e a b c e e a b c a a b c e b b c e a c c e a b (ii)

Größe: px
Ab Seite anzeigen:

Download "e a b c e e a b c a a b c e b b c e a c c e a b (ii)"

Transkript

1 Aufgaben zur linearen Algebra, SS 2 Version: 29. Juni 2 Ich habe versucht, einige Aufgabe nach meinem Geschmack zu lösen. Es gibt mehrere Gründe dafür. In den Übungen ist es beim besten Respekt unmöglich, den schulgeprägten Stil mancher Lösungen entscheidend zu betonen, zu korrigieren und in der Ausdrucksweise zu verbessern. Ich habe viele Übungsblätter korrigieren müssen. Dabei diese zum Teil sogar Satz für Satz lesen müssen. Manche Sätze mehrere Male, bis ich genau die Stelle fand, wo der logische Fehler (eher den unlogischen nicht ausgesprochenen Gedanken) fand. Anschließend war ich oft gezwungen, keine Punkte zu verteilen. Von einem einfachen Stil kann man deutlicher die Ideen ablesen. Ich versuche immer in der mathematischen Prosa: möglichst kurze Sätze zu Bilden, nur die Verbe haben oder sein zu verwenden, am Anfang der Lösung dem Korrektor/Leser klar zu machen, was ich demnächst tue, dabei lasse ich mir Zeit, um die Behauptungen und Annahmen ruhig und genau zu schildern. Als Faustregeln im Umgang mit Symbolen, Variablen, eigenen Funktionen, etc. gilt: Zuerst ein Symbol, einen Buchstaben, eine Variabel, eine Funktion einführen, dann verwenden. Blatt 5 Aufgabe Sei M := {e, a, b, c} eine Menge. Auf M führt man drei Verknüpfungen : M M M ein, welche jeweils mit bezeichnet werde und welche durch die folgenden Tabellen erklärt sind: (i) e a b c e e a b c a a e c b b b c e a c c b a e (ii) e a b c e e a b c a a b c e b b c e a c c e a b (iii) e a b c e e a b c a a b a e b b c e a c c e a b Welche Multiplikationstabelle erklärt eine Gruppenstruktur auf M? (iii) Die Multiplikationstabelle (iii) erklärt keine Gruppenstruktur auf M, da die Assoziativität verletzt ist: (ab)c = ac = e, a(bc) = aa = b. (Ein Moment! Und was spricht dagegen, daß e und b gleich sein könnten? Eigentlich kein Satz aus der Aufgabenstellung! Versuchen wir also unter der Annahme e = b zu sehen, inwieweit (M, ) doch eine Gruppe sein könnte... Falls e = b ist, dann müssen in der Multiplikationstabelle die Zeilen und Spalten von e und b respektive übereinstimmen. Es folgt a = c. Nun verspreche ich, daß die Multiplikationstafel einer Gruppe ist! (M)eine Lösung zum Aufgabenteil (iii) ist also: e a e e a a a e

2 2 (M, ) bildet eine Gruppe genau dann, wenn e = b und a = c gilt/gelten... ) (ii) Meine Behauptung: (M, ) bildet eine Gruppe mit e als neutrales Element ( offensichtlicher Check ), und mit inversen Elementen: e = e, a = a, b = b und c = c ( offensichtlicher Check ). Noch zu beweisen ist die Assoziativität: (xy)z = x(yz) für alle möglichen Wahlen von x, y, z M! Es sind also (in einer Lösung der Arbeiterklasse) ungefähr 4 3 Gleichheiten zu verifizieren. Man kann diese Anzahl leicht abspecken, falls man bemerkt: In M gilt (xy)z = x(yz) für alle x, y, z M, so daß mindestens eine der Elemente x, y, z gleich zu e ist: Es sind immer noch 3 3 = 27 Gleichheiten zu verifizieren! Wenn ich diese Lösung in einer Klausur geben möchte, dann muss ich sofort anfangen zu schreiben. Nach fünf Minuten wird die Arbeit fertig sein und kein Korrektor wird sich später die Mühe geben, Zeile für Zeile diese Gleichheiten nachzuprüfen. Im besten Fall wird er zählen, ob es tatsächlich 3 3 = 27 Zeilen sind. Aus diesem Grund ist keinesfalls unter Klausurbedingungen empfehlenswert, diese Zeilen selbst durchzunummerieren! Um den Korrektor mehr abzuschrecken ist es empfehlenswert, diese Zeilen auf zwei (oder besser gleich drei) Seiten zu etablieren. Letzter Tip: Niemals = unter = schreiben. Damit ist sogar der letzte Zweifel des Korrektors unterdrückt. Die Strukturelle Lösung ist die folgende: Es gibt eine bekannte Gruppe mit vier Elementen, die Gruppe Z/4Z. Allgemein definiert man die Menge Z/NZ für N N, N 2, als Menge der Reste von ganzen Zahlen bei der Division mit Rest mit N : Z/NZ := {,,..., N }. Wir führen die Notation ṅ für jede ganze Zahl n und betrachten ṅ und ṁ, m, n Z beliebig, genau dann, wenn n m durch N teilbar ist, d.h. genau dann, wenn n und m den gleichen Rest bei der Division mit N ergeben. Die Operation: : (Z/NZ) (Z/NZ) (Z/NZ), definiert durch: ṅ ṁ := n + m ist wohldefiniert, d.h. sie hängt nicht von der Wahl der Vertreter n, m von ṅ, ṁ ab. Aus der Grupenstruktur von (Z, +) folgt sofort, daß (Z/NZ, ) auch eine Gruppe ist. Wir geben nun die Multiplikationstafel von Z/4Z: Diese Multiplikationstabelle stimmt mit der Multiplikationstabelle von (ii) nach dem Struktur Transport e a b 2 c 3 überein. Es folgt aus strukturellen Gründen, daß (M, ) aus (ii) eine Gruppe ist. (ii) Die Strukturelle Die Multiplikationstabelle aus (i) stimmt nach einem naheliegenden Struktur Transport mit der Multiplikationstabelle der Gruppe (Z/2Z) (Z/2Z) überein. Die Gruppe (Z/2Z) (Z/2Z) hat als Elemente Paare (ṅ, ṅ 2) von Elementen ṅ, ṅ 2 Z/2Z. Die Verknüpfung ist komponentenweise definiert: (ṅ, ṅ 2) (ṁ, ṁ 2) := (ṅ ṁ, ṅ 2 ṁ 2). Dann ist die Multiplikationstabelle von (Z/2Z) (Z/2Z) die folgende: (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, )

