Mathematik für Physiker, Informatiker und Ingenieure

Größe: px
Ab Seite anzeigen:

Download "Mathematik für Physiker, Informatiker und Ingenieure"

Transkript

1 Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de 1

2 1. Vektorräume und lineare Abbildungen 2. Lin. Gleichungssysteme und Determinanten 3. Eigenwerte, Eigenvektoren und das Spektrum 4. Selbstadjungierte Abbildungen 2

3 Literatur: Jedes gute Lineare-Algebra-Buch, z.b. Jänich, Lineare Algebra, Springer, Lorenz, Lineare Algebra I+II, Spektrum Akademischer Verlag, Kowalsky, Lineare Algebra, de Gruyter, Skripten: Menth-Skript (Heineken-Vorlesung, siehe Homepage) 3

4 Def. 1: Ein Vektorraum besteht aus einer nichtleeren Menge V (Menge der Vektoren), einem Körper K (Menge der Skalare) und zwei Verknüpfungen : V V V (Vektoraddition) und : K V V (Skalarmultiplikation) mit folgenden Eigenschaften: 1. (V, ) ist eine abelsche Gruppe 2. Für alle λ, µ K und alle x V gilt λ (µ x) = (λµ) x 3. Für alle x V gilt 1 x = x 4. Für alle λ, µ K und alle x, y V gilt (λ + µ) x = (λ x) + (µ x) λ (x y) = (λ x) (λ y) (Distributivgesetze) 4

5 Sprechweise: Falls (V, K,, ) ein Vektorraum ist, so bezeichnen wie V auch kurz als K-Verktorraum oder als Verktorraum über K. Konvention: (a) Wir schreiben im Weiteren einfach + statt und unterdrücken wir komplett, also λx := λ x für alle λ K und alle x V. (b) Ferner treffen wir die Konvention, dass stärker bindet als, d.h. also nach (a) λ x y := (λ x) y λx + y := (λ x) y. 5

6 Folgerung 1: Sei V ein beliebiger K-Vektorraum und sei 0 V der Nullvektor, d.h. das eindeutige neutrale Element der Vektoraddition. Dann gelten die folgenden Rechenregeln: (a) Für x V und λ K gilt λ 0 = 0, 0 x = 0 und ( 1) x = x λ x = 0 (λ = 0 x = 0) (b) Für alle x, y V und alle λ, µ K gilt (λ x = µ x x 0) λ = µ (λ x = λ y λ 0) x = y 6

7 Def. 2: Eine nicht-leere Teilmenge U eines K- Vektorraums V heißt Unterraum von V, wenn (U, K, U U, K U ) ein Vektorraum im Sinne von Def. 1 ist. Def. 3: Sei V ein K-Vektorraum und seien v 1,..., v n beliebige Vektoren aus V. Ferner seien λ 1,..., λ n K beliebige Skalare. Dann bezeichenen wir λ 1 v 1 + λ 2 v λ n v n = n k=1 λ k v k als eine linear Kombination der Vektoren v 1,..., v n. 7

8 Def. 5: (a) Sei M eine beliebige Teilmenge eines Vektorraums V mit der Eigenschaft M = V. Dann heißt M Erzeugendensystem von V. Falls es ein endliches Erzeugendensystem von V gibt, so bezeichnen wir V als endlich erzeugt. (b) Eine eindliche Folge v 1,..., v n von Vektoren aus V heißt linear unabhängig, wenn die Gleichung λ 1 v 1 + λ 2 v λ n v n = 0 nur die triviale Lösung λ 1 = λ 2 = = λ n = 0 besitzt. Eine Teilmenge von M von V heißt linear unabhängig, wenn jede endliche Folge v 1,..., v n von paarweise verschiedenen Vektoren aus M linear unabhängig ist. 8

9 Def. 5 (Fortsetzung): (c) Eine endliche Folge v 1,..., v n von Vektoren aus V heißt linear abhängig, wenn sie nicht linear unabhängig ist, d.h., wenn es eine nicht-triviale Lösung der Gleichung λ 1 v 1 + λ 2 v λ n v n = 0 gibt. Eine Teilmenge von M von V heißt linear abhängig, wenn sie nicht linear unabhängig ist. Def. 6: Sei V ein beliebiger Vektorraum. Eine Teilmenge B von V, die eine und somit alle Eigenschaften (a)-(d) aus Satz 3 erfüllt, bezeichnen wir als eine Basis von V. 9

