D-INFK Lineare Algebra HS 2018 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8
|
|
- Claus Fuhrmann
- vor 5 Jahren
- Abrufe
Transkript
1 D-INFK Lineare Algebra HS 28 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 8. Kern von A: Die Spalten der Matrix A sind Vielfache voneinander, also sind sie linear abhängig und A hat Rang. Somit hat das Bild von A Dimension. Aus dem Dimensionssatz für Matrizen folgt, dass der Kern von A Dimension haben muss. Wir bestimmen den Kern von A, in dem wir drei linear unabhängige Vektoren x suchen, welche Ax = erfüllen. Man bringt A in Zeilenstufenform Z: Z = ( ) 2 4. Dann folgt Ker(A) = span 2, 4, Bild von A: Wie vorher bemerkt, sind die Spalten von A linear abhängig, und das Bild hat deswegen Dimension : {( )} Im(A) = span. 2 Kern von A T : Wir bemerken wieder, dass die Spalten von A T linear abhängig sind und das Bild der Matrix deswegen Dimension hat. Aus dem Dimensionssatz für Matrizen folgt, dass dim Ker(A T ) =. Man bringt A T in Zeilenstufenform: 2 Z = Wir finden Bild von A T : Ker(A T ) = span {( )} 2. Bitte wen!
2 Wie vorher bemerkt, hat das Bild der Matrix Dimension, da die Spaltenvektoren linear abhängig sind: Im(A T ) = span 2 4. Kern von B: Die Zeilenstufenform von B ist: B hat Rang 2. Ker(B) hat Dimension : 2 4 Z = Ker(B) = span 4. Bild von B: Die. und die. Spalte von B sind linear abhängig. Also lässt sich das Bild von B mit der. und 2. Spalte beschreiben, 2 Im(B) = span 2, 5. Kern von B T : Man bringt B T in Zeilenstufenform: 2 Z = Wir sehen, dass die Spalten von B T linear abhängig sind und da dim Im(B T ) = 2, muss dim Ker(B T ) = sein. Wir wählen zum Beispiel Ker(B T ) = span. Bild von B T : Im(B T ) = span 2 2, Siehe nächstes Blatt!
3 2. a) Die lineare Abbildung F : R 5 R 4 lässt sich als x Ax = x x 2 x x 4 x 5 = y y 2 y y 4 = y schreiben, wobei wir die Vektoren als Spalten einer Matrix A verwet haben. b) Wie im Kapitel 5. des Skripts gezeigt, sind alle benötigten Informationen in der Zeilenstufenform R einer Matrix direkt ablesbar Die Dimension des Definitionsraums ist n = 5 und der Rang der Abbildung ist r =. Somit ist die Dimension des Bildes dim Im A = und wir können mit der Dimensionsformel die Dimension des Kerns der Matrix A bestimmen dim ker A = n r = 5 = 2. c) Als Basis für das Bild Im A nehmen wir die Pivotkolonnen (in ihrer ursprünglichen Form), also die ersten drei Kolonnen von A 5 2 Im A = span 2, 5, Die Pivotkolonnen sind linear unabhängig und spannen somit den drei-dimensionalen Bildraum auf. Allgemeiner spannen beliebige drei linear unabhängige Kolonnen von A den Bildraum auf. Man beachte auch, dass Kolonnen von A genau dann linear abhängig (oder unabhängig) sind, wenn dasselbe für die entsprechen Kolonnen von R gilt. Eine einfache Basis des Kerns erhalten wir dadurch, dass wir jeweils eine der freien Variablen x 4 und x 5 auf setzen und die andere auf. Dann werden die restlichen Variablen x, x 2 und x so bestimmt, dass wir eine Lösung des homogenen Systems Ax = erhalten, d.h. ein Element des Kerns. Für x 4 =, x 5 = erhalten wir: x = 8 8 = x 2 = x = 2 = Bitte wen!
