6.5 Lineare Abhängigkeit, Basis und Dimension
|
|
- Hede Gehrig
- vor 6 Jahren
- Abrufe
Transkript
1 6.5. Lineare Abhängigkeit, Basis und Dimension Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v 1,...,v n, nämlich { n } lin(v 1,...,v n ) := α k v k α k K bildet einen linearen Unterraum von V. Und zwar ist es der kleinste Unterraum von V, der die vorgegebenen Vektoren enthält. Man nennt ihn den von v 1,...,v n erzeugten Unterraum oder auch die lineare Hülle oder den Spann dieser Vektoren. Denn sind u,v lin(v 1,...,v n ) der Form u = α 1 v 1 + +α n v n und v = β 1 v 1 + +β n v n, so folgt u+v = (α 1 +β 1 )v 1 + +(α n +β n )v n und λ u = (λα 1 )v (λα n )v n. Also sind auch u+v und λ u (für alle λ K) wieder von der behaupteten Form Beispiele (a) Die eben diskutierte Gerade g v = {λv λ R} R 2 wird von dem fest gewählten Vektor v R 2 erzeugt. (b) Die Vektoren e 1 = 1 0 und e 2 = 0 k= erzeugen die x-y-ebene in R 3. (c) Hier ist ein Beispiel einer weiteren Ebene in R 3 erzeugt von zwei Vektoren: E = lin 0 1, 1 0 = α 0 1 +β α,β R. Also ist E = β α β α,β R. Auch ohne Verwendung von Koordinaten können wir folgendes einsehen: Bemerkung Sind u, v 0 zwei linear unabhängige Vektoren in der Ebene, dann erzeugen sie bereits ganz V: V = {αu+βv α,β R}. Beweis. Jeder Vektor w V kann auf eindeutige Art in Komponenten in Richtung von u bzw. v zerlegt werden, wie man das von Kräftediagrammen kennt. Dazu stellt man u,v,w als Ortsvektoren dar. Sei P der Endpunkt des Ortsvektors, der w repräsentiert. Schneidet man die zu v parallele Gerade durch P mit der Geraden durch u, erhält man die Komponente αu von w in Richtung von u, und schneidet man die zu u parallele Gerade durch P mit der Geraden durch v, so erhält man die Komponente βv von w in Richtung von v. Weil nach Konstruktion αu, βv und w ein Parallelogramm bilden, gilt w = αu+βv.
2 124 Kapitel 6. Lineare Algebra βv v w u αu Die Zahlen α, β sind durch w eindeutig festgelegt. Denn angenommen, wir hätten eine weitere Zerlegung w = α 1 u+β 1 v. Dann folgt durch Anwendung der Rechenregeln: (α α 1 )u = (β 1 β)v. Weil u und v linear unabhängig sind, müssen bereits α = α 1 und β = β 1 sein. q.e.d Definition Eine Menge von Vektoren {v 1,...,v n } V (n N) heisst linear abhängig, falls es Zahlen α 1,...,α n K gibt, die nicht alle gleichzeitig Null sind, so dass gilt: α 1 v 1 + +α n v n = 0. Andernfalls heisst die Menge von Vektoren linear unabhängig. Eine andere Möglichkeit, den Begriff zu formulieren ist folgende: Bemerkung Eine Menge, die nur aus einem Vektor v besteht, ist genau dann linear abhängig, wenn v der Nullvektor ist. Eine Menge {v,w} aus zwei Vektoren ist genau dann linear abhängig, wenn w = αv für ein α K oder wenn v = 0 ist. Und für n > 2 schliesslich gilt: die Menge {v 1,...,v n } ist genau dann linear abhängig, wenn sich einer der v j als Linearkombination der anderen v i (i j) schreiben lässt Beispiel Zwei Vektoren in R 3 sind genau dann linear abhängig, wenn sie auf einer Gerade liegen. Drei Vektoren in R 3 sind genau dann linear abhängig, wenn sie in einer gemeinsamen Ebene liegen. Im komplexen Vektorraum C 2 sind die Vektoren v = linear abhängig, denn w = i v. ( ) 1 i und w = ( ) i Definition Eine(endliche oder unendliche) Teilmenge M eines Vektorraums V wird als Erzeugendensystem von V bezeichnet, falls sich jedes Element von V als Linearkombination einer passenden Auswahl endlich vieler Vektoren aus M schreiben lässt, das heisst { n } V = lin(m) := α k v k α k K,v k M,n N. k=1 Unter einer Basis von V versteht man eine geordnete Menge B von Elementen von V, die ein Erzeugendensystem von V bilden und zusätzlich linear unabhängig sind.
