13 Lineare Abbildungen
|
|
- Peter Möller
- vor 6 Jahren
- Abrufe
Transkript
1 13 Lineare Abbildungen Grob gesprochen sind lineare Abbildungen bei Vektorräumen dasselbe wie Homomorphismen bei Gruppen, nämlich strukturerhaltende Abbildungen. Auch in diesem Kapitel seien V, W Vektorräume. Wenn nicht ausdrücklich etwas Anderes erwähnt wird, geht es in den Beispielen um Vektorräume R n mit der kanonischen Basis e 1,..., e n. Definition. f : V W heißt lineare Abbildung oder Homomorphismus : Man beachte, dass in L1 und L2 jeweils für verschiedene Verknüpfungen das gleiche Symbol benutzt wurde. Um die Nullvektoren der verschiedenen Vektorräume V und W unterscheiden zu können, bezeichnen wir sie bei Bedarf mit 0 V und 0 W Beispiele. 1. V = W = R : f : x x + 1 ist, g : x 5x ist 2. V = R 2, W = R : f : x 1, x 2 x 1 x 2 ist, g : x 1, x 2 x 1 x 2 ist 3. V = R 3, W = R 2 : f : x 1, x 2, x 3 x 1 + x 2, x 3 ist Die Aussage des Satzes kann nun anders formuliert werden Für jede Matrix A R m n ist die Abbildung l A : R n R m ; x Ax linear. Man wird bei beliebigen linearen Abbildungen f : V W nicht erwarten können, dass jeder Vektor aus W ein Urbild besitzt. Wir hatten einige Beispiele im Abschnitt über lineare Gleichungssysteme. Stets gilt aber f0 V = 0 W : Kern und Bild f0 V = f0 0 V = 0 f0 V = 0 W. Definition. Sei f : V W linear, dann heißt Kern f := f 1 {0 W } = { } v V ; fv = 0 W der Kern von f Bild f := fv = { fv ; v V } das Bild von f. 58
2 Der Kern einer linearen Abbildung besteht aus allen Vektoren, die auf den Nullvektor abgebildet werden. { R 13.3 Beispiele. 1. Was sind Bild f und Kern f von f : 2 R 2? x, y x, x 2. Seien A R m n und b R m 1. Die Lösungsmenge des homogenen linearen Gleichungssystems Ax = 0 ist genau der Kern der linearen Abbildung l A aus Kurz: Kern A = Kern l A. Das lineare Gleichungssystems Ax = b hat genau dann eine Lösung, wenn b Bild l A = LA; vgl. dazu Für jede lineare Abbildung f : V W ist Kern f V und Bild f W. Es gilt sogar 13.4 Sei f : V W linear. Dann gelten 1 Kern f ist eine Untervektorraum von V. 2 Bild f ist eine Untervektorraum von W. 3 f injektiv Kern f = {0 V }. Beweis. Um 1 und 2 zu beweisen, müssen wir jeweils U1 U3 überprüfen. 1 U1: Wir wissen bereits 0 V Kern f, also Kern f. U2: v, w Kern f = fv + w = fv + fw = o W + o W = o W = v + w Kern f. U3: α R, v Kern f = fαv = αfv = α0 W = 0 W = αv Kern f. 2 U1: Wegen f0 V = 0 W Bild f gilt Bild f. U2, U3: α R, x, y Bild f = v, w V mit fv = x, fw = y = fv + w = fv + fw = x + y = x + y Bild f ; fαv = αfv = αx = αx Bild f. 3 = : Ist klar, da wir den wesentlichen Schritt bereits bewiesen haben wo?. = : Seien v, w V mit fv = fw 0 W = fv fw = fv w = v w Kern f = v w = 0 V = v = w = f injektiv. Bemerkung. Die Aussagen des letzen Satzes sind alle für Matrizen bereits bekannt; und die Beweise verlaufen analog! Wir stellen einen Zusammenhang zwischen den Dimensionen der Untervektorräume Kern f und Bild f her. Aus Kern f V folgt 0 dim Kern f dim V und aus Bild f W folgt 0 dim Bild f dim W. 59