3 3 Der Struktur Transport ist also: e (, ), a (, ), b (, ), c (, ). Aufgabe 2 Sei G eine nichtleere Menge, versehen mit eine assoziativen Verknüpfung : G G G. Zeigen Sie die Äquivalenz der folgenden Aussagen: (i) G ist eine Gruppe. (ii) Für alle a, b G gilt: Es gibt genau ein x G mit ax = b und es gibt genau ein y G mit ya = b. Wir zeigen zuerst die triviale Richtung (i) (ii). Seien a, b G. Dann gilt a(a b) = (aa )b = eb = b und (ba )a = b(a a) = be = b. Hiermit ist die (explizite) Existenz von zwei Elementen x := a b und y := ba mit den Eigenschaften von (ii) unter Verwendug der Gruppenstruktur von G nachgewiesen. Nun die Eindeutigkeit: Sei x G mit ax = b. Es folgt: x = ex = (a a)x = a (ax) = a b. Dies zeigt die Eindeutigkeit von x. Analog für die Eindeutigkeit von y: Sei y G mit ya = b. Es folgt: Dies zeigt die Eindeutigkeit von y. y = ye = y(aa ) = (ya)a = ba. (Man hätte natürlich gleichzeitig die Existenz und Eindeutigkeit wie in den letzten zwei zentrierten Formeln direkt beweisen können... ) Die Richtung (ii) (i). Wir nehmen an, daß (G, ) eine nicht leere Menge mit einer assoziativen Verknüpfung ist, welche die Eigenschaft (ii) aus der Aufgabenstellung erfüllt. Wir zeigen nun, daß G eine Gruppe ist. () Da G nicht leer ist, gibt es ein Element a G. (2) Die Eigenschaft (ii) sichert, daß es ein Element e a gibt, welches erfüllt: ae a = a. (Bemerkung: Die unorthodoxe Bezeichnung e a möchte betonen, daß e a noch kein neutrales Element sein muß. Es ist nur gut für a, und zwar nur von der linken Seite... ) (3) Behauptung: Für alle b G gilt: e ab = b. Beweis der Behauptung: Sei b G. Dann gilt unter Verwendug der Assoziativität: a(e ab) = (ae a)b = ab. Die Gleichung ax = ab in x hat also die zwei Lösungen e ab und b. Aus der Eindeutigkeitsaussage der Eigenschaft (ii) folgt die Gleichheit e ab = b. Insbesondere gilt auch: e aa = a. (4) Behauptung: Für alle b G gilt: be a = b. Beweis der Behauptung: Sei b G. Dann gilt unter Verwendug der Assoziativität: (be a)a = b(e aa) = ba. Die Gleichung ya = ba in y hat also die zwei Lösungen e ab und b. Aus der Eindeutigkeitsaussage der Eigenschaft (ii) folgt die Gleichheit be a = b. (5) Es folgt, daß e := e a ein neutrales Element von G ist. (6) Behauptung: Für jedes Element a G gibt es ein inverses Element a G mit aa = a a = e.

4 4 Beweis: Die Gleichungen ax = e und ya = e haben wegen der Eigenschaft (ii) jeweils (genau eine) Lösung. Es existieren also a, a G mit: aa = e und a a = e. daraus folgt unter der Verwendung der Neutralität von e und der Assoziativität in G: a = ea = (a a)a = a (aa ) = a e = a, also a = a. Damit ist die Behauptung (6) bewiesen. Es folgt G Gruppe. (Die Assoziativität war gegeben.) Aufgabe 3 Auf R 2 definieren wir eine Verknüpfung : R 2 R 2 R 2 : [ ] [ ] [ ] [ ] x y x + y x := für alle x 2 y 2 x 2 + y 2 x 2, [ y y 2 ] R 2. Auch definieren wir eine gemischte Verknüpfung : R R 2 R 2 : [ ] [ ] x λx λ := für alle λ R, x 2 [ x x 2 ] R 2. Ist (R 2,, ) ein Vektorraum? Welche Vektorraum Axiome sind erfüllt, welche nicht? Kann das Vektorraum Axiom von der Neutralität der Zahl bei der skalaren Multiplikation weggelassen werden, weil es aus den anderen Axiomen folgt? Erklären Sie bitte stets Ihre Antworten. Frage: Ist (R 2,, ) ein Vektorraum? Antwort: Nein: Das Axiom x = x, alle x R, ist verletzt für x := Frage: Welche Vektorraum Axiome sind erfüllt, welche nicht? Das obige Axiom: x = x, alle x R ist nicht erfüllt. Alle anderen Vektorraum Axiome sind erfüllt: Die Strukturen (R 2, +) und (R 2, ) stimmen per Definition überein. Die Struktur (R 2, +) ist eine abelsche Gruppe. So ist auch (R 2, ) eine abelsche Gruppe. Die anderen Axiome zwei Distributivitäten und die gemischte Assoziativität der skalaren Multiplikation folgen komponentenweise von der Körperstruktur von (R, +, ). Frage: Kann das Vektorraum Axiom von der Neutralität der Zahl bei der skalaren Multiplikation weggelassen werden, weil es aus den anderen Axiomen folgt? Antwort: Nein: Wir haben in der Aufgabe ein illustratives Beispiel gefunden, in welchem alle Axiome bis auf die Neutralität der Zahl gelten. Aufgabe 4 In einer affinen Ebene sei (P, Q ) eine gerichtete Strecke, P Q. Sei P (P, Q ) ein weiterer Punkt in der gegebenen affinen Ebene. Sei h die zu P Q parallele Gerade durch P. Sei k die zu P P parallele Gerade durch Q. Leiten Sie aus den Axiomen (A), (A2), (A3), (A4), (A5), (A6) her, daß der Schnitt h k aus höchstens einem Punkt besteht. Gut. Ich darf also nur die obigen Axiome verwenden! Widerspruchsbeweis: Wir nehmen an, daß der Schnitt h k aus mindestens zwei Punkten besteht. Aus dem Axiom (A) Existenz und Eindeutigkeit einer Geraden durch zwei verschiedene Punkte folgt h = k. Es folgt P Q h = k P P. Die Parallelität ist eine Äquivalenzrelation (A4). Es folgt P Q P P. Es entstehen also zwei paralle Geraden zu P P, welche durch P gehen: P Q P P und P P P P. Aus dem Axiom (A) explizit aus der Eindeutigkeitaussage von (A) stimmen diese zwei Geraden überein: P Q P P. Die Punkte P, P, Q befinden sich also auf einer Geraden. Dies ist ein Widerspruch zur Annahme: P (P, Q ). [ ]. Unsere Annahme ist falsch. Es folgt: Der Schnitt besteht h k aus höchstens einem Punkt.

