6. f : Abb(R, R) R mit ϕ f(ϕ) := ϕ(1) Hinweis:f :V W über K bedeutet Abbildung f zwischen den Vektorräumen V und W über demselben
|
|
- Fanny Fromm
- vor 6 Jahren
- Abrufe
Transkript
1 Aufgabe 74. Untersuchen Sie die folgenden Abbildungen auf Linearität. 1. f : R 2 R 2 mit (x, y) f(x, y) := (3x + 2y, x) 2. f : R R mit x f(x) := ϑx + ζ für feste ϑ, ζ R 3. f : Q 2 R mit (x, y) f(x, y) := x + 2y (über Q) 4. f : C C mit z z (über C) 5. f : C C mit z z (über R) 6. f : Abb(R, R) R mit ϕ f(ϕ) := ϕ(1) Hinweis:f :V W über K bedeutet Abbildung f zwischen den Vektorräumen V und W über demselben Körper K. LÖSUNG: 1. (x 1, y 1 ), (x 2, y 2 ) R 2 und α R gilt: f((x 1, y 1 ) + (x 2, y 2 )) = f(x 1 + x 2, y 1 + y 2 ) = (3 (x 1 + x 2 ) + 2 (y 1 + y 2 ), x 1 + x 2 ) = (3x 1 +2y 1 +3x 2 +2y 2, x 1 +x 2 ) = (3x 1 +2y 1, x 1 )+(3x 2 +2y 2, x 2 ) = f(x 1, y 1 )+f(x 2, y 2 ) f(α(x, y)) = f(αx, αy) = (3αx + 2αy, αx) = α (3x + 2y, x) = α f(x, y) = f ist linear 2. f ist linear ζ = 0 f linear ζ = f(0) = 0 Beachte: Für f linear gilt: f(0) = f(0 x) = 0 f(x) = 0 x, y aus dem Vektorraum R und α aus dem Körper R gilt: f(x + y) = ϑ (x + y) = ϑ x + ϑ y = f(x) + f(y) f(α x) = ϑ α x = α f(x) 3. (x 1, y 1 ), (x 2, y 2 ) Q 2 und α Q gilt: f((x 1, y 1 ) + (x 2, y 2 )) = f(x 1 + x 2, y 1 + y 2 ) = x 1 + x (y 1 + y 2 ) = x y 1 + x y 2 = f(x 1, y 1 ) + f(x 2, y 2 ) f(α(x, y)) = f(α x, α y) = α x + 2 α y = α (x + 2 y) = α f(x, y) = f ist linear 4. α C\R gilt: f(α z) = α z = α z α z = f nicht linear. 5. x = a + ib, y = c + id C mit a, b, c, d R und α R gilt: f(x + y) = f(a + ib + c + id) = f(a + c + i(b + d)) = a + c i(b + d) = a ib + c id = = a + ib + c + id = f(a + ib) + f(c + id) = f(x) + f(y) f(α x) = f(α (a + ib)) = α (a + ib) = α (a + ib) = α (a + ib) = α f(a + ib) = α f(x) = f ist linear 6. ϕ, ψ Abb(R, R) und α R gilt: f(ϕ + ψ) = (ϕ + ψ)(1) = ϕ(1) + ψ(1) = f(ϕ) + f(ψ) f(α ϕ) = (α ϕ)(1) = α ϕ(1) = α f(ϕ) = f ist linear 1
2
3
4
5 Aufgabe 77. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a 33 und a 13 + a 22 + a 31 miteinander a 31 a 32 a 33 übereinstimmen. 1. Man zeige, dass die Menge M aller magischen Quadrate ein Untervektorraum von R 3 3 bezüglich der komponentenweisen Matrizenaddition und skalaren Multiplikation mit λ R ist. 2. Man zeige, dass die drei Matrizen V 1 = , V 2 = , V 3 = eine Basis von M bilden. 3*. Besonders magisch: Wie viele Möglichkeiten gibt es, die Zahlen 1, 2,..., 9 in einem magischen Quadrat anzuordnen? LÖSUNG: 1. (a) Direkt mit Hilfe des Untervektorraum-Kriteriums M, da Nullmatrix M. Seien A = a 11 a 12 a 13 a 21 a 22 a 23, B = b 11 b 12 b 13 b 21 b 22 b 23 M a 31 a 32 a 33 b 31 b 32 b 33 mit s A = a 11 + a 12 + a 13, s B = b 11 + b 12 + b 13 und λ R, dann gilt: A + B = a 11 + b 11 a 12 + b 12 a 13 + b 13 a 21 + b 21 a 22 + b 22 a 23 + b 23 M, und λ A = λa 11 λa 12 λa 13 λa 21 λa 22 λa 23 M a 31 + b 31 a 32 + b 32 a 33 + b 33 λa 31 λa 32 λa 33 da für alle Spalten/Zeilen/Diagonalen-Summen von C = A + B bzw. D = λ A gilt: s C = (a 11 + b 11 ) + (a 12 + b 12 ) + (a 13 + b 13 ) = (a 11 + a 12 + a 13 ) + (b 11 + b 12 + b 13 ) = s a + s b und s D = λa 11 + λa 12 + λa 13 = λ (a 11 + a 12 + a 13 ) = λ s A. (b) Mit Hilfe der Theorie Linearer-Gleichungssysteme Die Menge der magischen Quadrate ist mit s = a 11 + a 12 + a 13 die Lösungsmenge des homogenen linearen Gleichungssystems: a 21 + a 22 + a 23 a 11 a 12 a 13 = 0 a 31 + a 32 + a 33 a 11 a 12 a 13 = 0 a 11 + a 21 + a 31 a 11 a 12 a 13 = 0 a 12 + a 22 + a 32 a 11 a 12 a 13 = 0 a 13 + a 23 + a 33 a 11 a 12 a 13 = 0 a 11 + a 22 + a 33 a 11 a 12 a 13 = 0 a 13 + a 22 + a 31 a 11 a 12 a 13 = 0 Da die Summe zweier Lösungen und ein Vielfaches einer Lösung eines homogenen Linearen-Gleichungssystems wieder eine Lösung des Systems ist, folgt unmittelbar, dass die Lösungsmenge M des Systems ein Untervektorraum von R 3 3 ist. 2
6 2. Wir sehen unmittelbar, dass die gegebenen drei Matrizen in M liegen. Zu zeigen ist, dass die drei Matrizen linear unabhängig sind und dass man mit ihnen jedes magische Quadrat linear kombinieren kann. Lineare Unabhängigkeit: Es seien α 1, α 2, α 3 R. Angenommen es gilt α α α = Das ist äquivalent zu α 1 + α 2 α 1 α 2 + α 3 α 1 α 3 α 1 α 2 α 3 α 1 α 1 + α 2 + α 3 = α 1 + α 3 α 1 + α 2 α 3 α 1 α Durch komponentenweises Vergleichen, erhalten wir α 1 = 0 (Position (2, 2)), α 2 = 0 (Position (1, 1) und α 3 = 0 (Position (1, 3)). Erzeugendensystem: Um eine Matrix A M mit Zeilen/Spalten/Diagonalen-Summe s A als Linearkombination der V 1, V 2, V 3 zu erhalten, machen wir den Ansatz: α 1 V 1 + α 2 V 2 + α 3 V 3 = A und erhalten wie oben: α 1 + α 2 α 1 α 2 + α 3 α 1 α 3 α 1 α 2 α 3 α 1 α 1 + α 2 + α 3 = a 11 a 12 a 13 a 21 a 22 a 23 α 1 + α 3 α 1 + α 2 α 3 α 1 α 2 a 31 a 32 a 33 Betrachten wir: α 1 = a 22, α 1 + α 2 = a 11, α 1 + α 3 = a 31, so erhalten wir: α 1 = a 22, α 2 = a 11 a 22, α 3 = a 31 a 22 und s A = 3 α 1 = 3 a 22. Bleibt zu zeigen, dass die übrigen 6 Gleichungen auch erfüllt sind: α 1 α 2 + α 3 = a 22 a 11 + a 22 + a 31 a 22 = (a 22 + a 31 ) a 11 = (s A a 13 ) a 11 = a 12 α 1 α 3 = a 22 a 31 + a 22 = (2 a 22 ) a 31 = (s A a 22 ) a 31 = a 13 α 1 α 2 α 3 = a 22 a 11 + a 22 a 31 + a 22 = 3 a 22 a 11 a 31 = s A a 11 a 31 = a 21 α 1 + α 2 + α 3 = a 22 + a 11 a 22 + a 31 a 22 = (a 11 + a 31 ) a 22 = (s A a 21 ) a 22 = a 23 α 1 + α 2 α 3 = a 22 + a 11 a 22 a 31 + a 22 = (a 11 + a 22 ) a 31 = (s A a 33 ) a 31 = a 32 α 1 α 2 = a 22 a 11 + a 22 = (2 a 22 ) a 11 = (s A a 22 ) a 11 = a 33 Alternativ: Löse das Lineare Gleichungssystem direkt 1.Spalte : (1) a 11 +a 21 +a 31 = s A 2.Spalte : (2) a 12 +a 22 +a 32 = s A 3.Spalte : (3) a 13 +a 23 +a 33 = s A 1.Zeile : (4) a 11 +a 12 +a 13 = s A 2.Zeile : (5) a 21 +a 22 +a 23 = s A 2.Diag. : (6) a 13 +a 22 +a 31 = s A 1.Diag. : (7) a 11 +a 22 +a 33 = s A 3.Zeile : (8) a 31 +a 32 +a 33 = s A Folgende Zeilenumformung (4 ) = (4) (1) (2) (3) + (4) + (8) liefert eine Nullzeile und kann daher weggelassen werden und wir erhalten das äquivalente System mit 7 Gleichungen: 3
