Technische Universität München Zentrum Mathematik. Übungsblatt 7

Größe: px
Ab Seite anzeigen:

Download "Technische Universität München Zentrum Mathematik. Übungsblatt 7"

Transkript

1 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 exp : R n n R n n definiert durch exp(a) := wobei A := I n ist. (Sie dürfen ohne Beweis annehmen dass diese Definition sinnvoll ist die Funktion ist also wohldefiniert.) Berechnen Sie exp(a) für die Matrix i= A i i! 2 3 A =. Lösung zu Aufgabe 7. Wir berechnen zunächst die Potenzen von A: Damit gilt A = I 3 A = A A 2 = = A 3 = = A i = A 3 A i 3 = A i 3 = für alle i 4 exp(a) = = Natürlich klappt das hier nur deswegen so problemlos weil ab A 3 alle Potenzen von A die Nullmatrix ergeben (Matrizen mit der Eigenschaft dass ab einem bestimmten Punkt alle Potenzen die Nullmatrix ergeben heißen übrigens nilpotent). Für Matrizen bei denen das

2 nicht der Fall ist muss man etwas mehr arbeiten was genau dann zu tun ist werden wir uns später noch überlegen. Anwendungen hat die Exponentialfunktion für Matrizen natürlich auch: Man braucht Sie z. B. für die Lösung von Systemen linearer Differentialgleichungen. Aufgabe 7.2 Sei (K + ) ein Körper mit Nullelement (neutrales Element bezüglich + ). Zeigen Sie: a) Für jedes x K gilt x = x =. b) Wenn für x y K die Gleichung x y = gilt so folgt x = oder y =. c) Für alle x y K gilt x ( y) = ( x) y = (x y). Geben Sie dabei für jede Umformung an welche Körper-Axiome Sie jeweils verwendet haben. Lösung zu Aufgabe 7.2 a) Für beliebiges x K gilt: () = x + ( ( x)) (2) = ( + ( )) x (3) = x Dabei benutzen wir in () Existenz und Definition des additiven Inversen zu x in (2) das Distributivgesetz und in (3) die Definition des inversen und neutralen Elements der Addition. Der Beweis für x = geht analog. b) Seien x y K so dass x y = gilt. Angenommen x dann besitzt x ein Inverses x bzgl. der Multiplikation und es gilt: () = x (2) = x (x y) (3) = (x x) y (4) = y (5) = y. Dabei verwenden wir in () die erste Teilaufgabe in (2) setzen wir x y = ein in (3) wird das Assoziativgesetz der Multiplikation benutzt in (4) die Definition des inversen Elements der Multiplikation und in (5) die Definition des neutralen Elements der Multiplikation. Insgesamt folgt dass y = sein muss. Analog kann man zeigen dass x = gilt falls man y voraussetzt also muss mindestens einer der Faktoren sein. Man nennt diese Eigenschaft übrigens Nullteilerfreiheit. Beispielsweise gilt diese Eigenschaft im Z 4 nicht das dort etwa 2 2 = gilt was zeigt dass Z 4 kein Körper ist. c) Wir müssen zeigen dass x ( y) das additive Inverse zu x y ist. Dazu rechnen wir einfach nach: x ( y) + (x y) () = x (( y) + y) (2) = x (3) = Wir verwenden dabei in () das Distributivgesetzt in (2) die Definition des additiven Inversen und in (3) die erste Teilaufgabe. Da das inverse Element eindeutig bestimmt ist zeigt das die Behauptung. 2

3 Aufgabe 7.3 Entscheiden Sie für die folgenden Mengen ob es sich um Untervektorräume handelt. Falls die Menge kein Untervektorraum ist geben Sie eine kurze Begründung an. Falls es sich um einen Untervektorraum handelt geben Sie eine Basis an. 2 3 a) U := lin 2 R b) U 2 := x R 3 : T 3 2 x = 2 T 2 c) U 3 := α 3 + β 2 : α β R R3 7 R 3 d) U 4 := {a + a x + a 2 x 2 P 3 : 2a 2 = a } P 3 e) U 5 := {A R 3 3 : det(a) } R 3 3 Lösung zu Aufgabe 7.3 a) U ist eine lineare Hülle also per Definition ein Untervektorraum. Um eine Basis zu bestimmen müssen wir eine linear abhängige Teilmenge der drei aufspannenden Vektoren finden (oder linear unabhängige Vektoren die ebenfalls den Vektorraum U aufspannen). Dazu schreiben wir die Vektoren in die Spalten einer Matrix und bringen diese dann mit Spaltenoperation in Spaltenstufenform (alternativ könnte man auch alles mit Zeilen durchführen es muss aber einheitlich sein!) Damit können wir aus den Spalten ungleich eine Basis von U unabhängiges Erzeugendensystem) nämlich B := ablesen (ein linear damit gilt auch dim(u ) = 2. 3

