Tutorium: Analysis und Lineare Algebra
|
|
- Frank Friedrich
- vor 5 Jahren
- Abrufe
Transkript
1 Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am (Teil 1) 7 Mai 2018 Steven Köhler mathe@stevenkoehlerde mathestevenkoehlerde 2 c 2018 Steven Köhler 7 Mai 2018
2 Matrizen 3 c 2018 Steven Köhler 7 Mai 2018 Matrizen Definition I Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen, mit denen man in bestimmter Weise rechnen kann Matrizen sind ein Schlüsselkonzept der linearen Algebra und tauchen in vielen Gebieten der Mathematik auf Matrizen stellen Zusammenhänge, in denen Linearkombinationen eine Rolle spielen, übersichtlich dar und erleichtern damit Rechen- und Gedankenvorgänge Sie werden insbesondere dazu benutzt, lineare Abbildungen darzustellen und lineare Gleichungssysteme zu beschreiben 4 c 2018 Steven Köhler 7 Mai 2018
3 Matrizen Definition II Matrizen werden dargestellt durch eine tabellarische Auflistung der Werte, die durch ein großes Klammerpaar umgeben ist Die Form der Klammern ist dabei nicht fest vorgegeben, typisch sind aber runde oder eckige Klammern a 11 a 1m A = (a ij ) = a n1 a nm a 11 a 1m A = [a ij ] = a n1 a nm 5 c 2018 Steven Köhler 7 Mai 2018 Matrizen Addition von Matrizen Matrizen werden komponentenweise addiert a 11 a 12 a 13 b 11 b 12 b 13 A + B = a 21 a 22 a 23 + b 21 b 22 b 23 a 31 a 32 a 33 b 31 b 32 b 33 a 11 + b 11 a 12 + b 12 a 13 + b 13 = a 21 + b 21 a 22 + b 22 a 23 + b 23 a 31 + b 31 a 32 + b 32 a 33 + b 33 6 c 2018 Steven Köhler 7 Mai 2018
4 Matrizen Subtraktion von Matrizen Matrizen werden komponentenweise subtrahiert a 11 a 12 a 13 b 11 b 12 b 13 A B = a 21 a 22 a 23 b 21 b 22 b 23 a 31 a 32 a 33 b 31 b 32 b 33 a 11 b 11 a 12 b 12 a 13 b 13 = a 21 b 21 a 22 b 22 a 23 b 23 a 31 b 31 a 32 b 32 a 33 b 33 7 c 2018 Steven Köhler 7 Mai 2018 Matrizen Skalare Multiplikation Eine Matrix kann mit einem konstanten Faktor λ K multipliziert werden Den Wert λ nennt man ein Skalar a 11 a 12 a 13 λa 11 λa 12 λa 13 λa = λ a 21 a 22 a 23 = λa 21 λa 22 λa 23 a 31 a 32 a 33 λa 31 λa 32 λa 33 8 c 2018 Steven Köhler 7 Mai 2018
5 Matrizen Multiplikation von Matrizen I Neben der skalaren Multiplikation gibt es noch eine weitere Multiplikation für Matrizen Dabei werden 2 Matrizen miteinander multipliziert Die folgende Formel zeigt dies exemplarisch für 3 3- Matrizen: A B = a 11 a 12 a 13 a 21 a 22 a 23 b 11 b 12 b 13 b 21 b 22 b 23 a 31 a 32 a 33 b 31 b 32 b 33 = a 11b 11 + a 12 b 21 + a 13 b 31 a 11 b 12 + a 12 b 22 + a 13 b 32 a 11 b 13 + a 12 b 23 + a 13 b 33 a 21 b 11 + a 22 b 21 + a 23 b 31 a 21 b 12 + a 22 b 22 + a 23 b 32 a 21 b 13 + a 22 b 23 + a 23 b 33 a 31 b 11 + a 32 b 21 + a 33 b 31 a 31 b 12 + a 32 b 22 + a 33 b 32 a 31 b 13 + a 32 b 23 + a 33 b 33 9 c 2018 Steven Köhler 7 Mai 2018 Matrizen Multiplikation von Matrizen II Die Einträge der Ergebnismatrix sind die Skalarprodukte der Zeilenvektoren der Matrix A mit den Spaltenvektoren der Matrix B Hieraus lässt sich leicht eine Aussage über eine essentielle Voraussetzung der Matrizenmultiplikation treffen Damit man zwei Matrizen multiplizieren kann, müssen die Anzahl der Spalten der ersten Matrix und die Anzahl der Zeilen der zweiten Matrix übereinstimmen 10 c 2018 Steven Köhler 7 Mai 2018
6 Matrizen Multiplikation von Matrizen III Gegeben seien zwei Matrizen A K m n und B K n p Das Produkt C der beiden Matrizen A und B ist eine m p - Matrix und lässt sich allgemein durch die folgende Formel darstellen: C = A B = [ a ij ] [ bij ] = [ c ij ] mit cij = n a ik b kj k=1 11 c 2018 Steven Köhler 7 Mai 2018 Matrizen Falksches Schema I Das Falksche Schema (1951 von Sigurd Falk vorgeschlagen) ist eine einfache Methode, die Matrizenmultiplikation übersichtlicher darzustellen Dazu werden die Matrizen A und B sowie deren Produkt C in eine bestimmte tabellarische Form gebracht, die vor allem eine optische Hilfe bietet 12 c 2018 Steven Köhler 7 Mai 2018
