Grundlagen der Mathematik 1
|
|
- Dagmar Maus
- vor 6 Jahren
- Abrufe
Transkript
1 Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben sind aber eine wichtige Vorbereitung auf die Klausur und es wird eine Musterlösung geben. Zudem können in den Tutorien Fragen gestellt werden. Aufgabe 53: Sei V ein K Vektorraum mit dim K (V) 5, und U und U Unterräume mit dim K (U) 3 und dim K (U ) 4. (a) Welche Werte kann dim K (U U ) annehmen? (b) Gib für jeden der Werte von dim K (U U ) ein Beispiel (K, V, U, U ) an. Aufgabe 54: (a) Sei A Mat n (K). Zeige die folgenden Aussagen: (1) Genau dann ist f A bijektiv, wenn A Gl n (K). (2) Ist A Gl n (K), so gilt (f A ) 1 f A 1. (b) Seien V und W zwei K-Vektorräume, f : V W eine K-lineare Abbildung und B eine Basis von V. (1) Genau dann ist f surjektiv, wenn f(b) ein Erzeugendensystem von W ist. (2) Genau dann ist f injektiv, wenn f(b) linear unabhängig ist. (3) Genau dann ist f bijektiv, wenn f(b) eine Basis von W ist. (c) Finde einen K-Vektorraum V sowie zwei K-lineare Abbildungen f, g : V V, so dass Folgendes gilt: (1) f ist injektiv, aber nicht surjektiv. (2) g ist surjektiv, aber nicht injektiv. Aufgabe 55: Für eine Matrix A Mat(m n, K) bezeichne ZR(A) die lineare Hülle der Zeilen von A und SR(A) die lineare Hülle der Spalten von A. Zeige für A Mat(m n, K), S Gl m (K) und T Gl n (K), dass ZR(A) ZR(SA) und SR(A) SR(AT). Aufgabe 56: Betrachte den Vektorraum P n : { n k0 a k t k a k K } der Polynome vom Grad höchstens n (siehe Skript, Beispiel 22.6) mit Basis B (t 0, t 1,..., t n ) und die formale Ableitung d : P n P n : a k t k k a k t k 1. k0 (a) Zeige, dass d eine K-lineare Abbildung ist. (b) Berechne die Matrixdarstellung M B B (d) und den Rang von d. (c) Zeige, dass im Fall n 3 auch D (t 0, t 0 +t 1, t 1 +t 2, t 2 +t 3 ) eine Basis von P 3 ist und berechne die Basiswechsel T D B und TB D sowie die Matrixdarstellung MD D (d).
2 Aufgabe 53: Voraussetzung. Sei V ein K Vektorraum mit dim K (V) 5, sowie U und U Unterräume mit dim K (U) 3 und dim K (U ) 4. (a) dim K (U U ) {2, 3}. (b) Sei K R und V R 5. Dann gilt: Beweis. (1) Für U Lin(e 1, e 2, e 3 ) und U Lin(e 1, e 2, e 4, e 5 ) gilt dim K (U U ) 2. (2) Für U Lin(e 1, e 2, e 3 ) und U Lin(e 1, e 2, e 3, e 4 ) gilt dim K (U U ) 3. (a) Sei V ein K Vektorraum mit dim K (V) 5, sowie U und U Unterräume mit dim K (U) 3 und dim K (U ) 4. Da U U U ein Unterraum ist, folgt auf der einen Seite nach Lemma dim K (U U ) dim K (U) 3. Auf der anderen Seite folgt analog, da U+U V ein Unterraum ist, zusammen mit der Dimensionsformel für Unterräume (Satz 24.14) und folglich dim K (V) dim K (U + U ) dim K (U) +dim K (U ) dim K (U U ) dim K (U U ) dim K (U) +dim K (U ) dim K (V) Damit erhalten wir insgesamt dim K (U U ) {2, 3}. (b) Sei K R und V R 5, also dim K (V) 5. (1) Sei U Lin(e 1, e 2, e 3 ), also dim K (U) 3 und U Lin(e 1, e 2, e 4, e 5 ), also dim K (U ) 4. Dann gilt U U Lin(e 1, e 2 ) mit dim K (U U ) 2. (2) Sei U Lin(e 1, e 2, e 3 ), also dim K (U) 3 und U Lin(e 1, e 2, e 3, e 4 ), also dim K (U ) 4. Dann gilt U U Lin(e 1, e 2, e 3 ) mit dim K (U U ) 3.
