch

Mehr

Was sind Vektoren? Wozu braucht man sie?

Was sind Vektoren? Wozu braucht man sie? Was sind Vektoren? Wozu braucht man sie? Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 30. März 2005 1 Einleitung Dieser

Mehr

9 Vektorräume mit Skalarprodukt

9 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

Mehr

6.2. Prüfungsaufgaben zur Lösbarkeit von LGS

6.2. Prüfungsaufgaben zur Lösbarkeit von LGS 6.. Prüfungsaufgaben zur Lösbarkeit von LGS Aufgabe : Lösbarkeit von LGS () Berechne mit Hilfe des Gauß-Verfahrens die Lösungsmengen der drei folgenden inhomogenen Gleichungssysteme. Gib außerdem die Lösungsmengen

Mehr

Die Dimension eines Vektorraumes

Die Dimension eines Vektorraumes Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je

Mehr

Formelsammlung Mathematik Grundkurs Inhalt

Formelsammlung Mathematik Grundkurs Inhalt Formelsammlung Mathematik Grundkurs Inhalt Inhalt...1 Trigonometrie Grundlagen... Vektoren...3 Skalarprodukt...4 Geraden...5 Abstandsberechnungen...6 Ebenen...7 Lineare Gleichungssysteme (LGS)...8 Gauß'sches

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

3.2 Unabhängigkeitsstrukturen

3.2 Unabhängigkeitsstrukturen 80 3.2 Unabhängigkeitsstrukturen Unser Ziel ist der Nachweis, daß in Vektorräumen, also in Moduln über Körpern, Basen existieren und zwei endliche Basen gegebenenfalls von derselben Ordnung sind. (Basen

Mehr

Mathematik 1, Teil B. Inhalt:

Mathematik 1, Teil B. Inhalt: FH Emden-Leer Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre 2.) Matrizen, Determinanten

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 6 Vektorräume Die Addition von zwei Pfeilen a und b, ein typisches Beispiel für Vektoren. Der zentrale

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

( ) 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