Technische Universität München Zentrum Mathematik. Übungsblatt 8
|
|
- Maximilian Pohl
- vor 7 Jahren
- Abrufe
Transkript
1 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 8 Hausaufgaben Aufgabe 8. Sei K ein Körper und V ein K-Vektorraum weiter sei k N \ {} und v... v k V. a) Zeigen Sie: Jede endliche Teilmenge einer linear unabhängigen Menge von Vektoren ist linear unabhängig. b) Zeigen Sie: v... v k sind genau dann linear unabhängig wenn für jeden Index i [k] gilt: lin {v... v k } lin {v... v i v i... v k } Lösung zu Aufgabe 8. a) Sei M V eine linear unabhängige Menge von Vektoren und M = {u... u t } M eine endliche Teilmenge von M. Angenommen die Vektoren in M wären linear abhängig dann gäbe es λ... λ t K die nicht alle gleich sind mit t λ i u i =. i= Setzt man nun µ(v) := λ i für alle v = u i M und µ(v) := für alle vinm \ M so gilt t µ(v) v = λ i u i =. v M i= Da die µ(v) nicht alle sind ist damit auch M linear abhängig im Widerspruch zur Voraussetzung. b) Wir zeigen beide Richtung getrennt: : Seien v... v k linear unabhängig und sei i [k] beliebig. Angenommen lin {v... v k } = lin {v... v i v i... v k } dann ist insbesondere v i lin {v... v i v i... v k } also gibt es λ... λ i λ i... λ K mit v i = λ v λ i v i λ i v i λ k v k.
2 Das bedeutet aber v i λ v λ i v i λ i v i λ k v k = im Widerspruch zur linearen Unabhängigkeit von v... v k. : Sei nun lin {v... v k } lin {v... v i v i... v k } für jeden Index i [k]. Um zu zeigen dass dann v... v k linear unabhängig sind seien λ... λ k K gegeben mit k λ i v i =. i= Wir müssen zeigen dass das nur für λ = = λ k = möglich ist. Angenommen es gäbe eine Lösung für die λ i für ein i [k] gilt. Dann wäre v i = λ i i k λ i v i λ i v i. i= i=i Somit ließe sich jede Linearkombination der Vektoren v... v k die v i enthält allein mit den Vektoren v... v i v i... v k ausdrücken es wäre also lin {v... v k } = lin {v... v i v i... v k } ein Widerspruch zur Voraussetzung. Daher müssen die Vektoren v... v k linear unabhängig sein. Aufgabe 8. Berechnen Sie den Rang sowie je eine Basis von Kern Spalten- und Zeilenraum der folgenden Matrizen über dem Körper R sowie über dem Körper F : ( ) a) A = e) E = i) J = b) B = 4 6 c) C = 4 d) D = 4 f) F = ( ) 5 7 g) G = 5 4 h) H = j) K = JG k) L = ( ) G Lösung zu Aufgabe 8.
3 Für Kern und Zeilenraum bringen wir die Matrix jeweils mit Zeilenumformungen auf Zeilenstufenform. Für den Spaltenraum gibt es zwei Möglichkeiten: Entweder man bringt die Matrix mit Spaltenumformungen auf Spaltenstufenform und liest daraus eine Basis des Spaltenraums ab oder man benutzt die Zeilenstufenform (die wir ja bereits ausgerechnet haben). Aus dieser liest man die Pivot-Elemente ab die Spalten mit Pivot-Elementen sind linear unabhängig und das gilt sowohl für die Zeilenstufenform als auch für die ursprüngliche Matrix (da man mit Zeilenoperationen ja keine Spalten vertauschen kann). Also bilden die Spalten der ursprünglichen Matrix (nicht der Zeilenstufenform) die zu Pivots der Zeilenstufenform gehören eine Basis des Spaltenraums. Den Rang liest man natürlich ebenfalls aus der Zeilenstufenform ab. Beim Rechnen über F spielt es keine Rolle ob man vom Beginn an modulo rechnet oder erst reell arbeitet und das Ergebnis dann modulo nimmt gegebenenfalls lässt sich das dann noch etwas weiter vereinfachen als über R. Wir rechnen deswegen zunächst reell und gehen dann zu F über. (Im Allgemeinen ist die Rechnung über F natürlich einfacher wenn also nur F verlangt wäre sollte man von vornherein auch im F arbeiten.) a) Zeilenstufenform: A = ( ) Rang Kern Zeilen- und Spaltenraum: rang(a) = Kern(A) = lin ( ) {( )} Z A = lin {( )} {( )} S A = lin Zeilenstufenform über F : ( ) Rang Kern Zeilen- und Spaltenraum über F : rang(a) = Kern(A) = lin {( )} Z A = lin {( )} {( )} S A = lin