7 Matrizen Falksches Schema II Exemplarisch seien zwei Matrizen A K 3 3 und B K 3 3 gegeben Darstellung der Matrizenmultiplikation mithilfe des Falkschen Schemas: b 11 b 12 b 13 b 21 b 22 b 23 (B) b 31 b 32 b 33 a 11 a 12 a 13 (A) a 21 a 22 a 23 a 31 a 32 a 33 c 11 c 12 c 13 c 21 c 22 c 23 (C) c 31 c 32 c 33 Die Werte für c ij berechnen sich wie zuvor durch c ij = 3 k=1 a ik b kj 13 c 2018 Steven Köhler 7 Mai 2018 Matrizen Elementare Zeilenumformungen Man kann Matrizen durch elementare Zeilenumformungen in eine andere Matrix überführen Diese Umformungen sind: Vertauschen von zwei Zeilen; Multiplikation einer Zeile mit einer von Null verschiedenen Konstanten; Addition des Vielfachen einer Zeile zu einer anderen Zeile Diese Operationen können kombiniert und beliebig oft wiederholt werden 14 c 2018 Steven Köhler 7 Mai 2018
8 Matrizen Elementare Spaltenumformungen I Ebenso wie durch elementare Zeilenumformungen kann man eine Matrix durch elementare Spaltenumformungen in eine andere Matrix überführen Diese Umformungen sind: Vertauschen von zwei Spalten; Multiplikation einer Spalte mit einer von Null verschiedenen Konstanten; Addition des Vielfachen einer Spalte zu einer anderen Spalte Diese Operationen können ebenfalls kombiniert und beliebig oft wiederholt werden 15 c 2018 Steven Köhler 7 Mai 2018 Matrizen Elementare Spaltenumformungen II Generell sollten elementare Zeilen- und Spaltenumformungen nicht vermischt werden, da dies meist mehr Chaos als Nutzen bringt Wir werden uns im Folgenden ausschließlich mit elementaren Zeilenumformungen beschäftigen Sollten einmal Umformungen der Spalten notwendig sein, werden wir die zugehörige Matrix zunächst transponieren und anschließend die Zeilen der transponierten Matrix umformen 16 c 2018 Steven Köhler 7 Mai 2018
9 Zeilenstufenform 17 c 2018 Steven Köhler 7 Mai 2018 Zeilenstufenform Zeilenstufenform I Durch elementare Zeilenumformungen kann man jede Matrix in die sogenannte Zeilenstufenform bringen Diese erfüllt die folgenden Eigenschaften: Alle Zeilen, die nur Nullen enthalten, stehen in der Matrix ganz unten Wenn eine Zeile nicht nur aus Nullen besteht, so ist die erste von Null verschiedene Zahl eine Eins Sie wird als führende Eins bezeichnet In zwei aufeinanderfolgenden Zeilen, die von Null verschiedene Elemente besitzen, steht die führende Eins in der unteren Zeile stets weiter rechts als in der oberen Zeile 18 c 2018 Steven Köhler 7 Mai 2018
10 Zeilenstufenform Zeilenstufenform II Besitzt die Matrix Zeilenstufenform und gilt zusätzlich noch die folgende Eigenschaft, so liegt die Matrix in reduzierter Zeilenstufenform vor Eine Spalte, die eine führende Eins enthält, hat keine weiteren von Null verschiedenen Einträge 19 c 2018 Steven Köhler 7 Mai 2018 Zeilenstufenform Zeilenstufenform III Beispiel: Überführe die nachfolgende Matrix A in Zeilenstufenform! [ ] 2 8 A = c 2018 Steven Köhler 7 Mai 2018
11 Zeilenstufenform Zeilenstufenform IV Zunächst wird die 1 Zeile mit 1 2 multipliziert: [ ] Anschließend wird das ( 3)-fache der 1 Zeile zur 2 Zeile addiert: [ ] Abschließend wird die 2 Zeile mit 1 7 multipliziert: [ ] c 2018 Steven Köhler 7 Mai 2018 Zeilenstufenform Gauß-Jordan-Algorithmus I 1 Bestimme die am weitesten links stehende Spalte der Matrix, die von Null verschiedene Werte enthält 2 Ist der oberste Eintrag der gefundenen Spalte eine Null, so vertausche die oberste Zeile mit einer geeigneten Zeile, die in dieser Spalte keine Null enthält 3 In der betrachteten Spalte ist nun der oberste Eintrag ein von Null verschiedenes Körperelement a Multipliziere die erste Zeile der Matrix mit dem Inversen a 1 und erzeuge so eine führende Eins 22 c 2018 Steven Köhler 7 Mai 2018
12 Zeilenstufenform Gauß-Jordan-Algorithmus II 4 Addiere das jeweils passende Vielfache der aktuellen Zeile zu den anderen Zeilen, so dass alle Einträge unterhalb der führenden Eins der aktuellen Zeile zu Null werden 5 Wende die Schritte 1-4 auf die Matrix an, die man durch Streichen der aktuellen Zeile erhält und iteriere das Verfahren bis die Matrix Zeilenstufenform hat 6 Mit der letzten nicht verschwindenden Zeile beginnend, addiere geeignete Vielfache der unteren Zeilen zu den darüber liegenden Zeilen, um über den führenden Einsen Nullen zu erzeugen 23 c 2018 Steven Köhler 7 Mai 2018 Zeilenstufenform Aufgabe 1 Überführe die folgende Matrix A R 4 4 in Zeilenstufenform sowie in reduzierte Zeilenstufenform! A = c 2018 Steven Köhler 7 Mai 2018
13 Zeilenstufenform Aufgabe 2 Überführe die folgende Matrix B Z5 2 3 in Zeilenstufenform [ ] B = c 2018 Steven Köhler 7 Mai 2018 Zeilenstufenform Aufgabe 3 Überführe die folgende Matrix C R 7 10 in Zeilenstufenform C = c 2018 Steven Köhler 7 Mai 2018
