(Allgemeine) Vektorräume (Teschl/Teschl 9)
|
|
- Jonas Kranz
- vor 7 Jahren
- Abrufe
Transkript
1 (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 Addition, d. h. zu je zwei Elementen (Vektoren) v, w V ist die Summe v + w V deniert. Eine Mulitiplikation mit Skalaren aus K, d. h. zu a K und v V ist das Produkt a v V deniert. Dabei müssen die folgenden Regeln gelten: vektorraum.pdf, Seite
2 Rechenregeln (V, +) ist eine abelsche Gruppe, d. h. v + w = w + v für alle v, w V (Kommutativgesetz), (u + v) + w = u + (v + w) für alle u, v, w V (Assoziativgesetz), Es gibt einen Nullvektor V mit v + = v für alle v V, Zu jedem v V gibt es ein Inverses v V mit v + ( v) =. (ab) v = a (b v) für a, b K, v V (Assoziativgesetz), v = v für v V und das Einselement K, a (v + w) = a v + a w und (a + b) v = a v + b v für a, b K und v, w V (Distributivgesetze) vektorraum.pdf, Seite
3 Beispiele V = R n ist ein Vektorraum über R. Allgemeiner ist V = K n = {(v,..., v n ) : v i K} ein Vektorraum über K. Ist I R ein Intervall, so bildet die Menge aller Funktionen von I nach R einen Vektorraum über R, ebenso die Menge aller stetigen (bzw. dierenzierbaren) Funktionen. Die Menge aller Polynome über K bildet einen Vektorraum über K, ebenso die Menge aller Polynome vom Grad n. vektorraum.pdf, Seite 3
4 Bemerkung Die für Anwendungen wichtigsten Fälle sind K = R und K = C (komplexe Zahlen). In der Kodierungstheorie spielen zudem Vektorräume über endlichen Körpern (wie Z oder Galoiskörper Z [x] m(x) ) eine Rolle. Wir werden uns im Folgenden auf den Fall K = R beschränken, die gemachten Aussagen lassen sich jedoch unmittelbar auf den allgemeinen Fall übertragen. Unterräume Sind U und V Vektorräume über K und gilt U V, so heiÿt U Untervektorraum oder Unterraum (oder Teilraum) von V. vektorraum.pdf, Seite 4
5 Beispiele für Unterräume U = {(x, y) R : y = } ist ein Unterraum von V = R. Die Menge U = Menge aller Polynome mit Grad ist ein Unterraum des Vektorraums V aller Polynome (mit beliebigem Grad). Ist A eine beliebige m nmatrix, so bildet die Menge U aller Lösungen des homogenen LGS Ax = einen Unterraum des R n. Dies folgt daraus, dass ein homogenes LGS immer lösbar ist ( U ) und dass die Summe zweier Lösungen sowie skalare Vielfache einer Lösung wieder Lösungen sind. Umgekehrt ist jeder Unterraum des R n Lösungsmenge eines geeigneten homogenen linearen Gleichungssystems. Zu jedem Vektorraum V ist U = {} ein Unterraum, der triviale Unterraum. vektorraum.pdf, Seite 5
6 Bemerkung Um zu entscheiden, ob es sich bei einer gegebenen Teilmenge U eines Vektorraums V um einen Unterraum handelt, müssen lediglich 3 Bedingungen geprüft werden:. U (stellt sicher, dass U ist),. v + w U für alle u, v U und 3. av U für alle v U und a R. Bedingungen und 3 stellen sicher, dass Vektoraddition und Multiplikationen mit Skalaren innerhalb von U deniert sind, U also abgeschlossen unter den Vektorraumoperationen ist. Die Gültigkeit der Rechenregeln ergibt sich dann automatisch daraus, dass diese in V gelten. Dies muss daher für U nicht mehr explizit nachgeprüft werden. vektorraum.pdf, Seite 6
7 Beispiel Sei V der Vektorraum aller Polynome p(x) = ax + bx + c mit Grad und U = {p V : p() = } die Teilmenge derjenigen Polynome, die in x = eine Nullstelle haben. Dann ist U Unterraum von V, denn es gilt. Die Nullfunktion p(x) = hat in x = der Wert, gehört also zu U.. Sind p, q U, so gilt nach Voraussetzung p() = q() =. Für die Summe p + q folgt (p + q)() = p() + q() = p + q U 3. Für p U und Skalare λ R gilt sowie (λ p)() = λ p() = λ = λ p U vektorraum.pdf, Seite 7