3 Aufgabe 54: (a) Voraussetzung. Sei A Mat n (K). (1) Genau dann ist f A bijektiv, wenn A Gl n (K). (2) Ist A Gl n (K), so gilt (f A ) 1 f A 1. Beweis. Ist A invertierbar, dann folgt aus Satz 21.9 f A f A 1 f A A 1 f 1n id K n, und analog f A 1 f A id K n. Also ist f A invertierbar und die eindeutig bestimmte Inverse ist f A 1. Damit ist bereits (2) gezeigt. Sei nun umgekehrt f A bijektiv. Dann gilt wegen Lemma 22.22, dass (f A ) 1 : K n K n linear ist. Also folgt mittels Korollar 23.17, dass eine Matrix B Mat(m n, K) existiert mit (f A ) 1 f B. Aber dann gilt: f 1n id K n f A (f A ) 1 f A f B f A B. Die Eindeutigkeitsaussage in Korollar impliziert dann A B 1 n, und analog B A 1 n. Also ist A invertierbar und B A 1. (b) Voraussetzung. Seien V und W zwei K-Vektorräume, f : V W eine K-lineare Abbildung und B eine Basis von V. (1) Genau dann ist f surjektiv, wenn f(b) ein Erzeugendensystem von W ist. (2) Genau dann ist f injektiv, wenn f(b) linear unabhängig ist. (3) Genau dann ist f bijektiv, wenn f(b) eine Basis von W ist. Beweis. Sei B (x i ) die gegebene Basis von V, und f(b) ( f(x i ) ). (1) Ist f surjektiv und y W, so gibt es ein x V mit f(x) y. Da B eine Basis von V ist, lässt sich x darstellen als Linearkombination und somit gilt x y f(x) λ i x i λ i f(x i ) Lin ( f(b) ). Also ist f(b) ein Erzeugendensystem von W. Ist umgekehrt f(b) ein Erzeugendensystem von W und y W, so ist y Lin ( f(b) ) eine Linearkombination der Form y so dass f auch surjektiv ist. λ i f(x i ) f λ i x i Im(f),
4 (2) Es sei f injektiv und zudem sei eine Linearkombination 0 λ i f(x i ) f λ i x i der Null gegeben. Dann ist der Vektor λ i x i Ker(f) {0} im Kern von f, der Null ist. Es gilt also λ i x i 0. Da B linear unabhängig ist, müssen somit aber alle λ i Null sein. Also ist f(b) linear unabhängig. Sei umgekehrt f(b) linear unabhängig und x Ker(f). Wir müssen zeigen, dass x der Nullvektor ist. Da B eine Basis ist, können wir x als Linearkombination x λ i x i der x i schreiben. Da x im Kern von f ist, gilt dann aber 0 f(x) λ i f(x i ). Da f(b) linear unabhängig ist, müssen alle λ i Null sein, und damit ist auch x 0. Also enthält der Kern nur den Nullvektor, und f ist somit injektiv. (3) Dies folgt aus den beiden vorigen Teilen.