4 Für x 4 =, x 5 = erhalten wir: x = 8 8 = x 2 = x = = Somit erhalten wir für den Kern ker A die Basis ker A = span, d) Mit Satz 5.9 aus dem Skript wissen wir, dass die allgemeine Lösung als Summe einer speziellen Lösung des inhomogenen Systems und der allgemeinen Lösung des homogenen Systems geschrieben werden kann. Eine spezielle Lösung für das inhomogene System Ax = b lässt sich finden, indem auch die rechte Seite bei der Umformung in Zeilenstufenform berücksichtigt wird. Man erhält und somit eine spezielle Lösung x = (,,,, ). Die allgemeine Lösung lautet L b = +, Siehe nächstes Blatt!
5 . a) Der Kern von F wird durch die Menge der Matrizen A gebildet, die auf die Nullmatrix abbilden F (A) =. Wir sehen, dass 2 (A+AT ) = ist, nur falls A = A T oder A = A T. Dies ist genau die Definition der schiefsymmetrischen Matrizen. dim Ker(F ) = (n ) = 2n(n ), da die Diagonale einer schiefsymmetrischen Matrix nur Nullelemente enthält und nur die Hälfte der anderen Elemente frei wählbar sind. b) Wir sehen, dass F (A) = 2 (A + AT ) alle Matrizen A auf eine symmetrische Matrix abbilden, da A+A T = (A+A T ) T. Jetzt müssen wir noch zeigen, dass alle symmetrischen reellen n n-matrizen B auch als eine Summe in der Form 2 (A+AT ) dargestellt werden können: B = 2 B + 2 B = 2 (B + B) = 2 (B + BT ). Damit ist das Bild von F der vollständige Raum der reellen symmetrischen Matrizen. Wir haben dim Im(F ) = 2 n(n+), da die Diagonale und die Hälfte der restlichen Elemente (z.b. obere Dreiecksmatrix) frei wählbar sind. c) Wir bezeichnen mit E ij eine reelle n n-matrix mit einer in der i-ten Spalte und der j-ten Kolonne und Nullen überall sonst. Damit können wir nun eine Basis des Bildes von F beschreiben (symmetrische Matrizen) als span {E ii (E ij + E ji ) i<j } für alle i, j {,..., n}. Eine mögliche Basis des Kerns von F (schiefsymmetrische Matrizen) ist dann span {(E ij E ji ) i<j }.s 4. Bonusaufgabe a) Da beide Vektoren in der Ebene E liegen, müssen diese auch die Gleichung ( ) x( ) 2y = z erfüllen. Damit wählen wir für x, y zwei linear unabhängige Paare, und erhalten damit zwei linear unabhängige Vektoren in der Ebene. b = b 2 = 2 2 = = Der Normalenvektor n kann direkt von den Koeffizienten der Gleichung für die Ebene abgelesen werden und ist n = 2. b) Wir haben mit b, b 2 zwei linear unabhängige Vektoren die zu n orthogonal sind: 2 b, n = + 2 = b 2, n = = und somit auch linear unabhängig. Da sie ganz R aufspannen, bilden sie eine Basis von R. Bitte wen!
6 c) Wir betrachten nun, was die Spiegelung an der Ebene mit den drei Basisvektoren b, b 2, n genau macht. Wir sehen, dass b und b 2 gerade auf sich selbst abgebildet werden, da sie in der Ebene liegen und dass der Normalenvektor invertiert wird: [F (b )] B = [b ] B = [F (b 2 )] B = [b 2 ] B = [F (n)] B = [ n] B = Daraus ergibt sich die folge einfache Abbildungsmatrtix für F in der Basis B: Mat(F, B, B) = F B =. d) Die Abbildungsmatrix F im Bezug zur Standardbasis ist geben durch F E = TF B T, wobei T die Koordinatentransformation zwischen B und E ist: T = Mat(id, B, E) = ( ) [b ] E [b 2 ] E [n] E = 2. 2 e) Die Spiegelung an einer Ebene kann mit folger Abbildung beschrieben werden: n, x F (x) = x 2 n, n n. Dabei nutzen wir die Projektion des Vektors x auf die Normale n der Ebene E und ziehen diese von x zwei mal ab. Das ergibt einen an der Ebene gespiegelten neuen Vektor. Siehe nächstes Blatt!
