Technische Universität München Zentrum Mathematik. Übungsblatt 7

Save this PDF as:
 WORD  PNG  TXT  JPG

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

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

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

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

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

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

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

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

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: 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

, 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 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

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

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

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

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

1 0 1, V 3 = M, und λ A = λa

1 0 1, V 3 = M, und λ A = λa Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a

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

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

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

Musterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr

Musterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr TUM Ferienkurs Lineare Algebra WiSe 8/9 Dipl.-Math. Konrad Waldherr Musterlösung Relationen Aufgabe Auf R sei die Relation σ gegeben durch (a, b)σ(c, d) : a + b c + d. Ist σ reflexiv, symmetrisch, transitiv,

Mehr

02. Vektorräume und Untervektorräume

02. Vektorräume und Untervektorräume 02. Vektorräume und Untervektorräume Wir kommen nun zur eigentlichen Definition eines K-Vektorraums. Dabei ist K ein Körper (bei uns meist R oder C). Informell ist ein K-Vektorraum eine Menge V, auf der

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

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

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

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

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

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

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

Affine Geometrie (Einfachere, konstruktive Version)

Affine Geometrie (Einfachere, konstruktive Version) Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit

Mehr

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Lösungen Serie 6 (Vektorräume, Skalarprodukt) Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9

Mehr

Aufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie:

Aufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie: Aufgabe I (4 Punkte Gegeben seien die Matrix und die Menge Zeigen Sie: H := L := {A R 4 4 A HA = H} a L ist bezüglich der Matrizenmultiplikation eine Gruppe b Die Matrizen der Form ( E O, O B wobei E R

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 I 22. Februar 2008

KLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008 KLAUSUR ZUR LINEAREN ALGEBRA I. Februar 008 MUSTERLÖSUNG Diese Klausur wurde je nach Sitzreihe in zwei verschiedenen Versionen geschrieben. Die andere Version unterscheidet sich von der vorliegenden jedoch

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Dipl.-Math. Marie Hielscher Mathematik für Betriebswirte I Wintersemester 2014/2015

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Dipl.-Math. Marie Hielscher Mathematik für Betriebswirte I Wintersemester 2014/2015 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

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

Lineare Algebra Weihnachtszettel

Lineare Algebra Weihnachtszettel Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet

Mehr

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

Lineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18.

Lineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18. 18. November 2011 Wozu das alles? Bedeutung von Termen Vektoren in R n Ähnlichkeiten zwischen Termbedeutungen Skalarprodukt/Norm/Metrik in R n Komposition von Termbedeutungen Operationen auf/abbildungen

Mehr

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen 1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen

Mehr

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein

Mehr

Vektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Vektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:

Mehr

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,

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

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

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG 15. Dezember 2007

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG 15. Dezember 2007 KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG 5. Dezember 007 Name: Studiengang: Aufgabe 3 4 5 Summe Punktzahl /40 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter die Aufgabenstellung

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER Inhaltsverzeichnis

MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER Inhaltsverzeichnis MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER 206 STEFAN GESCHKE Inhaltsverzeichnis Einleitung 3 Literatur 3. Lineare Gleichungssysteme

Mehr

Kapitel 16. Invertierbare Matrizen

Kapitel 16. Invertierbare Matrizen Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen

Mehr

11. BASIS, UNTERRAUM, und DIMENSION

11. BASIS, UNTERRAUM, und DIMENSION 11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen

Mehr

Das inhomogene System. A x = b

Das inhomogene System. A x = b Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist

Mehr

Klausur Lineare Algebra I

Klausur Lineare Algebra I Klausur Lineare Algebra I Fachbereich Mathematik WS / Prof. Dr. Kollross 9. März Name:.................................................. Vorname:............................................... Studiengang:...........................................

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 Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

LINEARE ALGEBRA II. FÜR PHYSIKER LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders

Mehr

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009 I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe

Mehr

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse

Mehr

Kapitel 13. Lineare Gleichungssysteme und Basen

Kapitel 13. Lineare Gleichungssysteme und Basen Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x

Mehr

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2 Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete

Mehr

Mathematik für Anwender I

Mathematik für Anwender I Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 7 Die Lösungsmenge eines homogenen linearen Gleichungssystems in n Variablen über einem Körper K ist ein Untervektorraum

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

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1 UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive

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

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

Übersicht Kapitel 9. Vektorräume

Übersicht Kapitel 9. Vektorräume Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten

Mehr

2.5 Gauß-Jordan-Verfahren

2.5 Gauß-Jordan-Verfahren 2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]

Mehr

Lineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching

Lineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,

Mehr

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw. Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen

Mehr