Kapitel 13. Lineare Gleichungssysteme und Basen
|
|
- Bernhard Egger
- vor 7 Jahren
- Abrufe
Transkript
1 Kapitel 13. Lineare Gleichungssysteme und Basen
2 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 1.v 1 + x 2.v x n.v n = 0 ein Unterraum des R n von der Dimension n r. Beweis. Sei f : R n R m, x 1 x 2. x n = x 1.v 1 + x 2.v x n.v n die zu A gehörige lineare Abbildung. Bei L handelt es sich gerade um den Kern von f, der ein Unterraum von R n ist und nach dem Rangsatz für lineare Abbildungen die Dimension n r hat. 1
3 Rückblick auf Spezialfälle Spezialfälle des Rangsatzes in Matrixform haben wir schon kennengelernt. r = 1: Sei A = (a 1, a 2, a 3 ) (0, 0, 0). Dann ist x 1 x 2 x 3 a 1.x 1 + a 2.x 2 + a 3.x 3 = 0 ein Unterraum des R 3 von der Dimension zwei. ( ) a1 a r = 0, 1, 2: Sei A = 2 a 3. Dann ist die Menge (x b 1 b 2 b 1, x 2, x 3 ) aller Lösungen 3 des linearen Gleichungssystems a 1.x 1 + a 2.x 2 + a 3.x 3 = 0 b 1.x 1 + b 2.x 2 + b 3.x 3 = 0 ein Unterraum von R 3, der in Abhängigkeit von rg(a) = 2, 1 oder 0 die Dimension 1, 2 oder 3 haben kann. 2
4 Lineare Gleichungssysteme Wir formulieren nun ein lineares Gleichungssystem: Satz. Jede m n-matrix A = (a ik ) liefert ein (homogenes) lineares Gleichungssystem a 11 x 1 + a 12 x a 1n x n = 0 a 21 x 1 + a 22 x a 2n x n = 0.. a m1 x 1 + a m2 x a mn x n = 0 bestehend aus m Gleichungen in den n Unbekannten x 1, x 2,..., x n. Die Lösungen (x 1, x 2,..., x n ) bilden einen Unterraum L des R n von der Dimension n rg(a)... 3
5 Begründung Beweis. Seien v 1, v 2,..., v n die Spaltenvektoren der Matrix A, also a 1k a v k = 2k für k = 1,..., n.. a mk Dann besteht die Lösungsmenge L gerade aus den n-vektoren x 1 x 2. x n Rn mit x 1.v 1 + x 2.v x n.v n = 0. Der Rangsatz für Matrizen zeigt nun, dass L ein Unterraum des R n ist, welcher die Dimension n rg(a) hat. 4
6 Korrespondenz zwischen linearen Abbildungen, Matrizen, linearen Gleichungssystemen Es gibt eine eins-zu-eins Entsprechung zwischen linearen Abbildungen f : R n R m einerseits und m n-matrizen mit reellen Einträgen andererseits. Es gibt eine eins-zu-eins Entsprechung zwischen m n-matrizen und (homogenen) linearen Gleichungssystemen aus m Gleichungen in n Unbekannten. Die Lösungsmenge des (homogenen) linearen Gleichungssystems bildet einen Unterraum des R n, welcher mit dem Kern der zugeordneten linearen Abbildung f übereinstimmt. Die Dimension des Lösungsraumes/Kerns ergibt sich aus dem Rangsatz. 5
7 Nochmals zur Dimension Satz. Sei (v 1, v 2,..., v n ) ein maximal linear unabhängiges System von V, d.h. dieses System ist linear unabhängig in V, aber jedes Hinzufügen eines weiteren Vektors macht daraus ein linear abhängiges System. Dann ist (v 1, v 2,..., v n ) eine Basis von V und somit dim V = n. Beweis. Wir müssen zeigen, dass (v 1, v 2,..., v n ) ein Erzeugendensystem ist. Sei dazu v ein beliebiger Vektor. Da (v 1, v 2,..., v n ) maximal linear unabhängig ist, ist das vergrößerte System (v 1, v 2,..., v n, v ) linear abhängig. Es gibt somit eine lineare Abhängigkeitsrelation a 1.v 1 + a 2.v a n.v n + b.v = 0, wobei nicht alle Koeffizienten Null sind. Dabei kann b nicht Null sein; sonst würde nämlich die lineare Abhängigkeit von (v 1, v 2,..., v n ) folgen. Wegen b 0 lässt sich die Gleichung nach v auflösen und es folgt, dass v eine Linearkombination der Vektoren v 1, v 2,..., v n ist. 6