3 6.5. Lineare Abhängigkeit, Basis und Dimension 125 (Falls B aus unendlich vielen Elementen besteht, soll das heissen, dass jede endliche Teilmenge von B linear unabhängig ist.) Eine Basis ist also ein minimal gewähltes Erzeugendensystem. ( ) ( ) Beispiele (a) Die Vektoren e 1 := und e 0 2 := bilden eine Basis 1 des R 2. Denn sie sind linear unabhängig und spannen den ganzen Raum auf: ( ) x = x e y 1 +y e 2 lin(e 1,e 2 ) für alle x,y R. Allgemeiner bezeichnet man mit e j (für 1 j n) den Vektor in R n, der an der j-ten Stelle den Eintrag 1 und sonst nur Einträge Null hat. Diese Vektoren sind die sogenannten kanonischen Basisvektoren und (e 1,...,e n ) ist die Standardbasis des R n. (b) Die eben definierten Vektoren e j können wir auch als Elemente des komplexen Vektorraums C n auffassen. Darin bilden sie wiederum eine Basis. (d) Sei n N fest gewählt. Die Menge der reellen Polynome von Höchstgrad n, nämlich P n := {a n x n + a n 1 x n a 1 x + a 0 a k R} ist ein linearer Unterraum des Vektorraums aller reellen Polynome, und (1,x,x 2,...,x n ) ist eine Basis für P n. Jede Basiswahl liefert ein Koordinatensystem für den betrachteten Vektorraum. Damit ist folgendes gemeint Satz Sei B = (v 1,...,v n ) eine endliche Basis für den K-Vektorraum V (für Skalare K = R oder K = C). Dann lässt sich jeder Vektor v V auf eindeutige Art und Weise als Linearkombination der Basisvektoren darstellen. Also ist die folgende Zuordnung bijektiv: α 1 v = α 1 v 1 + +α n v n V. K n. α n Wir können die Skalare α j als die Koordinaten von v bezogen auf die Basis B auffassen. Die Zuordnung ist sogar additiv und mit der Skalarmultiplikation verträglich. Das heisst: Ist w = u+v, dann erhält man die Koordinaten von w, indem man entsprechende Koordinaten von u und v jeweils addiert. Und ist w = λu, erhält man die Koordinaten von w, indem man sämtliche Koordinaten von u mit λ multipliziert. Beweis. Wir zeigen nur, dass die angegebene Zuordnung bijektiv ist. Weil B ein Erzeugendensystem ist, lässt sich jeder Vektor v als Linearkombination schreiben. Nehmen wir jetzt, es gäbe zwei Darstellungen v = n α j v j = j=1 n β j v j. j=1
4 126 Kapitel 6. Lineare Algebra Dann folgt n j=1 (α j β j )v j = 0. Weil aber die Basis B auch linear unabhängig ist, folgt weiter α j β j = 0 für alle j. Das heisst, die beiden Darstellungen für v waren doch identisch. Schliesslich kommt auch jeder Koordinatenvektor vor. Denn jede beliebige Linearkombination der v j liegt in V. q.e.d. Man kann zeigen, dass sämtliche Vektorräume immer eine Basis haben. Allerdings kann diese Basis aus unendlich vielen Elementen bestehen. Der Raum der Polynome hat eine abzählbare, unendliche Basis, nämlich (x n n N 0 ). Jede Basis des Funktionenraums V = F([0, 1], R) besteht sogar immer aus überabzählbar vielen Elementen. Denn zum Beispiel die Teilmenge der folgenden Funktionen ist linear unabhängig in V: { 1 für x = c f = χ c (x) =,(c [0,1] fest gewählt). 0 sonst Deshalb ist es schwierig, eine Basis explizit anzugeben. Der Begriff der Basis ist für solche überabzählbar-dimensionalen Räume nicht besonders praktisch. Wir werden uns jetzt im folgenden stets auf endlichdimensionale Vektorräume beschränken Hauptsatz Wir bezeichnen den Grundkörper der Skalare, also entweder R oder C wieder mit K. Sei V ein endlich erzeugter K-Vektorraum, das heisst, es gebe eine endliche Teilmenge von Vektoren, die ganz V erzeugen. Dann hat V eine Basis und jede der Basen von V besteht aus gleichvielen Elementen. Diese Anzahl an Elementen einer jeden Basis nennen wir die