4 b) Es gilt U 2 = {x R 3 : (2 )x = } also ist U 2 = Kern(2 ) und damit nach Vorlesung ein Untervektorraum des R 3. Die Matrix (2 ) ist bereits in Zeilenstufenform und besitzt ein Pivotelement also ist dim(u 2 ) = dim(kern(2 )) = 3 = 2. Es gilt also zwei linear unabhängige Vektoren im Kern von (2 ) zu finden diese bilden dann automatisch eine Basis von U 2 (weil sie eine maximal linear unabhängige Menge sind). Wir lösen also das homogene lineare Gleichungssystem (2 )x = mit freien Variablen x 3 und x 2 : Die Lösungsmenge ist also x = 2 x 3 x 3 x 2 = freie Variablen x 2 3 L = x 2 : x 2 x 3 R = x 2 + x 3 : x 2 x 3 R = lin x und wir bekommen als Basis B 2 =. 2 c) Es gilt 2 U 3 = lin also ist U 3 als lineare Hülle auch ein Untervektorraum. Da die beiden aufspannenden Vektoren offenbar keine Vielfachen voneinander sind müssen sie linear unabhängig sein (Achtung: Dieses Argument funktioniert nur mit zwei Vektoren! Niemals auch nicht paarweise mit drei oder mehr Vektoren verwenden!) also bilden sie auch eine Basis (ein linear unabhängiges Erzeugendensystem) von U 3 : d) Wir schreiben ein bisschen um: 2 B 3 = U 4 = { a + a x + a 2 x 2 : 2a 2 = a } = { a + 2a 2 x + a 2 x 2 : a a 2 R } = { a + a 2 (2x + x 2 ) : a a 2 R } = lin { (2x + x 2 ) } Damit ist klar: U 4 ist als lineare Hülle ein Untervektorraum das von den Polynomen (konstantes Polynom) und 2x+x 2 erzeugt wird. Wir zeigen dass diese beiden Polynome auch linear unabhängig sind dann bilden sie eine Basis von U 4 (ein linear unabhängiges 4

5 Erzeugendensystem). Dazu seine λ λ 2 R so dass λ + λ 2 (2x + x 2 ) = wobei das konstante Polytop mit Wert und das Nullpolytop sind. Da diese Gleichung für alle möglichen Werte von x stimmen muss können wir einfach x-werte einsetzen um ganz normale Gleichungen über R zu erhalten. Wir setzen genug Werte ein um zwei unabhängige Gleichungen zu erhalten die wir dann eindeutig nach λ λ 2 auflösen können: x = 2 : λ + λ 2 = λ = x = : λ + λ 2 3 = λ 2 = 3 λ = Also ist λ = λ 2 = die einzige Lösung der Gleichung damit sind die beiden Vektoren und (2x + x 2 ) linear unabhängig. Eine Basis von U 4 ist also B 4 = { 2x + x 2}. e) Da det() = gilt enthält U 5 die Nullmatrix nicht. Im Vektorraum R 3 3 ist die Nullmatrix aber der Nullvektor also kann U 5 kein Untervektorraum von R 3 3 sein. Aufgabe 7.4 Sei A R m n und v... v k R n. a) Zeigen Sie: Falls die Vektoren {Av... Av k } linear unabhängig sind so gilt das auch für die Vektoren {v... v k } b) Zeigen Sie: Für A {M R n n : M ist invertierbar} gilt auch: Sind v... v k linear unabhängig so auch Av... Av k. c) Ist diese Umkehrung von Teilaufgabe a) auch im Allgemeinen richtig? (Beweis oder Gegenbeispiel!) Lösung zu Aufgabe 7.4 a) Seien λ... λ k R so dass λ i v i = λ v + + λ k v k =. i= Es ist zu zeigen dass daraus λ = = λ k folgt. Es gilt = A = A λ i v i = λ i Av i i= i= und weil Av... Av k linear unabhängig sind folgt daraus λ = = λ k = also sind auch v... v k linear unabhängig. 5