3 13.5 Beispiele :. { V W v 0 W = dim Kern 0 = dim Bild 0 = 2. id : V V ; v v =. 3. Es sei f : R 3 R 2 ; x, y, z x + y, z. In allen Beispielen gilt die 13.6 Dimensionsformel für lineare Abbildungen. Seien V, W Vektorräume. Für jede lineare Abbildung f : V W gilt dim V = dim Kern f + dim Bild f. Beweis Skizze. Jede Basis v 1,..., v r des Kerns können wir dank zu einer Basis von V ergänzen, sei v 1,..., v r, v r+1,..., v n die ergänzte Basis. Für ein beliebiges v = n α iv i V gilt dann r fv = f α i v i = f α i v i +f α i v i = 0 W + α i fv i = α i w i Dabei gilt fv i = w i. Somit ist Bild f = Lw r+1,..., w n. Aus der linearen Unabhängigkeit von w r+1,..., w n Beweis für Interessierte anschließend folgt dim Bild f = n r = dim V dim Kern f. Beh : w r+1,..., w n linear unabhängig Bew : Sei β r+1 w r β n w n = 0 W. Wegen w i = fv i folgt 0 W = β i fv i = f β i v i. Damit gehört β i v i zu Kern f = Lv 1,..., v r. Es folgt γ 1 v γ r v r β r+1 v r+1... β n v n = 0 V β i v i = r γ i v i = γ 1 =... = γ r = β r+1 =... = β n = 0. 60
4 13.7 Bemerkung. 1. In der Dimensionsformel taucht dim W aus leicht erklärlichen Gründen nicht explizit auf: Bei jeder linearen Abbildung f : V W kann W durch einen größeren Vektorraum W ersetzt werden, ohne dass Kern f und Bild f und damit deren Dimensionen sich ändern. 2. Im Fall dim W < dim V kann f nicht injektiv sein, denn dim Kern f = dim V dim Bild f dim V dim W > Weil die Dimension des Bildes auch Rang von f genannt wird, ist dim V = dim Kern f + Rang f eine andere Fassung dieser Formel, vgl. dazu Für eine Matrix A gilt Kern A = Kern l A, LA = Bild l A und Rang A = Rang l A. 5. Nach hat die Lösungsmenge eines jeden linearen Gleichungssystems die Form v + Kern A. Die Dimensionsformel erlaubt eine genauere Begründung für die in Bemerkung gemachten Aussagen. Darstellung linearer Abbildungen Beispiel. Wieviele lineare Abbildungen f : R 2 R 3 gibt es mit fe 1 = 2, 4, 0 und fe 2 = 1, 0, 2? Antwort : Sei x, y R 2 beliebig. Wegen x, y = xe 1 +ye 2 folgt aus den Eigenschaften einer linearen Abbildung fx, y = fxe 1 + ye 2 = xfe 1 + yfe 2 = x2, 4, 0 + y1, 0, 2 = 2x + y, 4x, 2y. Damit hat genau eine lineare Abbildung die verlangten Eigenschaften Beides ist kein Zufall: Ist b 1,..., b n eine Basis von V und sind w 1,..., w n beliebige, nicht notwendig verschiedene Vektoren aus W, so gibt es immer genau eine lineare Abbildung f : V W mit fb i = w i für i = 1,..., n. Wir formulieren diesen Sachverhalt präzise ohne einen formalen Beweis zu geben. 61
5 13.8 Satz. Es seien b 1,..., b n eine Basis von V und w 1,..., w n ein beliebiges n-tupel von Vektoren aus W. Dann existiert genau eine lineare Abbildung f : V W mit fb i = w i für i = 1,..., n, nämlich fv = f α i b i = α i fb i = α i w i, wenn v = n α ib i V. Entscheidend für einen Beweis ist die Tatsache, dass die Darstellung von v nach eindeutig ist. Deshalb ist die letzte Zeile eine Definition von f. Feststellung. Die gesamte Information über eine lineare Abbildung ist bereits in den Bildern der Basisvektoren enthalten! Diese Information lässt sich zu einer Matrix zusammenfassen, wie man am Beispiel erkennen kann. Im Spezialfall der kanonischen Basen von R n und R m ergibt sich 13.9 Sei f : R n R m eine lineare Abbildung, dann gilt fx = Ax. Dabei sind die Spalten der Matrix A = fe 1... fe n R m n durch fe i, i {1,..., n}, gegeben. Beweis. fx = f x i e i = x i fe i = Ax Bemerkung. 