4 b) Zeilenstufenform: B = Rang Kern Zeilen- und Spaltenraum: rang(b) = Kern(B) = lin 7 4 Z B = lin {( ) ( 4 7)} S B = lin 6 Zeilenstufenform über F : Rang Kern Zeilen- und Spaltenraum über F : rang(b) = Kern(B) = lin Z B = lin {( ) ( )} S B = lin c) Zeilenstufenform: C =
5 Rang Kern Zeilen- und Spaltenraum: rang(c) = Kern(C) = Z C = R S C = R Zeilenstufenform über F : Rang Kern Zeilen- und Spaltenraum über F : rang(c) = Kern(C) = Z C = lin S C = lin d) Zeilenstufenform: D = Rang Kern Zeilen- und Spaltenraum: rang(d) = Kern(D) = lin Z D = lin {( ) ( )} S D = lin 5
6 Zeilenstufenform über F : Rang Kern Zeilen- und Spaltenraum über F : rang(d) = Kern(D) = lin Z D = lin {( ) ( )} S D = lin e) Zeilenstufenform: E = Rang Kern Zeilen- und Spaltenraum: rang(e) = Kern(E) = lin Z E = lin {( ) ( )} S E = lin Zeilenstufenform über F : 6
7 Rang Kern Zeilen- und Spaltenraum über F : rang(e) = Kern(E) = lin Z E = lin {( ) ( )} S E = lin f) Zeilenstufenform: 4 F = Rang Kern Zeilen- und Spaltenraum: rang(f ) = Kern(F ) = lin 4 Z F = lin {(4 )} 4 S F = lin 8 Zeilenstufenform über F : Rang Kern Zeilen- und Spaltenraum über F : rang(f ) = Kern(F ) = lin Z F = lin {( )} S F = lin 7
8 g) Zeilenstufenform: G = ( 5 ) ( 5 ) 7 Rang Kern Zeilen- und Spaltenraum: rang(g) = 5 Kern(G) = lin Z G = lin {( 5 7) ( )} {( ) ( )} 5 S G = lin 5 Zeilenstufenform über F : ( ) Rang Kern Zeilen- und Spaltenraum über F : rang(g) = Kern(G) = lin Z G = lin {( ) ( )} {( ) ( )} S G = lin h) Zeilenstufenform: H =
9 Rang Kern Zeilen- und Spaltenraum: rang(h) = Kern(H) = lin Z H = lin {( ) ( 4 ) ( 4 6)} S H = lin Zeilenstufenform über F : Rang Kern Zeilen- und Spaltenraum über F : rang(h) = Kern(H) = lin Z H = lin {( ) ( ) ( )} S H = lin i) Zeilenstufenform: J = 4 4 9
10 Rang Kern Zeilen- und Spaltenraum: rang(j) = {( )} Kern(J) = Z J = R S J = lin Zeilenstufenform über F : Rang Kern Zeilen- und Spaltenraum über F : rang(j) = {( )} Kern(J) = Z J = F S J = lin j) Zeilenstufenform: K = JG =
11 Rang Kern Zeilen- und Spaltenraum: rang(k) = 5 Kern(K) = lin Z K = lin {( 5 5) ( )} 5 S K = lin Zeilenstufenform über F : Rang Kern Zeilen- und Spaltenraum über F : rang(k) = Kern(K) = lin Z K = lin {( ) ( )} S K = lin k) Zeilenstufenform: L = ( ) G = ( 4 ) 4 Rang Kern Zeilen- und Spaltenraum: rang(l) = 7 5 Kern(L) = lin Z L = lin {(4 4)} {( )} 4 S L = lin
12 Zeilenstufenform über F : Rang Kern Zeilen- und Spaltenraum über F : rang(l) = Kern(L) = lin Z L = lin {( )} {( )} S L = lin Aufgabe 8. Bestimmen Sie für die folgenden Untervektorräume jeweils deren Dimension und geben Sie eine Basis an. Begründen Sie außerdem kurz warum es sich überhaupt um Vektorräume handelt. Ergänzen Sie Ihre Basis jeweils zu einer Basis des gesamten Vektorraums. a) V := {A R : a a = a } R 4 b) V := lin 9 9 R c) V := {p P 5 : p() = p( )} P 5 λ d) V 4 := λ µ : λ µ R R λ µ 4 e) V 5 := Spaltenraum von 4 R Lösung zu Aufgabe 8.
