Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
|
|
- Imke Sternberg
- vor 5 Jahren
- Abrufe
Transkript
1 D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Lösung Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Um zu zeigen, dass es sich bei den gegebenen Vektoren um Basen handelt, müssen wir zeigen, dass der von ihnen erzeugte Unterraum volle Dimension hat bzw. dazu äquivalent, dass die Matrizen A, B M 4 4 (Q) mit A (j) = v j und B (j) = w j ( j 4) vollen Rang haben. Gauss Elimination liefert 3 4 A = B = Z j jz j 4 Z 3 Z Z 4 7Z Z 4 +Z 3 Bitte wenden!
2 Z j jz j 4 Z 3 Z Z 4 5Z Folglich gilt Rang(A) = Rang(B) = 4 und also sind {v, v, v 3, v 4 } sowie {w, w, w 3, w 4 } Basen von Q 4. Wir berechnen nun die Basiswechselmatrix. Sei [v j ] C = (q j, q j, q 3j, q 4j ) T, dann ist nach Definition der Matrixmultiplikation und von [v j ] C L B [v j ] C =q j B () + q j B () + q 3j B (3) + q 4j B (4) =q j w + q j w + q 3j w 3 + q 4j w 4 = v j Die Matrix [I Q 4] C B erfüllt also die Gleichung B[I Q 4]C B = A, bzw. [I Q 4]C B = B A. Man sieht dies auch, indem man realisiert, dass A = [I Q 4] E 4 B und B = [I Q 4]E 4 C, also insbesondere [I Q 4] C B = [I Q 4 I Q 4] C B = [I Q 4] C E 4 [I Q 4] E 4 B = ([I Q 4]E 4 C ) [I Q 4] E 4 B = B A Wir berechnen also B : (B I 4 ) = Z j jz j 4 Z 3 Z Z 4 5Z Z Z 3 0 Z / / /5 / 0 /0 Siehe nächstes Blatt!
3 Z 5Z 4 Z 4Z 4 Z Z 3 Z 3Z 3 Z Z 3 0 7/5 0 / / 0 / / / /5 / 0 /0 0 0 /0 3/ / / / / / /5 / 0 / /0 0 / 3/ / / / / /5 / 0 /0 Also ist /5 6/5 [I Q 4] C B = = /5 0 /5. Die Beweise in Teilaufgaben (b) und (e) sind (in (b) mehr als in (e)) konstruktive Beweise in dem Sinne, dass sie einen ALgorithmen liefern, wie man die LR-Zerlegung einer Matrix bzw. die Zeilenstufenform einer Matrix bestimmen kann. Die Algorithmen lassen sich wie durch die Beweise vorgegeben als Computerprogramme implementieren, und so sind sie insbesondere für die Numerik (also spätestens im zweiten Semester) von grosser Wichtigkeit. Diese beiden Beweise werden aber nich in ihrer vollständigen Form wie hier aufgeführt als Prüfungsfragen auftauchen. a) Seien u, v K n, dann ist (U u ) ij = δ ij + u i δ j, (U v ) ij = δ ij + v i δ j. Es folgt n+ n+ (U u U v ) ij = (U u ) ik (U v ) kj = (δ ik + u i δ k )(δ kj + v k δ j ) k= n+ k= n+ = δ ik δ kj + u i δ j v k δ k k= k= n+ n+ + u i δ k δ kj + δ j v k δ ik k= =δ ij + u i δ j + v i δ j wobei wir der Einfachheit halber u 0 = v 0 = 0 definieren. Folglich gilt ( ) 0 U u U v = = U u + v u+v I n k= Bitte wenden!