8 Bemerkung Um zu zeigen, dass eine Teilmenge U eines Vektorraums V kein Unterraum ist, muss ein Gegenbeispiel angegeben werden, bei dem eine der 3 Bedingungen verletzt ist. Es sind also (im Fall U ) entweder Vektoren v, w U mit v + w U zu nden oder ein v U und ein Skalar a K mit av U. Beispiele{ ( ) } v U = v = R : v = oder v = ist kein v ( ) Unterraum von V = R, denn es sind v = und ( ) ( ) w = U, aber v + w = U. Ũ = {v R : v ) } ist ebenfalls kein Unterraum, ) denn es ist v = Ũ, aber v = Ũ. ( ( vektorraum.pdf, Seite 8
9 Unterräume des R n geometrisch Der R hat folgende Unterräume: (a) den trivialen Unterraum U = {}, (b) den gesamten Raum R, (c) alle Geraden durch. Im R 3 gibt es folgende Unterräume: (a) {}, (b) Geraden durch, (c) Ebenen durch, (d) den gesamten Raum R 3. vektorraum.pdf, Seite 9
10 Linearkombinationen Zu Vektoren v,..., v n V heiÿt ein Ausdruck der Form n a i v i = a v + a v a n v n i= mit Skalaren a,..., a n K Linearkombination von v,..., v n. Die Skalare a,..., a n werden dabei als Koezienten bezeichnet. Satz Ist V Vektorraum über K, so bildet für beliebige (feste) v,..., v n V die Menge aller Linearkombinationen { n } L(v,..., v n ) = a i v i : a,..., a n K i= einen Unterraum von V, der von v,..., v n erzeugte Unterraum oder die lineare Hülle von v,..., v n. vektorraum.pdf, Seite
11 Lineare Hülle geometrisch Die lineare Hülle L(v) = {t v : t R} eines Vektors v ist eine Gerade durch den Nullpunkt. Liegen die Ortsvektoren v und w auf einer Geraden, so ist L(v, w) ebenfalls eine Gerade, ansonsten ist L(v, w) = {t v + s w : s, t R} eine Ebene durch. Liegen die 3 Vektoren u, v, w R 3 in einer Ebene, so ist diese Ebene ihre lineare Hülle, ansonsten ist die lineare Hülle der gesamte dreidimensionale Raum. vektorraum.pdf, Seite
12 Erzeugendensystem Ist V = L(v,..., v n ) (d. h. jeder Vektor als V lässt sich als Linearkombination von v,..., v n darstellen), so heiÿt {v,..., v n } Erzeugendensystem von V. Beispiele { ( ), ( )} ist ein Erzeugendensystem des R, ( ) b denn ein beliebiger Vektor R kann durch b ( ) ( ) ( ) b = b + b b als Linearkombination von ) ) e = und e = dargestellt werden. ( ( {, x, x } ist ein Erzeugendensystem des Vektorraums V aller Polynome vom Grad, den ein beliebiges Element p V hat die Form p(x) = a x + a x + a mit Skalaren a, a, a R. vektorraum.pdf, Seite
13 Weiteres Beispiel {u, v, w} = { ( ), ( ), ( )} ist Erzeugendensystem des R, denn um einen beliebigen Vektor b R als Linearkombination von u, v, w darzustellen, betrachtet man a ( ) + a ( ) + a 3 ( ) ( = ) a = was ein lineares Gleichungssystem für die gesuchten Skalare a, a und a 3 ist. Die Koezientenmatrix hat Rang, also ist das LGS für beliebiges b R lösbar. Da es 3 Unbekannte gibt, ist die Lösung und damit die Darstellung von b als Linearkombination von u, v, w nicht eindeutig. a a3 ( b b ), vektorraum.pdf, Seite 3
14 Bemerkung Die Rechnung im letzten Beispiel zeigt ein allgemeines Prinzip: Zu Vektoren v,..., v n R m und Skalaren a,..., a n R enspricht die Linearkombination n i= a i v i = a v + a v a n v n der Multiplikation der m nmatrix V, deren Spalten die Vektoren v,.., v n sind, mit dem Koezientenvektor a. an R n. Für einen Vektor b R m folgt b L(v,..., v n ) genau dann, wenn das LGS Vx = b lösbar ist, also wenn rg(v b) = rg(v ). Insbesondere gilt: Ist rg(v ) = m, so lässt sich jedes b R m als Linearkombination der v i darstellen, d. h. v,..., v n bilden ein Erzeugendensystem des R m. vektorraum.pdf, Seite 4