5 (c) Voraussetzung. Sei V K {(a 0, a 1, a 2,...) a i K i N} der K Vektorraum aller Folgen über K mit komponenterweiser Addition und Skalarmultiplikation. (1) f : V V, (a 0, a 1, a 2,...) (0, a 0, a 1,...) ist K linear und injektiv, aber nicht surjektiv. (2) g : V V, (a 0, a 1, a 2,...) (a 1, a 2, a 3,...) ist K linear und surjektiv, aber nicht injektiv. Beweis. (1) Zunächst ist f eine K lineare Abbildung, denn für beliebige Folgen (a 0, a 1, a 2,...),(b 0, b 1, b 2,...) V und beliebige λ, µ K gilt: f ( λ(a 0, a 1, a 2,...) + µ(b 0, b 1, b 2,...) ) f ( (λa 0 + µb 0, λa 1 + µb 1, λa 2 + µb 2,...) ) (0, λa 0 + µb 0, λa 1 + µb 1,...) λ(0, a 0, a 1,...) + µ(0, b 0, b 1,...) λf ( (a 0, a 1, a 2,...) ) + µf ( (b 0, b 1, b 2,...) ). Sei nun (a 0, a 1, a 2,...) Ker(f), d.h. f ( (a 0, a 1, a 2,...) ) (0, a 0, a 1,...) (0, 0, 0,...). Dann gilt a i 0 für alle i N, also (a 0, a 1, a 2,...) (0, 0, 0,...). Folglich ist Ker(f) {(0, 0, 0,...)} und damit f injektiv. f ist jedoch nicht surjektiv, denn es gilt beispielsweise (1, 1, 1,...) / Im(f), d.h. die konstante 1 Folge, deren erstes Folgenglied insbesondere von 0 verschieden ist, liegt nicht im Bild von f. (2) Zunächst ist g eine K lineare Abbildung, denn für beliebige Folgen (a 0, a 1, a 2,...),(b 0, b 1, b 2,...) V und beliebige λ, µ K gilt: g ( λ(a 0, a 1, a 2,...) + µ(b 0, b 1, b 2,...) ) g ( (λa 0 + µb 0, λa 1 + µb 1, λa 2 + µb 2,...) ) (λa 1 + µb 1, λa 2 + µb 2, λa 3 + µb 3,...) λ(a 1, a 2, a 3,...) + µ(b 1, b 2, b 3,...) λg ( (a 0, a 1, a 2,...) ) + µg ( (b 0, b 1, b 2,...) ). Sei nun (a 0, a 1, a 2,...) V beliebig, dann gilt per Definition von g, dass g ( (0, a 0, a 1,...) ) (a 0, a 1, a 2,...). Folglich ist (a 0, a 1, a 2,...) Im(g) und damit g surjektiv. g ist jedoch nicht injektiv, denn es gilt beispielsweise g ( (1, 0, 0,...) ) (0, 0, 0,...), also Ker(g) {(0, 0, 0,...)}.
6 Aufgabe 55: Voraussetzung. Für eine Matrix A Mat(m n, K) bezeichne ZR(A) die lineare Hülle der Zeilen von A und SR(A) die lineare Hülle der Spalten von A. Für A Mat(m n, K), S Gl m (K) und T Gl n (K) gilt ZR(A) ZR(SA) und SR(A) SR(AT). Beweis. Für S Gl m (K) und T Gl n (K) gilt nach Korollar auch S t Gl m (K) und T t Gl n (K). Da die Spalten einer Matrix A gerade die Zeilen der Transponierten A t sind und umgekehrt, gilt SR(A) ZR(A t ) bzw. ZR(A) SR(A t ) und damit genügt es, die Aussage für den Spaltenraum zu zeigen. Aus den Definitionen folgt unmittelbar SR(A) Im(f A ) und SR(AT) Im(f A T ) Im(f A f T ), d.h. es genügt zu zeigen, dass Im(f A ) Im(f A f T ). Sei dazu y Im(f A f T ), dann gibt es ein x K n mit y (f A f T )(x) f A ( ft (x) ) Im(f A ). Ist umgekehrt y Im(f A ). Dann gibt es ein x K n mit y f A (x). Wir setzen z : ( ft ) 1(x) K n. Dann gilt: Damit folgt SR(A) SR(AT). ( (ft ) ) y f A (x) f A f 1 T (x) (f A f T )(z) Im(f A f T ).