10 Def. 7: (a) Sei V ein endlich erzeugter Vektorraum. Dann bezeichnen wir die gemeinsame Mächtigkeit aller Basen (vgl. Folgerung 3) als die Dimension von V. (Schreibweise: dim V ) (b) Falls V keine endliche Basis besitzt, so sagen wir, dass V unendlich dimensional ist. Def. 7 : Sei V ein beliebiger Vektorraum. Die Summe U 1 + U 2 zweier Unterräume U 1 und U 2 von V ist definiert als die Menge U 1 + U 2 := {u 1 + u 2 u 1 U 1, u 2 U 2 } Falls zusätzlich U 1 U 2 = {0} gilt, so sagen wir, dass die Summe direkt ist und schreiben U 1 U 2 statt U 1 + U 2. 10

11 Def. 8: (a) Seien V und W Vektorräume über dem gleichen Körper K. Eine Abbildung f : V W heißt linear, wenn sie folgende Eigenschaften erfüllt: (i) f(x + y) = f(x) + f(y) für alle x, y V (Additivität) (ii) f(λx) = λf(x) für alle λ K und x V. (Homogenität) (b) Eine Abbildung g : V W heißt affin, wenn es ein w 0 W und eine lineare Abbildung f : V W gibt, so dass g(x) = f(x) + w 0 für alle x V. 11

12 Def. 8 (Fortsetzung): Wir bezeichnen im Weiteren mit und L(V, W) := {f : V W f linear} Aff(V, W) := {f : V W f affin} die Menge aller linearen bzw. affinen Abbildungen von V nach W. Falls V = W, so schreiben wir und L(V ) := L(V, V ) Aff(V ) := Aff(V, V ). 12

13 Def. 9: Seien V und W K-Vektorräume und sei f : V W linear. Dann bezeichnen wir die Unterräume und ker f := f 1 {0} V Im f := f(v ) W als den Kern bzw. das Bild von f. Ferner ist der Rang von f, als die Dimension des Bildes von f definiert. Schreibweise: rg f := dim f(v ). 13

14 Def. 10: (a) Eine lineare Abbildung f : V W zwischen K-Vektorräumen V und W bezeichnent man auch als Homomorphismus. Falls V = W gilt, so heißt f auch Endomorphismus. (b) Falls f : V W zusätzlich bijektiv ist, so bezeichnen wir f als Isomorphismus und im Falls von V = W als Automorphismus. (c) Ferner bezeichnen wir zwei K-Vektorräumen V und W als isomorph, falls ein Isomorphismus von V nach W existiert. Bemerkung: Man zeigt leicht, dass die Umkehrabbildung f 1 einer bijektiven linearen Abbildung wiederum linear ist. 14

15 Def. 11: (a) Sei V ein endlich dimensionaler K- Vektorraum und sei B = {b 1,..., b n } mit paarweise verschiedenen b i eine Basis von V.Dann bezeichnen wir das n-tupel (b 1,..., b n ) als geordnete Basis von V. (b) Sei B = (b 1,..., b n ) eine geordnete Basis von V. Dann bezeichnen wir mit ϕ B : V K n die Umkehrabbildung des Isomorphismus ψ B : K n V, λ 1. λ n n i=1 λ i b i. Das n-tupel ϕ B (x) bezeichnen wir als den Koordinatenvektor von x bzgl. B. 15

16 Def. 12: Formal verstehen wir unter einer n m- Matrix über K eine Abbildung A : {1,..., n} {1,..., m} K. Dabei bezeichnen wir den Wert an der Stelle (i, j) mit a ij, also a ij := A(i, j). Umgekehrt schreiben wir auch ( aij ) für die Matrix A. i=1,...,n j=1,...,m Bildlich stellen wir uns A als ein rechteckiges Schema von n m Zahlen vor, d.h. A := a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm Die Menge aller n m-matrix über K bezeichnen wir mit K n m. 16