14 Lineare Gleichungssysteme 27 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Definition Als lineare Gleichungssysteme bezeichnet man in der linearen Algebra Gleichungssysteme der folgenden Art: a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x a mn x n = b m Das Gleichungssystem besteht dabei aus m Gleichungen mit n Unbekannten 28 c 2018 Steven Köhler 7 Mai 2018
15 Lineare Gleichungssysteme Darstellungsformen I Es existieren verschiedene Darstellungsformen für lineare Gleichungssysteme: die explizite Form; die Matrixform; die Spaltenform (oder auch Vektorform) 29 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Darstellungsformen II Die explizite Form: Bei dieser Form wird das Gleichungssystem als eine Menge von m separaten Gleichungen mit n Unbekannten angegeben a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x a mn x n = b m 30 c 2018 Steven Köhler 7 Mai 2018
16 Lineare Gleichungssysteme Darstellungsformen III Die Matrixform: Bei dieser Form wird das Gleichungssystem als Produkt einer Koeffizientenmatrix A, einem Spaltenvektor x mit den Unbekannten sowie einem Lösungsvektor b angegeben a 11 a 12 a 1n x 1 b 1 a 21 a 22 a 2n x 2 b 2 a m1 a m2 a mn x n = b m Die Gleichung lässt sich auch in der folgenden kompakten Form schreiben: Ax = b 31 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Darstellungsformen IV Die Spaltenform: Bei dieser Form wird das Gleichungssystem als Summe der Produkte der Unbekannten mit den Spaltenvektoren der Matrix A sowie einem Lösungsvektor b angegeben: a 11 a 12 a 1n b 1 a 21 x 1 + x a x a 2n n = b 2 a m1 a m2 a mn b m Verwendet man für die Spalten die Schreibweise a i, so ergibt sich die folgende kompakte Schreibweise: x 1 a 1 + x 2 a x n a n = b 32 c 2018 Steven Köhler 7 Mai 2018
17 Lineare Gleichungssysteme Gauß-Verfahren I Das Gauß-Verfahren bietet eine einfache Möglichkeit, lineare Gleichungssysteme zu lösen Es basiert auf der Matrixform des Gleichungssystems x 1 a 11 a 1n a m1 a mn x n = b 1 b m 33 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Gauß-Verfahren II Für die Lösung des Gleichungssystems Ax = b sind nur die Koeffizientenmatrix A sowie der Lösungsvektor b von Interesse Diese fasst man in der sogenannten erweiterten Koeffizientenmatrix zusammen: [ A ] a 11 a 1n b 1 b = a m1 a mn b m 34 c 2018 Steven Köhler 7 Mai 2018
18 Lineare Gleichungssysteme Gauß-Verfahren III Das Gauß-Verfahren basiert auf der Grundidee, zunächst die erweiterte Koeffizientenmatrix durch elementare Zeilenumformungen in Zeilenstufenform zu überführen und anschließend durch Rückwärtseinsetzen schrittweise die Lösung zu bestimmen Wichtig: Durch elementare Spaltenumformungen kann sehr leicht die Lösungsmenge des Gleichungssystems verändert werden Aus diesem Grund sind diese beim Lösen linearer Gleichungssysteme mit dem Gauß-(Jordan-)Verfahren verboten! 35 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Gauß-Verfahren VI Aufgabe: Löse das folgende Gleichungssystem mit dem Gauß-Verfahren! Lösung: 2x 1 + 4x 2 = 22 3x 1 2x 2 = 7 Zunächst wird die erweiterte Koeffizientenmatrix erstellt und schrittweise in Zeilenstufenform gebracht [ A ] [ ] b = c 2018 Steven Köhler 7 Mai 2018
19 Lineare Gleichungssysteme Gauß-Verfahren V Multiplikation der ersten Zeile mit 1 2 ergibt [ Anschließend wird durch Addition des ( 3)-fachen der ersten Zeile zur zweiten die erste Spalte in die richtige Form gebracht: [ ] Multiplikation der zweiten Zeile mit 1 8 stellt die gewünschte Zeilenstufenform her: [ ] ] 37 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Gauß-Verfahren VI Zur Erinnerung: Die Darstellung durch die erweiterte Koeffizientenmatrix ist lediglich eine andere Schreibweise für das Gleichungssystem, das nach den Umformungen wie folgt lautet: x 1 + 2x 2 = 11 x 2 = 5 Nun löst man die Gleichungen von unten nach oben auf x 2 = 5 liegt bereits in der gewünschten Form vor Setzt man x 2 nun in die obere Gleichung ein, so ergibt sich woraus sofort x 1 = 1 folgt x = 11, 38 c 2018 Steven Köhler 7 Mai 2018