4 Die Gruppenoperation ist assoziativ, da Matrixmultiplikation assoziativ ist, und U 0 = I n+ ist ein neutrales Element in N. Die oben gefundene Formel impliziert Uv = U v. b) Falls n =, dann ist A = a = a für a K und dies ist eine LR-Zerlegung, wie gewünscht. Sei die Aussage wahr für quadratische Matrizen der Dimension n und sei nun A M (n+) (n+) (K). Angenommen A ist von der Form ( ) A w A = T 0 A mit A M n n (K), w K n und 0 der Nullvektor in K n. Nach Induktionsannahme existieren eine Permutationsmatrix P M n n (K), eine untere Dreiecksmatrix L M n n (K) mit Einsen auf der Diagonalen sowie eine obere Dreiecksmatrix R M n n (K), so dass P A = L R Sei P = ( 0 P 0 ) M (n+) (n+)(k), dann ist ( ) ( ) ( ) 0 A w P A = T A w 0 P 0 A = T 0 P A ( ) ( ) ( ) A w = T 0 A w 0 L R = T 0 L 0 R = LR, }{{}}{{} =:L =:R wobei R, L eine obere Dreiecksmatrix und eine untere Dreiecksmatrix mit Einsen auf der Diagonalen sind. Wenn A nicht von obiger Form ist, unterscheiden wir zwei Fälle. Wir betrachten zuerst den Fall A 0. Für jedes i n + können wir dann das A i /A -fache der ersten Zeile von A zur i-ten Zeile addieren. Nach jeder solchen Operation erhalten wir eine Matrix à mit der Eigenschaft Ãi = 0 und am Schluss also eine Matrix der gewünschten Form. Die beschriebene elementare Zeilenumformung ist gegeben durch die Matrix E i mit falls k = l (E i ) kl = A i /A falls k = i und l = 0 sonst Tatsächlich berechnet man n+ (E i ) kl = r= (E i ) kr }{{} =δ kr A i A δ ki δ r A rl Siehe nächstes Blatt!
5 { ( A i /A )A l + A il = A kl falls k = i sonst Da jedes E i N mit N die Gruppe aus Teilaufgabe (a), folgt also, dass ein Vektor v K n existiert, so dass ( ) A w U v A = T 0 A wie oben. Wir haben oben gezeigt, dass eine Permutationsmatrix P M n n (K), eine obere Dreiecksmatrix R M (n+) (n+) (K) und eine untere Dreiecksmatrix L M (n+) (n+) (K) mit Einsen auf der Diagonalen existieren, so dass ( ) 0 0 P U v A = LR Für das Produkt auf der linken Seite gilt ( ) ( ) ( ) ( ) P U v = 0 P = v I n P v P ( ) ( ) ( ) = P v 0 P = U P v 0 P I n und da U P v und auch die dazu inverse Matrix U P v untere Dreiecksmatrizen mit Einsen auf der Diagonalen sind, folgt ( ) 0 0 P A = U } P {{ vl R = L R } =:L wobei L eine untere Dreiecksmatrix mit Einsen auf der Diagonalen ist. Die Matrix ( 0 P 0 ) M (n+) (n+)(k) ist eine Permutationsmatrix, da alle Spalten genau eine Eins enthalten und somit folgt die Behauptung. Es bleibt, den Fall A = 0 zu betrachten. Falls A i = 0 für alle i n+, dann sind wir im eingangs betrachteten Fall und die Behauptung ist bereits bewiesen. Wir können also annehmen, dass ein < i n + existiert, so dass A i 0. Indem wir die Zeilen und i vertauschen, können wir garantieren, dass der Eintrag oben links von null verschieden ist. Diese Vertauschung entspricht der Linksmultiplikation von A mit der Matrix P gegeben durch e i falls j = P (j) = e falls j = i sonst e j Bitte wenden!
6 wobei (e,..., e n+ ) die geordnete Standardbasis von K n+ ist. Tatsächlich ist P kl = δ ki δ l + ( δ k )( δ ki )δ kl + δ k δ il und folglich ( P n+ A) kl = P kr A rl r= =δ ik n+ n+ δ r A rl +( δ k )( δ ki ) δ kr A rl r= } {{ } A l r= } {{ } A kl =δ ik A l + ( δ k )( δ ki )A kl + δ k A il A il falls k = = A l falls k = i sonst A kl +δ k n+ δ ir A rl r= } {{ } A il Die Matrix P A erfüllt ( P A) 0 und somit reduziert sich das Problem auf die vorangehende Situation: Wir wissen, es existieren P, L, R M (n+) (n+) (K), so dass P ( P A) = LR, wobei P eine Permutationsmatrix, R eine obere Dreiecksmatrix und L eine untere Dreiecksmatrix mit Einsen auf der Diagonalen sind. Ähnlich wie oben zeigt man, dass Rechtsmultiplikation mit P die erste und die i-te Spalte vertauschen. Also ist P := P P eine Permutationsmatrix und somit ist die Aussage bewiesen mit P A = LR. ( ) 0 c) Die LR-Zerlegung ist nicht eindeutig, wie das folgende Beispiel mit A = 0 0 zeigt: P A = = = L R P A = = 0 0 = L R Wenn wir die Matrix A mit dem Beweis in Teilaufgabe (b) vergleichen, sehen wir, dass wir uns in der Situation A = 0 befinden. Tatsächlich wurde dieses Beispiel konstruiert, indem wir im einen Fall zu Beginn die erste und die zweite, und im zweiten Fall zu Beginn die erste und die dritte Zeile vertauscht haben. Dies führt uns zu folgender falscher Vermutung: Angenommen P = I n, dann ist die LR-Zerlegung eindeutig. Siehe nächstes Blatt!