15 Lineare Unabhängigkeit Die Vektoren v,..., v n V heiÿen linear unabhängig, wenn n a i v i = a = a =... = a n =, i= wenn also die einzige Möglichkeit, den Nullvektor als Linearkombination von v,..., v n darzustellen darin besteht, dass alle Koezienten Null sind. Sind die Vektoren nicht linear unabhängig, so heiÿen sie linear abhängig. Dies ist der Fall, wenn es eine nichttriviale Möglichkeit gibt (d. h. mit Koezienten, die nicht alle Null sind), den Nullvektor als Linearkombination von v,..., v n darzustellen. vektorraum.pdf, Seite 5
16 Beispiele ( ) ( ) v = und v = R sind linear unabhängig, da ( ) ( ) a a v + a v = = a a = a =. ( ) Mit v 3 = = v + v sind v, v, v 3 linear abhängig, da z. B. v + v v 3 =. Die Spalten der Matrix A bilden genau dann linear unabhängige Vektoren, wenn das homogene LGS Ax = nur die Nulllösung hat. Das ist genau dann der Fall, wenn der Rang von A gleich der Zahl der Spalten ist. vektorraum.pdf, Seite 6
17 Weiteres Beispiel ( ) ( ) ( ) Die drei Vektoren v =, v = und v 3 = sind linear abhängig, da die aus den drei Vektoren als Spalten bestehende Matrix den Rang (< 3) hat. Das LGS ( ) ( ) a + a ( ) ( + a 3 = ) a a = ( a3 ( ( ) ( ) hat die allgemeine Lösung a a = t mit t R. a3 Mit t = folgt z. B. v v + v 3 = v = v v 3. ) ) vektorraum.pdf, Seite 7
18 Lineare Abhängigkeit graphisch Linear abhängige Vektoren ) ) v =, v = und v 3 = ( ( ( ) vektorraum.pdf, Seite 8
19 Lineare Abhängigkeit geometrisch Ein Vektor v ist genau dann linear abhängig, wenn er der Nullvektor ist. Zwei Vektoren v und v sind genau dann linear abhängig, wenn sie auf einer Geraden liegen oder (mindestens) einer von ihnen der Nullvektor ist. Drei Vektoren v, v und v 3 sind genau dann linear abhängig, wenn sie in einer Ebene liegen oder (mindestens) einer von ihnen der Nullvektor ist. Ersteres ist genau dann der Fall, wenn durch eine Linearkombination die Seiten eines Dreicks gebildet werden können. Bemerkung Die Eigenschaft linear abhängig bzw. linear unabhängig bezieht sich immer auf das System von Vektoren v,..., v n als Ganzes. vektorraum.pdf, Seite 9
20 Satz Die Vektoren v,..., v n sind genau dann linear abhängig, wenn sich einer von ihnen als Linearkombination der übrigen darstellen lässt. Im letzten Beispiel war v = ( ) = Weiteres Beispiel Wegen 5 ( ) ( ) = v v 3 ( ) ( ) Vektoren linear abhängig. Es folgt z. B. ( ) = 4 5 ( ) ( ) ( ) = ( ) sind die drei vektorraum.pdf, Seite
21 Satz 3 Sind v,..., v n linear unabhängig, so ist jeder Vektor b L(v,..., v n ) auf eindeutige Weise als Linearkombination von v,..., v n darstellbar. Begründung Ist A die Matrix mit v,..., v n als Spalten, so sind die Vektoren genau dann linear unabhängig, wenn rg(a) = n ist. Dies bedeutet aber, dass jede Lösung eines LGS Ax = b und somit die Darstellung eines Vektors b als Linearkombination der v i eindeutig ist. Beispiel ( ) Aus rg Spaltenvektoren v = ( = rg ) ( ) = folgt, dass die ( ) und w = linear unabhängig sind. Eine Darstellung von b R als Linearkombination von v und w erhält )( man ) als ( eindeutige ) Lösung des LGS a b =. ( a b vektorraum.pdf, Seite
22 Beispiel Um zu prüfen, ob die Vektoren v = 3, v = und v 3 = linear unabhängig sind, betrachtet man die Gleichung 3 + a + a 3 a = Die linke Seite entspricht der Multiplikation der Matrix mit den Spaltenvektoren v, v und v 3 mit dem Vektor der a j, man erhält folgendes lineare Gleichungssystem für a, a, a 3 : 3 a a a3 = 3 Somit hat das LGS nur die Nulllösung, die Koezientenmatrix Rang 3 und die Vektoren sind linear unabhängig. vektorraum.pdf, Seite