20 Lineare Gleichungssysteme Gauß-Verfahren VII Die einzige Lösung des Gleichungssystems lautet also x 1 = 1 und x 2 = 5 Man kann dies leicht durch Einsetzen in die Ausgangsgleichungen überprüfen 39 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Gauß-Jordan-Verfahren I Beim Gauß-Jordan-Verfahren wird die Matrix in reduzierte Zeilenstufenform gebracht, dh, außer den führenden Einsen enthält die Matrix A in der erweiterten Koeffizientenmatrix [ A b ] nur Nullen Wir hatten beim Gauß-Verfahren die erweiterte Koeffizientenmatrix bereits in Zeilenstufenform gebracht [ ] c 2018 Steven Köhler 7 Mai 2018
21 Lineare Gleichungssysteme Gauß-Jordan-Verfahren II Man muss also nur noch durch Addition des ( 2)-fachen der zweiten Zeile zur ersten die zweite Spalte in die richtige Form bringen: [ ] Hier kann man nun die Lösungen für x 1 und x 2 ohne weiteres Rechnen direkt ablesen Es folgt wie erwartet x 1 = 1 und x 2 = 5 41 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Anzahl der Lösungen I Ein Gleichungssystem kann keine, genau eine oder unendlich viele Lösungen besitzen 42 c 2018 Steven Köhler 7 Mai 2018
22 Lineare Gleichungssysteme Anzahl der Lösungen II Eine Lösung: Den Fall genau einer Lösung haben wir bereits bei unserem Beispiel gesehen Dieser Fall liegt immer genau dann vor, wenn in der erweiterten Koeffizientenmatrix [ A b ] die Matrix A nach dem Überführen in Zeilenstufenform genauso viele vom Nullvektor verschiedene Zeilen besitzt wie das Gleichungssystem Variablen hat 43 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Anzahl der Lösungen III Keine Lösung: Es ist möglich, dass ein Gleichungssystem keine Lösung besitzt Dies ist genau dann der Fall, wenn in der erweiterten Koeffizientenmatrix [ A b ] (nach dem Überführen in Zeilenstufenform) eine Zeile der folgenden Art auftritt: [ 0 0 ] b (mit b 0) 44 c 2018 Steven Köhler 7 Mai 2018
23 Lineare Gleichungssysteme Anzahl der Lösungen IV Dies würde bedeuten, dass 0x x n = b ( 0) gilt, was einen Widerspruch darstellt Das Gleichungssystem kann folglich keine Lösung besitzen 45 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Anzahl der Lösungen V Unendlich viele Lösungen: Es ist zudem möglich, dass ein Gleichungssystem unendlich viele Lösungen besitzt Dieser Fall liegt immer genau dann vor, wenn in der erweiterten Koeffizientenmatrix [ A b ] (nach dem Überführen in Zeilenstufenform) die Matrix A weniger vom Nullvektor verschiedene Zeilen besitzt als das Gleichungssystem Variablen hat Mit anderen Worten: Es gibt mehr Variablen als Gleichungen 46 c 2018 Steven Köhler 7 Mai 2018
24 Lineare Gleichungssysteme Anzahl der Lösungen VI Aufgabe: Löse das folgende lineare Gleichungssystem Lösung: 2x 1 + 4x 2 + x 3 = 22 3x 1 2x 2 x 3 = 7 Auch in diesem Fall wird zunächst die erweiterte Koeffizientenmatrix erstellt und schrittweise in Zeilenstufenform gebracht [ A ] [ ] b = c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Anzahl der Lösungen VII Multiplikation der ersten Zeile mit 1 2 ergibt [ Anschließend wird durch Addition des ( 3)-fachen der ersten zur zweiten Zeile die erste Spalte in die richtige Form gebracht: [ ] ] 48 c 2018 Steven Köhler 7 Mai 2018
25 Lineare Gleichungssysteme Anzahl der Lösungen VIII Multiplikation der zweiten Zeile mit 1 8 stellt die gewünschte Zeilenstufenform her: [ ] Die Spalten mit den führenden Einsen repräsentieren die führenden Variablen, die restlichen Spalten stellen die freien Variablen dar 49 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Anzahl der Lösungen IX Um die Lösung zu erhalten, weist man den freien Variablen Parameter zu In unserem Beispiel ist die einzige freie Variable x 3 = t (t R) Die führenden Variablen rechnet man wie gewohnt durch Rückwärtseinsetzen aus Für die zweite Zeile der Matrix ergibt sich somit x x 3 = 5 x 2 = t (t R) 50 c 2018 Steven Köhler 7 Mai 2018
26 Lineare Gleichungssysteme Anzahl der Lösungen X Um x 1 zu berechnen, setzt man nun x 2 und x 3 in die erste Zeile ein Es folgt x 1 + 2x x 3 = 11 Umstellen nach x 1 ergibt x 1 = 11 2 (5 5 ) 16 t 1 2 t = t (t R) 51 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Anzahl der Lösungen XI Als Gesamtlösung haben wir also Folgendes erhalten (t R): x 1 = t x 2 = t x 3 = t 52 c 2018 Steven Köhler 7 Mai 2018
27 Lineare Gleichungssysteme Anzahl der Lösungen XII Wir können die Lösung auch wie folgt darstellen: x x = x 2 t = t x 3 t = 5 t t = 5 + t t 0 1 (t R) Man nennt dies die Parameterform der Lösung 53 c 2018 Steven Köhler 7 Mai 2018 Lineare Gleichungssysteme Aufgabe 4 Bestimme die Lösung des folgenden linearen Gleichungssystems mit dem Gauß- und mit dem Gauß-Jordan-Verfahren x 1 + 2x 2 8x 3 = 1 3x 1 + 7x 2 27x 3 = 5 2x 1 + 4x 2 15x 3 = 1 54 c 2018 Steven Köhler 7 Mai 2018