7 5. a) function d = poldim(u) d=find(u ~=,, last ); if (numel(d) == ) d=; function [u,d] = poltruncate(u) % Truncates the representation by dropping off zeros at the % Every nonzero polynomial of degree d- is represented as an n x -matrix % with n >= d. Here, we drop the zeros in the postions d+,...,n % The zero polynomial is represented by the empty x -matrix return d=poldim(u); u=u(:d); u=u(:); % if it s of size x, we reshape it into a x -matrix function [u,d] = polext(u,d) % Exts the representation by adding zeros at the, % in the entries d+,...,d return d=poldim(u); u=[u(:d);zeros(d-d,)]; function deg = poldegree(u) deg=poldim(u)-; if (deg == -) deg = ; function w = polsum(u,v) [u,du]=poltruncate(u); [v,dv]=poltruncate(v); D=max(du,dv); u=polext(u,d); v=polext(v,d); w=u+v; w=poltruncate(w); function w = polscalarmult(u,a) w=a*u; Bitte wen!
8 w=poltruncate(w); function w = poldiff(u) d=poldim(u); if (d <= ) w=zeros(,); return w=u(2:d).*(:d-) ; function w = polprod(u,v) I=polDim(u); J=polDim(v); w=zeros(i+j-,); for i=:i- for j=:j- w(i+j+)=w(i+j+)+u(i+)*v(j+); b) Die Vektoren u und v repräsentieren die Polynome Pu und Pv, die durch (Pu) (x) = 2x 2 + und (Pv) (x) = 2x 4 x + x 2 2x + für alle x definiert werden. >> u=[; ; 2; ]; >> v=[; -2; ; -; 2]; >> poldegree(u) ans = 2 >> polsum(u,v) ans = >> polscalarmult(u,-) ans = -9-6 >> poldiff(v) Siehe nächstes Blatt!
9 ans = >> polprod(u,v) ans = Multiple-Choice-Aufgaben. Seien V, W lich dimensionale Vektorräume über einem Körper K. Sei F : V W eine lineare Abbildung und (v,..., v n ) eine Basis von V. Dann gilt: (a) F (v ),..., F (v n ) sind linear unabhängig, wenn F surjektiv ist (b) F (v ),..., F (v n ) sind linear unabhängig, wenn F injektiv ist (c) F (v ),..., F (v n ) bilden ein Erzeugensystem, wenn F surjektiv ist (d) F (v ),..., F (v n ) bilden ein Erzeugensystem, wenn F injektiv ist (e) F (v ),..., F (v n ) bilden eine Basis genau dann, wenn F ein Isomorphismus ist. Bitte wen!
10 2. Sei A R m n so, dass Ax = nur die triviale Lösung hat. Dann gilt: (a) dim Im(A) = n (b) dim Im(A) = (c) dim Ker(A) = (d) dim Ker(A) = Der Kern von A ist genau die Lösungsmenge des Gleichungssystems Ax =. Da Ax = nur die triviale Lösung hat, gilt dim Ker(A) =. Weiter gilt Daher gilt dim Im(A) = n. dim Ker(A) + dim Im(A) = n. {( ) ( )}. Der Vektor v R 2 2 habe bezüglich der Basis B :=, die Koordinaten 2 2 (, ). Die Koordinaten bezüglich der Standardbasis sind... (a) (.5, ) (b) (, ) (c) (, 2) (d) (2, ) (e) (, ) Da der gegebene Vektor v R 2 bezüglich der Basis B die Koordinaten (, ) hat, gilt v = () ( ) + () 2 ( ) 2 = 2 ( ) 2 = 2 ( ) + Daher sind (2, ) die Koordinaten von v bezüglich der Standardbasis. ( ).