13 a) Wir stellen die Menge V zunächst etwas anders dar um ein Erzeugendensystem ablesen zu können: {( ) } a a V = a : a a a a a = a {( ) } a = a a : a a a a a a a a a R {( ) ( ) ( ) ( ) ( )} = lin Die Vektoren im lin-operator sind offenbar linear unabhängig und sie spannen V auf damit haben wir eine Basis von V gefunden; diese Basis besteht aus 5 Vektoren also ist dim(v ) = 5. Durch die Darstellung von V als lineare Hülle ist auch klar dass V ein Vektorraum ist. Um eine Basis des gesamten Vektorraums R zu erhalten kann man z. B. eine (eine weil dim(r = 6) Matrix ergänzen die an Position ( ) eine sonst lauter -Einträge besitzt genau an dieser Position steht in den V -Matrizen ja ein Eintrag der nicht frei wählbar ist sondern von den anderen 5 Einträgen der Matrix bestimmt wird. Eine entsprechend ergänzte Basis wäre also z. B. {( ) ( ) ( ) ( ) ( ) ( )}. b) V ist als lineare Hülle natürlich ein Vektorraum. Außerdem gilt: V ist der Spaltenraum der Matrix 4 A := Wir stellen zunächst fest welche Dimension dieser Spaltenraum hat und bestimmen dabei gleich eine passende Basis. Dafür führen wir auf der Matrix A Spaltenumformungen durch um die Matrix in Spaltenstufenform zu überführen: Daraus liest man sofort rang(a ) = ab also ist dim(v ) = dim(s A ) = und eine
14 Basis von V ist etwa Um daraus eine Basis des R 5 zu erhalten ergänzen wir etwa um die Vektoren c) für V siehe Mitschrift aus der Zentralübung d) Wir schreiben V 4 etwas um: λ V 4 := λ µ : λ µ R = λ µ : λ µ R = lin λ µ Damit ist V 4 als lineare Hülle natürlich ein Vektorraum der von zwei Vektoren aufgespannt wird. Diese beiden Vektoren sind linear unabhängig (das sieht man z. B. an den ersten beiden Koordinaten) also bilden sie bereits eine Basis von V 4. Damit folgt dann dim(v 4 ) =. Will man die Basis zu einer Basis des R ergänzen so muss man einen linear unabhängigen Vektor hinzunehmen etwa. e) Der Spaltenraum einer Matrix ist die lineare Hülle der Spalten somit ist V 5 sicher ein Vektorraum. Um die Dimension von V 5 zu ermitteln und ggf. eine Basis zu finden bringen wir die Matrix mit Spaltenoperationen auf Spaltenstufenform: Also ist dim(v 5 ) = und eine Basis von V 5 ist gegeben durch
15 Diese lässt sich z. B. durch Hinzunahme des Vektors zu einer Basis von R ergänzen. Aufgabe 8.4 Das Spiel Lights Out! wird auf einem n n-spielfeld gespielt. Das Spielfeld ist gitterförmig in n Felder unterteilt auf jedem Feld ist eine Lampe und ein Ein-/Ausschalter befestigt. Schaltet man eine Lampe um (ein oder aus) so ändert sich auch der Zustand der in Nord- Süd- Ost- oder West-Richtung direkt an das Feld angrenzenden Lampen (nicht der diagonal angrenzenden) entweder von ein nach aus oder umgekehrt. Das Spiel beginnt mit einer gegebenen Anfangsstellung in der einige Lampen eingeschaltet sind andere nicht. Ziel ist es mit möglichst wenigen Umschalt-Vorgängen alle Lampen auf dem Spielbrett auszuschalten. Eine Online-Demonstration finden Sie z. B. unter lightsout/lightsout.htm. Gegeben sei das folgende -Spiel. Stellen Sie ein lineares