28 Lineare Gleichungssysteme Aufgabe 5 Bestimme die Lösung des folgenden linearen Gleichungssystems x 1 3x 2 + 3x 3 4x 5 = 5 2x 1 6x 2 + 6x 3 + x 4 12x 5 = 9 2x 1 6x 2 + 6x 3 2x 4 = 12 3x 1 9x 2 + 9x 3 x 4 8x 5 = 16 Gib die gefundene Lösung in Parameterform an! 55 c 2018 Steven Köhler 7 Mai 2018 Vektorräume 56 c 2018 Steven Köhler 7 Mai 2018
29 Vektorräume Definition I Gegeben seien eine Menge V, ein Körper (K, +, ), eine innere zweistellige Verknüpfung : V V V (die Vektoraddition) sowie eine äußere zweistellige Verknüpfung : K V V (die skalare Multiplikation) Man nennt (V,, ) einen Vektorraum über dem Körper K (kurz: K-Vektorraum), wenn es sich bei (V, ) um eine abelsche Gruppe handelt und wenn für die skalare Multiplikation sowohl ein neutrales Element existiert als auch die Assoziativ- und Distributivgesetze gelten 57 c 2018 Steven Köhler 7 Mai 2018 Vektorräume Definition II Die Vektoraddition ist assoziativ Für alle u, v, w V gilt: ( ) ( ) u v w = u v w = u v w Es existiert ein neutrales Element 0 V V, so dass für alle v V gilt: v 0 V = 0 V v = v Das Element 0 V wird als Nullvektor bezeichnet Zu jedem Element v V existiert ein Element v, für das gilt: v ( v ) = ( v ) v = 0 V Die Vektoraddition ist kommutativ Für alle u, v V gilt: u v = v u 58 c 2018 Steven Köhler 7 Mai 2018
30 Vektorräume Definition III Für alle λ, μ K, v V gilt (Assoziativgesetz): ( λ μ ) v = λ ( μ v ) Es existiert ein neutrales Element 1 K K, so dass für alle v V gilt: 1 K v = v Zusammen mit der Vektoraddition gilt für alle λ K, u, v V das Distributivgesetz: λ ( u v ) = ( λ u ) ( λ v ) Zusammen mit der Addition + im Körper K gilt für alle λ, μ K, v V das Distributivgesetz: ( λ + μ ) v = ( λ v ) ( μ v ) 59 c 2018 Steven Köhler 7 Mai 2018 Vektorräume Definition IV In der Mathematik ist es üblich, sowohl die Addition im Körper K als auch die Addition im Vektorraum V mit demselben Operator + zu bezeichnen, obgleich es sich um verschiedene Operationen handelt Analog werden die Multiplikation im Körper K und die skalare Multiplikation im Vektorraum V mit bezeichnet In der Praxis besteht im Allgemeinen keine Gefahr, die Additionen bzw Multiplikationen zu verwechseln 60 c 2018 Steven Köhler 7 Mai 2018
31 Vektorräume Untervektorraum Gegeben sei ein Vektorraum (V, +, ) über einem Körper K Man nennt eine Teilmenge U V genau dann einen Untervektorraum bzw Unterraum von V, wenn U nichtleer und bezüglich der Vektoraddition + und der skalaren Multiplikation abgeschlossen ist, dh, falls die folgenden Eigenschaften gelten: U ; u, v U u + v U; u U,λ K λ u U 61 c 2018 Steven Köhler 7 Mai 2018 Vektorräume Aufgabe 6 Entscheide für die folgenden Mengen U 1,,U 5, ob es sich um einen Unterraum { des R 4 handelt: (x1 ) } a) U 1 =, x 2, x 3, x 4 x 1 + x 2 3x 3 0 ; { (x1 ) } b) U 2 =, x 2, x 3, x 4 x 1 + 2x 2 x 4 = 2 ; { (x1 ) } c) U 3 =, x 2, x 3, x 4 2x1 + x 2 5x 4 x 3 ; { (x1 ) } d) U 4 =, x 2, x 3, x 4 x 4 = x 1 + x 2 2x 3 ; { (x1 ) } e) U 5 =, x 2, x 3, x 4 x 1 = x c 2018 Steven Köhler 7 Mai 2018
32 Vektorräume Aufgabe 7 a) Es sei V = R 3 Gib eine Menge U V an, die bezüglich der Vektoraddition abgeschlossen ist, bezüglich der skalaren Multiplikation jedoch nicht abgeschlossen ist b) Es sei V = R 3 Gib eine Menge U V an, die bezüglich der skalaren Multiplikation abgeschlossen ist, bezüglich der Vektoraddition jedoch nicht abgeschlossen ist 63 c 2018 Steven Köhler 7 Mai 2018 Vektorräume Aufgabe 8 Gegeben seien ein Vektorraum V über einem Körper K sowie zwei Untervektorräume U 1 V und U 2 V Zeige, dass es sich bei der Schnittmenge U 1 U 2 ebenfalls um einen Untervektorraum von V handelt 64 c 2018 Steven Köhler 7 Mai 2018
33 Vektorräume Linearkombination Gegeben seien ein Vektorraum V über einem Körper K, Vektoren v 1,,v n V sowie Skalare λ 1,,λ n K Einen Vektor v, der sich durch v = λ 1 v λ n v n = n λ i v i i=1 darstellen lässt, nennt man Linearkombination von v 1,,v n Die Skalare λ 1,,λ n werden Koeffizienten der Linearkombination genannt 65 c 2018 Steven Köhler 7 Mai 2018 Vektorräume Lineare Hülle Gegeben seien ein Vektorraum V über einem Körper K sowie Vektoren v 1,,v n V Man nennt die Menge Lin ( ) } v 1,,v n = {λ 1 v λ n v n λ 1,,λ n K die lineare Hülle von v 1,,v n Die lineare Hülle ist folglich die Menge aller Linearkombinationen der Vektoren v i Die lineare Hülle der Vektoren v 1,,v n wird häufig auch als span(v 1,,v n ) geschrieben 66 c 2018 Steven Köhler 7 Mai 2018