Dimension von V über K Beispiele Für einige Vektorräume haben wir bereits Basen angegeben. Also können wir die Dimensionen ablesen, nämlich: dim({0}) = 0, dim R (R n ) = n, dim R (P n ) = n+1, (für alle n N). Der Vektorraum der reellen m n-matrizen hat die Dimension m n über R. Weiter gilt dim C (C n ) = n. Ausserdem ist die Dimension jeder Ebene im R 3 gleich 2, wie es der Anschauung entspricht Bemerkung Die Dimension kann davon abhängen, über welchem Grundkörper wir den Vektorraum betrachten. Zum Beispiel ist die Dimension von C, aufgefasst als komplexer Vektorraum, gleich 1. Dagegen ist Dimension von C über R gleich 2, denn die Zahlen 1 und i bilden eine Basis von C über R. Wenden wir diese Aussagen nun auf Lösungsmengen homogener Gleichungssysteme an. Sei A eine m n-matrix mit Einträgen aus K = R oder K = C und sei L := {x K n Ax = 0}. Dann ist L, wie schon erwähnt, ein linearer Unterraum von K n. Die Dimension von L gibt an, wieviele freie Parameter in der allgemeinen Lösung auftreten, und ist unabhängig davon, welche Beschreibung der Lösungsmenge man gewählt hat. Das bedeutet auch, dass der Rang der Matrix A wohldefiniert ist. Wir können nämlich festsetzen Rang(A) = n diml. Hier ist noch eine andere Art, den Rang einer Matrix zu interpretieren: Bemerkung Sei A eine m n-matrix, und fassen wir die Zeilen von A als Vektoren in R n auf, die darin den Unterraum U, den sogenannten Zeilenraum, erzeugen. Dann ist dim(u) = Rang(A).
5 6.5. Lineare Abhängigkeit, Basis und Dimension 127 Beweis. Bei den elementaren Zeilenumformungen, die man macht, um die Matrix A auf Zeilenstufenform zu bringen, bleibt die lineare Hülle der Zeilen jeweils unverändert. Ist aber A in Zeilenstufenform, dann tragen die Nullzeilen nichts zur linearen Hülle bei, und die insgesamt r Nichtnullzeilen erzeugen offenbar einen linearen Unterraum der Dimension r. q.e.d Beispiel Die Matrix A = hat den Rang 2, denn die entsprechende Zeilenstufenform enthält genau eine Nullzeile. Die Zeilen der Matrix A, aufgefasst als Vektoren u = 2 3, v = 0 1, w = 4 7, erzeugen in R 3 eine Ebene, denn der Vektor w = 2u+v ist von u,v linear abhängig. Daraus ergibt sich für quadratische Matrizen die folgende Beobachtung: Folgerung Eine n n-matrix A hat den Rang n. Die Zeilen von A, aufgefasst als Vektoren in R n, sind linear unabhängig. det(a) 0 det(a T ) 0 Die Spalten von A, aufgefasst als Vektoren im R n, sind linear unabhängig. Beweis. Wie eben bemerkt, ist der Rang von A genau dann gleich n, wenn die Zeilen bereits den ganzen R n aufspannen, also eine Basis des R n bilden. Ein Satz aus n Vektoren in R n ist aber genau dann eine Basis, wenn die n Vektoren linear unabhängig sind. Nun haben wir bereits früher gesehen, dass der Rang von A genau dann gleich n ist, wenn die Determinante von A nicht verschwindet. Ausserdem stimmt die Determinante von A mit der Determinante der transponierten Matrix A T, bei die Zeilen als Spalten geschrieben werden, überein. Deshalb gilt auch die entsprechende Aussage über die Spalten von A. q.e.d. Man kann also mithilfe der Determinante feststellen, ob ein vorgelegter Satz aus n Vektoren im R n linear unabhängig ist und damit eine Basis bildet Beispiel Die Vektoren 1 u = 2,v = ,w = bilden eine Basis des Raumes R 3, denn die Determinante der aus diesen drei Spalten gebildeten Matrix A ist det(a) = 18. Zum Beweis des Hauptsatzes: Die Existenz einer Basis ist nicht schwierig einzusehen. Ist nämlich M = (v 1,...,v n ) irgendein endliches Erzeugendensystem für V, so können wir schrittweise linear abhängige Vektoren darin streichen, bis eine Basis 1 0 3