6 b) Seien nun v... v k linear unabhängig und λ... λ k R so dass λ i (Av i ) = i= dann ist zu zeigen dass λ = = λ k = folgt. Da A invertierbar ist existiert die zu A inverse Matrix A und es gilt: = A = A λ i (Av i ) = λ i A Av i = λ i v i i= i= i= Weil v... v k nach Voraussetzung linear unabhängig sind folgt daraus λ = = λ k = das war zu zeigen. Also sind auch Av... Av k linear unabhängig. c) Die Aussage von Teilaufgabe b) ist im Allgemeinen (für nicht invertierbares A) falsch. Als Beispiel betrachten wir den Vektorraum R 2 mit den linear unabhängigen Vektoren v := sowie die (nicht invertierbare) Matrix Dann ist Av = A = und v 2 :=. und Av 2 = also sind Av und Av 2 offenbar linear abhängig. Aufgabe 7.5 Sei K ein Körper und V ein K-Vektorraum. Dann heißt eine Menge von Vektoren {v v... v k } V affin unabhängig wenn für alle λ λ... λ k K mit ) k i= λ i v i = V 2) und k i= λ i = folgt dass λ = λ = = λ k = gilt. Andernfalls heißen die Vektoren affin abhängig. Zeigen Sie: Vektoren {v v... v k } V sind genau dann affin unabhängig wenn {v v... v k v } linear unabhängige Vektoren sind. Interpretieren Sie diese Aussage geometrisch im R-Vektorraum R 2. Lösung zu Aufgabe 7.5 siehe Mitschrift aus der Zentralübung 6

7 Aufgaben für die Tutorübung Aufgabe 7.6 Entscheiden Sie für die folgenden Mengen ob es sich um Untervektorräume handelt. Falls die Menge kein Untervektorraum ist geben Sie eine kurze Begründung an. Falls es sich um einen Untervektorraum handelt geben Sie eine Basis an. { } x a) U := R y 2 : x 2 + y 2 = R 2 b) U 2 := {A R 4 4 : Ax = besitzt unendlich viele Lösungen} R 4 4 c) U 3 := {A C 2 3 : a R} C 2 3 d) U 4 := {A R 2 2 : det(a) = } R 2 2 e) U 5 := { A k : k N } R n n für eine feste Matrix A R n n. Lösung zu Aufgabe 7.6 a) U ist ein Untervektorraum. Es gilt nämlich U = {} da die Gleichung x 2 + y 2 = nur die Lösung x = y = besitzt und die nur aus dem Nullvektor bestehende Menge ist immer Untervektorraum. Eine Basis dieses Vektorraums ist die leere Menge. Das ist vielleicht ein bisschen erklärungsbedürftig: Der Nullvektor selbst kommt als Basis nicht in Frage schließlich ist er linear abhängig. Es gilt ja λ = für jedes λ R also ist λ = nicht die einzige Lösung dieser Gleichung. Gesucht ist ein linear unabhängiges Erzeugendensystem für den Vektorraum {} und der einzige verbleibende Kandidat ist. Linear unabhängig ist diese Menge offenbar (da gibt es nichts zu zeigen weil sie ja keine Vektoren enthält) aber erzeugt sie den Vektorraum {}? Dazu betrachten wir die Menge aller Linearkombinationen von Vektoren aus und stellen fest: Jede Linearkombination von solchen Vektoren ist die leere Summe. Die leere Summe ist aber gleich dem neutralen Element bezüglich der Addition und das ist in R 2 der Nullvektor ( ) T also gilt tatsächlich {} lin( ) = damit sit eine Basis für U. b) U 2 ist kein Untervektorraum. Beispielsweise sind A := und B := beide in U 2 enthalten die Summe A + B = I 4 jedoch nicht. 7