5 5 Aufgabe 5 In einer affinen Ebene seien g, h zwei verschiedene Geraden. (a) Warum gibt es Punkte P, Q mit den Eigenschaften: P g \ h, Q h \ g? (b) Seien P, Q Punkte, P g \ h, Q h \ g. Wir definieren eine Funktion Φ : g h wie folgt: Sei X g. Sei g X die zu P Q parallele Gerade durch X. (Sie existiert und ist eindeutig bestimmt: Axiom (A5).) Zeigen Sie, daß der Schnitt g X h aus genau einem Punkt besteht. Wir bezeichnen diesen Schnittpunkt mit Φ(X). Dies beendet die Definition der Zuordnung Φ : g h. Zeigen Sie, daß Φ bijektiv ist. (a) Seien g, h zwei verschiedene Geraden wie in der Aufgabenstellung. Laut Axiom (A) besteht der Schnitt g h aus höchstens einem Punkt. Laut Axiom (A2) hat jede der Geraden g, h mindestens zwei Punkte. Es folgt leicht die Aussage (a). (b) Seien g, h zwei verschiedene Geraden. Seien P, Q Punkte, P g \ h, Q h \ g. Sei X g. Sei g X die zu P Q parallele Gerade durch X. Behauptung: Der Schnitt g X h besteht aus genau einem Punkt. Beweis der Behauptung: Widerspruchsbeweis: Wir nahmen an, daß der Schnitt nicht aus genau einem Punkt besteht. Dann besteht er aus keinem Punkt oder aus mindestens zwei Punkten. In beiden Fällen folgt g X h. (Das Axiom (A) wurde z.b. verwendet.) Aus P Q g X h folgt mittels (A3) P Q h. Da Q sich auf P Q und auf h befindet, folgt P Q = h: Axiom (A), die Eindeutigkeit einer Parallelen zu P Q durch Q. Es folgt P h. Widerspruch zur Annahme P h. Wir zeigen nun, daß Φ eine Bijektion ist. Um die Notation sinnvoll zu komplizieren, möchte ich diese in der Aufgabe eingeführte Funktion Φ mit bezeichnen. Der Grund: Behauptung: Die Funktion Φ g,h;p,q : g h Φ h,g;q,p : h g ist die Umkehrfunktion zu Φ g,h;p,q : g h. Beweis der Behauptung: Die Wohldefiniertheit wurde im Vorfeld geklärt. Zu zeigen sind die Gleichheiten: Φ h,g;q,p (Φ g,h;p,q (X)) = X, alle X g, Φ g,h;p,q (Φ h,g;q,p (Y )) = Y, alle Y Y. Ohne die allgemeine Lage einzuschränken, reicht es, die erste Gleichheit zu beweisen. (Die zweite folgt durch Symmetrie, oder analog oder durch Umbenennung g h, P Q, etc.) Sei also X g. Wir bilden die Gerade g X, g X P Q, X g X. Sie schneidet h in einem Punkt, den wir mit Y bezeichnen. Dann ist Φ g,h;p,q (X) = Y. Um Φ h,g;q,p (Y ) zu bilden, müssen wir zuerst die Parallele durch Y zu QP bilden. Diese ist g X. (Eventuell wurde dabei Axiom (A5) verwendet... ) Diese Gerade schneidet g in X. Es folgt: X = Φ h,g;q,p (Y ) = Φ h,g;q,p (Φ g,h;p,q (X)). Dies schließt den Beweis der letzten Behauptung. Damit ist die Aussage der Aufgabenstellung bewiesen.

6 6 Blatt 6 Aufgabe 6 Seien v, v 2,..., v n; v R m, n, m N. Seien λ, λ 2,..., λ n R mit: v = λ v + λ 2v λ nv n. Welches lineare Gleichungssystem wird von den Koeffizienten λ, λ 2,..., λ n R erfüllt? Welche ist die Matrix des Systems? Welche ist die inhomogene Spalte des Systems? Die Relation kann als Blockmatrixmultiplikation aufgefaßt werden: v = λ v + λ 2v λ nv n λ λ 2 [v v 2... v n]. = v. λ n Man betrachtet dabei v,..., v n als Spaltenvektoren, d.h. Matrizen m. Durch Konkatenation der Vektoren v, v 2,..., v n, gesehen als Blockuntermatrizen, entsteht eine Matrix m n: Diese ist die Matrix des Gleichungssystems. Die freie Spalte ist die m Matrix v. Aufgabe 7 Seien [v v 2... v n]. x := 2 3, x2 := 8 5, x3 := [,, 2, ]. 4 Bestimmen Sie in (x, x 2, x 3) ein maximales linear unabhängiges Teilsystem. Wir wenden das Gauss Verfahren an: x x 2 x Es folgt, daß das System (x, x 2, x 3) linear abhängig ist, eine Matrix vom Rang 2 bildet, in welcher die ersten zwei Vektoren unabhängig sind. Ein maximales linear unabhängiges Teilsystem ist (x, x 2). Aufgabe 8 Sei (x, x 2, x 3, x 4) eine Basis eines reellen Vektorraumes. Seien v := x, v 2 := x + 3x 2, v 3 := x + 3x 2 x 3, v 4 := x + 3x 2 x 3 2x 4. Zeigen Sie, daß (v, v 2, v 3, v 4) eine Basis des gegebenen reellen Vektorraumes bilden.

7 7 Seien λ, λ 2, λ 3λ 4 R mit λ v + λ 2v 2 + λ 3v 3 + λ 4v 4 =. (Wir werden gleich zeigen, daß die Skalare λ, λ 2, λ 3λ 4 alle gleich Null sind.) Es folgt nach der Definition von v, v 2, v 3, v 4 die Relation: (λ + λ 2 + λ 3 + λ 4)x +3(λ 2 + λ 3 + λ 4)x 2 (λ 3 + λ 4)x 3 2λ 4x 4 =. Da (x, x 2, x 3, x 4) eine Basis des gegebenen reellen Vektorraumes bilden folgt: (λ + λ 2 + λ 3 + λ 4) =, +3(λ 2 + λ 3 + λ 4) =, (λ 3 + λ 4) =, 2λ 4 =,. Daraus folgt der Reihe nach: λ 4 =, λ 3 =, λ 2 =, λ =. Aus dieser ganzen Diskussion folgt, daß (v, v 2, v 3, v 4) eine Basis des gegebenen reellen Vektorraumes bilden/bildet. Aufgabe 9 Seien 2 x :=, x 2 :=, x 3 := ; 2 y := 2, y := (a) Zeigen Sie, daß (x, x 2, x 3) eine Basis von R 3 ist. (b) Untersuchen Sie, welche Vektoren unter x, x 2, x 3 durch y ersetzt werden kann. (c) Untersuchen Sie, welche Vektoren unter x, x 2, x 3 durch y ersetzt werden kann. Wir werden gleichzeitig die folgenden Schritte durch das Gauss Verfahren erledigen: Wir zeigen, daß das System λ x + λ 2x 2 + λ 3x 3 = nur die triviale Lösung λ = λ 2 = λ 3 = hat, wir schreiben y als lineare Kombination von (x, x 2, x 3), und wir schreiben y als lineare Kombination von (x, x 2, x 3): λ λ 2 λ Wir sehen bereits, daß die einzige Lösung des Gleichungssystems λ x + λ 2x 2 + λ 3x 3 = nur die triviale ist. Aus λ λ 2 λ Folgt (zu explizit) sukzessive λ =, dann λ 3 = und schließlich λ 2 = 2. Man hätte aber auch direkt y = 2x 2 = x + 2 x 2 + x 3 sehen und schreiben können. Nur der Vektor x 2 der Basis (x, x 2, x 3) darf durch y ersetzt werden, damit eine Basis entsteht.