6 128 Kapitel 6. Lineare Algebra übrigbleibt. Genauer gehen wir so vor: Ist die Menge M linear abhängig, so gibt es darin einen Vektor, etwa v j, der bereits in der linearen Hülle der anderen Vektoren aus M enthalten ist. Also ändert sich die lineare Hülle nicht, wenn wir v j aus M streichen. Sind die verbliebenen Vektoren linear unabhängig, so sind wir fertig. Ist das noch nicht der Fall, dann wiederholen wir das Streichen von Vektoren, bis wir schliesslich bei einer Basis angelangt sind. Damit haben wir eigentlich gezeigt, dass jedes Erzeugendensystem eine Basis von V enthält. Der schwierige Teil des Hauptsatzes ist die Aussage, dass alle Basen gleich viele Elemente haben. Wir wollen dies durch einen Widerspruchsbeweis zeigen. Nehmen wir also an, es gebe zwei Basen A = (v 1,...,v n ) und B = (w 1,...,w m ) und es sei n < m. Jetzt werden wir schrittweise die Vektoren in A durch Vektoren aus B ersetzen, ohne dass sich dabei jeweils die lineare Hülle ändert. Nach n Schritten werden nur noch (w 1,...,w m ) aus B übrigbleiben, die sich dann als linear abhängig von (w 1,...,w n ) herausstellen, und damit ist der Widerspruch erreicht. 1. Schritt: Wir schreiben w 1 als Linearkombination der v j in der Form w 1 = α 1 v 1 + +α n v n. Da B linear unabhängig und daher w 1 0, gibt es einen Index j mit α j 0. Nach eventueller Umsortierung der v j können wir annehmen, dass α 1 0. Dann folgt: v 1 = 1 α 1 (w 1 α 2 v 2 α n v n ) lin(w 1,v 2,...,v n ). Also erzeugt A := (w 1,v 2,...,v n ) den ganzen Vektorraum V. 2. Schritt: Jetzt schreiben wir w 2 als Linearkombination von w 1 und v 2,...,v n in der Form: w 2 = β 1 w 1 +β 2 v 2 +β n v n. Da w 1 und w 2 linear unabhängig sind, gibt es einen Index j 2 mit β j 0. Nach eventueller Umnumerierung von v 2,...,v n können wir annehmen, dass β 2 0. Dann folgt: v 2 = 1 β 2 (w 2 β 1 w 1 β 3 v 3 β n v n ) lin(w 1,w 2,v 3...,v n ). Also erzeugt A := (w 1,w 2,v 3...,v n ) ebenfalls den ganzen Vektorraum V. Entsprechend fahren wir fort. Nach n Schritten sind alle v j ausgetauscht, und es folgt, dass die Menge A (n) = (w 1,...,w n ) wiederum den ganzen Vektorraum V erzeugt. Das bedeutet, dass die noch verbleibenden Vektoren w n+1,...,w m aus der Basis B als Linearkombinationen der Vektoren (w 1,...,w n ) geschrieben werden können. Das ist aber ein Widerspruch zur linearen Unabhängigkeit von B. q.e.d Folgerung (a) Jede linear unabhängige Teilmenge eines endlich erzeugten Vektorraums kann zu einer Basis ergänzt werden. (b) Ist dimv = n, so bildet jede Teilmenge aus n linear unabhängigen Vektoren eine Basis.
7 6.5. Lineare Abhängigkeit, Basis und Dimension 129 (c) Ist W ein linearer Unterraum eines endlichdimensionalen Vektorraums V, so ist auch W endlich erzeugt und es gilt dimw dimv. Gleichheit tritt nur genau dann ein, wenn W = V ist. Beweis. (a) Sei B die linear unabhängige Teilmenge und A eine Basis von V. Dann können wir, wie im Beweis des Hauptsatzes gezeigt, in der Basis A schrittweise Elemente durch Vektoren aus B ersetzen, ohne dabei die lineare Hülle zu ändern. Sind alle Vektoren aus B eingefügt, erhalten wir die gewünschte Basis, die B enthält. (b) Dies ergibt sich direkt aus (a). (c) Ist dimv = n, so besteht in V und damit auch in W jede linear unabhängige Teilmenge aus höchstens n Elementen. Eine maximale linear unabhängige Teilmenge von W muss aber bereits ein Erzeugendensystem für W sein. Also hat W eine Basis, diewir nach(a)zueinerbasisvon V ergänzenkönnen. DarausfolgtdieBehauptung. q.e.d.