34 Vektorräume Lineare Unabhängigkeit I Gegeben sei ein Vektorraum V über einem Körper K Die Vektoren v 1,,v n V heißen linear abhängig, wenn neben der trivialen Lösung λ 1 = = λ n = 0 K noch mindestens eine weitere Lösung für die Gleichung λ 1 v λ n v n = 0 V existiert In diesem Fall besitzen nicht alle Skalare λ i den Wert 0 K Gilt beispielsweise λ k 0 K, so kann durch Umstellen der Gleichung eine Linearkombination für den Vektor v k gefunden werden: v k = λ 1 v 1 λ k 1 v k 1 λ k+1 v k+1 λ n v n λ k λ k λ k λ k 67 c 2018 Steven Köhler 7 Mai 2018 Vektorräume Lineare Unabhängigkeit II Gegeben sei ein Vektorraum V über einem Körper K Die Vektoren v 1,,v n V heißen linear unabhängig, wenn neben der trivialen Lösung λ 1 = = λ n = 0 K keine weiteren Lösungen für die Gleichung λ 1 v λ n v n = 0 V existieren In diesem Fall ist es nicht möglich, einen der Vektoren v 1,,v n als Linearkombination der anderen Vektoren darzustellen 68 c 2018 Steven Köhler 7 Mai 2018
35 Vektorräume Aufgabe 9 Entscheide für die folgenden Vektoren, ob sie linear abhängig oder linear unabhängig sind Gib jeweils eine Begründung a) v 1 =(1, 3, 5), v 2 =(2, 1, 1) und v 3 =( 2, 15, 23) b) v 1 =(1, 0, 1, 2), v 2 =(0, 2, 3, 1), v 3 =(4, 3, 2, 0) und v 4 =(2, 1, 2, 3) c) v 1 =(1, 5, 7, 6), v 2 =( 9, 1, 0, 3), v 3 =(8, 4, 4, 2), v 4 =(1, 3, 3, 7) und v 5 =(42, 23, 0, 1) 69 c 2018 Steven Köhler 7 Mai 2018 Vektorräume Aufgabe 10 Wir betrachten den Vektorraum R[x] der Polynome mit Koeffizienten aus den reellen Zahlen R Die Operationen seien die Polynomaddition sowie die Multiplikation mit reellen Zahlen Entscheide, ob die die folgenden Polynome linear abhängig oder linear unabhängig sind p 1 (x) =x 2 + x p 2 (x) =x 2 + 3x 1 p 3 (x) =4x 2 70 c 2018 Steven Köhler 7 Mai 2018
36 Vektorräume Basis I Gegeben seien ein Vektorraum V über einem Körper K sowie die Vektoren b 1,,b n V Man nennt eine Teilmenge B = { } b 1,,b n V eine Basis des Vektorraums V, falls die folgenden Eigenschaften gelten: Die Vektoren b 1,,b n sind linear unabhängig Die Vektoren b 1,,b n erzeugen den Vektorraum V Für alle Elemente v V existieren (eindeutig bestimmte) Koeffizienten λ 1,,λ n, so dass gilt: v = λ 1 b λ n b n 71 c 2018 Steven Köhler 7 Mai 2018 Vektorräume Basis II Zum Bestimmen einer Basis eines durch Vektoren v 1,,v n V erzeugten Unterraums kann der Gauß-(Jordan-)Algorithmus verwendet werden Zunächst werden die Vektoren v 1,,v n als Zeilen einer Matrix geschrieben: v 1 v n Wird diese anschließend in Zeilenstufenform überführt, so bilden die Nichtnullzeilen v 1,,v r der entstandenen Matrix eine Basis des durch die ursprünglichen Vektoren v 1,,v n aufgespannten Unterraums 72 c 2018 Steven Köhler 7 Mai 2018
37 Vektorräume Basisergänzungssatz Sei V ein K-Vektorraum, M V eine linear unabhängige Teilmenge und E ein Erzeugendensystem von V Dann lässt sich M durch Elemente aus E zu einer Basis von V ergänzen 73 c 2018 Steven Köhler 7 Mai 2018 Vektorräume Aufgabe 11 Gegeben seien die folgenden Vektoren des R 3 : v 1 =(1, 2, 3) v 2 =( 1, 4, 2) v 3 =( 1, 10, 1) v 4 =( 4, 22, 7) a) Bestimme eine Basis von Lin (v 1, v 2, v 3, v 4 ) b) Gib die Dimension von Lin (v 1, v 2, v 3, v 4 ) an c) Um welchen Raum handelt es sich bei Lin (v 1, v 2, v 3, v 4 )? 74 c 2018 Steven Köhler 7 Mai 2018
38 Vektorräume Aufgabe 12 { (x1 Es sei U =, x 2, 0 ) } x 1, x 2 R ein Unterraum des R 3 Zeige, dass es sich bei den Vektoren b 1 =(1, 1, 0) und b 2 =(2, 1, 0) um eine Basis des Unterraums U handelt 75 c 2018 Steven Köhler 7 Mai 2018 Vektorräume Aufgabe 13 Bestimme eine Basis des folgenden Untervektorraums U R 3 : { } U = (x 1, x 2, x 3 ) 2x 1 + x 2 = 0 x 1 x 3 = 0 76 c 2018 Steven Köhler 7 Mai 2018
Tutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Definition Als lineare Gleichungssysteme bezeichnet man in der linearen Algebra Gleichungssysteme der folgenden
MehrTutorium: Analysis und lineare Algebra. Vorbereitung der ersten Bonusklausur