23 Fortsetzung Beispiel Möchte man den Vektor b R 3 als Linearkombination von v, v und v 3 darstellen, so erhält man das LGS 3 a a a3 = b Da die Matrix Rang 3 (= Zahl der Zeilen) hat, ist das LGS für beliebiges b eindeutig lösbar, also ist jedes b R 3 auf eindeutige Weise als Linearkombination von v, v und v 3 darstellbar, z. B. erhält man für b = (; ; ) T a 3 =, a = und a =, also b = v + v + v 3 vektorraum.pdf, Seite 3
24 Zusammenhang mit Matrizen allgemein Die Lösung eines LGS Ax = b entspricht einer Darstellung von b als Linearkombination der Spaltenvektoren von A. Daraus folgt (für eine m nmatrix A) Das LGS Ax = b ist genau dann lösbar, wenn b in der linearen Hülle der Spaltenvektoren von A liegt. Dies ist genau dann der Fall, wenn rg(a b) = rg(a). Das LGS Ax = b ist genau dann für alle b R m lösbar, wenn die Spalten von A ein Erzeugendensystem des R m bilden. Dies ist genau dann der Fall, wenn rg(a) = m. Die Lösung des homogenen LGS Ax = ist genau dann eindeutig, wenn die Spaltenvektoren von A linear unabhängig sind. Dies ist genau dann der Fall, wenn rg(a) = n. Wenn das inhomogene LGS Ax = b lösbar ist, so ist die Lösung genau dann eindeutig, wenn die Spaltenvektoren von A linear unabhängig sind. vektorraum.pdf, Seite 4
25 Beispiel Der Vektor b = soll als Linearkombination von v = 3, v = 4 und v 3 = 3 d. h. gesucht sind a, a, a 3 R mit 4 = a +a +a 3 = 3 3 dargestellt werden, Die Vorwärtselimination des GauÿAlgorithmus liefert also ist das LGS nicht lösbar und somit b L(v, v, v 3 )., a a a3 vektorraum.pdf, Seite 5
26 Fortsetzung Beispiel Um zu prüfen, ob die Vektoren v, v und v 3 linear unabhängig sind, betrachtet man das homogene LGS a a a3 = und erhält Da allgemeine Lösung enthält einen freien Parameter und ist a a a3 = t t t mit t R, also sind die Vektoren linear abhängig. Z. B. erhält man mit t = v = 3 = v + v 3 = vektorraum.pdf, Seite 6
27 Basis Ein linear unabhängiges Erzeugendensystem eines Vektorraums V heiÿt Basis von V. Eigenschaft Ist {v,..., v n } Basis von V, so lässt sich jedes Element aus V auf eindeutige Weise als Linearkombination von v,..., v n darstellen. Beispiele {( { ), (, 3 )} {( und }, ), ( ist eine Basis des R 3. )} sind Basen des R. Die Spalten einer regulären n nmatrix bilden eine Basis des R n. {, x, x } ist Basis des Vektorraums aller Polynome vom Grad. vektorraum.pdf, Seite 7
28 Satz 4 Sind {v,..., v n } und {w,..., w m } Basen des Vektorraums V, so ist n = m, d. h. je zwei Basen haben dieselbe Anzahl von Elementen. Dimension Die Dimension dim V eines Vektorraums V ist die Anzahl der Elemente einer Basis. Ein Vektorraum ist unendlichdimensional, wenn er keine (endliche) Basis hat. Beispiele dim R n = n. Der Vektorraum der Polynome mit Grad n hat die Dimension n + ({, x, x,..., x n } ist Basis). Der Vektorraum aller Polynome ist unendlichdimensional. vektorraum.pdf, Seite 8
29 Dimension von Unterräumen des R 3 (bzw. allgemeiner des R n ) Der triviale Unterraum {} hat die Dimension. Eindimensionale Unterräume sind Geraden durch, eine Basis besteht aus einem Richtungsvektor. Zweidimensionale Unterräume sind Ebenen durch, eine Basis besteht aus zwei Richtungsvektoren, die nicht auf einer Geraden liegen (dies sichert die lineare Unabhängigkeit). Drei Vektoren, die nicht in einer Ebene liegen, sind linear unabhängig und bilden eine Basis des dreidimensionalen Raumes. vektorraum.pdf, Seite 9