17 Def. 14: Wir definieren auf der Menge K n m die folgenden Operationen. Seien A, B K n m und λ K: (A + B) ij := a ij + b ij (Addition) für i = 1,..., n und j = 1,..., m. (λa) ij := λa ij (Skalarmultiplikation) für i = 1,..., n und j = 1,..., m. (A ) ji := a ij (Transposition) für i = 1,..., n und j = 1,..., m. 17

18 Folgerung 9: (a) Für alle A K n m, B K m p und C K p r gilt (A B) C = A (B C) Für alle A, B K n m und C K m p gilt (A + B) C = A C + B C Für alle A K n m und B, C K m p gilt A (B + C) = A B + A C (b) K n m versehen mit der Addition und Skalarmultiplikation aus Def. 14 ist ein K-Vektorraum der Dimension n m. (c) Für alle A K n m und B K m p gilt (A B) = B A 18

19 Def. 16: Sei n N. Dann bezeichnen wir I n := als die Einheitsmatrix des K n n. Ferner heißt A K n n invertierbar, wenn es eine Matrix B K n n gibt mit AB = I n. ( ) Man Kann zeigen: (i) Wenn ( ) erfüllt ist, so gilt auch BA = I n. (ii) Falls B existiert, so ist B ist eindeutig und heißt die zu A inverse Matrix. Schreibweise: A 1 := B 19

20 Def. 16 (Fortsetzung): Wir definieren nun GL n (K) als die Menge aller invertierbaren n n-matrizen über K, d.h. GL n (K) := {A K n n A invertierbar} Bemerkung: GL n (K) ist für n 2 eine nicht kommutative Gruppe (bzgl. der Matrixmultiplikation). Für n = 1 können wir GL n (K) mit der multiplikativen Gruppe von K, also mit K \ {0} identifizieren. 20

21 2. Lineare Gleichungssysteme Def. 20: Gegeben sei ein lin. Gleichungssystem a 11 x 1 + a 12 x a 1m x m = b 1.. =. ( ) a n1 x 1 + a n2 x a nm x m = b n Unter einer elementaren (Zeilen-)Umformung von ( ) versteht man eine der folgenden drei Operationen: 1. Vertausche die i-te und j-te Zeile (und behalte alle anderen unverändert bei). 2. Ersetze die i-te Zeile durch ihr λ-faches mit λ K \ {0} (und behalte alle anderen unverändert bei). 3. Addiere zur i-te Zeile das λ-fache der j-te Zeile mit i j (und behalte alle anderen unverändert bei). 21

22 2. Determinanten Def. 23: Sei K ein beliebiger Körper mit Charakteristik ungleich 2 (d.h ) und sei V ein K-Vektorraum mit dim V = n. Eine Determinantenform ist eine nicht-triviale, alternierende multilineare Abbildung : V V V }{{} n mal K, d.h. erfüllt folgende Eigenschaften: D0: 0. D1: Für alle i = 1,..., n und v 1,..., v n V ist die Abbildung (v 1,..., v i 1,, v i+1,..., v n ) : V K linear, d.h.... D2: Für alle i, j = 1,..., n mit i j und für alle v 1,..., v n V gilt (v 1..., v i,..., v j,..., v n ) = (..., v j,..., v i,...) 22

23 2. Determinanten Def. 23 (Fortsetzung): Falls V = K n, so können wir auf natürliche Weise jede Determinantenform : V V V K mittels der Definition (A) := (a 1,..., a n ), A = [a 1... a n ] K n n auch als Abbildung vom K n n nach K interpretieren. Folgerung 12: Sei : V V V K. (a) Dann gilt (v 1,..., v i 1, v i + λv j, v i+1,..., v n ) = (v 1,..., v i 1, v i, v i+1,..., v n ) für alle i j, v 1,..., v n V und λ K. (b) Falls v 1,..., v n linear abhängig sind, so gilt (v 1,..., v n ) = 0. 23