8 c) U 3 ist kein Untervektorraum des C-Vektorraums C 2 3 da z. B. A = U 3 aber ia = ( i ) / U 3. Der Begriff C-Vektorraum bedeutet ja gerade dass als Skalare alle Elemente von C zugelassen sind also müsste auch die Multiplikation eines Vektorraum-Elements mit komplexen (insbesondere also auch mit rein imaginären) Zahlen im Vektorraum liegen (drittes UVR-Axiom). Lässt man als Skalare dagegen nur reelle Zahlen zu (arbeitet also über dem R-Vektorraum C 2 3 ) so funktioniert dieses Gegenbeispiel nicht mehr. Tatsächlich ist U 3 dann ein Untervektorraum es gelten nämlich alle drei Axiome: = U 3 da = R also ist U 3. Sind A B U 3 so gilt (A + B) = a + b R also ist auch A + B U 3. Für λ R und A U 3 gilt (λa) = λa R also ist auch λa U 3. d) U 4 ist kein Untervektorraum da die Nullmatrix (also der Nullvektor von R 2 2 ) die Determinante besitzt und damit nicht in U 4 enthalten ist. e) Diese Aufgabe war etwas verwirrend. U 5 enthält nämlich für jede beliebige Matrix A (auch für die Nullmatrix) die Matrix A = I n. Damit müsste aber auch jedes Vielfache λi n für λ R enthalten sein wenn U 5 ein Untervektorraum sein soll. Das führt zu einem Problem: U 5 enthält höchstens abzählbar viele Elemente (nämlich maximal ein Element für jedes k N maximal weil ja auch Elemente zusammenfallen könnten) während die Menge {λi n : λ R} die gleiche Mächtigkeit wie R besitzt also nicht abzählbar ist. Damit kann U 5 kein Untervektorraum sein (die lineare Hülle von U 5 ist nämlich immer echt größer als U 5 und bei einem Untervektorraum wären Untervektorraum und seine lineare Hülle gleich). Aufgabe 7.7 Sind die folgenden Mengen jeweils linear abhängig oder linear unabhängig? Begründen Sie Ihre Antwort. Finden Sie für die linear abhängigen Mengen jeweils eine möglichst große linear unabhängige Teilmenge. Geben Sie außerdem die lineare Hülle der Mengen an. 3 a) M := im R-Vektorraum R3 3 6 b) M 2 := {i i 2 } im R-Vektorraum C c) M 3 := {i i 2 } im C-Vektorraum C d) M 4 := {a + a x + a 2 x 2 : a = a a 2 } im R-Vektorraum P 2 e) M 5 := {x 2 2 x + x} im R-Vektorraum P 4 8

9 { 2 f) M 6 := 5 Matrizen aus R 2 2 Lösung zu Aufgabe } im R-Vektorraum aller a) Um festzustellen ob die Menge M linear abhängig ist müssen wir versuchen den Nullvektor als nichttriviale Linearkombination der drei Vektoren darzustellen. Wir betrachten also das lineare Gleichungssystem 3 2 λ + 7 λ λ 3 = 3 6 Zur Lösung schreiben wir das System in Matrixform und wenden das Gauß-Verfahren an: Aus der Zeilenstufenform lässt sich sofort ablesen dass das Gleichungssystem mehr als eine Lösung besitzt also gibt es nichttriviale Linearkombinationen und M ist linear abhängig. Eine möglichst große linear unabhängige Teilmenge erhalten wir mit Hilfe der Pivotelemente. In der Zeilenstufenform stehen diese in Spalte und 2 also sind die Spalten und 2 der ursprünglichen Matrix linear unabhängig eine maximal linear unabhängige Teilmenge von M wäre also z. B. 3 M := Die lineare Hülle von M ist dann gleich der linearen Hülle von M also gilt lin(m ) = lin(m ) = 3 α 2 + β 7 : α β R. 3 b) Wir vereinfachen zunächst etwas: M 2 = {i i 2 } = {i 2}. Damit ist klar dass es außer λ = λ 2 = keine reelle Lösung der Gleichung λ i + λ 2 2 = gibt M 2 ist also linear unabhängig. Die lineare Hülle von M 2 ist lin(m 2 ) = {α i + β 2 : α β R} = C. c) Wie zuvor gilt M 3 = {i 2}. Im Unterschied zur vorigen Teilaufgabe dürfen die Skalare jetzt aber aus C gewählt werden und damit ist z. B. λ = 2i λ 2 = eine nichttriviale Lösung der Gleichung λ i+λ 2 2 =. Die Vektoren sind jetzt also linear abhängig. Jeder 9