30 Bemerkungen Ist dim V = k, so bilden k linear unabhängige Vektoren immer eine Basis. Jedes Erzeugendensystem enthält eine Basis, d. h.: Hat der von v,..., v n erzeugte Unterraum die Dimension k, so gibt es eine kelementige Teilmenge von {v,..., v n }, welche Basis von L(v,..., v n ) ist. Man ndet eine solche (i. a. nicht eindeutig bestimmte) Basis, indem man aus {v,..., v n } schrittweise solche Vektoren entfernt, die sich als Linearkombination der übrigen darstellen lassen, solange, bis die verbleibenden Vektoren linear unabhängig sind. vektorraum.pdf, Seite 3
31 Beispiel und Bemerkung Gesucht ist eine Basis des von v = 3 4 v 3 = 3 und v 4 = Das LGS 4 3 3, v = 4, erzeugten Unterraums des R /3 ist nicht eindeutig lösbar, also sind die Vektoren linear abhängig. Die Vektoren, denen kein Pivotelement zugeordnet ist (also v und v 4 ) sind als Linearkombination der anderen darstellbar und können entfernt werden. Die verbleibenden Vektoren v und v 3 sind dann linear unabhängig und bilden eine Basis des Unterraums L(v, v, v 3, v 4 ), der somit die Dimension hat. vektorraum.pdf, Seite 3
32 Bemerkung Ist {v,..., v n } ein Erzeugendensystem oder eine Basis des Unterraums U, so ändert sich diese Eigenschaft nicht, wenn man zu einem der Vektoren ein skalares Vielfaches eines anderen dazuaddiert. Gleiches gilt bei Vertauschen zweier Vektoren und Multiplikation eines Vektors mit einem Skalar. Die obige Überlegung kann zur Vereinfachung einer Basis bzw. eines Erzeugendensystems eines Unterraums des R n genutzt werden. vektorraum.pdf, Seite 3
33 Rang und Dimension Die Spalten einer m nmatrix A erzeugen einen rg(a)dimensionalen Unterraum des R m, sind ein Erzeugendensystem des R m, wenn rg(a) = m, sind linear unabhängig, wenn rg(a) = n, sind eine Basis des R n, wenn m = n und A regulär ist. Eine analoge Aussage gilt für die Zeilen von A. Damit ist rg(a) die maximale Zahl linear unabhängiger Spalten von A sowie die maximale Zahl linear unabhängiger Zeilen von A. vektorraum.pdf, Seite 33
34 Reguläre Matrizen Die folgenden Eigenschaften einer quadratischen n nmatrix A sind äquivalent (d. h. wenn eine davon erfüllt ist, sind automatisch alle anderen erfüllt): A ist regulär A ist invertierbar det A rg(a) = n Die Spaltenvektoren von A sind linear unabhängig Die Spaltenvektoren von A bilden eine Basis des R n Die Zeilenvektoren von A sind linear unabhängig Die Zeilenvektoren von A bilden eine Basis des R n Das homogene LGS Ax = hat nur die Nulllösung Das LGS Ax = b ist für ein b R n eindeutig lösbar Das LGS Ax = b ist für alle b R n eindeutig lösbar vektorraum.pdf, Seite 34
35 Bemerkungen Aus det(ab) = det(a) det(b) folgt, dass ein Produkt zweier n nmatrizen genau dann regulär ist, wenn A und B regulär sind. Daraus folgt, dass die Menge aller regulären n nmatrizen mit der Matrizenmultiplikation als Verknüpfung eine (nichtkommutative) Gruppe bildet, die allgemeine lineare Gruppe Gl(n, R). Das neutrale Element ist die Einheitsmatrix I n, für die Inversen gilt (AB) = B A. Für die Summe A + B gibt es keine vergleichbare Aussage. Wenn A und B regulär sind, muss A + B nicht regulär sein, umgekehrt kann die Summe zweier nicht regulärer Matrizen regulär sein. vektorraum.pdf, Seite 35
(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
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n = b a 2 x + a 22 x 2 +...
MehrSpezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:
Inverse Matritzen Spezialfall: Die Gleichung ax b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a a 1 gelöst werden: ax b x b a a 1 b. Verallgemeinerung auf Ax b mit einer n nmatrix A: Wenn es
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
MehrAussagenlogik. 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
MehrProbeklausur zu Mathematik 2 für Informatik
Gunter Ochs Wintersemester 4/5 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immer ohne Garantie auf Fehlefreiheit. Gegeben sei das Dreieck im R mit den Eckpunkten A a Berechnen Sie die
MehrAussagenlogik. 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
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
MehrLineare Algebra. Wintersemester 2017/2018. Skript zum Ferienkurs Tag Claudia Nagel Pablo Cova Fariña. Technische Universität München
Technische Universität München Wintersemester 27/28 Lineare Algebra Skript zum Ferienkurs Tag 2-2.3.28 Claudia Nagel Pablo Cova Fariña Wir danken Herrn Prof. Kemper vielmals für seine Unterstützung bei
Mehr10.2 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
MehrVektorräume und Matrizen
Poelchau-Oberschule Berlin A Mentzendorff Geändert: August 27 Vektorräume und Matrizen Inhaltsverzeichnis Vektorräume 2 Grundlagen 2 2 Untervektorräume und Linearkombinationen 3 Erzeugendensysteme, lineare
MehrAussagenlogik. 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
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
MehrAussagenlogik. 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
MehrGegeben 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
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2008/09 4 Einführung Vektoren und Translationen
Mehr1 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
MehrLineare 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
Mehr2.1 Vektorräume. 1. für alle x, y U ist x + y U und. 2. für alle x U und alle λ R ist λx U. O V (= O U) U, und dass ( 1) x U, also x U.
Vektorräume Definition Eine nicht leere Menge V, für die eine Addition (dh eine Rechenvorschrift + derart, dass a + b V für alle a, b V ist und eine skalare Multiplikation (dh λa V für alle λ R (λ ist
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrMathematik 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
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrVektorräume. 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
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrDefinitionen. 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
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
MehrÜbersicht 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
MehrSkalarprodukte (Teschl/Teschl Kap. 13)
Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können
MehrLineare 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:
Mehr1 Matrizen und Vektoren
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Matrizen und Vektoren Definition 1.1 (Matrizen) Ein rechteckiges Zahlenschema aus m mal n Elementen eines Körpers
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218
MehrLineare Abbildungen (Teschl/Teschl 10.3, 11.2)
Lineare Abbildungen (Teschl/Teschl.3,.2 Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrLineare Gleichungssysteme - Grundlagen
Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente
Mehr, 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 =
MehrGemischte Aufgaben zur Klausurvorbereitung
Gunter Ochs Wintersemester / Gemischte Aufgaben zur Klausurvorbereitung Lösungshinweise (ohne Galantie auf Fehreleiheit. Gegeben sei eine Tabelle, die bestimmten Buchstaben Zahlen von bis zuordnet. Buchstabe
MehrKapitel 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
MehrMathematik 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
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
MehrMatrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =
Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a
MehrGrundlegende 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
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
MehrTECHNISCHE 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............................................
MehrAlgebraische Strukturen. Idee. Gruppen, Ringe, Körper... (Teschl/Teschl Abschnitt 3.2, siehe auch Kap. 4)
Algebraische Strukturen Gruppen, Ringe, Körper... (Teschl/Teschl Abschnitt 3.2, siehe auch Kap. 4) Idee Formalisierung von Strukturen, die in verschiedenen Bereichen der Mathematik und ihrer Anwendungen
MehrVon einem Parallelogramm ABCD sind die Punkte A =(1, 5), C =(13, 4) und D =(5, 7) bekannt. Berechne den Punkt B.