24 2. Determinanten Satz 15/Def. 24: (a) Zwei Determinantenformen 1 und 2 auf V unterscheiden sich höchstens durch einen nicht-trivialen skalaren Faktor, d.h. es existiert ein λ 0 mit 2 = λ 1. (b) Es gibt genau eine Determinantenform auf dem K n (bzw. dem K n n ) mit (e 1,..., e n ) = 1 (bzw. (I n ) = 1). Diese Determinantenform bezeichnen wir im Weiteren als die Determinante auf dem K n (bzw. dem K n n ) und schreiben det statt. Insbesondere gilt folgende Darstellung det(a) = π S n sign(π) n i=1 a π(i)i. 24

25 2. Determinanten Satz 15/Def. 24 (Fortsetzung): (b) Dabei bezeichnet S n die Menge aller Permutationen der Menge {1,..., n} und sign(π) das Vorzeichen der Permutation π. Dieses ist definiert durch sign(π) := ( 1) t(π), wobei t(π) die Anzahl der Transpositionen ist, die man braucht um π zu darzustellen. 25

26 2. Determinanten Satz 16: Die Abbildung det : K n n K besitzt folgende Eigenschaften: (a) deti n = 1. (b) det(ab) = det A det B für alle A, B K n n. (c) det A 0 genau dann, wenn A invertierbar ist. (d) det A 1 = (det A) 1 für alle A GL n (K). (e) det A = det A für alle A K n n. (f) det a a 21 a a n a nn = det a 11 a a 1n 0 a a nn = n i=1 a ii. 26

27 2. Determinanten Folgerung 12 : Die Spalten (bzw. Zeilen) von A K n n sind genau dann linear unabhängig, wenn det A 0 gilt. Satz 17: Sei A K n n, n 2 und bezeichne Âij die (n 1) (n 1)-Matrix, die durch Streichen der i-ten Zeile und j-ten Spalte von A entsteht. Dann gilt: (a) Entwicklung von det A nach der j-ten Spalte: det A = n i=1 ( 1) i+j a ij det Âij, wobei j {1,..., n} beliebig, aber fest gewählt ist. (b) Entwicklung von det A nach der i-ten Zeile: det A = n j=1 ( 1) i+j a ij det Âij, wobei i {1,..., n} beliebig, aber fest gewählt ist. 27

28 3. Eigenwerte, Eigenvektoren und das Spektrum Def. 25: (a) Sei A K n n. Ein Skalar λ K heißt Eigenwert von A, falls es ein v K n, v 0 gibt mit ( ) Av = λv. Falls ( ) gilt, so bezeichnen wir v 0 als Eigenvektor von A zum Eigenwert λ. Die Menge aller Eigenwerte einer Matrix A bezeichnen wir als ihr Spektrum σ(a), d.h. σ(a) := {λ K v K n \ {0} : Av = λv}. (b) Eine Matrix A K n n heißt diagonalisierbar (über K), falls es eine invertierbare Matrix T K n n gibt, so dass T 1 AT diagonal ist. 28

29 Eigenwerte, Eigenvektoren und das Spektrum Satz 18: Eine Matrix A K n n ist genau dann diagonalisierbar, wenn es n linear unabhängige Eigenvektoren v 1,..., v n K n von A gibt. Insbesondere ist dann T := [v 1 v 2... v n ] GL n (K) eine diagonalisierende Transformation, d.h. es gilt T 1 AT = λ 1 λ 2... λ n, wobei λ i den Eigenwerte zum Eigenvektor v i bezeichne. Satz 19: Sei A K n n. Ein Skalar λ K ist genau dann ein Eigenwert von A, wenn det(a λi n ) = 0 gilt. 29

30 Eigenwerte, Eigenvektoren und das Spektrum Def. 26: (a) Sei A K n n. Wir bezeichnen das Polynom χ A (x) := det(a xi n ) P n (K) als das charakteristische Polynom von A. (b) Für jedes λ σ(a) definieren wir E A (λ) := ker(a λi n ) K n als den Eigenraum von A zum Eigenwert λ. 30