8 Basen und maximal linear unabhängige Systeme Der studierte Satz lässt sich umkehren: Satz. Jede Basis b 1, b 2,..., b n eines Vektorraums V ist ein maximal linear unabhängiges System und umgekehrt. Die Begriffe Basis von V und maximal linear unabhängiges System von V stimmen daher überein. Beweis. = Sei b 1, b 2,..., b n eine Basis, insbesondere also linear unabhängig in V. Wir wollen zeigen, dass beim Hinzufügen eines weiteren Vektors v stets ein linear abhängiges System (b 1, b 2,..., b n, v) entsteht. v lässt sich nämlich als Linearkombination v = a 1.b 1 + a 2.b a n.b n schreiben. Dies führt zur Beziehung a 1.b 1 + a 2.b a n.b n + ( 1).v = 0, die uns die lineare Abhängigkeit des erweiterten Systems zeigt. 7
9 Der Basisergänzungssatz Wir betrachten einen Vektorraum V, der ein endliches Erzeugendensystem E hat. Satz Jedes linear unabhängige System (v 1, v 2,..., v r ) von V lässt sich durch Hinzufügen geeigneter Vektoren aus E zu einer Basis von V ergänzen. Beweis. Wir fügen zu (v 1, v 2,..., v r ) solange Mitglieder des Erzeugendensystems hinzu, bis wir ein immer noch linear unabhängiges System B = (v 1, v 2,..., v r, w 1, w 2,..., w s ) erreicht haben, aus dem jedes Hinzufügen eines weiteren Mitglieds aus E ein linear abhängiges System macht. 8
10 Wir behaupten, dass B = (v 1, v 2,..., v r, w 1, w 2,..., w s ) den Vektorraum V erzeugt und dann wegen der konstruktionsbedingten linearen Unabhängigkeit auch eine Basis von V ist. Sei w E. Es folgt, dass (v 1, v 2,..., v r, w 1, w 2,..., w s, w) ein linear abhängiges System ist, also eine lineare Relation (a 1.v 1 + a 2.v a r.v r ) + (b 1.w 1 + b 2.w b s.w s ) + c.w = 0 besteht, für die nicht alle Koeffizienten verschwinden. Dabei kann c wegen der linearen Unabhängigkeit von nicht gleich Null sein. (v 1, v 2,..., v r, w 1, w 2,..., w s ) Die obige Gleichung lässt sich daher nach w auflösen. Dies zeigt, dass jedes w E in der linearen Hülle von B gelegen ist. Dieselbe stimmt daher mit V überein. 9
11 Zwei wichtige Folgerungen Satz 1 Ist U ein Unterraum eines endlich dimensionalen Vektorraums V, so ist dim(u) dim(v ). Beweis. Wir haben gerade gesehen, dass sich jede Basis B von U zu einer Basis B von V erweitern lässt. Somit hat B mindestens so viele Elemente wie B. Satz 2 Ist U ein Unterraum eines endlich dimensionalen Vektorraums V und gilt dim(u) = dim(v ), so folgt U = V. Beweis. Wie eben ergänzen wir eine Basis B von U zu einer Basis B von V. Wegen der Gleichheit der Dimensionen ist B = B; folglich ist B eine Basis von U (und von V ). Es stimmen daher U und V mit der linearen Hülle von B überein. 10
12 Sei A = Nochmals: Rang einer Matrix a 11 a 12 a 1 n 1 a 1n a 21 a 22 a 2 n 1 a 2n..... a m1 a m2 a m n 1 a mn eine m n-matrix mit den Spalten v 1, v 2,..., v n. Wir haben den Rang von A erklärt als Dimension der linearen Hülle v 1, v 2,..., v n. Wir haben nun die folgende neue Interpretation des Rangs von A. Der Rang rg(a) ist die Anzahl eines maximal linear unabhängigen Systems von Spalten von A. Wir werden zur Hervorhebung daher auch vom Spaltenrang von A sprechen. Entsprechend kann man den Zeilenrang einer Matrix bilden. Später sehen wir, dass Spaltenrang = Zeilenrang ist. 11