1. Die Spalten der Matrix A bestehen also aus den Bild-Vektoren der kanonischen Basisvektoren e 1 = 0., e 2 = 1.,..., e n = Gemessen an der Gesamtzahl aller Abbildungen zwischen zwei Vektorräumen gibt es relativ wenige lineare Abbildungen. Wir wollen diese Behauptung am Beispiel der endlichen Vektorräume Z 3 2 und Z 2 2 über dem Körper Z 2 belegen: Es gibt Kombinatorik! insgesamt 4 8 > Abbildungen von Z 3 2 nach Z 2 2. Da man = 64 Tripel w 1, w 2, w 3 mit w i Z 2 2 bilden kann, sind nur 64 dieser Abbildungen linear. 3. Übrigens gilt Z 2 3 = 2 6 =
6 13.11 Beispiel. Wir wollen die Spiegelung s an der Geraden g = R 3, 1 untersuchen. g schließt mit der x-achse einen Winkel von π = 6 30 ein. Wir setzen s als eine lineare Abbildung an, die e 1 und e 2 auf se 1 bzw. se 2 überführt. Eine elementare geometrische Überlegung, die in der Vorlesung durchgeführt wird, liefert die Matrix Versuchen Sie den einfachen Nachweis der folgenden Aussage! Die Verkettung linearer Abbildungen ergibt stets wieder eine lineare Abbildung. Genauer: Für lineare Abbildungen f : V W und g : W X ist auch die Abbildung g f : V X linear. Sind lineare Abbildungen durch Matrizen dargestellt, dann hat man Es seien A R m l und B R l n, dann sind l A : R l R m, l B : R n R l und l A l B : R n R m lineare Abbildungen. Weiter gilt 2 l A l B = l AB. Beweis. Die erste Aussage folgt aus Für v R n gilt l A l B x = l A Bx = ABx! = ABx = l AB x, wegen des Assoziativgesetzes für die Matrizenmultiplikation Erkennen Sie, dass da ein Homomorphismus im Spiel ist? Als weitere Anwendung vervollständigen wir den Beweis von In der Tat ergibt sich die zurückgestellte Aussage III = V aus dem folgenden Satz Satz. Es sei A R m n so, dass die Spalten von A eine Basis von R m bilden. Dann gilt m = n und A ist invertierbar. Beweis. Die erste Aussage ist klar. Für die lineare Abbildung l A sind b 1 := l A e 1,..., b m := l A e m genau die Spalten von A und diese bilden eine Basis von R m. Nach 13.8 existiert genau eine lineare Abbildung g : R m R m mit gb i = e i für alle i = 1,..., m. Für jedes i = 1,..., m gilt g l A e i = gb i = e i = g l A = id l A gb i = l A e i = b i = l A g = id. Die = -Pfeile ergeben sich aus der Eindeutigkeitsaussage von 13.8, denn id hat die jeweilige Eigenschaft. Das zeigt g = l 1 A, und l A ist invertierbar. Nach 13.9 gibt es eine Matrix B = ge 1... ge m R m m mit g = l B. Nun zeigt l I = id = l A l B = l AB und l I = id = l B l A = l BA und abermals aus 13.9 folgt AB = BA = I. 63