31 Eigenwerte, Eigenvektoren und das Spektrum Folgerung 13: Sei A K n n. Dann gilt: (a) v E A (λ) \ {0} v ist Eigenvektor von A zum Eigenwert λ (b) σ(a) = {λ K χ A (λ) = 0}, d.h. die Eigenwerte von A sind genau die Nullstellen des charakteristischen Polynoms. Folgerung 14: Sei A K n n und sei T GL n (K). Dann gilt χ A = χ T 1 AT. Satz 20: Sei A K n n und seien v 1,..., v k Eigenvektoren von A zu paarweise verschiedenen Eigenwerten λ 1,..., λ k. Dann sind v 1,..., v k linear unabhängig. 31

32 Eigenwerte, Eigenvektoren und das Spektrum Folgerung 15: (a) Sei A K n n. Wenn das charakteristische Polynom χ A genau n paarweise verschiedene Nullstellen besitzt, so ist A diagonalisierbar. Allgemeiner gilt: (b) Die Matrix A ist genau dann diagonalisierbar, wenn E A (λ 1 ) E A (λ 2 ) E A (λ k ) = K n, wobei λ 1,..., λ k die paarweise verschiedene Nullstellen von χ A bezeichne. Satz 21 (Satz von Cayley/Hamilton) Sei A K n n und sei χ A (x) = x n +a n 1 x n a 1 x+a 0. Dann gilt A n + a n 1 A n a 1 A + a 0 I n = 0 K n n, oder kurz χ A (A) = 0. 32

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y. Determinanten Motivation: Man betrachte das lineare Gleichungssystem [ [ [ a b x u = (1) c d y v Sei obda a und c Dann ist (1) äquivalent zu [ [ ca cb x = ac ad y und ferner zu [ [ ca cb x ad cb y Falls

Mehr

Lineare Algebra I für Mathematiker Lösungen

Lineare Algebra I für Mathematiker Lösungen Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation

Mehr

Mathematik für Physiker, Informatiker und Ingenieure. Dr. Gunther Dirr Institut für Mathematik Universität Würzburg

Mathematik für Physiker, Informatiker und Ingenieure. Dr. Gunther Dirr Institut für Mathematik Universität Würzburg Mathematik für Physiker, Informatiker und Ingenieure Dr Gunther Dirr Institut für Mathematik Universität Würzburg Sommersemester 2 Inhaltsverzeichnis Sommersemester 2 V Lineare Algebra 3 Vektorräume und

Mehr

Lineare Algebra I Zusammenfassung

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

Mehr

Kapitel 3 Lineare Algebra

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

Mehr

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

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

Mehr

Berechnung der Determinante

Berechnung der Determinante Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,

Mehr

Lineare Algebra I Lösungsvorschlag

Lineare Algebra I Lösungsvorschlag Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und

Mehr

Lineare Algebra: Determinanten und Eigenwerte

Lineare Algebra: Determinanten und Eigenwerte : und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b

Mehr

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

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

Mehr

Mathematische Grundlagen der Computerlinguistik Lineare Algebra

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

Mehr

1 Darstellungsmatrizen

1 Darstellungsmatrizen Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Darstellungsmatrizen Vereinbarungen für dieses Kapitel: K Körper V und W endlich-dimensionale K-Vektorräume B = {v

Mehr

2.4 Lineare Abbildungen und Matrizen

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

Mehr

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

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

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben

Mehr

Klausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen.

Klausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen. Klausur Lineare Algebra I am 03.02.10 Es sind insgesamt 60 Punkte bei der Klausur zu erreichen. Aufgabe 1. (6 Punkte insgesamt) a.) (3P) Definieren Sie, was eine abelsche Gruppe ist. b.) (3P) Definieren

Mehr

Prüfung Lineare Algebra , B := ( ), C := 1 1 0

Prüfung Lineare Algebra , B := ( ), C := 1 1 0 1. Es seien 1 0 2 0 0 1 3 0 A :=, B := ( 1 2 3 4 ), C := 1 1 0 0 1 0. 0 0 0 1 0 0 1 0 0 0 0 Welche der folgenden Aussagen ist richtig? A. A und C haben Stufenform, B nicht. B. A und B haben Stufenform,

Mehr

3 Lineare Algebra Vektorräume

3 Lineare Algebra Vektorräume 3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +

Mehr

8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet:

8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: 8. EIGENWERTTHEORIE I 139 8 Eigenwerttheorie I Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: K[x] = Abb[N, K] = {P ; P = a n x n + a n 1 x n 1 + + a 0 ; a