10 einzelne Vektor ist natürlich linear unabhängig also ist etwa M 3 := {2} eine maximal linear unabhängige Teilmenge von M 3. Weiter gilt lin(m 3 ) = lin(m 3) = {α 2 : α C} = C. d) Die Menge M 4 ist linear abhängig. Zum Beweis genügt es jede beliebige linear abhängige Teilmenge herauszugreifen wir wählen z. B. die Polynome (=Vektoren) x + x 2 und 2x + 2x 2 die beide in M 4 liegen (prüfen Sie das nach!). Offenbar gilt 2 (x + x 2 ) + ( ) (2x + 2x 2 ) = also sind die beiden Polynome linear abhängig. Um eine maximal linear unabhängige Teilmenge zu finden schreiben wir M 4 zunächst etwas um: M 4 = { a + a x + a 2 x 2 : a = a a 2 } = { a ( + x) + a 2 ( + x 2 ) : a a 2 R } Also lässt sich jedes Polynom als Linearkombination von (+x) und ( +x 2 ) darstellen beide Polynome sind natürlich auch selbst Elemente von M 4. Damit ist schon einmal klar wie die lineare Hülle von M 4 aussieht nämlich lin(m 4 ) = { a ( + x) + a 2 ( + x 2 ) : a a 2 R } = M 4 da es sich bei M 4 offenbar bereits um einen Untervektorraum handelt. Wir zeigen noch dass (+x) und ( +x 2 ) linear unabhängig sind: Für λ λ 2 R mit λ (+x)+λ 2 ( + x 2 ) = folgt λ λ 2 + λ x + λ 2 x 2 = mit Koeffizientenvergleich (oder Einsetzen von ausreichend vielen Werten für x) ergibt sich daraus λ = λ 2 =. Das zeigt die Behauptung damit ist M 4 := { ( + x) ( + x 2 ) } eine maximal linear unabhängige Menge in M 4. (Eine größere kann es nicht geben da M 4 zugleich Erzeugendensystem von M 4 ist und somit jedes weitere Polynom in M 4 eine Linearkombination der Elemente von M 4 ist.) e) Wir setzen wieder eine Gleichung an und formen sie gleich ein bisschen um: λ (x 2 2) + λ 2 (x + ) + λ 3 x = λ x 2 + (λ 2 + λ 3 )x + (λ 2 2λ ) = Durch Koeffizientenvergleich erhalten wir die Gleichungen λ = λ 2 + λ 3 = λ 2 2λ = und damit folgt λ = λ 2 = λ 3 =. Dies ist die einzige Lösung also sind die drei Vektoren in M 5 linear unabhängig. Die lineare Hülle von M 5 ist daher lin(m 5 ) = { α (x 2 2) + β (x + ) + γ x : α β γ R }.

11 f) Aus dem Ansatz λ + λ λ λ λ = 2 ergibt sich komponentenweise das lineare Gleichungssystem λ λ λ 3 =. λ λ 5 Da die Matrix maximal Rang 4 haben kann besitzt das System unendlich viele Lösungen also sind die Elemente von M 6 linear abhängig. Entfernt man z. B. das letzte Element (entsprechend der letzten Spalte der Matrix so gilt: Die Matrix hat vollen Rang also ist M 6 := { / / } eine maximal linear unabhängige Teilmenge von M 6. Damit folgt auch lin(m 6 ) = lin(m 6) mit { } lin(m 6) = α + β + γ + δ : α β γ δ R / Aufgabe 7.8 Sei K ein Körper V ein K-Vektorraum und U U 2 seien Untervektorräume von V. Entscheiden Sie ob die folgenden Mengen ebenfalls Untervektorräume von V sind und begründen Sie Ihre Antwort: a) U U 2 b) U U 2 c) U + U 2 := {u + u 2 : u U u 2 U 2 } d) U U 2 := {u u 2 : u U u 2 U 2 } Lösung zu Aufgabe 7.8

12 a) U U 2 ist ein Untervektorraum von V : Da U und U 2 Untervektorräume sind gilt U und U 2 also folgt U U 2 und damit U U 2. Seien x y U U 2. Dann sind x y U und daher (weil U Untervektorraum ist) gilt auch x+y U. Aus dem gleichen Grund ist x+y U 2 also folgt x+y U U 2. Sei x U U 2 und λ K. Dann ist x U und damit auch λx U (wiederum weil U Untervektorraum ist) genauso gilt auch λx U 2. Damit folgt λx U U 2. b) U U 2 ist im Allgemeinen kein Untervektorraum. Als Gegenbeispiel betrachten wir den R-Vektorraum R 2 mit den Untervektorräumen {} {} U := lin und U 2 := lin. Offenbar gilt U U 2 aber + = / U U 2. Damit kann U U 2 kein Untervektorraum sein. c) U + U 2 ist ein Untervektorraum: Da U und U 2 ist folgt + U + U 2 also ist U + U 2. Seien x y U + U 2. Dann gibt es u x u y U und v x v y U 2 mit x = u x + v x und y = u y + v y. Es folgt x + y = (u x + v x ) + (u y + v y ) = (u x + u y ) + (v x + v y ) U + U 2 }{{}}{{} U U 2 da U und U 2 Untervektorräume sind. Sei x U + U 2 und λ K. Dann gibt es u U und v U 2 mit x = u + v und es folgt λx = λ(u + v) = (λu) + (λv) U + U 2 }{{}}{{} U U 2 wobei wir wiederum verwendet haben dass U und U 2 Untervektorräume sind. d) U U 2 ist natürlich ebenfalls ein Untervektorraum: Da U 2 Untervektorraum ist gilt für alle x U 2 dass auch x U 2. Damit folgt ist U 2 = U 2 also ist U U 2 = U + ( U 2 ) = U + U 2. Das ist aber nach c) ein Untervektorraum. 2