7 ( ) 0 Ein Gegenbeispiel ist schnell gefunden: Betrachte die Matrix A = 0 0 0, dann ist A bereits eine obere Dreiecksmatrix und die LR-Zerlegung ist mit P = I 3 möglich. Es gilt aber: = A = und somit ist die Zerlegung nicht eindeutig. Dieser Fall fängt das Problem im Wesentlichen ein. Proposition: Sei A M n n (K) invertierbar und sei (P, L, R) eine LR-Zerlegung wie oben, dann ist (P, L, R) durch P oder R eindeutig bestimmt. Beweis. Wir zeigen zuerst, dass aus der Invertierbarkeit von A die Invertierbarkeit von P, L, R folgt. Zuerst zu P : Jede Permutationsmatrix ist invertierbar, da per definitionem die Spalten genau die Vektoren der Standardbasis von K n sind und die Permutationsmatrix somit vollen Rang besitzt. Damit können wir die Invertierbarkeit von L und R zeigen. Mit P A = LR und P, A invertierbar, ist auch LR invertierbar. Folglich ist L L L R = L LR : K n K n bijektiv und darum sind L L surjektiv bzw. L R injektiv. Da L L, L R End(K n ), sind L L, L R invertierbar und folglich sind L, R invertierbar. Wir zeigen nun, dass L und R durch A und P vollständig bestimmt sind. Seien L, R und L, R so gegeben, dass (P, L, R) und (P, L, R ) zwei LR-Zerlegungen von A sind, d.h. LR = P A = L R Wegen der Invertierbarkeit folgt, dass (L ) L = R R. Da das Produkt von unteren Dreiecksmatrizen mit Einsen auf der Diagonalen und auch die Inverse untere Dreiecksmatrizen mit Einsen auf der Diagonalen sind, und da ebenso das Produkt von oberen Dreiecksmatrizen und (soweit sie existieren) auch die Inverse obere Dreiecksmatrizen sind, ist (L ) L = R R sowohl eine obere, als auch eine untere Dreiecksmatrix mit Einsen auf der Diagonalen, also die Identität. Also ist R = (R ) bzw. R = R und analog L = L. Wir zeigen noch den zweiten Fall, dass L und P durch A und R vollständig bestimmt sind. Seien (P, L, R) und (P, L, R) zwei LR-Zerlegungen der invertierbaren Matrix A. Dann ist L P A = R = (L ) P A und wegen der Invertierbarkeit von A folgt L(L ) = P (P ) Bitte wenden!
8 Das Produkt zweier Permutationsmatrizen und auch die Inversen von Permutationsmatrizen sind Permutationsmatrizen und folglich ist P (P ) eine Permutationsmatrix, die auch eine untere Dreiecksmatrix ist, also die Identität. Es folgt P = P und folglich auch L = L. Insbesondere wird also die falsche Behauptung gültig, wenn wir zusätzlich noch annehmen, dass die Matrix A invertierbar ist. Es bleibt eine Matrix A anzugeben, die zwei LR-Zerlegungen (P, L, R) sowie (P, L, R ) für verschiedene Permutationsmatrizen P, P sowie verschiedene obere Dreiecksmatrizen R, R besitzt. Betrachte hierfür die Matrix A = ( 0 ), dann gelten: ( ) ( ) ( ) ( ) P A = = = L 0 0 R ( ) ( ) ( ) I A = A = = = L 0 R d) Für P = I 5 erhält man = Hierfür geht man wie folgt vor: A = Z Z Z 3 Z Z 4 Z Z 5 Z Z 3 Z Z 4 Z Z 5 Z Z 4 Z 3 Z 5 Z Siehe nächstes Blatt!