8 8 Aus λ λ 2 λ folgt (zu explizit) sukzessive λ =, dann λ 3 = und schließlich λ 2 =. Man hätte aber auch direkt y = x x 2 +x 3 schreiben können. Alle drei Vektoren der Basis (x, x 2, x 3) dürfen durch y ersetzt werden, damit eine Basis entsteht. Blatt 7 Aufgabe Seien U, W Untervektorräume eines Vektorraumes V über einem Körper Λ. Zeigen Sie die Äquivalenz der folgenden Aussagen: (a) U W = U + W. (b) U W oder W U. Wir zeigen zuerst (a) (b). Die ist äquivalent zu NICHT(b) NICHT(a). (Allgemeine Aussagenlogik... ) Wir nehmen also NICHT(b) an: U W und W U. Es folgt die Existenz von u U \ W und von w W \ U. Das Element u + w liegt in U + W. Das Element u + w liegt nicht in U, da sonst gilt: w = (u + w) u U U = U, in Widerspruch zur Wahl von w aus W \ U. Das Element u + w liegt nicht in W, da sonst gilt: u = (u + w) w W W = W, in Widerspruch zur Wahl von u aus U \ W. Es folgt also NICHT(a). Die Richtung: (b) (a). Wir nehmen [ U W oder W U ] an. Im Fall U W gilt offensichtlich: U W = W, und W = + W U + W W + W = W, U + W = W. also gilt überall statt sogar =, also: Aus U W = W = U + W folgt (a). Der Fall W U wird analog (oder durch Symmetrie oder durch Umbenennung der Unterräume U W ) betrachtet. Es folgt die Äquivalenz der Aussagen (a) und (b). Aufgabe Gegeben sind die Vektoren x, x 2, x 3, x 4 RR 3 : x :=, x 2 :=, x 3 :=, x 4 :=. 2 Bestimmen Sie eine Basis von L(x, x 2) L(x 3, x 4).

9 9 Ein Vektor x R 3 befindet sich in L(x, x 2) L(x 3, x 4) genau dann, wenn Skalare λ, λ 2, λ 3λ 4 R existieren, so daß gilt: λ x + λ 2x 2 = x = λ 3x 3 + λ 4x 4. Um solche ektoren zu bestimmen, lösen wir die daraus folgende Gleichung: Gauss Verfahren Einsatz: λ x + λ 2x 2 λ 3x 3 λ 4x 4 =. λ λ 2 λ 3 λ Jede Lösung der dritten Gleichung 2( λ 3) + 3( λ 4) = liefert genau eine Lösung für die ursprüngliche Gleichung. Die allgemeine Lösung ist z.b. λ 3 = 3α, λ 4 = 2α für α R Parameter. Es folgt: L(x, x 2) L(x 3, x 4) = { x R 3 : x = (3α)x 3 + ( 2α)x 4 mit α R } = { α(3x 3 2x 4) : α R} 5 = { α : α R }. Der Vektor 5 bildet also eine Basis des Vektorraumes L(x, x 2) L(x 3, x 4). Aufgabe 2 Sei M eine Menge, welche als disjunkte Vereinigung zweier Mengen M, M 2 geschrieben werden kann. Sei Λ ein Körper. Sei V der Vektorraum der Abbildungen von M nach V mit der wertweisen Addition und Multiplikation von Skalaren: Für f, g V, λ Λ und m M beliebig definiert man f + g unf λf, so daß gelten: (f + g)(m) := f(m) + g(m), (a) Für i =, 2 sei per Notation U i die Untermenge von V : Zeigen Sie, daß U, U 2 Unterräume von V sind. (b) Zeigen Sie: V = U U 2. (λ.f)(m) := λ.(f(m)). U i := { f : M Λ : f(m) = für alle m M }. (a) Es reicht zu zeigen, daß U i für i {, 2} eine Untermenge von V ist, welche abgeschlossen bzgl. Addition und Skalarmultiplikation ist und welche die Nullfunktion enthällt. Die Nullfunktion befindet sich in U, U 2. (Unbedingt erwähnen! Kein Kommentar.) Sei i {, 2} fest. Seien f, g U i und λ, µ Λ. Es reicht zu zeigen, daß λf + µg in U i liegt.

10 Sei m M i beliebig. Dann gilt: (λf + µg)(m) := (λf)(m) + (µg)(m) := λ f(m) + µ g(m) = λ + µ... da f, g U i ; m M i... =. Es folgt (λf + µg) U i. Wir haben damit gezegt, daß U, U 2 Unterräume von V sind. (b) Es reicht zu zeigen, daß im Durchschnitt U und U 2 nur der Nullvektor (die Nullfunktion) liegt, und daß sich jede Funktion f V als Summe von zwei geeigneten Funktionen f U, f 2 U 2 schreiben läßt. (Die Existenz dieser zwei Funktionen muß explizit gezeigt werden.) Sei f U U 2. (Wir zeigen f =.) Sei m M = M M 2 beliebig. Dann liegt m entweder in M oder in M 2. Dann gilt im ersten Fall m M die Gleichheit f(m) =, da f in M liegt, bzw. im zweiten Fall m M 2 die Gleichheit f(m) =, da f in M 2 liegt. Es folgt f(m) =. Es folgt f =. (f ist die Nullfunktion. Nicht zu verwechseln mit dem Nullvektor V.) Sei nun f V beliebig. (Wir zeigen, daß f sich als Summe von zwei geeigneten Funktionen f U, f 2 U 2 schreiben läßt.) Wir definieren die Funktionen f, f 2 : M Λ: f (m) := Dann gelten offensichtlich die Relationen: { für m M f(m) für m M 2 f 2(m) := f U, f 2 U 2 ; f + f 2 = f. { f(m) für m M für m M 2 Dies schließt den Beweis von (b) Aufgabe 3 (a) Sei V = U W die Darstellung eines Vektorraumes V als direkte Summe von zwei Unterräume U, V V. Sei f : V V die Parallelprojektion auf den Unterraum U parallel zu W. Zeigen Sie die Gleichheiten: U = {v V : f(v) = v }, W = {v V : f(v) = }. (b) Eine lineare Abbildung f : V V heißt idempotent genau dann, wenn gilt: f f = f. Zeigen Sie die Äquivalenz der Aussagen: (i) f ist idempotent. (ii) f ist eine Parallelprojektion. (a) Wir zeigen U {v V : f(v) = v }: Sei u U beliebig. (Wir zeigen f(u) = u... ) Aus der Darstellung u = u + = u U W folgt f(u) = u. OK. Wir zeigen U {v V : f(v) = v }: Sei v V mit der definierenden Eigenschaft f(v) = v der obigen Menge... (Wir zeigen zu explizit für meinen Geschmack: v U.) Sei v = u w U W die Darstellung von v als Summe von geeigneten Vektoren u U, w W. Es folgt f(v) = u. Schließlich: v = f(v) = u U. Wir zeigen W {v V : f(v) = }. Sei w w beliebig. (Wir zeigen f(w) =... ) Aus der Darstellung w = + w = w U W folgt f(w) =. OK. Wir zeigen W {v V : f(v) = }: Sei v V mit der definierenden Eigenschaft f(v) = der obigen Menge... (Wir zeigen zu explizit für meinen Geschmack: v W.) Sei v = u w U W die Darstellung von v als Summe von geeigneten Vektoren u U, w W. Es folgt f(v) = u. Schließlich: = f(v) = u, also v = u + w = + w = w W.