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

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 13. Übungsblatt

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 13. Übungsblatt UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl WS 8/9 Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum

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

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

HM II Tutorium 1. Lucas Kunz. 24. April 2018

HM II Tutorium 1. Lucas Kunz. 24. April 2018 HM II Tutorium 1 Lucas Kunz 24. April 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Körper...................................... 2 1.2 Gruppen..................................... 2 1.3 Vektorraum...................................

Mehr

Klausur zur Mathematik I (Modul: Lineare Algebra I)

Klausur zur Mathematik I (Modul: Lineare Algebra I) Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Anusch Taraz Wintersemester 2014/15 Klausur zur Mathematik I (Modul: Lineare Algebra I) 18.02.2015 Sie haben 60 Minuten Zeit zum

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: Eine

Mehr

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

6.5 Lineare Abhängigkeit, Basis und Dimension

6.5 Lineare Abhängigkeit, Basis und Dimension 6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von

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

5.5 Abstrakter Vektorraum

5.5 Abstrakter Vektorraum 118 Kapitel 5 Lineare Algebra 55 Abstrakter Vektorraum Für die Vektoraddition und die Multiplikation von Vektoren mit Skalaren im zweioder dreidimensionalen euklidischen Raum gelten bestimmte Rechengesetze,

Mehr

Blatt 10 Lösungshinweise

Blatt 10 Lösungshinweise Lineare Algebra und Geometrie I SS 05 Akad. Rätin Dr. Cynthia Hog-Angeloni Dr. Anton Malevich Blatt 0 Lösungshinweise 0 0 Aufgabe 0. Es seien die Vektoren u =, v = und w = in R gegeben. a # Finden Sie

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

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

Lineare Gleichungssysteme

Lineare Gleichungssysteme Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.

Mehr

Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I

Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I Humboldt-Universität zu Berlin.0.08. Mathematisch-Naturwissenschaftliche Fakultät II, Institut für Mathematik A. Filler Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I Bitte lösen

Mehr

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen 1 Lineare Abhängigkeit 1.1 Für welche t sind die folgenden Vektoren aus 3 linear abhängig? (1, 3, 4), (3, t, 11), ( 1, 4, 0). Das zur Aufgabe gehörige LGS führt auf die Matrix 1 3 4 3 t 11. 1 4 0 Diese

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler ................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik

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

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

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie D-MAVT Lineare Algebra I HS 7 Prof. Dr. N. Hungerbühler Lösungen Serie 4: Ferienserie . Finden Sie ein Erzeugendensystem des Lösungsraums L R 5 des Systems x + x x 3 + 3x 4 x 5 = 3x x + 4x 3 x 4 + 5x 5

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Rechnen mit Matrizen 2 1.1 Matrixmultiplikation............................................

Mehr

Lineare Algebra: Determinanten und Eigenwerte

Lineare Algebra: Determinanten und Eigenwerte : und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b

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

Klausur zur Mathematik I (Modul: Lineare Algebra I)

Klausur zur Mathematik I (Modul: Lineare Algebra I) Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Anusch Taraz Sommersemester 215 Klausur zur Mathematik I (Modul: Lineare Algebra I) 28.8.215 Sie haben 6 Minuten Zeit zum Bearbeiten

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 12

Technische Universität München Zentrum Mathematik. Übungsblatt 12 Technische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 12 Hausaufgaben Aufgabe 12.1 Sei f : R 3 R 3 gegeben durch f(x) :=

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 2008/09 4 Einführung Vektoren und Translationen

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung

TECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 006/07 en Blatt 3.0.006 Einführung in die Matrizenrechnung Zentralübungsaufgaben

Mehr

Grundlegende Definitionen aus HM I

Grundlegende Definitionen aus HM I Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen

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

Serie 8: Fakultativer Online-Test

Serie 8: Fakultativer Online-Test Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung

Mehr

$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $

$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $ $Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme

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

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

Tutorium: Analysis und Lineare Algebra. Vorbereitung der Bonusklausur am (Teil 1, Lösungen)

Tutorium: Analysis und Lineare Algebra. Vorbereitung der Bonusklausur am (Teil 1, Lösungen) Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 22.5.217 (Teil 1, Lösungen) 1. Mai 217 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 217 Steven Köhler 1. Mai 217

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

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

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

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

Affine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3...