9 Z 5 Z =: R Wir haben gezeigt, dass A = R }{{} =:L und also ist A = LR mit L = = e) Im Unterschied zur LR-Zerlegung müssen wir uns hier nicht darum kümmern, die Permutationsmatrizen auf einer Seite zu sammeln. Wir machen wieder eine Induktion über die Anzahl Zeilen von A M m n (R). m = : Falls A = 0, dann ist nichts zu beweisen. Sei also A 0, dann existiert j n minimal, sodass A j 0. Wir multiplizieren die erste (und einzige) Zeile von A mit /A j, dann ist der erste von null verschiedene Eintrag in der ersten Zeile von A eine. Da A genau eine Zeile besitzt, ist A danach in Zeilenstufenform. m m + : Angenommen die Aussage stimmt für Matrizen B M m n (K). Sei A M (m+) n (K), dann ist ( ) B A = v T mit B M m n (K) und v K n. Nach Induktionsannahme existiert eine endliche Folge elementarer Zeilenumformungen, so dass B B in Zeilenstufenform, d.h. es gibt C M m n (K) ein endliches Produkt von Elementarmatrizen, so dass CB in Zeilenstufenform ist. Die Matrix C := ( C 0 0 ) Bitte wenden!
10 ist ebenfalls ein Produkt von Elementarmatrizen, und folglich existiert eine endliche Folge elementarer Zeilenumformungen, die A in A = ( ) B v überführt, so dass B in Zeilenstufenform ist, was wir von nun an annehmen. T Sei j n minimal, so dass v j 0, d.h. der erste von null verschiedene Eintrag von v ist der Eintrag an der Stelle j. Wir müssen zwei Fälle unterscheiden: Entweder ist die Spalte j eine Pivotspalte von B, oder j ist keine Pivotspalte von B. Falls j eine Pivotspalte von B ist, dann existiert ein Vielfaches einer Zeile von B, sagen wir λb (i), so dass (v T + λb (i) ) k = 0 für k j. Wir wenden die entsprechende Zeilenumformung an und fahren ebenso fort, so dass wir nach endlich vielen Schritten entweder in der Situation sind, dass v = 0, oder das minimale j mit v j 0 ist keine Pivotspalte von B. Falls v = 0, dann ist nichts zu zeigen. Wir nehmen also an, dass das minimale j n mit v j 0 nicht einer Pivotspalte von B entspricht. Wir multiplizieren also die m + -te Zeile von A mit v j, so dass der relevante Eintrag den Wert annimmt. Wir formalisieren jetzt folgende Überlegung: Wir vertauschen die Zeile m+ Schritt für Schritt mit der darüberliegenden Zeile und bewegen sie in der Matrix hoch, so lange wie j kleiner ist, als der Index der Pivotspalte in der darüberliegenden Zeile. Danach eliminieren wir mittels elementarer Zeilenumformungen alle Einträge in den Pivotspalten, und gehen dabei von links nach rechts die Pivotspalte durch, so dass korrigierte Spalten durch von späteren Operationen unberührt bleiben. Sei hierfür I : {,..., m + } {,..., n} { } die Funktion I(i) := min{k N A ik 0} ( i m + ) d.h. I(i) ist die erste Spalte, die in Zeile i einen von null verschiedenen Eintrag hat. Wir verwenden die Konvention min :=, d.h. wenn die i-te Zeile eine Nullzeile ist, dann ist I(i) =. Insbesondere ist die erste Nullzeile von A die Zeile i 0 := min{ i m + I(i) = }. Falls i 0 <, dann besitzt A eine Nullzeile und wir vertauschen Zeilen m+ und i 0, so dass wir im Folgenden annehmen können, dass ( ) B A = 0 mit B M m n (K). Nach Induktionsannahme können wir B mittels elementarer Zeilenumformungen in Zeilenstufenform überführen und wenn B in Zeilenstufenform ist, dann ist auch ( B 0 ) in Zeilenstufenform und somit ist die Aussage bewiesen. Sei nun also i 0 =, d.h. A besitzt keine Nullzeilen. Nach Annahme sind die Werte I(i) für verschiedene i m + paarweise verschieden und Siehe nächstes Blatt!