11 Bemerkung: Man hätte vielleicht direkt die zwei Gleichheiten zeigen können, wenn man geschickt argumentiert hätte. Beim Korrigieren hatte ich jedoch große Schwierigkeiten... Es war für viele Studenten nicht klar, was zu zeigen ist, wie man startet und wann man fertig ist... (b) Wir zeigen (i) (ii) zuerst. Wir nehmen f idempotent an. (Nun müssen wir explizit die Räume U, W einführen/ konstruieren/ definieren, und dann ausgehend von dieser Konstruktion/ Definition zeigen, daß f eine Parallelprojektion bzgl. der Darstellung V = U W auf U ist.) Wir definieren (führen ein): U := Bild f, W := Kern f. Dann sind U, W Unterräume von V. Wir zeigen nun die Gleichheit V = U W : Dabei zeigen wir: U W = {}, U + W = V : Sei v U W. (Wir wollen v = zeigen.) Aus v U = Bild f folgt die Existenz eines v V mit v = f(v ). Aus v W folgt f(v) =. Es folgt daraus: v = f(v ) = (f f)(v ) = f(f(v )) = f(v) =. Dies beweist U W = {}. Wir zeigen nun: U + W = V, eigentlich nur U + W V Sei v V. Dann hat v die Darstellung: v = f(v) + (v f(v)) }{{}}{{} Bild f Kern f Begründung: f(v) liegt offensichtlich in Bild f = U, (v f(v)) liegt in Kern f = W, da gilt: Dies beweist U + W = V. f(v f(v)) = f(v) f(f(v)) = f(v) f(v) =. Wir zeigen nun, daß f eine Parallelprojektion auf U bzgl. der Darstellung V = U W ist. Dies folgt aus der bereits geklärten Darstellung für ein beliebiges v V : v = f(v) + (v f(v)) = f(v) (v f(v)) U W, }{{}}{{} Bild f Kern f da aus dieser Darstellung der obige U Anteil f(v) durch die Parallelprojektion auf U parallel zu W isoliert wird. (b) Wir zeigen des weiteren (ii) (i): Sei f eine Parallelprojektion auf U bzgl. einer Darstellung V = U W. Sei v V. Wir zeigen f(f(v)) = f(v). Sei v = u + w = u w U W die Darstellung von v mit Komponenten u U, w W. Aus der Darstellung u = u + = u U W folgt f(u) = u. Fazit: f(f(v)) = f(u) = u = f(v).. Folglich ist f idempotent. Aufgabe 4 Wir betrachten die Basis b = (x, x 2, x 3) in R 3 und die Basis c = (y, y 2) R 2 : [ ] [ ] x :=, x 2 :=, x 3 := ; y :=, y 2 :=. Sei f : R 3 R 2 die Abbildung: λ [ ] f λ 2 2λ λ 3 := λ λ +λ 2 +λ 3 3 für alle λ λ 2 R 3. λ 3 (a) Bestimmen Sie die Bilder der kanonischen Basis von R 3 durch f und schreiben Sie f in Matrizenform bzgl. der kanonischen Basen von R 3 und R 2. (b) Bestimmen Sie die Bilder der Basis b von R 3 durch f, schreiben Sie diese bzgl. der Basis c von R 2 und schreiben Sie f in Matrizenform bzgl. der Basen b von R 3 und c von R 2.

12 2 (a) Es gilt für die kanonische Basis e = e R 3 = (e, e 2, e 3) von R 3 bzgl. der kanonischen Basis e = e R 2 = (e, e 2) von R 2 (Sorry: Notationsmißbrauch für e und e 2... ): f(e ) = f = f(e 2) = f = f(e 3) = f = [ ] 2 = 2e + e 2, [ ] = e 2, [ ] = e + e 2. Nicht für diese Aufgabe wichtig vielleicht jedoch für ein besseres Gefühl im Umgang mit formalen Berechnungen in Bezug auf den Basiswechsel Formalismus ist es die Bemerkung, daß man die obigen drei Gleichheiten sehr formal in das Format einer Matrizen Gleichheit bringen kann: e 2e +e 2 2 [ ] f e 2 = e 2 = e. e e 3 e +e 2 2 In der letzten Matrizen Gleichheit sind die Einträge kompliziert, auf jeden Fall nicht reelle Zahlen, nicht Elemente des Grundkörpers R. Andererseits könnte man f auch so in Matrizen Gleichheit λ f λ 2 = λ 3 [ 2 ] λ λ 2. λ 3 Die Matrizenform von f bzgl. der kanonischen Basen in R 3 und R 2 ist: [ ] 2. Bemerkung: Die transponiert dieser Matrix erschien auch in einem dualen Kontext. Es wäre gut, sich die Gemeinsamkeiten und die Unterschiede der Objekte in den letzten Zeilen einzuprägen. Das Beispiel ist hier einfach und der Rahmen der kanonischenbasen läßt alle Gleichheiten leicht neacprüfen. Die Lage wird aber demnächst unübersichtlicher, wenn andere Basen auch im Spiel sind. (b) Bzgl. der Basen b, c kann man dann schreiben: f(b ) = f = f(b 2) = f = f(b 3) = f = [ ] 2 = c + c 2, [ ] 2 = 2c 2 2, [ ] = 2c c 2. Nicht für diese Aufgabe wichtig vielleicht jedoch für ein besseres Gefühl im Umgang mit formalen Berechnungen in Bezug auf den Basiswechsel Formalismus ist es die Bemerkung, daß man die obigen drei Gleichheiten sehr formal in das Format einer Matrizen Gleichheit bringen kann: b c +c 2 [ ] f b 2 = 2c 2 = 2 c. c 2 b 3 2c +3c Die Matrizenform von f bzgl. der kanonischen Basen b in R 3 und c in R 2 istdie transponierte Matrix zur obigen 3 2 Matrix, also die Matrix: [ ]

13 3 Die drei Spaltenvektoren dieser Matrix wurden explizit in der ursprünglichen Aufgabenstellung gefragt... Blatt 8 Aufgabe 5 Sei (G, ) eine Gruppe mit neutralem Element e. Seien a, b G. Dann sind die folgenden zwei Aussagen äquivalent: (i) [ ab = a oder ab = b ], (ii) [ a = e oder b = e ]. Gehen Sie schrittweise vor und geben Sie für jeden Schritt ein Argument an! Wir zeigen die Richtung (i) (ii): Wir nehmen (i) an, und zwar zuerst den Fall ab = a. Dann folgt daraus sehr schrittweise: b = eb, e ist neutrales Element = (a a)b, a, das Inverse zu a, existiert in G und erfüllt a a = e = a (ab), Assoziativität = a a, ab = a war gegeben in der Hypothese = e, a ist erneut invers zu a. Wir nehmen nun ab = b an. Dann folgt analog: a = ae, e ist neutrales Element = a(bb ), b, das Inverse zu b, existiert in G und erfüllt bb = e = (ab)b, Assoziativität = bb, ab = b war gegeben in der Hypothese = e, b ist erneut invers zu b. Die Richtung (ii) (i) ist trivial. Sie verwendet die Neutralität von e. Aufgabe [ ] 6 In R 2 sei die Addition wie üblich erklärt und die Multiplikation eines Skalars λ R mit einem Vektor λ R 2 wie folgt: λ 2 λ [ λ λ 2 ] := 2λ Überprüfen Sie auf ihre Gültigkeit (a) das Assoziativgesetz der Multiplikation mit Skalaren und (b) eines der Distributivgesetze! [ λ λ 2 ] [ ] 2λλ =. 2λλ 2 (a) Das Assoziativgesetz der Multiplikation mit Skalaren gilt nicht: [ ] [ ] [ ] 2 ( ) = = 2 ( [ ]) [ ] [ ] 2 4 = = 2 4,, (Bemerkung: Um die weiteren Berechnungen übersichtlicher zu gestalten, werde ich mit v einen Vertreter des Geschlechts der Vektoren in R 2 bezeichnen. Dann hat man für alle v (für einen hätte es gereicht... ): ( ) v = v = 2v und ( v) = (2v) = 4v,