13 Fünf Kennzeichnungen von Basen Wir haben bereits alle hier genannten Kennzeichnungen von Basen allerdings nicht im Zusammenhang kennengelernt. Satz Für ein System v 1, v 2,..., v n von Vektoren von V sind äquivalent: (a) v 1, v 2,..., v n ist eine Basis von V, somit ein linear unabhängiges Erzeugendensystem von V. (b) v 1, v 2,..., v n ist ein minimales Erzeugendensystem von V. (c) v 1, v 2,..., v n ist maximal linear unabhängig in V. (d) Jedes v V lässt sich aus v 1, v 2,..., v n eindeutig linear kombinieren. x 1 (e) Die Abbildung h : R n V, x 2. x 1.v 1 + x 2.v x n.v n x n ist ein Isomorphismus. 12
14 Nützliche Begleitinformation Ratschlag Es reicht nicht, nur eine einzige der fünf Kennzeichnungen von Basen zu kennen. Je nach Sachlage ist die eine oder die andere von ihnen oft sehr viel vorteilhafter; wir sollten daher alle fünf Kennzeichnungen kennen und auch anwenden können. Im Notfall halten wir jedoch mindestens die ursprüngliche Definition ( linear unabhängiges Erzeugendensystem ) in der Hinterhand. Zusatzinformation: Jedes Erzeugendensystem enthält eine Basis. Jede linear unabhängige Teilmenge lässt sich zu einer Basis ergänzen. 13
15 Vorschau: Austauschsatz, Basisergänzungssatz und Dimension Bei unserer bisherigen Behandlung von Vektorräumen (und in der Folge in der Behandlung von linearen Abbildungen) haben wir offen gelassen, weshalb je zwei Basen eines Vektorraums dieselbe Mitgliederzahl haben. Wir werden anschließend diese Argumentationslücke mittels des sogenannten Austauschsatzes schließen. Der Austauschsatz hinwiederum wird uns zugleich verbesserte konstruktive Verfahren zur Basisergänzung liefern. 14
16 Das Austauschlemma Wir starten mit einer Vorstufe zum Austauschsatz: Austauschlemma Sei B = (v 1, v 2,..., v n ) eine Basis von V und w = a 1.v a i.v i + + a n.v n mit a i 0. Dann ist auch B = (v 1,..., v i 1, w, v i+1,..., v n ) eine Basis von V. Mit anderen Worten: Wir können den Vektor w falls der i-te Koeffizient a i der Darstellung von w in der Basis B nicht verschwindet gegen den i-ten Vektor v i der Basis B austauschen und erhalten mit B erneut eine Basis von V. 15
17 Beweis des Austauschlemmas Beweis. Erzeugendensystem: Wegen a i 0 ist v i eine Linearkombination von v 1,..., v i 1, w, v i+1,..., v n. Folglich liegen alle v j, j = 1,..., n, im Unterraum v 1,..., v i 1, w, v i+1,..., v n und damit auch V = v 1, v 2,..., v n. Das System (v 1,..., v i 1, w, v i+1,..., v n ) erzeugt daher den Vektorraum V. Lineare Unabhängigkeit: Nehmen wir nun an, dass c 1.v c i 1.v i 1 + c.w + c i+1.v i c n.v n = 0. Falls c = 0 erhalten wir aus der linearen Unabhängigkeit von (v 1, v 2,..., v n das Verschwinden aller c j. Falls c 0 können wir obige Gleichung nach w auflösen und erhalten eine Linearkombination w = a 1.v v i + + a n.v n, was der Eindeutigkeit der Darstellung von w in der Basis (v 1, v 2,..., v n ) widerspricht. 16
18 Der Austauschsatz Austauschsatz Sei B = (v 1, v 2,..., v n ) eine Basis von V. Ist w 1, w 2,..., w r ein in V linear unabhängiges System, so können wir nach geeigneter Umnummerierung von v 1, v 2,..., v n annehmen, dass (w 1, w 2,..., w r, v r+1,..., v n ) eine Basis von V ist. Insbesondere ist r n. Beweis. Den Beweis führen wir durch Induktion nach r und werden für den Induktionsschritt das Austauschlemma einsetzen. Induktionsverankerung: Der Fall r = 0 ist klar. Induktionsschritt: Nun sei r 1 und per Induktionsannahme die Aussage des Satzes für ein auszutauschendes linear unabhängiges System (w 1, w 2,..., w r 1 ) von r 1 Vektoren gültig. 17