7 (1) a 11 +a 21 +a 31 = s A (2) a 12 +a 22 +a 32 = s A (3) a 13 +a 23 +a 33 = s A (5) a 21 +a 22 +a 23 = s A (6 ) = (6) (3) +a 22 a 23 +a 31 a 33 = 0 (7 ) = (7) (1) a 21 +a 22 a 31 +a 33 = 0 (8) a 31 +a 32 +a 33 = s A Um in Gleichung (7 ) die Einträge a 21 und a 22 zu eliminieren, bilden wir (7 ) = (7 ) + (5) 2 (6 ) und erhalten schließlich nach Kürzen mit 3 das äquivalente System: (1) a 11 +a 21 +a 31 = s A (2) a 12 +a 22 +a 32 = s A (3) a 13 +a 23 +a 33 = s A (5) a 21 +a 22 +a 23 = s A (6 ) +a 22 a 23 +a 31 a 33 = 0 (7 ) a 23 a 31 +a 33 = 1 3 s A (8) a 31 +a 32 +a 33 = s A In diesen 7 Gleichungen für 10 Unbekannte (einschließlich s A ) können wir 3 Unbekannte als Parameter wählen und erhalten einen 3-dimensionalen Lösungsraum M. Da wir bereits V 1, V 2, V 3 als linear unabhängig erkannt haben, bilden diese eine Basis von M. Andererseits können wir ohne Einschränkung s A = 3 α, a 31 = α + γ und a 33 = α β mit α, β, γ R wählen und erhalten aus (8) a 32 = 3 α (α + γ) (α β) = α + β γ Rückwärtssubstitution liefert mit s A = 3 α: a 23 = α + a 31 a 33 = α + (α + γ) (α β) = α + β + γ a 22 = a 23 a 31 + a 33 = α + β + γ (α + γ) + (α β) = α a 21 = 3 α a 22 a 23 = 3 α α (α + β + γ) = α β γ a 13 = 3 α a 23 a 33 = 3 α (α + β + γ) (α β) = α γ a 12 = 3 α a 22 a 32 = 3 α α (α + β γ) = α β + γ a 11 = 3 α a 21 a 31 = 3 α (α β γ) (α + γ) = α + β A = α β γ , d.h. die drei gegebenen Matrizen spannen einen 3-dimensionalen Lösungsraum auf und sind daher linear unabhängig. Bemerkung: Wählt man a 31 = λ, a 32 = µ, und a 33 = τ, mit λ, µ, τ R so ergibt sich: s A = λ + µ + τ und man erhält mit der Rücksubstitution M dargestellt in einer anderen Basis. 3. Da alle Zeilensummen miteinander übereinstimmen und die Gesamtsumme der 3 Zeilen = 45 ist, muss die Zeilensumme jeweils s A = 45/3 = 15 und damit a 22 = 1 3 s A = 5 sein. In der Mitte des magischen Quadrates steht also immer die 5. Die Zahlen 7, 8 und 9 dürfen nicht gemeinsam in einer Zeile/Spalte/Diagonale stehen, weil sonst die zugehörige Zeilen/Spalten/Diagonalensumme größer als 15 wäre. Wenn man die Symmetrieeigenschaften des magischen Quadrates berücksichtigt (die Symmetriegruppe des magischen Quadrates ist isomorph zur Symmetriegruppe des Quadrates, hat also insbesondere 8 Elemente), gibt es nur zwei verschiedene Fälle, die berücksichtigt werden müssen. 4
8 1. Fall: 9 steht auf einer Eckposition (ohne Einschränkung (beachte die Symmetrie) auf der Position (1, 1)). Dann ist: 9 5 Ohne Einschränkung (Symmetrie) können wir annehmen, dass die 8 auf der Position (3, 2) steht. Dann erhalten wir ein ungültiges magisches Quadrat: 1 9? Fall: 9 steht nicht auf einer Eckposition (ohne Einschränkung (Symmetrie) auf der Position (2, 1)). Dann ist: Ohne Einschränkung (Symmetrie) können wir annehmen, dass die 8 auf der Position (1, 2) oder auf der Position (3, 3) steht. Im ersten Unterfall erhalten wir wieder ein ungültiges magisches Quadrat: Im zweiten Unterfall, funktioniert es endlich: ? Also ist das magische Quadrat bis auf die Symmetrie eindeutig und es gibt insgesamt 8 verschiedene - aber zueinander symmetrische - magische Quadrate mit den Zahlen 1, 2,..., 9. 5
1 0 1, V 3 = M, und λ A = λa
Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a
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
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
MehrGegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.