11 A ii(i) = für alle i. Wir vertauschen nun mit elementaren Zeilenumformungen die Zeilen von A, so dass gilt Da nach Annahme A von der Form i < i I(i) < I(i ) ( i m + ) A = ( ) B v T mit B M m n (K) in Zeilenstufenform ist, bestimmen wir hierfür die erste Zeile i mit I(i ) I(n + ). Falls i = n +, dann sind die Zeilen von A bereits in der richtigen Ordnung. Ansonsten wenden wir die Zeilenvertauschungen Z i Z i+ iterativ für i = n bis und mit i = i an. Mit A in dieser Form, bemerken wir, dass das einzige noch zu behebende Problem ist, dass die Einträge oberhalb einer Pivotstelle nicht alle 0 sein müssen. Für i m + addieren wir nun für k < i das A ki(i) -fache der i-ten Zeile zur k-ten Zeile und setzen damit iterativ diese Einträge alle gleich null. Die resultierende Matrix hat Zeilenstufenform. 3. Die Koeffizientenmatrix des LGS ist A = a) In der Notation der letzten Serie finden wir Z 3Z Z 3 4Z Z A 4 Z Z 3 Z Z 4 Z Z Sie werden in der Algebra lernen, dass sich jede Permutation einer endlichen Menge als Komposition paarweiser Vertauschungen schreiben lässt. Bitte wenden!
12 Z +4Z =: A Da wir A mittels elementarer Zeilenumformungen aus A erhalten haben, existiert eine invertierbare Matrix F GL 4 (R) mit A = F A und wir erhalten also Ker(L A ) = Ker(L A ), was in Serie 0 gezeigt wurde. Somit sind die linearen Gleichungssysteme Ax = 0 und A x = 0 äquivalent und es reicht Ker(L A ) zu bestimmen. Da Rang(A ) =, wissen wir nullity(l A ) =. Man überprüft, dass S := v := 3 0 0, v := 5 0 Ker(L A ) S ist sicherlich linear unabhängig, so dass Ker(L A ) = span{v, v }. b) Es wurde in der Vorlesung gezeigt, dass {x R 4 Ax = b} = {s} + {x R 4 Ax = 0} für jede Lösung As = b. Unter Verwendung von Teilaufgabe müssen wir also nur eine Lösung As = b für b = (9, 3, 6, ) T. Wir verwenden wieder die Tatsache, dass für beliebige C GL 4 (R) ein Vektor s R 4 genau dann eine Lösung von Ax = b ist, wenn s eine Lösung von (CA)x = Cb ist. Wir berechnen Z 3Z Z 3 4Z Z (A b) 4 Z Z 3 Z Z 4 Z Z Z +4Z =: (A b ) Siehe nächstes Blatt!
13 Der Vektor s = ( 3, 0, 3, 0) T ist eine Lösung von A s = b und folglich ist {x R 4 Ax = b} = t 0 + t 0 t, t R 0 0 Bemerkung: Man beachte, dass man die Matrix (A b) zuerst auf Zeilenstufenform bringen und dann sowohl die homogene Lösung als auch die spezielle Lösung ablesen könnte, und also die Rechnung nur einmal durchführen müsste. 4. a) Sei A = (v, v, v 3, v 4 ) T = Wir lösen nun das homogene Gleichungssystem Ax = 0. Angenommen, wir kennen eine Lösung s dieses Gleichungssystems, dann ist per definitionem s T v j = (v T j s) T = v T j s = 0 ( j 4) und also ist W {x R 4 s T x = 0}. Falls s eine nicht-triviale Lösung von Ax = 0 ist, dann ist dim Ker(L s T ) = 3 und falls dim W = 3, dann folgt W = {x R 4 s T x = 0}. Hierzu bestimmen wir zu Beginn die Dimension von W, bzw. den Rang der Matrix B = A T mit B (j) = v j. Wegen Rang(A T ) = Rang(A), können wir stattdessen den Rang von A bestimmen. A = Z 3 Z Z 4 Z Bitte wenden!
14 Z Z 3 Z 3 +Z und folglich ist tatsächlich dim W = 3. Man sieht, dass s := (,,, ) T eine nicht-triviale Lösung ist, wie oben gewünscht. b) Wir bestimmen den Rang von A = (v, v, v 3 ), B = (v, v, v 4 ), C = (v, v 3, v 4 ) sowie D = (v, v 3, v 4 ): 0 Z Z 0 0 Z A = Z Z 4 Z Z 3+Z Rang(A) = Z Z Z B = 0 3 Z Z 4 Z Z 3+Z Rang(B) = Z Z 0 0 Z C = 4 3 Z Z Z 4 Z 0 Z 3 Z 4 Z Rang(C) = Z 4Z 0 0 D = 0 4 Z Z 3+Z Z Z 4 3Z Rang(D) = Da ( 4 3) = 4, sind {v, v, v 3 }, {v, v, v 4 } und {v, v 3, v 4 } alle Basen von W aus Elementen in {v, v, v 3, v 4 }. 5. Falls b = 0, dann ist B = ai 4. Falls auch a = 0, dann ist also B = 0 in Zeilenstufenform, ansonsten multiplizieren wir jede Zeile von B mit a und führen B in I 4 über. Letztere ist in Zeilenstufenform. Sei also b 0. Siehe nächstes Blatt!