19 Wir können daher nach geeigneter Umnummerierung der v j das System (w 1, w 2,..., w r 1 ) zu einer Basis B = (w 1,..., w r 1, v r,..., v n ) von V ergänzen, und folglich w r in der Form darstellen. w r = a 1.w a r 1.w r 1 + a r.v r + + a n.v n Dabei können a r,..., a n nicht alle Null sein, da sonst das System (w 1, w 2,..., w r ) linear abhängig wäre. Nach erneutem Umnummerieren können wir daher a r 0 annehmen und folglich per Austauschlemma den Vektor w r gegen den Vektor v r von B austauschen. Das Austauschlemma sagt uns nun, dass dann wie behauptet (w 1, w 2,..., w r, v r+1,..., v n ) eine Basis von V ist. 18
20 Invarianz der Dimension Invarianz der Dimension: Je zwei Basen eines Vektorraums V haben dieselbe Mitgliederzahl. Beweis. Seien B und B Basen von V mit n bzw. n Mitgliedern. Da B linear unabhängig und B eine Basis von V ist, gilt nach Austauschsatz n n. Vertauschen der Rollen von B und B liefert ferner n n und damit die Behauptung. Wir haben damit die frühere Argumentationslücke geschlossen und gezeigt, dass die Dimension eines Vektorraums eine wohldefinierte Größe ist. 19
21 Nützliche Eigenschaften der Dimension Satz Sei V ein Vektorraum der Dimension n. Dann gilt: (1) Je n+1 Vektoren x 1, x 2,..., x n, x n+1 aus V sind linear abhängig. (2) Jedes Erzeugendensystem besitzt mindestens n Mitglieder. (3) Jedes n-elementige Erzeugendensystem ist eine Basis. (4) Jedes linear unabhängige System hat höchstens n Mitglieder. (5) Jedes n-elementige linear unabhängige System ist eine Basis. Beweis. Jede der Behauptungen folgt unmittelbar aus dem Austauschsatz. 20
22 Vergleich Austauschsatz und Basisergänzungssatz Der früher besprochene Basisergänzungssatz Jedes linear unabhängige System lässt sich zu einer Basis ergänzen. ist ersichtlich eine Folgerung des Austauschsatzes. Wir beachten, dass trotz offensichtlicher Ähnlichkeit die Aussagen beider Sätze von unterschiedlicher Qualität sind. So reicht der Basisergänzungssatz nicht aus, die Invarianz der Dimension nachzuweisen. Im Vergleich ist somit der Austauschsatz die wesentlich stärkere Aussage. 21
23 Dimension von Schnitt und Summe Satz. Sind U 1, U 2 Unterräume des endlich-dimensionalen Vektorraums V, so gilt dim U 1 + dim U 2 = dim (U 1 U 2 ) + dim (U 1 + U 2 ). Wir veranschaulichen die Lage durch das folgende Diagramm: U 1 + U 2 U 1 U 2 U 1 U 2 22
24 Beweisidee Wir starten mit einer Basis (a 1, a 2,..., a p ) von U 1 U 2 und ergänzen Sie jeweils zu einer Basis (a 1, a 2,..., a p, b 1, b 2,..., b q ) von U 1 und (a 1, a 2,..., a p, c 1, c 2,..., c r ) von U 2. Die Vektoren aus (a 1, a 2,..., a p, b 1, b 2,..., b q, c 1, c 2,..., c r ) sind dann sämtlich in U 1 + U 2 gelegen. Wir behaupten, dass dieses System eine Basis von U 1 + U 2 ist. Dazu weisen wir getrennt nach, dass das System ein Erzeugendensystem und dass es linear unabhängig ist. 23