D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8
D-INFK Lineare Algebra HS 27 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 8. Kern von A: Die Spalten der Matrix A sind Vielfache voneinander, also sind sie linear abhängig und A hat Rang. Somit hat
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:
MehrD-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 13. (A ± I)x = 0 Ax ± x = 0 Ax = ±x Ax = λx
D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 13 1. Die Matrix A±I ist singulär falls es einen Vektor x 0 gibt der die Gleichung (A±I)x = 0 erfüllt, d.h. wenn A ± I als
MehrD-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11
D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung Serie 11 1. Wir betrachten das überbestimmte Gleichungssystem Ax = y mit 1 1 1 1 A := 1 1 0 1 0 1, y := 2 3 0 0 1 4 Berechnen Sie die
MehrD-INFK Lineare Algebra HS 2016 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung = = V A =
D-INFK Lineare Algebra HS 26 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 2. a) χ A (λ) = det(a λi) = (5 λ)( 2 λ) + 2 = λ 2 3λ + 2 = (λ 2)(λ ) λ = 2: Der Eigenvektor v zum Eigenwert λ erfüllt Av =
MehrMusterlösung 7. D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung
D-INFK Lineare Algebra HS 27 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 7. Das gegebene LGS lässt sich durch Ax = beschreiben, wobei A die darstellende Matrix einer linearen Funktion : R 4 R 2 ist.
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn
MehrD-INFK Lineare Algebra HS 2016 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8. die gegebene Basis und b = die gesuchte Orthonormalbasis.
D-INFK Lineare Algebra HS 016 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 8 1. Seien a { 1 0 1 1 1 0 0 0 1 } die gegebene Basis und b { b1, b, b } die gesuchte Orthonormalbasis. b 1 a 1 a 1 1 1 0
MehrBasis eines Vektorraumes
Basis eines Vektorraumes Basisergänzungssatz: Ist U V ein Unterraum von V und dim V = n, so kann jede Menge linear unabhängiger Vektoren aus U zu einer Basis von U erweitert werden Und es gilt: Beweis:
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
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 Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 0..08 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n
Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41
Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
MehrÜbungsklausur Lineare Algebra
Übungsklausur Lineare Algebra Sommersemester 2010 Johannes Gutenberg-Universität Mainz Diese Übungsklausur ist sehr lang (gut zum Üben). In der richtigen Klausur finden Sie eine Multiple Choice aufgabe
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 6. Aufgabe 6.1. Dr. V. Gradinaru K. Imeri. Herbstsemester 2018.
Dr. V. Gradinaru K. Imeri Herbstsemester 8 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6. Multiple Choice: Online abzugeben. 6.a) (i) Welche der folgenden
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Lineare Algebra 1 WS 2006/07 Lösungen Blatt 13/ Probeklausur. Lösungen zur. Zentrum Mathematik
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 13/2 29.1.27 en zur Probeklausur Aufgabe 1 (ca. 6 Punkte) Sei
MehrLineare Algebra I Lösungsvorschlag
Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und
MehrD-INFK Lineare Algebra HS 2018 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11
D-INFK Lineare Algebra HS 2018 Özlem Imamoglu Olga Sorkine-Hornung Serie 11 1. In dieser Aufgabe wollen wir die Parameter einer gewissen Modellfunktion aus ein paar gemessenen Werten bestimmen. Das Modell
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
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,...,
Mehr1 Eigenschaften von Abbildungen
Technische Universität München Christian Neumann Ferienkurs Lineare Algebra für Physiker Vorlesung Dienstag WS 2008/09 Thema des heutigen Tages sind zuerst Abbildungen, dann spezielle Eigenschaften linearer
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrKlausur Lineare Algebra I
Klausur Lineare Algebra I Fachbereich Mathematik WS / Prof. Dr. Kollross 9. März Name:.................................................. Vorname:............................................... Studiengang:...........................................
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
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
MehrLösungen zur Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende
MehrMusterlösung 11. D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung
D-INFK Lineare Algebra HS 27 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung. Wir bezeichnen die Spalten von A als A (a a 2 a 3 ) und die Spalten des Resultats der QR-Zerlegung mit Q (q q 2 q 3 ), R (r
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
MehrLineare Algebra und Numerische Mathematik D-BAUG. Winter 2013 Prof. H.-R. Künsch. , a R. det(a) = 0 a = 1.