7 Aufgabe 56: Voraussetzung. Betrachte den Vektorraum P n : { n k0 a k t k a k K } der Polynome vom Grad höchstens n (siehe Skript, Beispiel 22.6) mit Basis B (t 0, t 1,..., t n ) und die formale Ableitung d : P n P n : a k t k k0 k a k t k 1. (a) d ist eine K-lineare Abbildung (b) M B B (d) und rang(d) n.... n (c) Im Fall n 3 ist D (t 0, t 0 + t 1, t 1 + t 2, t 2 + t 3 ) eine Basis von P 3 und es gilt (1) TB D Beweis. (2) T B D (3) M D D (d) (a) Seien p 1 n k0 a(1) k tk P n und p 2 n k0 a(2) k tk P n beliebig. Dann gilt: ( n ) d(p 1 + p 2 ) d (a (1) k + a(2) k ) tk k0 k (a (1) k + a(2) k ) tk 1 k a (1) k tk 1 + d(p 1 ) + d(p 2 ). k a (2) k tk 1
8 Seien nun λ K und p n k0 a k t k beliebig. Dann gilt: ( n ) d(λ p) d (λ a k ) t k k0 k (λ a k ) t k 1 λ k a k t k 1 λ d(p). Folglich ist d nach Definition eine K lineare Abbildung. (b) Nach Bemerkung 25.4 ist die i te Spalte von M B B (d) der Koordinatenvektor von f(t i 1 ) bezüglich B. Es gilt d(t 0 ) 0 und für i {2,..., n + 1} gilt d(t i 1 ) (i 1) t i 2, d.h. der Koordinatenvektor von d(t i 1 ) bezüglich B lautet (0,..., 0, i 1, 0,..., 0) t K n+1 mit i 1 an der i 1 ten Stelle. Damit erhalten wir direkt M B B(d) Mat n+1 (K).... n Nun ist M B B (d) bereits in Zeilen Stufen Form mit n Stufen und nach Proposition folgt damit rang(d) rang(m B B(d)) n. (c) Sei n 3, D (d 1,..., d 4 ) (t 0, t 0 + t 1, t 1 + t 2, t 2 + t 3 ) und seien λ 1,..., λ 4 K mit λ 1 t 0 + λ 2 (t 0 + t 1 ) + λ 3 (t 1 + t 2 ) + λ 4 (t 2 + t 3 ) 0. Dann gilt auch (λ 1 + λ 2 ) t 0 + (λ 2 + λ 3 ) t 1 + (λ 3 + λ 4 ) t 2 + λ 4 t 3 0, also λ 1 + λ 2 λ 2 + λ 3 λ 3 + λ 4 λ 4 0 und damit λ 1... λ 4 0, da B (t 0, t 1, t 2, t 3 ) eine Basis von P 3 ist. Folglich ist D linear unabhängig mit D 4 dim K (P 3 ) und somit nach Korollar 24.7 eine Basis von P 3. Nun ist nach Bemerkung 25.7 die i te Spalte von TB D von d i bezüglich B und daher offensichtlich TB D der Koordinatenvektor
9 Des Weiteren gilt ebenfalls nach Bemerkung 25.7, dass TD B (TD B ) 1, so dass wir TD B als Inverse von TD B mit Hilfe von Algorithmus bestimmen können. TB D Hieraus ergibt sich also T B D Beachte hierbei, dass man T B D natürlich auch auf analoge Weise wie TD B bestimmen kann. So ist beispielsweise t 3 t 0 + (t 0 + t 1 ) (t 1 + t 2 ) + (t 2 + t 3 ). Schließlich erhalten wir M D D (d) per Basiswechsel gemäß Satz 25.8 als M D D(d) TD B M B B(d) TB D Beachte auch hierbei, dass man M D D (d) auf analoge Weise wie MB B (d) bestimmen kann. So ist beispielsweise d(t 2 + t 3 ) 2t 1 + 3t 2 t 1 + 3(t 1 + t 2 ) t 0 (t 0 + t 1 ) + 3(t 1 + t 2 ) t 0 (t 0 + t 1 ) + 3(t 1 + t 2 ) + 0(t 2 + t 3 ).
Bild, 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
MehrDefinitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.
Technische Universität Berlin Wintersemester 7/8 Institut für Mathematik 9. April 8 Prof. Dr. Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Nachklausur zur Linearen Algebra I Aufgabe ++ Punkte Definieren
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
MehrÜbungen 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
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,...,
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
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
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
Mehr5 Die Allgemeine Lineare Gruppe
5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:
MehrLineare Abbildungen. i=0 c ix i n. K n K m
Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht
MehrKapitel III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
MehrÜbungen 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
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
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
MehrLineare Algebra I: Eine Landkarte
Bild F Algebra I: Eine Landkarte Faser Versuch einer Übersicht der Themen und Zusammenhänge der n Algebra 1. 1 Algebra I: Bild F Faser Sei B Basis von V. Jedes v V läßt sich eindeutig aus den Basisvektoren
MehrLineare Abbildungen - I
Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit
Mehri) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.
Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):
MehrLineare Algebra I. Lösung 9.2:
Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik Lösungsblatt 9 Prof. Dr. Markus Schweighofer 20.01.2010 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 9.1: Voraussetzung:
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
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,
MehrViele 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
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
MehrWiederholung: 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 ) =
MehrMusterlösung zur Klausur Lineare Algebra I
Musterlösung zur Klausur Lineare Algebra I Aufgabe Version A 5 Punkte: Welche der folgenden Aussagen sind wahr bzw. falsch? Setzen Sie in jeder Zeile genau ein Kreuz. Für jede korrekte Antwort erhalten
Mehr2.3 Lineare Abbildungen und Matrizen
2.3. LINEARE ABBILDUNGEN UND MATRIZEN 89 Bemerkung Wir sehen, dass die Matrix à eindeutig ist, wenn x 1,...,x r eine Basis ist. Allgemeiner kann man zeigen, dass sich jede Matrix mittels elementarer Zeilenumformungen
Mehr4 Lineare Abbildungen und Matrizen
4.1 Lineare Abbildungen Definition 4.1. Es seien V, W K-Vektorräume. Eine Abbildung f : V W heißt linear oder Homomorphismus, wenn für alle u, v V und λ K gilt Beispiel 4.2. L1 f(u + v) = f(u) + f(v),
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
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
MehrKlausurenkurs 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
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
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
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
Mehrx y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)
Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung
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
MehrKap 5: Rang, Koordinatentransformationen
Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv
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
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
MehrRang und Inverses einer Matrix
Rang und Inverses einer Matrix wgnedin@math.uni-koeln.de 29. April 2014 In dieser Notiz werden Methoden und Beispiele zur Berechnung des Rangs einer Matrix sowie der Inversen einer invertierbaren Matrix
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
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
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
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
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
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
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
Mehr[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrLineare Algebra II 6. Übungsblatt
Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der
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
MehrBild und Kern. Für eine lineare Abbildung L : V W bezeichnet man mit. Kern L = {v V : L(v) = 0} V. den Kern und mit
Bild und Kern Für eine lineare Abbildung L : V W bezeichnet man mit Kern L = {v V : L(v) = 0} V den Kern und mit Bild L = {w W : v V mit L(v) = w} W das Bild von L. Bild und Kern 1-1 Bild und Kern Für
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 12.12.2016 9. Vorlesung Eigenschaften linearer Abbildungen Beschreibung linearer Abbildungen durch Matrizen... Eigenschaften
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrFerienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte
Technische Universität München, Fakultät für Physik Ferienkurs - ineare Algebra Hanna Schäfer 03. März 04 0. inearität. f : M N, x : y = f(x) Merkinhalte. f(x + λy) = f(x) + λf(y), x, y V, λ K 3. ineare
MehrMusterlösung zur Nachklausur Lineare Algebra I
Musterlösung zur Nachklausur 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 0,5
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
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 Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
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
MehrKlausurvorbereitungsblatt Lineare Algebra
Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen
MehrLineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.
Lineare Abbildungen Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls (1) u, v V : f( u + v) = f( u) + f( v). (2) v V α K : f(α v) = αf( v).