25 Beweis Erzeugendensystem: Jedes Element aus U 1 (bzw. U 2 ) lässt sich aus a 1, a 2,..., a p und b 1, b 2,..., b q (bzw. aus a 1, a 2,..., a p und c 1, c 2,..., c r ) linear kombinieren. Jedes x U 1 + U 2 ist daher eine Linearkombination der Vektoren a 1, a 2,..., a p, b 1, b 2,..., b q und c 1, c 2,..., c r. Lineare Unabhängigkeit: Ist ferner (α 1.a 1 +α 2.a 2 + +α p.a p )+(β 1.b 1 +β 2.b 2 + +β q.b q )+(γ 1.c 1 +γ 2.c 2 + +γ r.c r ) = 0 so sehen wir durch Betrachten von jeweils linker und rechter Seite, dass (α 1.a 1 +α 2.a 2 + +α p.a p )+(β 1.b 1 +β 2.b 2 + +β q.b q ) = (γ 1.c 1 +γ 2.c 2 + +γ r.c r ) in U 1 U 2 gelegen ist. Wir schließen dann zunächst, dass alle γ k verschwinden. Wegen der linearen Unabhängigkeit der Basis (a 1, a 2,..., a p, b 1, b 2,..., b q ) von U 1 verschwinden dann ferner auch alle α i und β j. Dies zeigt die lineare Unabhängigkeit von (a 1, a 2,..., a p, b 1, b 2,..., b q, c 1, c 2,..., c r ). 24
26 Anwendung: Schnitt von Ebenen Wir betrachten hier nur Ebenen durch den Nullpunkt. Per Definition sind dies zweidimensionale Unterräume eines ansonsten beliebigen Vektorraums V. Wir interessieren uns für den Durchschnitt von zwei derartigen Ebenen. U 1, U 2 seien zweidimensionale Unterräume des R 3 (Ebenen durch 0). Nur die folgenden Fälle U 1 = U 2 bzw. dim U 1 U 2 = 1 (Gerade durch 0) sind möglich. In einem vierdimensionalen Raum kommt es dagegen vor, dass sich zwei Ebenen nur in einem Punkt schneiden. Im R 4 haben die zweidimensionalen Unterräume U 1 = R.e 1 + R.e 2 und U 2 = R.e 3 + R.e 4 den Schnitt U 1 U 2 = {0}. 25
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
MehrBestimmung der Dimension
Bestimmung der Dimension Satz. Sei (v 1, v 2,..., v n ) ein minimales Erzeugendensystem von V, d.h. dieses System ist ein Erzeugendensystem von V, aber keines der nach Weglassen eines v i (1 i n) entstehenden
Mehr2 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
MehrKapitel 12. Lineare Abbildungen und Matrizen
Kapitel 12 Lineare Abbildungen und Matrizen Lineare Abbildungen f : R n R m Wir wissen schon: Eine lineare Abbildung f : R n R m ist eindeutig durch ein n-tupel von Vektoren v 1, v 2,, v n des R m bestimmt
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
MehrKapitel 11. Dimension und Isomorphie
Kapitel 11. Dimension und Isomorphie Bestimmung der Dimension Satz. Sei (v 1, v 2,..., v n ) ein minimales Erzeugendensystem von V, d.h. dieses System ist ein Erzeugendensystem von V, aber keines der nach
Mehrtechnische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4
Mehr2.3 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
MehrLineare 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
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 8 Dimensionstheorie Ein endlich erzeugter Vektorraum hat im Allgemeinen ganz unterschiedliche Basen. Wenn
MehrBasis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Basis und Dimension Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren aus V. 1) (v i ) i I heißt ein Erzeugendensystem von V, wenn Span(v i ) = V. 2) (v i ) i I heißt Basis von
Mehr3.2 Unabhängigkeitsstrukturen
80 3.2 Unabhängigkeitsstrukturen Unser Ziel ist der Nachweis, daß in Vektorräumen, also in Moduln über Körpern, Basen existieren und zwei endliche Basen gegebenenfalls von derselben Ordnung sind. (Basen
MehrDie 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
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
Mehrβ 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
MehrIn 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.
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
Mehr4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.