Tutorium: Analysis und lineare Algebra Vorbereitung der ersten Bonusklausur Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Matrizen 3 Matrizen Definition I Eine Matrix ist eine rechteckige
MehrTutorium: Analysis und lineare Algebra
Tutorium: Analysis und lineare Algebra Vorbereitung der ersten Bonusklausur Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Matrizen 3 Matrizen Definition I Eine Matrix ist eine rechteckige
MehrTutorium: Diskrete Mathematik. Matrizen
Tutorium: Diskrete Mathematik Matrizen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Definition I Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen, mit denen man in bestimmter
MehrMathematik 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
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
MehrTutorium: Analysis und lineare Algebra
Tutorium: Analysis und lineare Algebra Vorbereitung der ersten Bonusklausur Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Matrizen 3 Matrizen Definition I Eine Matrix ist eine rechteckige
MehrTutorium: Analysis und Lineare Algebra. Vorbereitung der Bonusklausur am (Teil 1, Lösungen)
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 22.5.217 (Teil 1, Lösungen) 1. Mai 217 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 217 Steven Köhler 1. Mai 217
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
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218
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
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
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 2010/11 1 Einführung Lineare Gleichungen Definition
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
Mehr05. Lineare Gleichungssysteme
05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a
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
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
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 2010/11 2 Rechenoperationen und Gesetze Gleichheit
MehrK. 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
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil
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
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2018 Steven Köhler Wintersemester 2018/19 Inhaltsverzeichnis Teil 1 Teil
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
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
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
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de c 018 Steven Köhler Wintersemester 018/19 Inhaltsverzeichnis Teil 1 Teil Teil
MehrMatrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte
Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung
MehrVorkurs Analysis und lineare Algebra. Teil 1. Steven Köhler. mathe.stevenkoehler.de Steven Köhler
Vorkurs Analysis und lineare Algebra Teil Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Steven Köhler Inhaltsverzeichnis I Teil Vektoren Matrizen Teil Geraden Ebenen Lineare Gleichungssysteme
Mehr10 Lineare Gleichungssysteme
ChrNelius : Lineare Algebra I (WS 2004/05) 1 10 Lineare Gleichungssysteme (101) Bezeichnungen: Ein System 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
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 18.10.2012 Alexander Lytchak 1 / 12 Lineare Gleichungssysteme Wir untersuchen nun allgemeiner Gleichungssysteme der
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie
D-MAVT Lineare Algebra I HS 7 Prof. Dr. N. Hungerbühler Lösungen Serie 4: Ferienserie . Finden Sie ein Erzeugendensystem des Lösungsraums L R 5 des Systems x + x x 3 + 3x 4 x 5 = 3x x + 4x 3 x 4 + 5x 5
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: 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(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:
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 17.10.2012 Bernhard Hanke 1 / 9 Wir beschreiben den folgenden Algorithmus zur Lösung linearer Gleichungssysteme, das sogenannte Gaußsche
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
Mehr(c) x 2 + 3x 3 = 1 3x 1 + 6x 2 3x 3 = 2 6x 1 + 6x x 3 = 5
Musterlösungen zu Mathematik II (Elementare Lineare Algebra) Blatt Nathan Bowler A: Präsenzaufgaben. Zeilenstufenform und reduzierte Zeilenstufenform erkennen Welche der folgenden Matrizen sind in Zeilenstufenform?