Mehr

Scheinklausur, 2. Teil, Lineare Algebra I, WS 2001, Prof. Dr. G. Hiß. Ja oder

Scheinklausur, 2. Teil, Lineare Algebra I, WS 2001, Prof. Dr. G. Hiß. Ja oder Gruppe A Scheinklausur 2. Teil 15.2.2002 Lineare Algebra I WS 2001 Prof. Dr. G. Hiß Name: Matrikelnummer: Kreuzen Sie bei jeder Frage entweder Ja oder Nein oder nichts an. Auswertung der Multiple-Choice-Aufgaben:

Mehr

Mathematische Grundlagen der Computerlinguistik Lineare Algebra

Mathematische Grundlagen der Computerlinguistik Lineare Algebra Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 1 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

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

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

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

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

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

Mehr

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.

i) 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):

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

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

Mehr

5 Lineare Abbildungen

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

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

Ausgewählte Lösungen zu den Übungsblättern 9-10 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt

Mehr

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

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

Mehr

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

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

Mehr

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

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

Mehr

1 Linearkombinationen

1 Linearkombinationen Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch

Mehr

Definitionen. 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}.

Definitionen. 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

Mehr

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

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

Mehr

35 Matrixschreibweise für lineare Abbildungen

35 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

Mehr

Vektorräume und lineare Abbildungen

Vektorräume 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

Mehr

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

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

Mehr

a 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,

a 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

Mehr

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW

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

Mehr

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2 Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete

Mehr

5 Lineare Abbildungen

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

Mehr

8 Lineare Abbildungen und Matrizen

8 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

Richie Gottschalk Lineare Algebra I Seite 1. a) Welche der folgenden Ringe sind kommutativ? Es gibt genau einen Unterraum W von V mit dim(w ) = n.

Richie Gottschalk Lineare Algebra I Seite 1. a) Welche der folgenden Ringe sind kommutativ? Es gibt genau einen Unterraum W von V mit dim(w ) = n. Richie Gottschalk Lineare Algebra I Seite Aufgabe Im Folgenden sind K immer ein Körper und V ein K-Vektorraum. a) Welche der folgenden Ringe sind kommutativ? K[x] K[x] ist per se ein kommutativer Polynomring.

Mehr

5.4 Basis, Lineare Abhängigkeit

5.4 Basis, Lineare Abhängigkeit die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)

Mehr

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten 6.1 Symmetrische Gruppe Definition: Eine bijektive Abbildung von einer Menge X auf sich selbst heisst eine Permutation von X. Satz-Definition:

Mehr

Vektorräume. Kapitel Definition und Beispiele

Vektorräume. Kapitel Definition und Beispiele Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte

Mehr

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

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

Mehr

5 Minimalpolynom und charakteristisches Polynom

5 Minimalpolynom und charakteristisches Polynom 5 Minimalpolynom und charakteristisches Polynom 5.1 Lemma Sei A K n n. Dann ist λ K genau dann ein Eigenwert von A, wenn det(λe n A) = 0. 5.2 Beispiel ( ) 1 4 i) A = R 1 1 2 2 det(λe 2 A) = λ 1 4 1 λ 1

Mehr

Lineare Algebra II Lösungen der Klausur

Lineare Algebra II Lösungen der Klausur Prof Dr K Doerk 673 Jens Mandavid Christian Sevenheck Lineare Algebra II Lösungen der Klausur (a Diese Aussage ist richtig, sie stimmt nämlich für k = Sei nämlich n N beliebig und bezeichne N die Menge

Mehr

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen. 1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben

Mehr

Lineare Abbildungen und Darstellungsmatrizen

Lineare 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

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche,

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche, Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 2014 Lineare Algebra 1 Vierzehnte & Fünfzehnte Woche, 1672014 10 Determinanten (Schluß) Das folgende Resultat

Mehr

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

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

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte 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

Mehr

3 Bilinearform, Basen und Matrizen

3 Bilinearform, Basen und Matrizen Lineare Algebra II 2. Oktober 2013 Mitschrift der Vorlesung Lineare Algebra II im SS 2013 bei Prof. Peter Littelmann von Dario Antweiler an der Universität zu Köln. Kann Fehler enthalten. Veröentlicht