14 4 und es folgt aus 2v 4v anschließend ( ) v ( v). Es ist mir ein Rätsel, warum die Aufgabe mit einer komplizierteren Notation gestellt wurde.) (b) Seien λ, µ Λ, u, v R 2 beliebig. Dann gelten die Distributivgesetze: (λ + µ) v := 2(λ + µ)v = 2λv + 2µv übliche Distributivität in R 2, =: λ v + µ v, λ (u + v) := 2λ(u + v) = 2λu + 2λv übliche Distributivität in R 2, =: λ u + λ v. Aufgabe 7 U, U 2, U 3 seien Untervektorräume eines Vektorraumes V über einem Körper Λ. (a) Zeigen Sie die Inklusion: (U U 2) + U 3 (U + U 3) (U 2 + U 3). (b) Geben Sie ein Beispiel, in welchem die obige Inklusion strikt ist. (a) Sei v (U U 2) + U 3. (Wir zeigen: v (U + U 3) (U 2 + U 3).) Dann existieren u,2 (U U 2), u 3 U 3 mit v = u,2 + u 3. Es folgt v = u,2 + u 3 (U + U 3) und v = u,2 + u 3 (U 2 + U 3), also v (U + U 3) (U 2 + U 3). (b) Wir geben das Beispiel im Vektorraum R 2 über R. Wir wählen dabei die folgenden Unterräume von V : [ ] U ist der Unterräum von V mit der Basis bestehend aus dem einzigen Vektor e :=. [ ] U 2 ist der Unterräum von V mit der Basis bestehend aus dem einzigen Vektor e 2 :=. [ ] U 3 ist der Unterräum von V mit der Basis bestehend aus dem einzigen Vektor v :=. Dann gilt: (U U 2) + U 3 = + U 3 = U 3, (U + U 3) (U 2 + U 3) = V + V = V. Dabei gilt (U + U 3) = (U 2 + U 3) = V, da {e, v} und {e 2, v} Basen von V = R 2 sind. Aufgabe 8 Sei M eine Menge und V der Vektorraum aller Abbildungen von M nach dem Körper Λ mit der wertweisen Addition und Multiplikation mit Skalaren. Seien M, M 2 Untermengen von M, welche M überdecken, M M 2 = M, und einen nichtleeren Schnitt haben, M M 2. Seien U, U 2 die Unterräume von V : Untersuchen Sie, ob V = U U 2 gilt. U := { f : M Λ : f(m ) = für alle m M }, U 2 := { f : M Λ : f(m 2) = für alle m 2 M 2 }. Nein, das gilt nicht. Wir zeigen, daß U + U 2 V ist. Aus M M 2 folgt, daß es ein Element m M M 2 gibt. Sei f V die Funktion, welche an jeder Stelle den Wert Λ annimmt. Wir begründen nun kurz, warum f nicht von der Gestalt f + f 2 mit f U, f 2 U 2 ist. Es gilt nähmlich mit den obigen Notationen: f(m ) = und (f +f 2)(m ) = f (m )+f 2(m ) = + =.

15 5 Aufgabe 9 Sei V = { φ : R R } der Vektorraum aller reellen Funktionen mit der wertweisen Addition und der wertweisen Skalarmultiplikation. Die Abbildung f : V R 2 sei definiert durch: [ ] φ() f(φ) :=. φ(π/4) Untersuchen Sie, ob die folgenden Eigenschaften von f gelten oder nicht: (a) f ist linear. (b) Seien s, c V die Funktionen s, c : R R, s(x) := sin(2x), c(x) := cos(2x), alle x R. Ist (f(s), f(c)) ein linear unabhängiges System in R 2? (c) Ist (s, c) ein linear unabhängiges System in V? (a) Ja, f ist linear: Wir zeigen (für weniger Verwirrung) zuerst die Additivität von f und dann die Homogenität von f (und nicht beide Eigenschaften zusammen... ). Seien φ, ψ V und λ R beliebig. Dann gilt: f(φ + ψ) = Es folgt die Linearität von f. [ ] [ ] (φ + ψ)() φ() + ψ() = (φ + ψ)(π/4) φ(π/4) + ψ(π/4) = f(φ) + f(ψ). [ ] (λφ)() f(λφ) = = (λφ)(π/4) = λf(φ). = [ ] [ ] λφ() φ() = λ λφ(π/4) φ(π/4) [ ] [ ] φ() ψ() + φ(π/4) ψ(π/4) (b) Es gilt: f(s) = [ ] s() = s(π/4) [ ], f(c) = [ ] c() = c(π/4) [ ]. Die Vektoren f(s), f(c) aus R 2 sind offensichtlich unabhängig. (c) Da f linear ist und (f(s), f(c)) ein linear unabhängiges System in R 2 ist, ist dann das System (s, c) linear unabhängig in V. (Eine lineare Funktion bildet linear abhängige Systeme von Vektoren in linear abhängige Systeme von Vektoren ab.) Aufgabe 2 Sei V ein Vektorraum und seien U, W Unterräume von V mit der Eigenschaft V = U W. Sei g : V V eine Parallelspiegelung von V an U parallel zu V : Dies bedeutet Folgendes: Ein Vektor v = u + w V, wobei u U, w W (eindeutig) geeignet gewählt sind, wird durch g auf den Vektor abgebildet. Zeigen Sie die folgenden Gleichheiten: g(v) := u w U = {v V : g(v) = v }, V = {v V : g(v) = v }. (a) Sei u U. Dann ist u = u + = u U W die Direkte Summe Darstellung ( so kann man angeblich in der neuen Schreib Reform die Anzahl der Groß Buchstaben maximieren... ) von u. Es folgt g(u) = u = u. Wir haben dadurch die Inklusion U {v V : g(v) = v }. Die andere Inklusion: Sei v V mit der Eigenschaft g(v) = v. Sei v = u + w = v w U W, u U, w W, die eindeutige Direkte Summe Darstellung von v. Dann gilt Die andere Inklusion ist auch bewiesen. v = g(v) = u U. (b) Sei w W. Dann ist w = + w = w U W die Direkte Summe Darstellung von w. Es folgt g(w) = w = w. Wir haben dadurch die Inklusion W {v V : g(v) = v } gezeigt.