15 a = 0 : Wir berechnen b 0 b 0 0 b 0 b 0 b 0 b b 0 b 0 b 0 b 0 0 b 0 b b Z 0 0 b Z B Z Z Z 3 Z Z 4 Z und letztere ist in Zeilenstufenform. a 0 : Wir berechnen a b 0 b b b 0 a B = b a b 0 a Z 0 b a b b a b 0 0 b a b b 0 b a b 0 b a Z bz Z 4 bz b b 0 a a 0 a b b b a a 0 b a b Z Z 4 b b 0 a a 0 a 0 a 0 b a b Z b a Z 0 b b a b a a b b 0 a a a Z b a b 0 b b a b a a b b 0 a a a Z b a 0 0 b a b a 0 0 b a b a a 4 b a Z 3 bz Z 4 + b a Z Z 4 bz 3 0 b b a b a a b b 0 a a a b 0 0 b a b a b b 0 a a b a a 4 b a Bitte wenden!
16 Falls a = 4b, dann sind wir fertig. Ansonsten berechnen wir weiter B a a 4b Z b a b a Z b a Z 4 Z +Z 4 Z 3 b a Z
Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Gegeben seien die folgenden geordneten Basen B = (v, v, v, v ) und C = (w, w,
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr. Meike Akveld Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung 1. In dieser Aufgabe beweisen wir die Existenz der LR-Zerlegung einer quadratischen
MehrLösung Serie 10: Elementare Zeilenumformungen & Elementarmatrizen, Rang & Inverse einer Matrix
D-MATH/D-PHYS Lineare Algebra I HS 26 Dr. Meike Akveld Lösung Serie : Elementare Zeilenumformungen & Elementarmatrizen, Rang & Inverse einer Matrix. a) Sei w ImT + T 2 ), dann existiert ein v V, so dass
MehrSerie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:
Lineare Algebra D-MATH, HS 214 Prof Richard Pink Serie 5 1 [Aufgabe] Invertieren Sie folgende Matrizen über Q: 1 a) 1 1 1 1 1 2 1 1 1 b) 1 2 1 1 1 1 2 1 1 1 1 2 1 2 3 1 c) 1 3 3 2 2 1 5 3 1 2 6 1 [Lösung]
MehrLösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung
D-MATH Lineare Algebra I/II HS 07/FS 08 Dr Meike Akveld Lösung 3: Sylvesters Trägheitssatz & Singulärwertzerlegung Wir wissen, dass eine Basis B von R n existiert, sodass p [β Q ] B I I q 0 n p q gilt
MehrLösung Serie 13: Determinanten (Teil 2)
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr Meike Akveld Lösung Serie 13: Determinanten (Teil 2 1 a Wir zeigen die gewünschten Eigenschaften: 1 Es ist 2 Es ist ε(τ σ ε(id ( ε(σ id(j id(i τ(σ(j τ(σ(i ( τ(σ(j
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
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
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
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 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
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrLösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen
D-MATH Lineare Algebra II FS 7 Dr. Meike Akveld Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen. a) Wegen der Linearität im ersten Argument gilt sicherlich w S :, w =. Somit ist S und
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
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
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,
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
MehrLösung Lineare Algebra I Sommer 2018 Version A
Lösung Lineare Algebra I Sommer 208 Version A. (25 Punkte) Kreuzen Sie direkt auf dem Abgabeblatt an, ob die Behauptungen oder sind. Sie müssen Ihre Antworten nicht begründen! Bewertung: Punkt für jede
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
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
Mehrbekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR
LR-Zerlegung bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR Definition 2.17 Unter einer LR-Zerlegung einer Matrix A R n n verstehen wir eine
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
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?
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 2, 207 Erinnerung Definition. Ein Skalarprodukt ist eine Abbildung, : E n E n E, v, w v, w = n k= v
MehrDreiecksmatrizen. Die Treppennormalform
Dreiecksmatrizen. Die Treppennormalform Lineare Algebra I Kapitel 4-5 8. Mai 202 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 4-6 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
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
MehrLineare Algebra. 2. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 6, 017 1 Erinnerung: Lineare Gleichungssysteme LGS Der allgemeine Fall hat m lineare Gleichungen, n
MehrHeinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Zwölfte Woche, Rang(f) := dim Bild(f).
Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 204 Lineare Algebra Zwölfte Woche, 256204 8 Der Rang einer Linearen Abbildung Auch in diesem Abschnitt
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
Mehr6 Lineare Gleichungssysteme
6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α
MehrD-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld. Clicker Fragen
D-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld Clicker Fragen Frage 1 Die Aussage Dieser Satz ist falsch ist wahr falsch Dies ist die einfachste Form des Lügner-Paradoxes ist der folgende selbstbezügliche
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
MehrLösung zu Serie 9. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 9 1. [Aufgabe] Sei f : V W eine lineare Abbildung. Zeige: a) Die Abbildung f ist injektiv genau dann, wenn eine lineare Abbildung g :
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 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
MehrInvertierbarkeit von Matrizen
Invertierbarkeit von Matrizen Lineare Algebra I Kapitel 4 24. April 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
MehrNumerik für Informatiker und Bioinformatiker. Daniel Weiß
Numerik für Informatiker und Bioinformatiker Daniel Weiß SS 202 Folgende Literatur bildet die Grundlage dieser Vorlesung: P Deuflhard, A Hohmann, Numerische Mathematik, Eine algorithmisch orientierte Einführung,
Mehr6.2 Rechnen mit Matrizen
62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
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
Mehra 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A =
3 Determinanten Man bestimmt Determinanten nur von quadratischen Matrizen Wir werden die Berechnung von Determinanten rekursiv durchfuhren, dh wir denieren wie man eine 2 2-Determinante berechnet und fuhren
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)
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
Mehr3 Lineare Gleichungssysteme
3 Lineare Gleichungssysteme 3 Fortsetzung des Matrizenkalküls Als erstes beweisen wir einen einfachen Satz über den Rang von Matrizenprodukten Satz 3 (a) Für Matrizen A : Ã l m, B : Ã m n gilt rang AB
MehrLineare Algebra I, Musterlösung zu Blatt 9
Lineare Algebra I, Musterlösung zu Blatt 9 Wintersemester 2007/08 1. Untersuchen Sie, ob die folgenden Matrizen invertierbar sind und bestimmen Sie gegebenenfalls die Inverse. 8 1 3 1 a) A = 3 3 1 1 11
Mehr2.5 Smith-Normalform für Matrizen über Euklidischen Ringen
2.5. SMITH-NORMALFORM FÜR MATRIZEN ÜBER EUKLIDISCHEN RINGEN73 2.5 Smith-Normalform für Matrizen über Euklidischen Ringen Bemerkung 2.74. Sei K ein Körper und A K n m, b K n 1. Das lineare Gleichungssystem
MehrSommer 2017 Musterlösung
Sommer 7 Musterlösung. (5 Punkte) a) Sei V ein Vektorraum über K und sei T End(V ). Geben Sie die Definition eines Eigenwertes von T und zeigen Sie für endlichdimensionales V, dass λ K genau dann ein Eigenwert
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
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:
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
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
MehrMusterlösung Serie 8
D-MATH Lineare Algebra I HS 018 Prof. Richard Pink Musterlösung Serie 8 Dimension, Direkte Summe & Komplemente 1. Zeige: Für jedes Erzeugendensystem E eines Vektorraums V und jede linear unabhängige Teilmenge
MehrÜbungen zur Linearen Algebra 1 Probeklausur Musterlösung: Aufgabe A
Musterlösung: Aufgabe A Wir betrachten die Matrix A = 1 4 1 1 3 1 4 5 2 M(3 3, Q) und die dazugehörige Abbildung f : Q 3 Q 3 ; v A v. Für j = 1, 2, 3 bezeichne v j Q 3 die j-te Spalte von A. Teilaufgabe
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 7 Was die Menschen verbin, ist nicht der Glaube, sondern der Zweifel Peter Ustinow Universelle Eigenschaft der
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R. Käppeli L. Herrmann W. Wu Herbstsemester 2016 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6.1 Berechnen Sie die Determinanten der beiden
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
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 95 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrIV.3. RANG VON MATRIZEN 81
IV3 RANG VON MATRIZEN 8 Ist b,,b n eine Basis des reellen Vektorraums V, dann bildet b,,b n auch eine Basis des komplexen Vektorraums V C Mit V ist daher auch V C endlichdimensional und es gilt dim C V
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
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
Mehr17. Das Gauß-Verfahren