5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
Mehr5.5 Abstrakter Vektorraum
118 Kapitel 5 Lineare Algebra 55 Abstrakter Vektorraum Für die Vektoraddition und die Multiplikation von Vektoren mit Skalaren im zweioder dreidimensionalen euklidischen Raum gelten bestimmte Rechengesetze,
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
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
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
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
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
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
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
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
MehrKapitel II. Vektorräume. Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume
Kapitel II. Vektorräume Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume Die fundamentale Struktur in den meisten Untersuchungen der Linearen Algebra bildet der Vektorraum.
MehrBasis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Basis und Dimension Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren aus V. 1) (v i ) i I heißt ein Erzeugendensystem von V, wenn Span(v i ) = V. 2) (v i ) i I heißt Basis von
Mehrtechnische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4
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
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
MehrDer Kern einer Matrix
Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis
MehrIn diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,
2 Vektorräume In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa Unterraum, Linearkombination, lineare Unabhängigkeit und Erzeugendensystem.
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
MehrKapitel 13. Lineare Gleichungssysteme und Basen
Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x
MehrMathematik I. Vorlesung 11. Lineare Unabhängigkeit
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 11 Lineare Unabhängigkeit Definition 11.1. Es sei K ein Körper und V ein K-Vektorraum. Dann heißt eine Familie von Vektoren v i, i I,
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
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
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
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)
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 7 Die Lösungsmenge eines homogenen linearen Gleichungssystems in n Variablen über einem Körper K ist ein Untervektorraum
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
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrÜbungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen
1 Lineare Abhängigkeit 1.1 Für welche t sind die folgenden Vektoren aus 3 linear abhängig? (1, 3, 4), (3, t, 11), ( 1, 4, 0). Das zur Aufgabe gehörige LGS führt auf die Matrix 1 3 4 3 t 11. 1 4 0 Diese
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
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 21.11.2016 6. Vorlesung aufgespannter Untervektorraum Span(T ), Linearkombinationen von Vektoren Lineare Unabhängigkeit
Mehr4. Vektorräume und Gleichungssysteme
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume
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
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:
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
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
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,...,
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
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
Mehr1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen
1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen
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
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 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
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:
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
MehrDer Rangsatz für lineare Abbildungen
Der Rangsatz für lineare Abbildungen Satz Sei f : V W eine lineare Abbildung Dann gilt dim V = dim Kern(f) + dim Bild(f), also gleichbedeutend dim Kern(f) = dim V rg(f) Da uns in der Regel bei gegebenem
Mehr4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.
4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus
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
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
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
MehrAffine Geometrie (Einfachere, konstruktive Version)
Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit
MehrKapitel 15. Aufgaben. Verständnisfragen
Kapitel 5 Aufgaben Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation einen K-Vektorraum bildet
MehrAufgaben zu Kapitel 15
Aufgaben zu Kapitel 5 Aufgaben zu Kapitel 5 Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation
MehrAufgabe 1. Die ganzen Zahlen Z sind ein R-Vektorraum bezüglich der gewöhnlichen Multiplikation in R.
Aufgabe Die ganzen Zahlen Z sind ein Q-Vektorraum bezüglich der gewöhnlichen Multiplikation in Q. Die reellen Zahlen R sind ein Q-Vektorraum bezüglich der gewöhnlichen Multiplikation in R. Die komplexen
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 03.12.2013 Alexander Lytchak 1 / 16 Wiederholung und Beispiele Der Spaltenrang einer Matrix ist gleich ihrem Zeilenrang.