4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
Mehr(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:
Mehr2.2 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
MehrGegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.
1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 03.12.2013 Alexander Lytchak 1 / 16 Wiederholung und Beispiele Der Spaltenrang einer Matrix ist gleich ihrem Zeilenrang.
MehrLineare Abbildungen und Orthonormalsysteme
KAPITEL Lineare Abbildungen und Orthonormalsysteme. Lineare Abbildungen und Koordinatendarstellungen.. Lineare Abbildungen und ihre Basisdarstellung. Seien V, W Vektorraume uber R. Mit einer Abbildung
MehrLineare 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
MehrLineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin:
Lineare Algebra I - 9.Vorlesung - rof. Dr. Daniel Roggenkamp & Falko Gauß Korrektur: 2. Klausurtermin: 09.02.2017 Linearkombination von Vektoren lineare Hülle Erzeugendensystem S lineare Unabhängigkeit
MehrSatz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen
Mehr10 Kapitel I: Anschauliche Vektorrechnung
10 Kapitel I: Anschauliche Vektorrechnung haben. In Mengenschreibweise ist G = {x x = a + tb für ein t R}. Wir werden für diese einführenden Betrachtungen im Interesse einer knappen Redeweise jedoch häufig
Mehr6 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
MehrKapitel 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.
MehrSatz 7. A sei eine nichtleere Teilmenge des nichttrivialen Vektorraums (V, +, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine nichtleere Teilmenge
MehrDie Dimension eines Vektorraumes
Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrSummen und direkte Summen
Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
MehrVektorräume 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
MehrLineare 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
MehrGrundlegende Definitionen aus HM I
Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen
MehrMathematik 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
MehrAffine Geometrie (Einfachere, konstruktive Version)
Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit
MehrDonnerstag, 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$Id: vektor.tex,v /01/21 14:35:13 hk Exp $
Mathematik für Physiker I, WS 2/2 Freitag 2 $Id: vektortex,v 5 2//2 4:35:3 hk Exp $ Vektorräume 2 Untervektorräume und Erzeugendensysteme Am Ende der letzten Sitzung hatten wir wieder einmal den Lösungsraum
MehrEinführung 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
MehrLINEARE 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
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
Mehr3.5 Duale Vektorräume und Abbildungen
3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung
Mehr$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
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
Mehr70 IV. ENDLICH-DIMENSIONALE VEKTORRÄUME
IV. Endlich-dimensionale Vektorräume Unter einem endlich-dimensionalen Vektorraum verstehen wir einen Vektorraum, der eine endliche Basis besitzt. Die entscheidende Beobachtung ist die Tatsache, dass in
MehrÜbungen zur Linearen Algebra 1 Probeklausur Musterlösung: Aufgabe A
Musterlösung: Aufgabe A Wir betrachten die Matrix A = 1 4 1 1 3 1 4 5 2 M(3 3, Q) und die dazugehörige Abbildung f : Q 3 Q 3 ; v A v. Für j = 1, 2, 3 bezeichne v j Q 3 die j-te Spalte von A. Teilaufgabe
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
Mehr3.9 Elementarmatrizen
90 Kapitel III: Vektorräume und Lineare Abbildungen 3.9 Elementarmatrizen Definition 9.1 Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Wir befassen uns anschließend mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren einmal den begrifflichen Aspekt, d.h.
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
Mehr11. BASIS, UNTERRAUM, und DIMENSION
11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Martin Gubisch Lineare Algebra I WS 27/28 Definition (a ij ) 1 j n 1 i n heiÿt eine m n-matrix mit Komponenten a ij K Dabei bezeichnet i den Zeilenindex und j den Spaltenindex
MehrVektorräume. 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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:
Mehr15. Basen und Dimension
166 Andreas Gathmann 15. Basen und Dimension Wir wollen nun die Struktur von Vektorräumen genauer untersuchen. Besonders zentral ist dabei der Begriff der Basis, den ihr ja wahrscheinlich schon aus der
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn
MehrAffine 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
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
Mehr3 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 +
Mehr2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105. gramms kommutativ:
2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105 gramms kommutativ: V ϕ W ψ X c B c C c D K n x MC B(ϕ) x K m x MC D (ψ) x K l x M C D (ψ)mb C (ϕ) x Dies bedeutet, dass das gesamte Diagramm kommutativ ist.