Mehr

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus

Mehr

Lerndingsbums für LA

Lerndingsbums für LA Lerndingsbums für LA Geheim 23. Juli 2010 1. Es seien A, B und C beliebige Mengen. Kreuzen Sie jeweils Ja an, wenn die Aussage stimmt oder Nein, wenn sie nicht stimmt! Hier ist M \ N die Differenzmenge

Mehr

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

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

Mehr

D-Math/Phys Lineare Algebra I HS 2016 Dr. Meike Akveld. Clicker Fragen. Sei R die Menge aller Mengen, die sich nicht selbst enthalten.

D-Math/Phys Lineare Algebra I HS 2016 Dr. Meike Akveld. Clicker Fragen. Sei R die Menge aller Mengen, die sich nicht selbst enthalten. D-Math/Phys Lineare Algebra I HS 2016 Dr. Meike Akveld Clicker Fragen Frage 1 Sei R die Menge aller Mengen, die sich nicht selbst enthalten. So gilt R R R / R Dies ist bekannt als die Russelsche Antimonie

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

Lineare Algebra Weihnachtszettel

Lineare Algebra Weihnachtszettel Lineare Algebra Weihnachtszettel 0..08 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet

Mehr

Für das Allgemeine lineare Gleichungssystem mit n linearen Gleichungen und n Unbekannten

Für das Allgemeine lineare Gleichungssystem mit n linearen Gleichungen und n Unbekannten Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 008 6. Januar.009 Kapitel 6 Leontieff Modell, Lineare

Mehr

Determinanten. I. Permutationen

Determinanten. I. Permutationen Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch

Mehr

Wir verallgemeinern jetzt den Begriff bilinear zu multilinear. Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante.

Wir verallgemeinern jetzt den Begriff bilinear zu multilinear. Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante. 118 36 Determinanten Wir verallgemeinern jetzt den Begriff bilinear zu multilinear Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante 361 Definition (alternierend, symmetrisch,

Mehr

Ferienkurs Mathematik für Physiker I Skript Teil 2 ( )

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

Mehr

Lineare Algebra 2. Lösung zu Aufgabe 7.2:

Lineare Algebra 2. Lösung zu Aufgabe 7.2: Technische Universität Dortmund Sommersemester 2017 Fakultät für Mathematik Übungsblatt 7 Prof. Dr. Detlev Hoffmann 15. Juni 2017 Marco Sobiech/ Nico Lorenz Lineare Algebra 2 Lösung zu Aufgabe 7.1: (a)

Mehr

Ein Skript für Lineare Algebra I und II

Ein Skript für Lineare Algebra I und II Ein Skript für Lineare Algebra I und II Chris Preston 2003/04 1 2 Dies ist ein Skript für die Vorlesungen Lineare Algebra I und II. Die Texte von Jänich [5] und Fischer [3] haben die Darstellung beeinflusst.

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare Algebra 1. Roger Burkhardt Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2008/09 4 Einführung Vektoren und Translationen

Mehr

Lineare Algebra I - Prüfung Winter 2019

Lineare Algebra I - Prüfung Winter 2019 Lineare Algebra I - Prüfung Winter 209. (20 Punkte) Kreuzen Sie auf dem Abgabeblatt ihre Antwort an. Pro Teilaufgabe ist genau eine der vier Antwortmöglichkeiten richtig. Für jede richtig beantwortete

Mehr

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015 sskizzen der Klausur zur Linearen Algebra im Herbst 5 Aufgabe I. Es sei (G, ) eine Gruppe mit neutralem Element e und M {x G x x e}. Zeigen Sie: (a) Ist G kommutativ, so ist M eine Untergruppe von G. (b)

Mehr

Lineare Algebra Weihnachtszettel

Lineare Algebra Weihnachtszettel Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet

Mehr

32 2 Lineare Algebra

32 2 Lineare Algebra 3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die

Mehr

von H.-G. Rück Wintersemester 2002/2003

von H.-G. Rück Wintersemester 2002/2003 Kurzskript zur Vorlesung Lineare Algebra I von H-G Rück Wintersemester 2002/2003 In diesem Kurzskript werden lediglich die wichtigsten Definitionen und Sätze zusammengefaßt Es ersetzt keinesfalls den Besuch

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. 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

Mehr

Determinanten. I. Permutationen

Determinanten. I. Permutationen Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Rechnen mit Matrizen 2 1.1 Matrixmultiplikation............................................