Lineare Algebra WS2/22 Übungsblatt Übung. Von einem Parallelogramm ABD sind die Punkte A =(, 5), =(3, 4) und D =(5, 7) bekannt. Berechne den Punkt B. Übung 2. Stelle rechnerisch fest, ob das Viereck A
Mehr4 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
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14052018 (Teil 1) 7 Mai 2018 Steven Köhler mathe@stevenkoehlerde mathestevenkoehlerde 2 c 2018 Steven Köhler 7 Mai 2018 Matrizen
MehrLineare Abbildungen (Teschl/Teschl 10.3, 11.2)
Lineare Abbildungen Teschl/Teschl.3,. Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
MehrBerechnung 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,...,
MehrDas 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
MehrÜbungen 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
MehrKapitel 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
MehrBC 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
MehrOrthonormalbasis. Orthogonalentwicklung
Orthonormalbasis Eine Orthogonal- oder Orthonormalbasis des R n (oder eines Teilraums) ist eine Basis {v,..., v n } mit v i = und v i, v j = für i j, d. h. alle Basisvektoren haben Norm und stehen senkrecht
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrRichie Gottschalk Lineare Algebra I Seite 1. a) Welche der folgenden Ringe sind kommutativ? Es gibt genau einen Unterraum W von V mit dim(w ) = n.
Richie Gottschalk Lineare Algebra I Seite Aufgabe Im Folgenden sind K immer ein Körper und V ein K-Vektorraum. a) Welche der folgenden Ringe sind kommutativ? K[x] K[x] ist per se ein kommutativer Polynomring.
MehrH. Stichtenoth WS 2005/06
H. Stichtenoth WS 25/6 Lösungsvorschlag für das. Übungsblatt Aufgabe : Der gesuchte Unterraum U ist die lineare Hülle von v und v 2 (siehe Def. 5. und Bsp. 5.5b), d. h. U : Spanv,v 2 } v R : v λ v + λ
MehrMafI 1 Repetitorium Übungen
MafI 1 Repetitorium Übungen M. Sc. Dawid Kopetzki KW 23 (03.06.2015) M. Sc. Dawid Kopetzki MafI 1 Repetitorium Übungen 1 / 10 Intro Themenübersicht Themen der heutigen Übung (Algebra): Wiederholung: Teilraum
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 12. Übung: Woche vom (Lin.Alg.
Übungsaufgaben 12. Übung: Woche vom 16. 1.-20. 1. 2017 (Lin.Alg. I): Heft Ü 3: 2.1.11; 2.1.8; 2.1.17; 2.2.1; 2.2.3; 1.1.1; 1.1.4; Hinweis 1: 3. Test (Integration, analyt. Geom.) ist seit 9.1. freigeschalten
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n
Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41
Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
MehrDer 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
MehrVektorräume und Rang einer Matrix
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung
Mehrm 2 m 3 m 5, m m 2
Musterlösung zum 8. Blatt 7. Aufgabe: Seien die folgenden Vektoren im R 4 gegeben: 2m 5 + 2 2m 2 2m 7 + m 2 m 3 m 5 v = m 5, v 2 = m 2, v 3 = m 7 m 2 m 3 m 5 m 2 m 3 m 5, m 5 + m 2 m 7 2m + m 2 m 4 2m
Mehr5.5 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,
MehrÜbungsklausur 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
MehrD-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
MehrHM 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...................................
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrKapitel 15 Lineare Gleichungssysteme
Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem
MehrBlatt 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
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
Mehr5 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
MehrLINEARE 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
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrSerie 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
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 0..08 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
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: 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
MehrLineare Gleichungssysteme: eine Ergänzung
Lineare Gleichungssysteme: eine Ergänzung Ein lineares Gleichungssystem, bei dem alle Einträge auf der rechten Seite gleich sind heiÿt homogenes lineares Gleichungssystem: a x + a 2 x 2 +... + a n x n
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
Mehr4 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,
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 6. Aufgabe 6.1. Dr. V. Gradinaru K. Imeri. Herbstsemester 2018.
Dr. V. Gradinaru K. Imeri Herbstsemester 8 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6. Multiple Choice: Online abzugeben. 6.a) (i) Welche der folgenden
MehrLineare Algebra I - Prüfung Winter 2019
Lineare Algebra I - Prüfung Winter 209. (20 Punkte) Kreuzen Sie auf dem Abgabeblatt ihre Antwort an. Pro Teilaufgabe ist genau eine der vier Antwortmöglichkeiten richtig. Für jede richtig beantwortete
Mehr6.5 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