MehrLINEARE ALGEBRA I (LEHRAMT GYMNASIUM) WINTERSEMESTER 2015/16
LINEARE ALGEBRA I (LEHRAMT GYMNASIUM) WINTERSEMESTER 2015/16 CAROLINE LASSER Inhaltsverzeichnis 1. Vektorräume 2 1.1. Vektorräume und Unterräume (13.10.) 2 1.2. Lineare Unabhängigkeit (20.10.) 3 1.3. Basen
MehrMathematik für Anwender I
Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von
MehrBasis eines Vektorraumes
Basis eines Vektorraumes Basisergänzungssatz: Ist U V ein Unterraum von V und dim V = n, so kann jede Menge linear unabhängiger Vektoren aus U zu einer Basis von U erweitert werden Und es gilt: Beweis:
Mehr6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt
Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 213/214 Markus Schweighofer Lineare Algebra I 6.2 Basen Definition 6.2.1. Seien V ein K-Vektorraum, n N und v 1,..., v n V. (a)
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
MehrDer Kern einer Matrix
Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis
Mehr5 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,
Mehr4 Affine Koordinatensysteme
4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein
MehrLösungen 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
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können
Mehr5 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,
MehrKapitel 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
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
MehrZu zwei Matrizen A R m n und B R p q existiert das Matrizenprodukt A B n = p und es gilt dann. A B = (a ij ) (b jk ) = (c ik ) = C R m q mit c ik =
H 6. Die Matrizen A, B, C und D seien gegeben durch 5 A =, B =, C = 4 5 4, D =. 5 7 5 4 4 Berechnen Sie (sofern möglich) alle Matrizenprodukte X Y mit X, Y {A, B, C, D}. Zu zwei Matrizen A R m n und B
MehrMathematik I. Vorlesung 14. Rang von Matrizen
Prof Dr H Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 14 Rang von Matrizen Definition 141 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von den Spalten
MehrÜbersicht Kapitel 9. Vektorräume
Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten
Mehr5.5 Abstrakter Vektorraum
118 Kapitel 5 Lineare Algebra 55 Abstrakter Vektorraum Für die Vektoraddition und die Multiplikation von Vektoren mit Skalaren im zweioder dreidimensionalen euklidischen Raum gelten bestimmte Rechengesetze,
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung ϕ : V W
MehrVektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)
Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz
MehrLösungsskizze 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?
MehrMathematik 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,
MehrBild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis
MehrLeitfaden 20. t = dim V dimu.
Leitfaden 2 Einschub (Nachtrag zur LA I): Komplementärbasen Sei V ein Vektorraum, U ein Unterraum Eine Folge (v,, v t ) von Vektoren aus V heißt linear unabhängig modulo U, falls folgendes gilt: sind p
MehrIV.3. RANG VON MATRIZEN 81
IV3 RANG VON MATRIZEN 8 Ist b,,b n eine Basis des reellen Vektorraums V, dann bildet b,,b n auch eine Basis des komplexen Vektorraums V C Mit V ist daher auch V C endlichdimensional und es gilt dim C V
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
MehrA = α α 0 2α α
Aufgabe 8. Berechnen Sie abhängig von α R die Dimension dim(f(r 4 )) und die Dimension dim(kern(f)) sowie je eine Basis von f(r 4 ) und Kern(f) der linearen Abbildung f : R 4 R 4, x Ax mit der Matrix A
Mehr1 Linearkombinationen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch
MehrErneut: Matrizen und lineare Abbildungen
Erneut: Matrizen und lineare Abbildungen Mit Hilfe der Matrixmultiplikation lässt sich die Korrespondenz zwischen linearen Abbildungen und Matrizen elegant ausdrücken: Satz. e 1, e 2,..., e n sei die Standardbasis
Mehr1 0 1, V 3 = M, und λ A = λa
Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a
MehrMusterlösung. 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,
MehrBeziehungen zwischen Vektorräumen und ihren Dimensionen
Beziehungen zwischen Vektorräumen und ihren Dimensionen Lineare Algebra I Kapitel 9 20. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
Mehr