7 Lineare Abbildungen in der Geometrie Lineare Abbildungen führen Geraden auf Geraden über und sind daher interessant für die Geometrie. Auch Translationen haben diese Eigenschaft, sind aber nicht linear. Wir beschränken uns auf lineare Abbildungen. Das hat insbesondere zur Folge, dass der Nullpunkt festgelassen wird. Geometrisch gibt es keinen Grund das zu tun. Bei den folgenden Beispielen unterstellen wir stets, dass die gesuchten Abbildungen linear sind Beispiele. 1. Die Drehung δ um π 2 wird beschrieben durch δe 1 = e 2 und δe 2 = e 1, es gilt also δx, y = y, x. Die Matrixdarstellung lautet 2. Sei γ die Drehung um 45. Gesucht ist γ benötigen die Bilder der Basisvektoren. γe 1 = αe 1 + βe 2 mit α = β und α 2 + β 2 = 1. α Es folgt γe 1 = mit α = 2 α. 2 x y und die darstellende Matrix. Wir γe 2 und damit γ werden in den Übungen bestimmt. 3. Für die Spiegelung σ an der Geraden g : y = x gilt 64
8 4. Gesucht ist δ σ mit δ aus 1. und σ aus 3. Die lineare Abbildung δ σ ist beschrieben durch = Es handelt sich um 5. Wie lautet hx, y, wenn h eine zentrische Streckung um 0, 0 mit Streckungsfaktor 2 ist? Wie sieht die Matrix-Darstellung aus? 6. Was passiert mit einem Fußballspieler, der im Koordinatenursprung steht, unter der linearen Abbildung e 1 e 1, e 2 e 1 + e 2? Solch eine Abbildung heißt Scherung mit Achse Re 1. Wir zeigen jetzt die in der Einführung zu diesem Abschnitt gemachte Behauptung Es sei σ : R n R n eine bijektive lineare Abbildung, dann bildet σ Geraden auf Geraden ab. Genauer: Für jede Gerade g = P + Rv gilt σg = σp + Rσv. Beweis. Jedes Element Q von g hat die Form Q = P + λv mit λ R. Es folgt σq = σp + λv = σp + σλv = σp + λσv σp + Rσv. Weil λ durch ganz R läuft, gilt σg = σp + Rσv. Frage: Was geht schief im Beweis, wenn σ nicht bijektiv ist? Wir untersuchen einige spezielle Abbildungen. Unsere Definitionen werden in der Vorlesung alle geometrisch motiviert. Zunächst betrachten wir die Drehung δ ϕ um den Winkel ϕ. Wir untersuchen die Bilder der kanonischen Basisvektoren: a c δ ϕ e 1 = und δ b ϕ e 2 =. d Eine Skizze zeigt a cos ϕ = und b sin ϕ cos ϕ sin ϕ sodass gilt δ ϕ v = v. sin ϕ cos ϕ Wir nutzen diese Überlegungen als Motivation für eine Definition. Für ϕ R und cos ϕ sin ϕ D ϕ = sin ϕ cos ϕ heißt c d = sin ϕ cos ϕ δ ϕ : R 2 R 2 ; v D ϕ v Drehung um den Winkel ϕ und D ϕ die zugehörige Drehmatrix., 65
9 Führt man zwei Drehungen hintereinander aus, so ergibt sich wieder eine Drehung. Dabei ist der Drehwinkel die Summe der beiden gegebenen Drehwinkel mod 2π. Die Inverse einer Drehung ist auch eine Drehung, sie hat den Drehwinkel 2π ϕ. Diese anschaulichen Überlegungen ergeben Die Menge aller Drehungen um den Nullpunkt bildet eine kommutative Gruppe. Genauer gilt: δ ψ δ ϕ = δ ψ+ϕ und δϕ 1 = δ 2π ϕ. Das neutrale Element ist id = δ 0 Drehung um 0. Beweis. Wir betrachten die Drehungen um die Winkel α und β. Es gilt cosα + β sinα + β D α+β = sinα + β cosα + β cos α cos β sin α sin β sin α cos β + cos α sin β = sin α cos β + cos α sin β cos α cos β sin α sin β wegen der Additionstheoreme Andererseits können wir rechnen cos α sin α cos β sin β D α D β = sin α cos α sin β cos