16 6 Die andere Inklusion: Sei v V mit der Eigenschaft g(v) = v. Sei v = u + w = v w U W, u U, w W, die eindeutige Direkte Summe Darstellung von v. Dann gilt v = g(v) = w W. Die andere Inklusion ist auch bewiesen. Aufgabe 2 Seien V, W zwei Vektorräume über einem Körper Λ und sei f : V W eine bijektive lineare Abbildung. Zeigen Sie, daß f homogen ist. Seien w W, λ Λ beliebig. Dann gilt: f (λw) = f ( λf(f (w)) ) f ist invers zu f = f ( f(λf (w)) ) da f linear ist = f (f (λf (w)) ) ein TEX Spiel mit einem leeren Raum = λf (w). Das war s. Aufgabe 22 Seien V, W zwei Vektorräume über einem Körper Λ. Sei L(V, W ) die Menge (in der Vorlesung bereits der Vektorraum über Λ) aller linearen Abbildungen von V nach W. Seien f L(V, W ) und λ Λ. Dann liegt die Abbildung λf auch in L(V, W ). Wir zeigen dirkt, daß die Abbildung λf linear ist: Seien v, v 2 V, λ λ 2 Λ. Dann gilt: (λf) (λ v + λ 2v 2) = λ f(λ v + λ 2v 2) Definition der Skalarmultiplikation auf L(V, W ) = λ ( λ f(v ) + λ 2f(v 2) ) da f linear ist... = λλ f(v ) + λλ 2f(v 2) Distributivität in W... = λ λf(v ) + λ 2λf(v 2) Kommutativität von Λ... = λ (λf)(v ) + λ 2(λf)(v 2) Definition der Skalarmultiplikation auf L(V, W ). Es folgt die Linearität von λf, also λf L(V, W ).

TECHNISCHE UNIVERSITÄT MÜNCHEN. Lineare Algebra 1 WS 2006/07 Lösungen Blatt 13/ Probeklausur. Lösungen zur. Zentrum Mathematik

TECHNISCHE UNIVERSITÄT MÜNCHEN. Lineare Algebra 1 WS 2006/07 Lösungen Blatt 13/ Probeklausur. Lösungen zur. Zentrum Mathematik TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 13/2 29.1.27 en zur Probeklausur Aufgabe 1 (ca. 6 Punkte) Sei

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

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

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

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

Mehr

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018 (Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

Mehr

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

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

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch

Mehr

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

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

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { } Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird

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

Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen

Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen D-MATH Lineare Algebra II FS 7 Dr. Meike Akveld Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen. a) Wegen der Linearität im ersten Argument gilt sicherlich w S :, w =. Somit ist S und

Mehr

Lineare Algebra I 5. Tutorium Die Restklassenringe /n

Lineare Algebra I 5. Tutorium Die Restklassenringe /n Lineare Algebra I 5. Tutorium Die Restklassenringe /n Fachbereich Mathematik WS 2010/2011 Prof. Dr. Kollross 19. November 2010 Dr. Le Roux Dipl.-Math. Susanne Kürsten Aufgaben In diesem Tutrorium soll

Mehr

Lineare Algebra I - Prüfung Winter 2019

Lineare 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

Mehr

Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I

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

Mehr

Übungen zum Ferienkurs Lineare Algebra 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

Teil II: Lineare Algebra

Teil II: Lineare Algebra 3 Vektorräume 49 Teil II: Lineare Algebra 3 Vektorräume Wir haben in den vorangegangenen Kapiteln ausführlich die Differential- und Integralrechnung in einer (reellen Variablen untersucht Da die Welt aber

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

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

Mehr

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

Mathematik I. Vorlesung 12. Lineare Abbildungen

Mathematik I. Vorlesung 12. Lineare Abbildungen Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 12 Lineare Abbildungen Definition 12.1. Es sei K ein Körper und es seien V und W K-Vektorräume. Eine Abbildung heißt lineare Abbildung,

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

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

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

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

Mehr

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

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

Mehr

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

D-MATH, D-PHYS, D-CHAB Analysis I HS 2016 Prof. Manfred Einsiedler Philipp Wirth. Lösung 3

D-MATH, D-PHYS, D-CHAB Analysis I HS 2016 Prof. Manfred Einsiedler Philipp Wirth. Lösung 3 D-MATH, D-PHYS, D-CHAB Analsis I HS 016 Prof Manfred Einsiedler Philipp Wirth Lösung 3 Diese Woche werden nur Lösungen zu den Aufgaben 4, 5 und 6 zur Verfügung gestellt 4 a Nach Folgerung (i aus den Axiomen

Mehr

Lösung Lineare Algebra I Sommer 2018 Version A

Lösung Lineare Algebra I Sommer 2018 Version A Lösung Lineare Algebra I Sommer 208 Version A. (25 Punkte) Kreuzen Sie direkt auf dem Abgabeblatt an, ob die Behauptungen oder sind. Sie müssen Ihre Antworten nicht begründen! Bewertung: Punkt für jede

Mehr

Vektorräume und Lineare Abbildungen

Vektorräume und Lineare Abbildungen Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit

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

g 1 g = e, (1) (g 1 ) 1 g 1 = e, (2) Unter Verwendung des Assoziativgesetzes ist nach (1), und weil e neutrales Element ist. Nach (2) folgt nun

g 1 g = e, (1) (g 1 ) 1 g 1 = e, (2) Unter Verwendung des Assoziativgesetzes ist nach (1), und weil e neutrales Element ist. Nach (2) folgt nun Stefan K. 1.Übungsblatt Algebra I Aufgabe 1 1. zu zeigen: (g 1 ) 1 = g g G, G Gruppe Beweis: Aus dem Gruppenaxiom für das Linksinverse zu g haben wir und für das Linksinverse zu g 1 Unter Verwendung des

Mehr

Blatt 10 Lösungshinweise

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

Mehr

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

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

Mehr

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

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:

Mehr

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018 (Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,

Mehr

2.4 Lineare Abbildungen und Matrizen

2.4 Lineare Abbildungen und Matrizen 24 Lineare Abbildungen und Matrizen Definition 24 Seien V, W zwei K-Vektorräume Eine Abbildung f : V W heißt lineare Abbildung (lineare Transformation, linearer Homomorphismus, Vektorraumhomomorphismus

Mehr

β 1 x :=., und b :=. K n β m

β 1 x :=., und b :=. K n β m 44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG 15. Dezember 2007

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

Mehr

7 Vektorräume und Körperweiterungen

7 Vektorräume und Körperweiterungen $Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig

Mehr

Ferienkurs Mathematik für Physiker I Skript Teil 2 ( )

Ferienkurs Mathematik für Physiker I Skript Teil 2 ( ) Ferienkurs Mathematik für Physiker I WS 206/7 Ferienkurs Mathematik für Physiker I Skript Teil 2 (28.03.207) Vektorräume Bevor wir zur Definition eines Vektorraumes kommen erinnern wir noch einmal kurz

Mehr

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { } Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird

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

4.2 Quotientenvektorräume

4.2 Quotientenvektorräume 306 LinAlg II Version 1 6. Juni 2006 c Rudolf Scharlau 4.2 Quotientenvektorräume Zum Verständnis der folgenden Konstruktion ist es hilfreich, sich noch einmal den Abschnitt 1.4 über Restklassen vom Beginn

Mehr

2.4 Matrizen und Lineare Abbildungen

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

Mehr

1. Gruppen. 1. Gruppen 7

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

Mehr

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

Formale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz

Formale Grundlagen 2008W. Vorlesung im 2008S  Institut für Algebra Johannes Kepler Universität Linz Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Vektoren in der Ebene Zwei Punkten P, Q in der Ebene

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

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

Mehr

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

2 Grundstrukturen. 2.1 Gruppen. Prof. Dr. Peter Schneider. Vorlesung WS Lineare Algebra 1 2 GRUNDSTRUKTUREN

2 Grundstrukturen. 2.1 Gruppen. Prof. Dr. Peter Schneider. Vorlesung WS Lineare Algebra 1 2 GRUNDSTRUKTUREN Vorlesung WS 08 09 Lineare Algebra 1 Prof. Dr. Peter Schneider 2 Grundstrukturen Notation: Sind M und N zwei Mengen, so heißt die Menge M N := {(m, n) : m M, n N} das cartesische Produkt oder auch die