b Musterlösung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice) Gegeben sei die folgende Matrix Winter 3 Prof. H.-R. Künsch A = a a) deta) = genau dann wenn gilt x a =. a =. ), a R. x
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 4
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 4 4. (Frühjahr 27, Thema, Aufgabe ) Zeigen Sie, dass die beiden folgenden Unterräume des R 3 übereinstimmen:
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
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
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 26.11.2013 Alexander Lytchak 1 / 12 Wiederholung Ist B = (v 1,..., v n ) eine Basis eines Vektorraums V, so erhalten
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
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
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
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
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
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
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
MehrProbeklausur Lineare Algebra 1 Achten Sie auf vollständige, saubere und schlüssige Argumentation! 100 Punkte sind 100%. Inhaltsverzeichnis
Prof. Dr. Wolfgang Arendt Manuel Bernhard Wintersemester 5/6 Probeklausur Lineare Algebra Achten Sie auf vollständige, saubere und schlüssige Argumentation! Punkte sind %. Inhaltsverzeichnis Aufgabe Aufgabe
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
MehrKlausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 4
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 26/7): Lineare Algebra und analytische Geometrie 4 4. (Frühjahr 27, Thema, Aufgabe ) Zeigen Sie, dass die beiden folgenden Unterräume des R 3 übereinstimmen:
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe Beispiel einer Koordinatentransformation Gegeben seien zwei
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
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
MehrLösungen Serie 5. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler
D-MAVT Lineare Algebra II S 8 Prof. Dr. N. Hungerbühler Lösungen Serie 5. Die Abbildung V n R n, v [v] B, die jedem Vektor seinen Koordinatenvektor bezüglich einer Basis B zuordnet, ist linear. Sei B =
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrKlausur zur Linearen Algebra I HS 2012, Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum
Klausur zur Linearen Algebra I HS 01, 1.1.01 Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum Name: Sitzplatznummer: Die Bearbeitungszeit für diese Klausur beträgt 90 Minuten. Die Klausur umfaßt
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
MehrDiagonalisierbarkeit symmetrischer Matrizen
¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren
MehrFerienkurs Mathematik für Physiker I Skript Teil 2 ( )
Ferienkurs Mathematik für Physiker I WS 206/7 Ferienkurs Mathematik für Physiker I Skript Teil 2 (28.03.207) Vektorräume Bevor wir zur Definition eines Vektorraumes kommen erinnern wir noch einmal kurz
Mehr13 Partielle Ableitung und Richtungsableitung
3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 74 3 Partielle Ableitung und Richtungsableitung 3 Definition und Notiz Sei B R n offen, f : B R m, v R n, so heißt für γ x,v (t) = x + tv d dt f(x + tv) f(x)
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
MehrLineare Algebra für Ingenieure
TECHNISCHE UNIVERSITÄT BERLIN SS 4 Fakultät II - Mathematik J Liesen/F Lutz/R Seiler Lineare Algebra für Ingenieure Lösungen zur Juli-Klausur Stand: 4 September 4 Rechenteil Aufgabe (8 Punkte Berechnen
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrBild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis
MehrBerechnung der Determinante
Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 8. Aufgabe 8.1. Dr. V. Gradinaru T. Welti. Herbstsemester 2017.
Dr. V. Gradinaru T. Welti Herbstsemester 7 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8. Multiple Choice: Online abzugeben. 8.a) (i) Welche der folgenden
Mehr4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.