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
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
MehrLineare Abbildungen und Matrizen
Lineare Abbildungen und Matrizen Seien V und W K-Vektorräume mit dimv = n und dimw = m Im folgenden wollen wir jeder m n Matrix eine lineare Abbildung V W zuordnen, und umgekehrt jeder linearen Abbildung
MehrÜbungen zur Diskreten Mathematik I Blatt 6
1 Blatt 6 Aufgabe 19 Es sei M := {n N : n 2} und R := {(n, m) M M : n teilt m}. a) Zeigen Sie, dass R eine Ordnungsrelation auf M ist. b) Überprüfen Sie, ob R eine totale Ordnung auf M ist. c) Zeigen Sie,
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
MehrUniversität Zürich HS , Vorlesung #3
Algebraic Number Theory P. Habegger Universität Zürich HS 2010 6.10.2010, Vorlesung #3 1.4 Diskriminante Die primitivste Invariante eines Zahlkörpers ist sein Grad. Die Diskriminante eines Zahlkörpers
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)
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
MehrKLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG
KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter
Mehrx 2 + y 2 = f x y = λ
Lineare Abbildungen Def Es seien (V 1,+, ) und (V 2,+, ) zwei Vektorräume Eine Abbildung f : V 1 V 2 heißt linear, falls für alle Vektoren u,v V 1 und für jedes λ R gilt: f (u + v) = f (u) + f (v), f (λu)
MehrKLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008
KLAUSUR ZUR LINEAREN ALGEBRA I. Februar 008 MUSTERLÖSUNG Diese Klausur wurde je nach Sitzreihe in zwei verschiedenen Versionen geschrieben. Die andere Version unterscheidet sich von der vorliegenden jedoch
MehrMatrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle
2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische
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
Mehr1 2. Körpererweiterungen
1 2. Körpererweiterungen 1 2. 1. Definition: Sind K, L Körper und i: K L ein Ringhomomorphismus, so ist i injektiv, wir fassen K vermöge i als Unterkörper von L auf, schreiben dafür L K und nennen L eine
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
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
MehrKoordinaten und darstellende Matrizen
Koordinaten und darstellende Matrizen Olivier Sète 4 Juli 2008 Inhaltsverzeichnis Koordinatenabbildung 2 Definition und Eigenschaften 2 2 Beispiel 3 2 Matrixdarstellung eines Vektorraumhomomorphismus 3
MehrKapitel 11. Bilinearformen über beliebigen Bilinearformen
Kapitel 11 Bilinearformen über beliebigen Körpern Wir können in diesem Kapitel rasch vorgehen, weil die meisten Konzepte im Zusammenhang mit Sesquilinearformen bereits eingeführt wurden. In diesem Abschnitt
MehrMusterlösung 7 Lineare Algebra für die Naturwissenschaften
Musterlösung 7 Lineare Algebra für die Naturwissenschaften Aufgabe Entscheiden Sie, ob folgende Abbildungen linear sind, und geben sie für die linearen Abbildungen eine Matrixdarstellung (in einer Basis
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrFachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen)
Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie (Lineare Abbildungen) Dozent/in: R. Burkhardt Büro:.6 Klasse: Semester: Datum: HS 8/9. Aufgabe Zeige, dass die folgenden Abbildungen
Mehrx+ 2y = 2 3x+ 3y+ 3z = 0
Mathematik für Informatiker III WS 5/ Musterlösung zur Klausur vom 8.. Anmerkung: Für die Aufgaben bis 4 gab es 4 Punkte, zusammen mit der Zusatzaufgabe 5 konnte man 4 Punkte erreichen. Um die Klausur
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:
Mehr3 Bilinearformen und quadratische Formen
3 Bilinearformen und quadratische Formen Sei V ein R Vektorraum. Definition: Eine Bilinearform auf V ist eine Abbildung s : V V R, welche linear in beiden Variablen ist, d.h.: Für u, v, w V und λ, µ R
MehrLösungen Serie 6 (Vektorräume, Skalarprodukt)
Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9
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
Mehr, Uhr Dr. Thorsten Weist. Name Vorname Matrikelnummer. Geburtsort Geburtsdatum Studiengang
Nachklausur zur Linearen Algebra I - Nr. 1 Bergische Universität Wuppertal Sommersemester 2011 Prof. Dr. Markus Reineke 06.10.2011, 10-12 Uhr Dr. Thorsten Weist Bitte tragen Sie die folgenden Daten leserlich
MehrLineare Algebra II, Lösungshinweise Blatt 9
Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren
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
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
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
MehrVektorräume und lineare Abbildungen
Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten
MehrFormale 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
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
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
MehrTECHNISCHE 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
MehrLineare Abbildungen und Darstellungsmatrizen
KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt
Mehr