(Allgemeine) Vektorräume (Teschl/Teschl 9)

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "(Allgemeine) Vektorräume (Teschl/Teschl 9)"

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

Spezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:

Spezialfall: 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

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

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

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

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

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

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

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

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

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

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

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

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 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

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

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

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (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 =

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

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

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

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

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

Skalarprodukte (Teschl/Teschl Kap. 13)

Skalarprodukte (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 +

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

4.1. Vektorräume und lineare Abbildungen

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

Mehr

Mathematik für Naturwissenschaftler II SS 2010

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

Mehr

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

Lineare 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:

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

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

Kapitel 3 Lineare Algebra

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

Mehr

Mathematik 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

9 Lineare Gleichungssysteme

9 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

Mehr

Lineare Gleichungssysteme - Grundlagen

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

Mehr

1 Matrizen und Vektoren

1 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

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

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

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

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

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

3. Übungsblatt zur Lineare Algebra I für Physiker

3. Übungsblatt zur Lineare Algebra I für Physiker Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte

Mehr

Matrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =

Matrizen. 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

Mehr

Algebraische Strukturen. Idee. Gruppen, Ringe, Körper... (Teschl/Teschl Abschnitt 3.2, siehe auch Kap. 4)

Algebraische 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

Mehr

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

Lineare 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:

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

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

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

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

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

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

Orthonormalbasis. Orthogonalentwicklung

Orthonormalbasis. 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

Mehr

3 Lineare Algebra Vektorräume

3 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 +

Mehr

Lösbarkeit linearer Gleichungssysteme

Lösbarkeit 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

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

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

Lineare Gleichungssysteme: eine Ergänzung

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

Mehr

Lineare Gleichungssysteme und Matrizen

Lineare 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

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

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

5 Lineare Gleichungssysteme und Determinanten

5 Lineare Gleichungssysteme und Determinanten 5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von

Mehr

Kapitel II. Vektorräume. Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume

Kapitel II. Vektorräume. Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume Kapitel II. Vektorräume Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume Die fundamentale Struktur in den meisten Untersuchungen der Linearen Algebra bildet der Vektorraum.

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

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x

Mehr

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A

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

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

Aufgabe 1. Die ganzen Zahlen Z sind ein R-Vektorraum bezüglich der gewöhnlichen Multiplikation in R.

Aufgabe 1. Die ganzen Zahlen Z sind ein R-Vektorraum bezüglich der gewöhnlichen Multiplikation in R. Aufgabe Die ganzen Zahlen Z sind ein Q-Vektorraum bezüglich der gewöhnlichen Multiplikation in Q. Die reellen Zahlen R sind ein Q-Vektorraum bezüglich der gewöhnlichen Multiplikation in R. Die komplexen

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

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

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

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

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

, Uhr Dr. Thorsten Weist. Name Vorname Matrikelnummer. Geburtsort Geburtsdatum Studiengang

, Uhr Dr. Thorsten Weist. Name Vorname Matrikelnummer. Geburtsort Geburtsdatum Studiengang Nachklausur zur Linearen Algebra I - Nr. 1 Bergische Universität Wuppertal Sommersemester 2011 Prof. Dr. Markus Reineke 06.10.2011, 10-12 Uhr Dr. Thorsten Weist Bitte tragen Sie die folgenden Daten leserlich

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

Die lineare Hülle. heißt der Vektor. Linearkombination der Vektoren v i mit Koeffizienten α i. Direkt aus (12.6) folgt

Die lineare Hülle. heißt der Vektor. Linearkombination der Vektoren v i mit Koeffizienten α i. Direkt aus (12.6) folgt Eine Menge v +U mit einem Untervektorraum U nennt man auch eine Nebenklasse des Untervektorraumes U. Sie entsteht, wenn man die Translation τ v auf die Menge U anwendet. Ausdrücke der Form αu + βv, auch

Mehr

Lineare Algebra I (WS 13/14)

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

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

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

Mehr

Lineare Gleichungssysteme

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

Mehr

Der Rangsatz für lineare Abbildungen

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

Mehr

05. Lineare Gleichungssysteme

05. Lineare Gleichungssysteme 05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a

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

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren Kapitel 13 Vektoren Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren 131 Denition: Vektoren im Zahlenraum Ein Vektor (im Zahlenraum) mit n Komponenten ist ein n-tupel reeller Zahlen,

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 10: Inverse Matrix und Determinante D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die

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

6 Lineare Gleichungssysteme

6 Lineare Gleichungssysteme 6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α

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

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

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

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

Mehr

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

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

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

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

Mehr

2 Matrizenrechnung und Lineare Gleichungssysteme

2 Matrizenrechnung und Lineare Gleichungssysteme Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der

Mehr

3 Matrizenrechnung. 3. November

3 Matrizenrechnung. 3. November 3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige

Mehr

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

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

Lösungen der Aufgaben zu Abschnitt 5.4

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

Mehr

Einführung in die Mathematik für Informatiker

Einführung in die Mathematik für Informatiker Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 21.11.2016 6. Vorlesung aufgespannter Untervektorraum Span(T ), Linearkombinationen von Vektoren Lineare Unabhängigkeit

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

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

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume

Mehr

Lineare Algebra I Zusammenfassung

Lineare Algebra I Zusammenfassung Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition

Mehr

2.2 Kern und Bild; Basiswechsel

2.2 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare

Mehr