7 Das Gauß-Verfahren 95 7 Das Gauß-Verfahren Nachdem wir jetzt viele Probleme der linearen Algebra (z B Basen von Vektorräumen zu konstruieren, Morphismen durch lineare Abbildungen darzustellen oder den
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
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 0 Olga Holtz MA 378 Sprechstunde Fr 4-6 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do -4 und nv jokar@mathtu-berlinde Kapitel Die Determinante
Mehr2.3 Lineare Abbildungen und Matrizen
2.3. LINEARE ABBILDUNGEN UND MATRIZEN 89 Bemerkung Wir sehen, dass die Matrix à eindeutig ist, wenn x 1,...,x r eine Basis ist. Allgemeiner kann man zeigen, dass sich jede Matrix mittels elementarer Zeilenumformungen
MehrLösung 7: Lineare Abbildungen: Kern, Bild, Rang und Darstellung durch Matrizen
D-MATH Lineare Algebra I HS 2017 Dr. Meike Akveld Lösung 7: Lineare Abbildungen: Kern, Bild, Rang und Darstellung durch Matrizen 1. a) Seien v 1, v 2 V, λ K, dann sind Also ist id V linear. b) Seien v
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
MehrCopyright, Page 1 of 5 Die Determinante
wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist
Mehr7 Matrizen über R und C
$Id: matrix.tex,v. 0/0/0 5:7:7 hk Exp $ 7 Matrizen über R und C 7. Inverse Matrizen und reguläre lineare Gleichungssysteme In der letzten Sitzung hatten wir eine quadratische Matrix A regulär oder invertierbar
MehrLösungsskizze zur Wiederholungsserie
Lineare Algebra D-MATH, HS Prof. Richard Pink Lösungsskizze zur Wiederholungsserie. [Aufgabe] Schreibe die lineare Abbildung f : Q Q 5, x +x +x x x +x +6x f x := x +x +8x x x +x +x. x +x +5x als Linksmultiplikation
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
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,...,
MehrKapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen
MehrAufgaben zu Kapitel 16
Aufgaben zu Kapitel 16 1 Aufgaben zu Kapitel 16 Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
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
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
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2 Olga Holtz MA 378 Sprechstunde Fr 4-6 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 2-4 und nv jokar@mathtu-berlinde Kapitel 4 Der
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
MehrBeweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt.
82 Kapitel III: Vektorräume und Lineare Abbildungen Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt. Wir
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
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrLösung 13: Unitäre Vektorräume und normale Abbildungen
D-MATH Lineare Algebra II FS 2017 Dr. Meike Akveld Lösung 13: Unitäre Vektorräume und normale Abbildungen 1. a) Im Folgenden sei γ : V V C die Abbildung γ(v, w) v + w 2 v w 2 i v + iw 2 + i v iw 2. : Wir
MehrD-Math/Phys Lineare Algebra I HS 2016 Dr. Meike Akveld. Clicker Fragen. Sei R die Menge aller Mengen, die sich nicht selbst enthalten.
D-Math/Phys Lineare Algebra I HS 2016 Dr. Meike Akveld Clicker Fragen Frage 1 Sei R die Menge aller Mengen, die sich nicht selbst enthalten. So gilt R R R / R Dies ist bekannt als die Russelsche Antimonie
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
MehrLineare Algebra I Winter 2018 (Lösung)
Lineare Algebra I Winter 208 (Lösung). (25 Punkte) Kreuzen Sie direkt auf dem Abgabeblatt an, ob die Behauptungen WAHR oder FALSCH sind. Sie müssen Ihre Antworten nicht begründen! Bewertung: Punkt für
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
Mehr10. Übung zur Linearen Algebra I -
. Übung zur Linearen Algebra I - en Kommentare an Hannes.Klarner@FU-Berlin.de FU Berlin. WS 29-. Aufgabe 37 i Für welche α R besitzt das lineare Gleichungssystem 4 αx + αx 2 = 4x + α + 2x 2 = α genau eine,
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
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
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10
D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler Lösungen Serie 10 1. Für a 1 : 1 1 0, a 2 : 1 1, a 3 : 1 1 1, b : 2 2 2 1 und A : (a 1, a 2, a 3 ) gelten welche der folgenden Aussagen? (a) det(a)
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 006/07 en Blatt 3.0.006 Einführung in die Matrizenrechnung Zentralübungsaufgaben
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
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 +
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 +
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
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
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
Mehr