β = cos α cos β sin α sin β sin α cos β + cos α sin β sin α cos β + cos α sin β cos α cos β sin α sin β. Aus der Gleichheit dieser Matrizen und folgt die erste Behauptung. Die anderen ergeben sich nun ganz leicht. Bemerkung. Wenn man den Begriff der Drehung geometrisch definiert und daraus ableitet, dass die Drehungen eine Gruppe bilden, dann erhält man einen geometrischen Beweis für die Additionstheoreme Dazu mus man den obigen Beweis nur ein wenig umbauen. Ausgewählte lineare Abbildungen des R 2 Matrix cos ϕ sin ϕ Drehung um den Ursprung um den Winkel ϕ D ϕ = sin ϕ cos ϕ cos 2ϕ sin 2ϕ Spiegelung an Ursprungsgeraden mit Neigungswinkel ϕ sin 2ϕ cos 2ϕ k 0 Streckung um den Faktor k mit Streckungszentrum 0, 0 0 k 1 a Scherung mit der x-achse als Achse a R Scherung mit der y-achse als Achse b R b 1 66
10 Wir untersuchen nun noch lineare Abbildungen des Anschauungsraumes R 3. Insbesondere behandeln wir spezielle Beispiele von Drehungen und Spiegelungen. Die Drehungen haben als Drehachse eine Gerade durch den Koordinaten-Ursprung. Der Drehwinkel wird in einer Ebene senkrecht zur Drehachse gemessen, wobei auf die eindeutige Angabe des Drehwinkels Drehrichtung geachtet werden muss. Gespiegelt wird an einer Ebene, die ebenfalls durch 0, 0, 0 verläuft Beispiele. 1. Drehung um die z -Achse mit Drehwinkel von 90. Wir blicken aus der positiven z Richtung auf die x-y-ebene und drehen gegen den Uhrzeigersinn. Das entspricht der Verwendung eines Rechtssystems 7. e 1 e 2, e 2 e 1, e 3 e 3 Für ein beliebiges x, y, z R 3 erhalten wir fx, y, z = xe 2 ye 1 +ze 3 = y, x, z Die zugehörige Matrix ist vgl. dazu auch Wie sieht die Drehmatrix für andere Drehwinkel bei gleicher Drehachse aus? 3. Ein Fußballspieler verändert seine Lage im Raum durch ein Foul. Durch geeignete sehr stark vereinfachende Modellierung kann man das durch eine Drehung um den Nullpunkt beschreiben. Ausführung in der Vorlesung. 4. Spiegelung an der y-z -Ebene: 5. Wir untersuchen g f : g fx, y, z = gfx, y, z = g y, x, z = y, x, z
11 6. Welche Abbildung ist f g? 7. Für die Abbildung h mit e 1 e 2, e 2 e 3, e 3 e 1 gilt hx, y, z = z, x, y. Wir untersuchen, welche Punkte unter h festbleiben: x, y, z = hx, y, z = z, x, y x = y = z. Genau die Punkte auf der Geraden R1, 1, 1 = Le 1 + e 2 + e 3 sind Fixpunkte, h ist eine Drehung. Wie groß ist der Drehwinkel? 8. Gesucht ist die Matrix, die zur zentrischen Streckung um den Faktor 2 gehört. 9. Gesucht ist die Matrix, die zur orthogonalen Projektion auf die x 1 -x 2 -Ebenen gehört. Bemerkung. Alle Drehungen mit einer Drehachse durch 0, 0, 0, alle Spiegelungen an einer Ebene durch 0,0,0 und alle zentrischen Streckungen mit Zentrum 0, 0, 0 sind lineare Abbildungen. Die Begriffe Rechtssystem 8 und Rechte-Hand-Regel 9 = Drei-Finger-Regel sind bei Wkipedia gut erklärt
Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)
Lineare Abbildungen (Teschl/Teschl.3,.2 Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:
Mehr7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?
Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist
Mehr4 Lineare Algebra. 1 Vektorräume und Untervektorräume
69 4 Lineare Algebra 1 Vektorräume und Untervektorräume Wir erinnern uns an die Gruppe (R 2, + mit komponentenweiser Addition und die Schreibweise der k fachen Summe (a, b + + (a, b durch k (a, b (ka,
Mehr3 Geometrische Klassifikation der Bewegungen im R 2 und R 3
3 Geometrische Klassifikation der Bewegungen im R 2 und R 3 Sei f : R n R n eine Bewegung Sie kann beschrieben werden in der Form Dabei ist T (f)(x) = A x f(x) = Ax + b mit A O(n) und b R n Definition:
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
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
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
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
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
MehrLineare Algebra. 1 Lineare Abbildungen
Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe
Mehr4 Orthogonale Endormorphismen
4 Orthogonale Endormorphismen Frage: Bei welchen Abbildungen R R bzw. R 3 R 3 bleibt der Abstand zwischen zwei Punkten erhalten? Für α R setzen wir cosα sin α D(α) = und S(α) := sin α cosα ( cos α sin
Mehr4 Lineare Abbildungen
17. November 2008 34 4 Lineare Abbildungen 4.1 Lineare Abbildung: Eine Funktion f : R n R m heißt lineare Abbildung von R n nach R m, wenn für alle x 1, x 2 und alle α R gilt f(αx 1 ) = αf(x 1 ) f(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
Mehr4.2 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
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
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
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
Mehr4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI), AngGeo
Fachbereich Mathematik Prof. J. Lehn Hasan Gündoğan, Nicole Nowak Sommersemester 8 4./5./8. April 4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI, AngGeo Gruppenübung Aufgabe G9 (Multiple Choice Bei
MehrLineare Algebra I 14. Tutorium Lineare Abbildungen und Matrizen
Lineare Algebra I 4 Tutorium Lineare Abbildungen und Matrizen Fachbereich Mathematik WS / Prof Dr Kollross 7 Februar Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Bewegungen im ) Als Bewegung
MehrAufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).
Aufgabe Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = Es gilt det(λa = (λ n det(a det I n = n? Nein (außer für n = Es gilt deti n = det(ab = det A det B? Ja det(a =
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
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
MehrEXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME
EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen
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
MehrLösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3
MehrKapitel 2 Lineare Algebra II. 2.1 Lineare Abbildungen
Kapitel 2 Lineare Algebra II 21 Lineare Abbildungen Die mit der Vektorraumstruktur verträglichen Abbildungen zwischen Vektorräumen werden als linear bezeichnet Genauer definiert man: 21 Definition Eine
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
Mehr5. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI), AngGeo und UI
Fachbereich Mathematik Prof Dr K Ritter Dr M Slassi M Fuchssteiner SS 9 9 Mai 9 5 Übungsblatt zur Mathematik II für BI, MaWi, WI(BI, AngGeo und UI Gruppenübung Aufgabe G (a Betrachten Sie die Vektoren
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 0/06 Lineare Algebra und analytische Geometrie I Vorlesung... und ein guter Lehrer kann auch einem schlechten Schüler was beibringen Beziehung zwischen Eigenräumen Wir
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
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,...,
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrSatz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum
Orthogonalität 123 Dienstag, 27. April 04 Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum U von V gilt dann (a) U + U = V, U U = {0}, U, U = 0. (b) (U ) = U. Wir sagen
MehrMathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen
Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β
MehrEigenwerttheorie. Martin Gubisch Lineare Algebra I WS 2007/2008
Eigenwerttheorie Martin Gubisch Lineare Algebra I WS 27/28 Motivation Gegeben seien ein K-Vektorraum V der Dimension n < und eine K-lineare Abbildung f : V V Wir suchen eine Basis V = v 1,, v n von V,
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
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
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
MehrKapitel 2 Lineare Algebra II. 2.1 Lineare Abbildungen
Kapitel 2 Lineare Algebra II 2 Lineare Abbildungen Die mit der Vektorraumstruktur verträglichen Abbildungen zwischen Vektorräumen werden als linear bezeichnet Genauer definiert man: 2 Definition Eine Abbildung
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
MehrKlausurenkurs 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
Mehr7 Lineare Abbildungen und Skalarprodukt
Mathematik II für inf/swt, Sommersemester 22, Seite 121 7 Lineare Abbildungen und Skalarprodukt 71 Vorbemerkungen Standard Skalarprodukt siehe Kap 21, Skalarprodukt abstrakt siehe Kap 34 Norm u 2 u, u
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
Mehr$Id: vektor.tex,v /01/24 14:10:45 hk Exp $ $Id: cartesisch.tex,v /01/24 14:28:24 hk Exp $
$Id: vektor.tex,v.7 20/0/24 4:0:45 hk Exp $ $Id: cartesisch.tex,v.3 20/0/24 4:28:24 hk Exp $ Vektorräume.5 Lineare Abbildungen Am Ende der letzten Sitzung hatten wir die sogenannten linearen Abbildungen
MehrLineare Abbildungen und Matrizen
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume
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
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16
Name, Vorname Matrikel-Nr. Aufg. Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 25/6 Bearbeiten Sie bitte
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:
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
MehrLineare Abbildungen (Teschl/Teschl 10.3, 11.2)
Lineare Abbildungen Teschl/Teschl.3,. Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:
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,
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
MehrÜbungsblatt
Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen
MehrMathematische Grundlagen
Mathematische Grundlagen Oliver Deussen Mathematische Grundlagen 1 Affine Räume um Zeichenebene bzw. Raum zu beschreiben, muß vorher ein Koordinatensystem festgelegt werden durch geometrische Fragestellungen
MehrAUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW
AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNSCHE UNVERSTÄT MÜNCHEN Zentrum Mathematik PROF DRDR JÜRGEN RCHTER-GEBERT, VANESSA KRUMMECK, MCHAEL PRÄHOFER Höhere Mathematik für nformatiker Wintersemester 23/24 Aufgabenblatt 2 23 Januar 24 Präsenzaufgaben
MehrMathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7
Mathematik für Wirtschaftswissenschaftler im WS 203/4 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Aufgabe 27 Sei eine lineare Abbildung f : R 4 R 3 gegeben durch f(x, x 2, x 3 ) = (2 x 3 x 2
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
MehrLineare Algebra und analytische Geometrie II (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner SS 0 Blatt 9 9060 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach Lösungsvorschlag a Die gegebene Matrix
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
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
MehrDrehachse und Drehwinkel
Drehachse und Drehwinkel Jede Drehung Q im R 3 besitzt eine Drehachse, d.h. lässt einen Einheitsvektor u invariant, und entspricht einer ebenen Drehung um einen Winkel ϕ in der zu u orthogonalen Ebene.
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrExkurs: Klassifikation orthogonaler 2 2-Matrizen.
Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Aussage: Es gilt: (a) Jede orthogonale 2 2 Matrix A mit det(a) = 1 hat das Aussehen cos(α) sin(α) D(α) = sin(α) cos(α), wobei α [0,2π[. Ist sin(α) 0, so
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
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: Eine
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
Mehr2.4 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
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
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:
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
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
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016
Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016 Bearbeiten Sie bitte zwei
MehrMatrix. Unter einer (m n)-matrix (m, n N) über einem Körper K versteht man ein Rechteckschema. a m,1 a m,2 a m,n. A = (a i,j ) = Matrix 1-1
Matrix Unter einer (m n)-matrix (m, n N) über einem Körper K versteht man ein Rechteckschema a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = (a i,j ) =.... a m,1 a m,2 a m,n Matrix 1-1 Matrix Unter einer (m n)-matrix
Mehr09. Lineare Abbildungen und Koordinatentransformationen
09. Lineare Abbildungen und Koordinatentransformationen Definition. Seien V und W Vektorräume. Unter einer linearen Abbildung versteht man eine Abbildung F : V W, v F v w mit folgender Eigenschaft: F λ
MehrLineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,
Mehr1. Hausübung ( )
Übungen zur Vorlesung»Lineare Algebra B«(SS ). Hausübung (8.4.) Aufgabe Es seien σ (3, 6, 5,, 4, 8,, 7) und τ (3,,, 4, 6, 5, 8, 7). Berechnen Sie σ τ, τ σ, σ, τ, die Anzahl der Inversionen von σ und τ
MehrD-CHAB Frühlingssemester 2018
D-CHAB Frühlingssemester 2018 Grundlagen der Mathematik II Dr Marcel Dettling Lösung 4 1) Nur für die folgenden Wahlen kann man das Produkt bilden: A A mit Dimension (2, 2) (2, 2) (2, 2): 1 2 A Y mit Dimension
Mehr$Id: vektor.tex,v /01/23 11:03:09 hk Exp $ $Id: cartesisch.tex,v /01/23 11:08:08 hk Exp $
$Id: vektor.tex,v 1.32 2017/01/23 11:03:09 hk Exp $ $Id: cartesisch.tex,v 1.20 2017/01/23 11:08:08 hk Exp $ 9 Vektorräume 9.5 Lineare Abbildungen In der letzten Sitzung haben wir den Begriff einer linearen
MehrMathematik und Logik
Mathematik und Logik 9. Übungsaufgaben 2007-01-23 1. Beweisen Sie geometrisch, daß die Addition von Vektoren in der Ebene assoziativ ist. Beweis. Man zeichnet die entsprechenden Parallelogramme. 2. Der
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
MehrJede symmetrische Bilinearform b definiert eine quadratische Form q durch. q(x) := b(x, x).
1 Kapitel 1 Clifford-Algebren 1 Innere Produkte Sei k {R, C}, V stets ein endlich-dimensionaler k-vektorraum. Fehlende Beweise finden sich in der Literatur ([Art1], [Bou1], [Brie], [Cohn]). Definition.
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,
Mehra b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
MehrGrundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) SoSe C. Curilla/ B. Janssens
Fachbereich Mathematik Algebra und Zahlentheorie Christian Curilla Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) Blatt 7 SoSe 2011 - C. Curilla/ B. Janssens Präsenzaufgaben (P13)
MehrKapitel 2 Lineare Algebra II. 2.1 Lineare Abbildungen
Kapitel 2 Lineare Algebra II 2 Lineare Abbildungen Die mit der Vektorraumstruktur verträglichen Abbildungen zwischen Vektorräumen werden als linear bezeichnet Genauer definiert man: 2 Definition Eine Abbildung
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
MehrVektorräume und Lineare Abbildungen
Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um
MehrMatrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =
Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Symmetrische
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzugen zur Vorlesung: Der Vollständigkeit
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
MehrAufgaben zu Kapitel 17
Aufgaben zu Kapitel 7 Aufgaben zu Kapitel 7 Verständnisfragen Aufgabe 7. Welche der folgenden Abbildungen sind linear? ( R ) ( R ) (a) ϕ : v v v v + R R ( ) v (b) ϕ : v v v 4 v v R R ( ) v (c) ϕ : v 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
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
MehrKapitel 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
MehrAufgaben 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
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
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
Mehr