1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild
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
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
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
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
MehrLineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich
Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,
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
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
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
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
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:
Mehr4 Elementare Vektorraumtheorie
4. ELEMENTARE VEKTORRAUMTHEORIE 51 4 Elementare Vektorraumtheorie Im folgenden sei K stets ein Körper. Definition. (i) Eine homogene Gleichung in den Unbekannten ξ 1,..., ξ n ist ein Ausdruck der Gestalt
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
MehrLänge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren
Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(
MehrBasen von Schnitt und Summe berechnen
Basen von Schnitt und Summe berechnen 1 / 8 Voraussetzung Es seien U 1, U 2 Untervektorräume von K n. Wir wollen Basen des Schnittes U 1 U 2 und der Summe bestimmen. U 1 + U 2 2 / 8 Bezeichnung Der Einfachheit
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 9 Basiswechsel Wir wissen bereits, dass in einem endlichdimensionalen Vektorraum je zwei Basen die gleiche Länge
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
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
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
MehrLösungen Serie 6 (Vektorräume, Skalarprodukt)
Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9
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
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
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
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)
Mehr6 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,
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
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
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
MehrDie Dimension eines Vektorraumes
Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je
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
Mehr6. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 6. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 2/ 25..-.2. Aufgabe G (Lineare Gleichungssysteme)
Mehr:= 1. Der affine Unterraum Γ heißt Punkt, Gerade, Ebene oder Hyperebene, wenn dim K dim K
apitel II Lineare Algebra und analytische Geometrie 4 Punkte, Geraden, Ebenen, affine Unterräume in einem Vektorraum. Wie bisher ist V ein endlichdimensionaler Vektorraum über dem örper, oft ist V = n
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
MehrLineare Gleichungssysteme - Grundlagen
Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente
MehrProseminar Lineare Algebra II, SS 11. Blatt
Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2
MehrLineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.