Affine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3... Affine Hülle Wiederholung. Der Vektor x K n ist eine lineare Kombination der Vektoren x,...,x k K n, wenn es Zahlen λ,...,λ k K gibt mit x = λ x +... + λ k x k. Def. Gibt es solche Zahlen λ,...,λ k K mit

Mehr

Lineare Algebra I Lösungsvorschlag

Lineare Algebra I Lösungsvorschlag Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und

Mehr

Prüfung Lineare Algebra , B := ( ), C := 1 1 0

Prüfung Lineare Algebra , B := ( ), C := 1 1 0 1. Es seien 1 0 2 0 0 1 3 0 A :=, B := ( 1 2 3 4 ), C := 1 1 0 0 1 0. 0 0 0 1 0 0 1 0 0 0 0 Welche der folgenden Aussagen ist richtig? A. A und C haben Stufenform, B nicht. B. A und B haben Stufenform,

Mehr

Lösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1

Lösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1 D-MAVT Lineare Algebra II FS 8 Prof. Dr. N. Hungerbühler Lösungen Serie. Welche der folgenden Vektoren sind Eigenvektoren der Matrix? (a) (,, ). Ein Vektor v ist Eigenvektor von A :=, falls Av ein skalares

Mehr

Kapitel II. Vektoren und Matrizen

Kapitel II. Vektoren und Matrizen Kapitel II. Vektoren und Matrizen Vektorräume A Körper Auf der Menge R der reellen Zahlen hat man zwei Verknüpfungen: Addition: R R R(a, b) a + b Multiplikation: R R R(a, b) a b (Der Malpunkt wird oft

Mehr

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1. Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x

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

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben

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

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

Demo für LINEARE ALGEBRA. Vektoren und Vektorraum. Teil 3. Untervektorräume INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK. Datei Nr.

Demo für   LINEARE ALGEBRA. Vektoren und Vektorraum. Teil 3. Untervektorräume INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK. Datei Nr. Teil 3 Untervektorräume Stand 1. Juli 011 Datei Nr. 61110 LINEARE ALGEBRA Vektoren und Vektorraum INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK Demo für 61110 Vektorrechnung Teil 3 Untervektorräume 51 Inhalt

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

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

Serie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1

Serie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1 Prof. Norbert Hungerbühler Serie Lineare Algebra II ETH Zürich - D-MAVT. a Welche der folgenden Vektoren sind Eigenvektoren der Matrix? i (,,. ii (,,. iii (,,. iv (, 3,. v (,,. Ein Vektor v ist Eigenvektor

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 12

Technische Universität München Zentrum Mathematik. Übungsblatt 12 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Sei f : R R gegeben durch f(x 1, x ) = x 3

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:

Mehr

Für die Matrikelnummer M = Dann sind durch A =

Für die Matrikelnummer M = Dann sind durch A = Musterlösung zum. Blatt 9. Aufgabe: Gegeben seien m 3 + 2 m m 3 m 2 m 4 + m 7 m 3 A := m m 2 m 2 + 2 m 2 m 4 + m 5 und b := m 6 m 4 + a) Finden Sie eine Lösung x R 7 für die Gleichung Ax =. b) Finden Sie

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

45 Eigenwerte und Eigenvektoren

45 Eigenwerte und Eigenvektoren 45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.

Mehr

Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Übungsblatt 1- Lösung

Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Übungsblatt 1- Lösung Technische Universität München Physik Department Pablo Cova Fariña Claudia Nagel Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Übungsblatt 1- Aufgabe 1: (a) Gegeben seien

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax

Mehr

HÖHERE MATHEMATIK I FÜR MW UND CIW Übungsblatt 5

HÖHERE MATHEMATIK I FÜR MW UND CIW Übungsblatt 5 PROF DR-ING RAINER CALLIES DR THOMAS STOLTE DIPL-TECH MATH KATHRIN RUF DIPL-TECH MATH KARIN TICHMANN WS / HÖHERE MATHEMATIK I FÜR MW UND CIW Übungsblatt Zentralübung Z Bezüglich eines kartesischen Koordinatensystems

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

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

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

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 2

Technische Universität München Zentrum Mathematik. Übungsblatt 2 Technische Universität München Zentrum Mathematik Mathematik 2 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 2 Hausaufgaben Aufgabe 2.1 Sei [a, b] R ein Intervall und ( ) n N [a,

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

Aussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9

Aussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. () In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.