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 2 2. (Frühjahr 29, Thema 3, Aufgabe 3) Gegeben sei die reelle 3 3 Matrix 4 2 A = 2 7 2 R 3 3. 2 2 a)

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

1. Übungsblatt: Lineare Algebra I Abgabe: 1. November 2001 in den Übungsgruppen

1. Übungsblatt: Lineare Algebra I Abgabe: 1. November 2001 in den Übungsgruppen Hannover, den 25. Oktober 200. Übungsblatt: Lineare Algebra I Abgabe:. November 200 in den Übungsgruppen (je 3 Punkte) Beweisen oder widerlegen Sie die folgenden Aussagen über Mengen. a) A (B C) = (A B)

Mehr

Lineare Algebra I. Prof. Dr. Daniel Roggenkamp Vorlesung -

Lineare Algebra I. Prof. Dr. Daniel Roggenkamp Vorlesung - Lineare Algebra I Prof. Dr. Daniel Roggenkamp - 22.Vorlesung - Aus der letzten Vorlesung: Polynome K[t] (p 0, p,, p i K mit p i = 0 i > i 0 für ein i 0 = i 0 p i t i = p 0 + p t + p 2 t 2 + + p i0 t i

Mehr

Übersicht Kapitel 9. Vektorräume

Übersicht Kapitel 9. Vektorräume Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten

Mehr

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.

(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.

Mehr

Lineare Algebra I. Probeklausur - Lösungshinweise

Lineare Algebra I. Probeklausur - Lösungshinweise Institut für Mathematik Wintersemester 2012/13 Universität Würzburg 19. Dezember 2012 Prof. Dr. Jörn Steuding Dr. Anna von Heusinger Frederike Rüppel Lineare Algebra I Probeklausur - Lösungshinweise Aufgabe

Mehr

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition) Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

Mehr

5 Die Allgemeine Lineare Gruppe

5 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

Mehr

2 Vektorräume und Gleichungssysteme

2 Vektorräume und Gleichungssysteme 2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum 2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum Definition 21 Seien K = (K, +, ) ein Körper, V eine Menge und

Mehr

Geometrische Deutung linearer Abbildungen

Geometrische Deutung linearer Abbildungen Geometrische Deutung linearer Abbildungen Betrachten f : R n R n, f(x) = Ax. Projektionen z.b. A = 1 0 0 0 1 0 0 0 0 die senkrechte Projektion auf die xy-ebene in R 3. Projektionen sind weder injektiv

Mehr

Matrizen: Theorie und Anwendungen

Matrizen: Theorie und Anwendungen Einführungsvortrag der Lehrerfortbildung am 23 September 2009 Markoff-Ketten, Call-Center und Google s PageRank: Zur Theorie und Anwendungen von Matrizen von Harm Pralle Institut für Mathematik Technische

Mehr

5 Diagonalisierbarkeit

5 Diagonalisierbarkeit 5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj

Mehr

Kapitel 11 Eigenwerte und Eigenvektoren

Kapitel 11 Eigenwerte und Eigenvektoren Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn

Mehr

Sommer 2017 Musterlösung

Sommer 2017 Musterlösung Sommer 7 Musterlösung. (5 Punkte) a) Sei V ein Vektorraum über K und sei T End(V ). Geben Sie die Definition eines Eigenwertes von T und zeigen Sie für endlichdimensionales V, dass λ K genau dann ein Eigenwert

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2 2

Mehr

Lineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18.

Lineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18. 18. November 2011 Wozu das alles? Bedeutung von Termen Vektoren in R n Ähnlichkeiten zwischen Termbedeutungen Skalarprodukt/Norm/Metrik in R n Komposition von Termbedeutungen Operationen auf/abbildungen

Mehr

Aufgaben zur linearen Algebra und analytischen Geometrie I

Aufgaben 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

Mehr