Lineare Hülle Def A sei eine nichtleere Teilmenge des Vektorraums (V,+, ) Die lineare Hülle von A (Bezeichung: span(a)) ist die Menge aller Linearkombinationen der Elemente aus A { k } span(a) := λ i v
Mehr3.8. Lineare Abbildungen.
38 Lineare Abbildungen 38 Lineare Abbildungen 38 Definition Es seien V und W Vektorräume über K Eine Abbildung α : V W heißt linear, wenn für alle Vektoren u, v V und alle Skalare k K gilt: α(u + v α(u
Mehr2 Einführung in die lineare Algebra
2 Einführung in die lineare Algebra 2. Vektorräume und ihre Unterräume Definition 2... Sei K ein Körper. Ein Vektorraum über K (oder K-Vektorraum) ist eine Menge V mit einer Addition genannten Verknüpfung
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
Mehrκ Κα π Κ α α Κ Α
κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrLineare Abbildungen und Gleichungssysteme
Lineare Abbildungen und Gleichungssysteme Klaus-R Loeffler Lineare Abbildungen Definition: Lineare Abbildung Es wird vorausgesetzt, dass V und W Vektorräume sind Eine Abbildung f von V in W heißt dann
MehrPrüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?
1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2
Mehr4.4. Rang und Inversion einer Matrix
44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert
MehrQuadratische Matrizen
Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
Mehr1 Mengen und Abbildungen
1 MENGEN UND ABBILDUNGEN 1 1 Mengen und Abbildungen Wir starten mit einigen einführenden Definitionen und Ergebnissen aus der Theorie der Mengen und Abbildungen, die nicht nur Grundlage der Linearen Algebra
Mehr8 Die Riemannsche Zahlenkugel
8 Die Riemannsche Zahlenkugel Wir untersuchen zunächst Geraden- und Kreisgleichungen in der komplexen Ebene C = R 2. Geradengleichungen Die Parameterdarstellung einer Geraden durch zwei Punkte z 1 z 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 Gleichungssysteme
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 28. November 2011 Definition Beispiel: Wassermengen und Konzentrationen in einem Fluss Beispiel Zeilenstufenform Beispiel (Fortsetzung) Anhang
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 6 Vektorräume Die Addition von zwei Pfeilen a und b, ein typisches Beispiel für Vektoren. Der zentrale
MehrLineare Algebra I Klausur. Klausur - Musterlösung
Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra I Klausur Klausur - Musterlösung 20. Februar 203 Aufgabe - Lösung Aussage wahr falsch (Z, +, 0) ist eine abelsche Gruppe. Der Ring Z/24Z ist nullteilerfrei.
Mehr9 Vektorräume mit Skalarprodukt
9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden
MehrLösungen zu den Hausaufgaben zur Analysis II
Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin
MehrKapitel 17. Determinanten
Kapitel 17. Determinanten Vorschau: Determinanten Es gibt drei Problemfelder, für die Determinanten von großem Nutzen sind: die formelmäßige Überprüfung der linearen Unabhängigkeit eines Systems von n
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
MehrAffine und projektive Räume
Affine und projektive Räume W. Kühnel Literatur hierzu: G.Fischer, Analytische Geometrie, 7. Aufl., Vieweg 2001 Zur Motivation: Wenn man in einem Vektorraum die Elemente nicht als Vektoren, sondern als
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
MehrAllgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.
Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
MehrVektorräume und Lineare Abbildungen
Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit
MehrUnterräume; Basis und Dimension; Skalarprodukt, Norm und Vektorprodukt im R 3
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 2006/07 en Blatt 9 18.12.2006 Unterräume; Basis und Dimension; Skalarprodukt,
MehrDefinition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und
7. Coxeter Graphen Um die endlichen Spiegelungsgruppen zu klassifizieren, wollen wir ihnen nun Graphen zuordnen, die die Gruppen bis auf Isomorphie eindeutig bestimmen. Im Folgenden sei wie vorher Π Φ
MehrProf. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1
Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Kapitel 3 Lineare Gleichungssysteme 3.1. Einleitung Beispiel 1 3 Kinder haben eingekauft. Franz hat 4 Lakritzen, 2 Schokoriegel und 5 Kaugummis
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
MehrDie Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche" Punkte mit inhomogenen K
Kapitel IV Projektive Geometrie In diesem Kapitel wird eine kurze Einführung in die projektive Geometrie gegeben. Es sollen unendlich ferne Punkte mit Hilfe von homogene Koordinaten eingeführt werden und
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
Mehr5. Vektorräume. 5.1 Grundbegriffe, Untervektorräume
5 Vektorräume Die lineare Algebra ist die Theorie der Vektorräume Vektoren und Vektorräume treten in vielfacher Gestalt und in vielen Anwendungen auf Sowohl die Technik, als auch die theoretische Physik
MehrII. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme
52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrMathematik für Chemische Technologie 2
Mathematik für Chemische Technologie 2 Themenüberblick: Funktionen mehrerer unabhängigen Veränderlichen Vektoralgebra Lineare Gleichungssysteme und Determinanten Fehlerrechnung Schwerpunkt des Sommersemesters
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eine Familie von Gleichungen der Form a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2............ a m1 x 1 + a m2 x 2 +... + a mn x n = b m
MehrPRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF.
Zuname: Vorname: Matrikelnummer: PRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF. (GITTENBERGER) Wien, am 5. Februar 2013 (Ab hier freilassen!) Arbeitszeit: 100 Minuten 1) 2) 3) 4) 5) 1)(8
MehrMathematischer Vorkurs Lösungen zum Übungsblatt 5
Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 c.v.meister@skmail.ikp.physik.tu-darmstadt.de Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und
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
MehrAnleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe / Dr Hanna Peywand Kiani 722 Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Lineare Differentialgleichungssysteme,
MehrMagische Quadrate als Vektorraum Renate Motzer
Magische Quadrate als Vektorraum Renate Motzer Damit die Vektorraumaxiome wirklich verstanden werden, ist es wichtig, neben den gängigen R²- und R³-Vektoren weitere Modelle kennen zu lernen. Magische Quadrate
Mehr11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen
11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des
MehrZusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren
Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier
MehrMathematik für Ingenieure I
Mathematik für Ingenieure I Wintersemester 203/4 W. Ebeling 2 c Wolfgang Ebeling Institut für Algebraische Geometrie Leibniz Universität Hannover Postfach 6009 30060 Hannover E-mail: ebeling@math.uni-hannover.de
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
MehrLineare Abbildungen und Darstellungsmatrizen
KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt
MehrStudiengänge) Beispiele
Grundkurs Höhere Mathematik I (für naturwissenschaftliche Studiengänge) Beispiele Prof. Dr. Udo Hebisch Diese Beispielsammlung ergänzt das Vorlesungsskript und wird ständig erweitert. DETERMINANTEN Determinanten
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
Mehre a b c e e a b c a a b c e b b c e a c c e a b (ii)
Aufgaben zur linearen Algebra, SS 2 Version: 29. Juni 2 Ich habe versucht, einige Aufgabe nach meinem Geschmack zu lösen. Es gibt mehrere Gründe dafür. In den Übungen ist es beim besten Respekt unmöglich,
MehrLineare Gleichungssysteme
Poelchau-Oberschule Berlin A. Mentzendorff September 2007 Lineare Gleichungssysteme Inhaltsverzeichnis 1 Grundlagen 2 2 Das Lösungsverfahren von Gauß 4 3 Kurzschreibweise und Zeilensummenkontrolle 6 4
MehrLineare Differenzengleichungen und Polynome. Franz Pauer
Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 13/7, A-600 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at Vortrag beim ÖMG-LehrerInnenfortbildungstag
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
Mehr