Mehr

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Lösungen Serie 6 (Vektorräume, Skalarprodukt) Fachhochschule Nordwestschweiz (FHNW Hochschule für Technik Institut für Geistes- und Naturwissenschaft Lösungen Serie 6 (Vektorräume, Skalarprodukt Dozent: Roger Burkhardt Klasse: Studiengang ST Büro:

Mehr

Karlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning

Karlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning Karlsruher Institut für Technologie (KIT) WS 212/13 Institut für Analysis 14.1.213 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Aufgabe 1 Höhere Mathematik I für die Fachrichtung Physik 12. Übungsblatt Sei

Mehr

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

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben

Mehr

5 Vektorräume. (V1) für alle x, y V : x + y = y + x; (V2) für alle x, y, z V : (x + y) + z = x + (y + z);

5 Vektorräume. (V1) für alle x, y V : x + y = y + x; (V2) für alle x, y, z V : (x + y) + z = x + (y + z); 5 Vektorräume Was wir in den vorangegangenen Kapiteln an Matrizen und Vektoren gesehen haben, wollen wir nun mathematisch abstrahieren. Das führt auf den Begriff des Vektorraumes, den zentralen Begriff

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 MUSTERLÖSUNG Name: Studiengang: Aufgabe 1 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter die Aufgabenstellung

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

Übungsklausur Lineare Algebra I - Wintersemester 2008/09

Übungsklausur Lineare Algebra I - Wintersemester 2008/09 1 Übungsklausur Lineare Algebra I - Wintersemester 008/09 Teil 1: Multiple Choice (1 Punkte Für ie ganze Klausur bezeichne K einen beliebigen Körper. 1. Welche er folgenen Aussagen sin ann un nur ann erfüllt,

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

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Betrachtet wird eine (n,n)-matrix A. Eine Zahl λ heißt Eigenwert von A, wenn ein Vektor v existiert, der nicht der Nullvektor ist und für den gilt: A v = λ v.

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

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller 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 4.3 und 4.4

Mehr

Berechnung der Determinante

Berechnung der Determinante Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,

Mehr

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

Mehr

Lineare Algebra I für Mathematiker Lösungen

Lineare Algebra I für Mathematiker Lösungen Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation

Mehr

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }. 154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =

Mehr

Kapitel 3 Lineare Algebra

Kapitel 3 Lineare Algebra Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND

Mehr

Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2016/

Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2016/ Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 206/207 20.03.207 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:...................................................................

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

Serie 8: Online-Test

Serie 8: Online-Test D-MAVT Lineare Algebra I HS 018 Prof Dr N Hungerbühler Serie 8: Online-Test Schicken Sie Ihre Lösung bis spätestens Freitag, den 3 November um 14:00 Uhr ab Diese Serie besteht nur aus Multiple-Choice-Aufgaben

Mehr

Lösungsskizze zur Hauptklausur Lineare Algebra I

Lösungsskizze zur Hauptklausur Lineare Algebra I Lösungsskizze zur Hauptklausur Lineare Algebra I Aufgabe Seien V und W zwei K-Vektorräume für einen Körper K. a) Wann heißt eine Abbildung f : V W linear? b) Wann heißt eine Abbildung f : V W injektiv?

Mehr

Höhere Mathematik I. Variante A Musterlösung

Höhere Mathematik I. Variante A Musterlösung Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I SoSe Variante A Musterlösung Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind handschriftliche Aufzeichnungen von maximal DinA4-Blättern.

Mehr

Musterlösung zur Klausur Lineare Algebra I

Musterlösung zur Klausur Lineare Algebra I Musterlösung zur Klausur Lineare Algebra I Aufgabe Version A 5 Punkte: Welche der folgenden Aussagen sind wahr bzw. falsch? Setzen Sie in jeder Zeile genau ein Kreuz. Für jede korrekte Antwort erhalten

Mehr