Mehr2.2 Lineare Gleichungssysteme (LGS)
2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +
MehrÜbersicht 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
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 Gleichungssystem
Lineare Gleichungssystem 8. Juli 07 Inhaltsverzeichnis Einleitung Der Gauß-Algorithmus 4 3 Lösbarkeit von Gleichungssystemen 6 Einleitung Wir haben uns bisher hauptsächlich mit dem Finden von Nullstellen
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
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,...,
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
MehrLösungen Serie 6 (Vektorräume, Skalarprodukt)
Fachhochschule Nordwestschweiz (FHNW Hochschule für Technik Institut für Geistes- und Naturwissenschaft Lösungen Serie 6 (Vektorräume, Skalarprodukt Dozent: Roger Burkhardt Klasse: Studiengang ST Büro:
MehrMathematische 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
MehrDas Lösen linearer Gleichungssysteme
Das Lösen linearer Gleichungssysteme Lineare Gleichungen Die Gleichung a 1 x 1 + a 2 x 2 +... + a n x n = b ist eine lineare Gleichung in den n Variablen x 1, x 2,..., x n. Die Zahlen a 1, a 2,..., a n
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
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
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
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 +
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
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
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
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
MehrHM II Tutorium 5. Lucas Kunz. 22. Mai 2018
HM II Tutorium 5 Lucas Kunz 22. Mai 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Wiederholung Lineare Gleichungsysteme................... 2 1.2 Wiederholung: Kern einer Abbildung..................... 3 1.3
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
Mehr6 Lineare Algebra. 6.1 Einführung
6 Lineare Algebra 6.1 Einführung Die lineare Algebra ist für die Wirtschaftswissenschaften von zentraler Bedeutung. Einerseits liefert sie die theoretischen und praktischen Grundlagen für das Lösen linearer
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
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 207/8 2 Matrixalgebra / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrMatrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I
Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS Kapitel 2 Matrixalgebra Technologiematrix und wöchentliche Nachfrage (in Werteinheiten):
Mehr1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4
Wirtschaftswissenschaftliches Zentrum 3 Universität Basel Mathematik 2 Dr Thomas Zehrt Lineare Gleichungssysteme Inhaltsverzeichnis Einführung 2 2 Gleichungen und 2 Unbekannte 2 2 3 Gleichungen und 3 Unbekannte
MehrLineare Gleichungssysteme
Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrMathematische 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
Mehr2 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
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
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
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
MehrKapitel 15 Lineare Gleichungssysteme
Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem
MehrFerienkurs Mathematik für Physiker I Skript Teil 3 ( )
Ferienkurs Mathematik für Physiker I WS 2016/17 Ferienkurs Mathematik für Physiker I Skript Teil 3 (29032017) 1 Lineare Gleichungssysteme Oft hat man es in der Physik mit unbekannten Größen zu tun, für
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
MehrLineare Gleichungssysteme
Technische Universität München Christoph Niehoff Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 009/00 Die beiden Hauptthemen von diesem Teil des Ferienkurses sind Lineare Gleichungssysteme
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 I 3. Tutorium Inverse Matrizen und Gruppen
Lineare Algebra I Tutorium Inverse Matrizen und Gruppen Fachbereich Mathematik WS / Prof Dr Kollross November Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Die zweite Variante des Gauß-Algorithmus)
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
MehrLineare Gleichungssysteme, Matrizen und Determinanten
Kapitel 2 Lineare Gleichungssysteme, Matrizen und Determinanten Einen klassischen Einstieg in die lineare Algebra bietet die Behandlung linearer Gleichungssysteme Wir beschäftigen uns dabei zunächst mit
MehrMathematik IT 2 (Lineare Algebra)
Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme
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
MehrFür die Matrikelnummer M = Dann sind durch A =
Musterlösung zum. Blatt 9. Aufgabe: Gegeben seien m 3 + 2 m m 3 m 2 m 4 + m 7 m 3 A := m m 2 m 2 + 2 m 2 m 4 + m 5 und b := m 6 m 4 + a) Finden Sie eine Lösung x R 7 für die Gleichung Ax =. b) Finden Sie
MehrGrundlegende Definitionen aus HM I
Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen
MehrLösung Test 2 (Nachprüfung)
MLAE Mathematik: Lineare Algebra für ngenieure Herbstsemester Dr Christoph Kirsch ZHAW Winterthur Aufgabe : Lösung Test (Nachprüfung a Wir verwenden den Gauss-Jordan-Algorithmus, um die erweiterte Koeffizientenmatrix
MehrHM II Tutorium 1. Lucas Kunz. 24. April 2018
HM II Tutorium 1 Lucas Kunz 24. April 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Körper...................................... 2 1.2 Gruppen..................................... 2 1.3 Vektorraum...................................
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 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
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
MehrMatrixoperationen. Einige spezielle Matrizen: Nullmatrix: n-te Einheitsmatrix: E n := 0 d. TU Dresden, WS 2013/14 Mathematik für Informatiker Folie 1
Matrixoperationen Einige spezielle Matrizen: 0 0... 0 Nullmatrix:....... 0 0... 0 1 0... 0 0 1... 0 n-te Einheitsmatrix: E n :=....... 0 0... 1 d 1 0... 0 0 d 2... 0 Diagonalmatrix: diag(d 1,..., d n)
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen
Mehr5 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
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
Mehra i j (B + C ) j k = n (a i j b j k + a i j b j k ) =
Lösungen Lineare Algebra für Physiker, Serie 2 Abgabe am 25.10.2007 1. Es seien A K m n, B,C K n p und D K p q gegeben. 9 P (a) Beweisen Sie das Distributivgesetz A(B + C ) = A B + AC. (b) Beweisen Sie
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
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
Mehr