MehrMathematik für Anwender I
Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von
MehrProjektive Räume und Unterräume
Projektive Räume und Unterräume Erik Slawski Proseminar Analytische Geometrie bei Prof. Dr. Werner Seiler und Marcus Hausdorf Wintersemester 2007/2008 Fachbereich 17 Mathematik Universität Kassel Inhaltsverzeichnis
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können
MehrMATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER Inhaltsverzeichnis
MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER 206 STEFAN GESCHKE Inhaltsverzeichnis Einleitung 3 Literatur 3. Lineare Gleichungssysteme
MehrMATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER Inhaltsverzeichnis
MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER 208 STEFAN GESCHKE Inhaltsverzeichnis Einleitung 3 Literatur 3. Lineare Gleichungssysteme
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,
MehrVorkurs Mathematik B
Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein
MehrLineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin:
Lineare Algebra I - 9.Vorlesung - rof. Dr. Daniel Roggenkamp & Falko Gauß Korrektur: 2. Klausurtermin: 09.02.2017 Linearkombination von Vektoren lineare Hülle Erzeugendensystem S lineare Unabhängigkeit
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
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
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra 2014/15 Seite 59 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
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
MehrUnterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer
Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie Sommersemester 2009 Franz Pauer INSTITUT FÜR MATHEMATIK, UNIVERSITÄT INNSBRUCK, TECHNIKERSTRASSE 13, 6020
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
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
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
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
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
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,
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
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
MehrBeispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist
127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte
Mehr9 Aus der linearen Algebra. Themen: Lineare Abbildungen Darstellung durch Matrizen
9 Aus der linearen Algebra Themen: Der à n Lineare Abbildungen Darstellung durch Matrizen Der à n besteht aus den n-tupeln mit x i Ã. x 1 x 2 x = (x 1, x 2,...,x n ) oder x =. x n Der à n besteht aus den
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
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana.
Lineare Algebra 5. Übungsstunde Steven Battilana stevenb@student.ethz.ch November, 6 Vektoräume Eine Menge E zusammen mit zwei Verknüpfungen +: E E! E, (x, y) 7! x + y (Addition) : E E! E, (x, y) 7! x
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 6. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November, 7 Vektoräume Eine Menge E zusammen mit zwei Verknüpfungen + : E E E, x, y x + y Addition : E E E,
Mehr1 Matrizen und Vektoren
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Matrizen und Vektoren Definition 1.1 (Matrizen) Ein rechteckiges Zahlenschema aus m mal n Elementen eines Körpers
MehrLineare Algebra II Lösungen der Aufgaben 42 und 43
D Blottière SS 7 P Schützdeller Universität Paderborn Lineare Algebra II Lösungen der Aufgaben 4 und 43 Aufgabe 4 : Bemerkungen : Es sei V ein n-dimensionaler Vektorraum über einem Körper K und β : V V
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,
MehrBC 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
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Martin Gubisch Lineare Algebra I WS 27/28 Definition (a ij ) 1 j n 1 i n heiÿt eine m n-matrix mit Komponenten a ij K Dabei bezeichnet i den Zeilenindex und j den Spaltenindex
Mehr2.5 Gauß-Jordan-Verfahren
2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]
MehrRang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya
Rang einer Matrix 1-E1 Ma 1 Lubov Vassilevskaya Unterdeterminante einer nichtquadratischen Matrix M ist eine nichtquadratische 2,3-Matrix: M = 6 2 3 0 5 7 Durch Streichen einer der drei Spalten kann man
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein
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,
MehrMathematik I. Vorlesung 14. Rang von Matrizen
Prof Dr H Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 14 Rang von Matrizen Definition 141 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von den Spalten
MehrLineare Algebra 2013 Lösungen für Test und Zusatzfragen
Lineare Algebra 3 Lösungen für Test und Zusatzfragen Test Multiple Choice. Seien Für die Lösung x x x x 3 A, b des Systems Ax b gilt x 3 5 x 3 x 3 3 x 3 / Mit elementaren Zeilenoperationen erhalten wir
MehrAffine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3...
Affine Hülle Wiederholung. Der Vektor x K n ist eine lineare Kombination der Vektoren x,...,x k K n, wenn es Zahlen λ,...,λ k K gibt mit x = λ x +... + λ k x k. Def. Gibt es solche Zahlen λ,...,λ k K mit
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
MehrHüllen und Kombinationen
Hüllen und Kombinationen 2 Die zulässigen Bereiche in der Linearen Optimierung sind Lösungen von linearen Ungleichungssystemen. Deswegen müssen wir die Werkzeuge der linearen Algebra um Elemente erweitern,
MehrVektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:
Mehr