4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus
MehrLineare Algebra I Lösung der Probeklausur
David Blottière Patrick Schützdeller WS 6/7 Universität Paderborn Lineare Algebra I Lösung der Probeklausur Aufgabe : M i) M ist linear unabhängig. Seien a,b,c R mit Daraus folgt : Also gilt a = b = c
MehrLineare Algebra. Wintersemester 2017/2018. Skript zum Ferienkurs Tag Claudia Nagel Pablo Cova Fariña. Technische Universität München
Technische Universität München Wintersemester 27/28 Lineare Algebra Skript zum Ferienkurs Tag 2-2.3.28 Claudia Nagel Pablo Cova Fariña Wir danken Herrn Prof. Kemper vielmals für seine Unterstützung bei
MehrLineare Algebra Übungen Hausaufgaben für 8. Nov. mit Lösungen/Ergebnissen
Lineare Algebra Übungen Hausaufgaben für 8. Nov. mit Lösungen/Ergebnissen Definition. Der Kern (auf Englisch kernel) einer Matrix / einer linearen Abbildung ist die Menge aller Vektoren, die auf den Nullvektor
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
MehrHilfsblätter Lineare Algebra
Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
MehrLineare Algebra II Lösungen der Klausur
Prof Dr K Doerk 673 Jens Mandavid Christian Sevenheck Lineare Algebra II Lösungen der Klausur (a Diese Aussage ist richtig, sie stimmt nämlich für k = Sei nämlich n N beliebig und bezeichne N die Menge
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
MehrGrundlagen der Mathematik 1
Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben
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
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
MehrKlausur zur Vorlesung Lineare Algebra und Geometrie I
Klausur zur Vorlesung Lineare Algebra und Geometrie I Ruhr-Universität Bochum Prof. Dr. Peter Eichelsbacher 3. April 2007, 9.00-13.00 Uhr, 240 Minuten Name und Geburtsdatum: Matrikelnummer: Hinweise: Überprüfen
MehrVordiplomsklausur zur Linearen Algebra I, WS 05/06
27.3.2006 Vordiplomsklausur zur Linearen Algebra I, WS 05/06 Prof. Dr. G. Hiß Tragen Sie bitte auf diesem Deckblatt leserlich und in Blockbuchstaben Ihren Namen und Ihre Matrikelnummer ein und unterschreiben
MehrDefinitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.
Technische Universität Berlin Wintersemester 7/8 Institut für Mathematik 9. April 8 Prof. Dr. Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Nachklausur zur Linearen Algebra I Aufgabe ++ Punkte Definieren
Mehr2.4 Lineare Abbildungen und Matrizen
24 Lineare Abbildungen und Matrizen Definition 24 Seien V, W zwei K-Vektorräume Eine Abbildung f : V W heißt lineare Abbildung (lineare Transformation, linearer Homomorphismus, Vektorraumhomomorphismus
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
MehrLineare Algebra. 9. Übungsstunde. Steven Battilana.
Lineare Algebra 9. Übungsstunde Steven Battilana stevenb@student.ethz.ch November 2, 26 Erinnerung Sei x, y 2 E n, 2 E, danngilt: hx, yi = kxkkyk cos( ). Ist m eine beliebige natürliche Zahl, apple i,
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
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
MehrTechnische Universität Berlin
Technische Universität Berlin Fakultät II Institut für Mathematik WS /4 M. Eigel R. Nabben K. Roegner M. Wojtylak.4.4 April Klausur Lineare Algebra für Ingenieure Lösungsskizze. Aufgabe 9 Punkte Gegeben
MehrAufgabe 4 Bestimmen Sie je eine Basis des Zeilen- und des Spaltenraums der Matrix
Mathematik I für Naturwissenschaften Dr. Christine Zehrt 3..8 Übung 3 (für alle Uni Basel Besprechung der Lösungen: 7./8 Dezember 8 in den Übungsstunden Die Geo-Übungsstunde von Gioia findet am 7. Dezember
MehrViele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung
Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem
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
MehrKlausurvorbereitungsblatt Lineare Algebra
Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen
MehrD-CHAB Frühlingssemester 2018
D-CHAB Frühlingssemester 2018 Grundlagen der Mathematik II Dr Marcel Dettling Lösung 4 1) Nur für die folgenden Wahlen kann man das Produkt bilden: A A mit Dimension (2, 2) (2, 2) (2, 2): 1 2 A Y mit Dimension
MehrHinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4.
Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4. Aufgabe 2.1 (8 Punkte) Es sei K ein Körper, n N, V ein 2n-dimensionaler K -Vektorraum und U
MehrLineare Algebra I: Eine Landkarte
Bild F Algebra I: Eine Landkarte Faser Versuch einer Übersicht der Themen und Zusammenhänge der n Algebra 1. 1 Algebra I: Bild F Faser Sei B Basis von V. Jedes v V läßt sich eindeutig aus den Basisvektoren
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 018 Prof Dr N Hungerbühler Serie 8: Online-Test Schicken Sie Ihre Lösung bis spätestens Freitag, den 3 November um 14:00 Uhr ab Diese Serie besteht nur aus Multiple-Choice-Aufgaben
Mehr