Mehr

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

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

Mehr

1. Gruppen. 1. Gruppen 7

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

Mehr

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

Lösung 7: Bilinearformen

Lösung 7: Bilinearformen D-MATH Lineare Algebra II FS 207 Dr. Meike Akveld Lösung 7: Bilinearformen. a). Seien u, u 2 V, λ K, dann gelten nach Voraussetzung: L v (u + λu 2 ) =β(v, u + λu 2 ) = β(v, u ) + β(v, λu 2 ) =β(v, u )

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

Grundlagen der Mathematik 1: Lineare Algebra

Grundlagen der Mathematik 1: Lineare Algebra 13 Vektorräume 151 Grundlagen der Mathematik 1: Lineare Algebra 13 Vektorräume Ausgehend von den elementaren Konzepten in den Kapiteln 1 bis 3 wollen wir in dieser Vorlesung zwei grundlegende Gebiete der

Mehr

5 Lineare Abbildungen

5 Lineare Abbildungen 5 Lineare Abbildungen Pink: Lineare Algebra HS 2014 Seite 56 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,

Mehr

5 Lineare Abbildungen

5 Lineare Abbildungen 5 Lineare Abbildungen Pink: Lineare Algebra 2014/15 Seite 59 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,

Mehr

Die Studenten, die sich in Friedolin EINGETRAGEN haben und von Friedolin wissen in welcher UG sie sind,

Die Studenten, die sich in Friedolin EINGETRAGEN haben und von Friedolin wissen in welcher UG sie sind, Die Studenten, die sich in Friedolin EINGETRAGEN haben und von Friedolin wissen in welcher UG sie sind, schreiben Sie sich bitte in IHRE CAJ-Gruppe ein (möglisch schnell damit die Übungsleiter die Punkte

Mehr

Fast jedes Lineare-Algebra Buch für Uni-Studenten der Mathe ist gut Aus der Lehrbibliothek Definition des Vektorraums z.b.

Fast jedes Lineare-Algebra Buch für Uni-Studenten der Mathe ist gut Aus der Lehrbibliothek Definition des Vektorraums z.b. Buchempfelungen Fast jedes Lineare-Algebra Buch für Uni-Studenten der Mathe ist gut Aus der Lehrbibliothek Definition des Vektorraums z.b. Serge Lang, Lineare Algebra Lineare Abbildungen z.b. Kowalsky

Mehr

Klausur zur Linearen Algebra I HS 2012, Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum

Klausur zur Linearen Algebra I HS 2012, Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum Klausur zur Linearen Algebra I HS 01, 1.1.01 Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum Name: Sitzplatznummer: Die Bearbeitungszeit für diese Klausur beträgt 90 Minuten. Die Klausur umfaßt

Mehr

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit 3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

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

Mehr

Wiederholung: lineare Abbildungen

Wiederholung: lineare Abbildungen Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) =

Mehr

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

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

Mehr

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 Gleichungssysteme

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

Mehr

Kapitel V. Affine Geometrie

Kapitel V. Affine Geometrie Kapitel V Affine Geometrie 1 Affine Räume Betrachte ein lineares Gleichungssystem Γ : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 + + a mn x n = b

Mehr

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I (Wintersemester 2003/2004) Aufgabenblatt 6

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

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

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 26. November 2014 Was kommt nach den natürlichen Zahlen? Mehr als die natürlichen Zahlen braucht man nicht, um einige der schwierigsten

Mehr

Kapitel 15. Aufgaben. Verständnisfragen

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

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine Vektorräume (Teschl/Teschl 9 Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen: Eine

Mehr

HM II Tutorium 5. Lucas Kunz. 22. Mai 2018

HM II Tutorium 5. Lucas Kunz. 22. Mai 2018 HM II Tutorium 5 Lucas Kunz 22. Mai 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Wiederholung Lineare Gleichungsysteme................... 2 1.2 Wiederholung: Kern einer Abbildung..................... 3 1.3

Mehr

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) 1 Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 14: Vektorräume und lineare Abbildungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 6. Oktober 2009) Vektorräume

Mehr

Mathematische Grundlagen der Computerlinguistik Lineare Algebra

Mathematische Grundlagen der Computerlinguistik Lineare Algebra Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 30 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 57 Lineare Abbildungen bei Körperwechsel Definition 57.1. Zu einer linearen Abbildung ϕ: V W zwischen K-Vektorräumen

Mehr

6.5 Lineare Abhängigkeit, Basis und Dimension

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

Mehr

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

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

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden

Mehr

L2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:

L2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele: L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: 2) Vektoren: vollständig bestimmt durch Angabe einer und einer Beispiele: Übliche

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

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

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v. Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel

Mehr

Rangsatz. d.) (2P) Formulieren Sie den

Rangsatz. d.) (2P) Formulieren Sie den Probeklausur Lineare Algebra I am 14.11.09 Die Klausur ist in drei Teile unterteilt, die grob als Definitions-, Rechenund Beweisteil bezeichnet werden können (optisch durch Linien getrennt). In jedem Teil

Mehr

1 Algebraische Strukturen

1 Algebraische Strukturen 1 Algebraische Strukturen 1.1 Innere Verknüpfungen 1.1.1 Grundbegriffe und Beispiele In der Analysis wie auch in der linearen Algebra kommen verschiedene Arten von Rechenoperationen vor, bei denen man

Mehr

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl. Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )

Mehr

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele

Mehr

Vektorräume. Lineare Algebra I. Kapitel Juni 2012

Vektorräume. Lineare Algebra I. Kapitel Juni 2012 Vektorräume Lineare Algebra I Kapitel 9 12. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent: Sadegh

Mehr

3 a) Berechnen Sie die normierte Zeilenstufenform der Matrix A = normierte Zeilenstufenform:

3 a) Berechnen Sie die normierte Zeilenstufenform der Matrix A = normierte Zeilenstufenform: 1. Aufgabe (9 Punkte) In dieser Aufgabe müssen Sie Ihre Antwort nicht begründen. Es zählt nur das Ergebnis. Tragen Sie nur das Ergebnis auf diesem Blatt im jeweiligen Feld ein. 0 1 3 a) Berechnen Sie die

Mehr

Lineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen

Lineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen Lineare Algebra I Tutorium Inverse Matrizen und Gruppen Fachbereich Mathematik WS / Prof Dr Kollross November Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Die zweite Variante des Gauß-Algorithmus)

Mehr

Musterlösung zur Probeklausur Lineare Algebra I

Musterlösung zur Probeklausur Lineare Algebra I Musterlösung zur Probeklausur Lineare Algebra I Aufgabe 1 5 Punkte: Welche der folgenden Aussagen sind wahr bzw. falsch? Setzen Sie in jeder Zeile genau ein Kreuz. Für jede korrekte Antwort erhalten Sie

Mehr

D-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld. Clicker Fragen

D-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld. Clicker Fragen D-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld Clicker Fragen Frage 1 Die Aussage Dieser Satz ist falsch ist wahr falsch Dies ist die einfachste Form des Lügner-Paradoxes ist der folgende selbstbezügliche

Mehr