Gleichungssystem über F auf aus dessen Lösung sich eine Lösung für das Spiel ablesen lässt. Versuchen Sie Ihr Vorgehen so allgemein zu beschreiben so dass es für beliebige n n-spielfelder anwendbar ist. Lösung zu Aufgabe 8.4 Wir stellen zunächst fest dass jeder Schalter höchstens einmal betätigt werden muss. Den Zustand einer Lampe (und der angrenzenden Lampen) zweimal zu ändern hat nämlich exakt den gleichen Effekt wie gar keine Änderung. Das rechtfertigt die Rechnung über dem Körper F (in dem ja gerade = gilt). Die Reihenfolge spielt ebenfalls keine Rolle es ist ja egal wann eine Lampe ein bzw. ausgeschaltet wird da sie bei jedem Tastendruck den Zustand wechselt (es gibt also keine absoluten Schaltvorgänge sondern nur solche die relativ zur aktuellen Spielstellung arbeiten). Es genügt damit für jede Position des Spielbretts anzugeben ob der zugehörige Schalter betätigt wird oder nicht. Um eine Lösung zu finden bezeichnen wir für jede Position (i j) [n] [n] auf dem Spielfeld mit x ij eine Variable die angibt ob der Schalter in Position (i j) im Spielverlauf gedrückt wird (dann ist in der Lösung x ij = ) oder nicht (dann ist x ij = ). Für jedes Feld auf dem Spielbrett kann man dann ermitteln ob die Lampe am Schluss leuchtet oder nicht indem man einfach die Variablen der benachbarten Felder (inklusive des Feldes selbst) addiert ist die Anzahl der Schaltvorgänge gerade ist der Zustand der Lampe am Ende genauso wie am Anfang bei ungerade vielen Schaltvorgängen hat er sich umgekehrt. Für das Feld ( ) erhält man den Zustand am Ende des Spiels beispielsweise als (Ausgangszustand) x x x. Das ist hier besonders einfach weil ( ) nur zwei relevante Nachbarn besitzt. Da am Ende 5
16 des Spiels alle Lampen ausgeschaltet sein sollen muss gelten x x x =. Für alle anderen Felder kann man eine ähnliche Gleichung aufstellen. Für das angegebene Beispiel erhält man folgendes lineares Gleichungssystem über F : ( ) : x x x = ( ) : x x x x = ( ) : x x x = ( ) : x x x x = ( ) : x x x x x = ( ) : x x x x = ( ) : x x x = ( ) : x x x x = ( ) : x x x = Ordnet man die Variablen in der Reihenfolge (x x x x x x x x x ) T in einem Vektor an so erhält man daraus die Matrix-Vektor-Form Ax = b mit (A b) = Wir lösen das lineare Gleichungssystem indem wir zunächst Zeilenstufenform (über F ) herstellen:. 6
17 Damit können wir eine Lösung berechnen: x = x = x = x = x = x = x = x = x = Etwas übersichtlicher dargestellt: Wir müssen die Schalter an den mit X markierten Positionen betätigen (in beliebiger Reihenfolge) um alle Lampen auszuschalten: X X X X X X Aufgabe 8.5 a) Begründen Sie kurz dass R mit der üblichen Addition und Multiplikation ein Q-Vektorraum ist. Ist R auch ein R- bzw. ein C-Vektorraum? b) Wir betrachten nun den Q-Vektorraum R (als Skalare sind also nur rationale Zahlen zugelassen). Zeigen Sie: Für jede Menge P N von Primzahlen sind die Vektoren {ln(p) : p P } linear unabhängig im Q-Vektorraum R. c) Folgern Sie dass der Q-Vektorraum R kein endliches Erzeugendensystem besitzt. 7
18 Lösung zu Aufgabe 8.5 a) Die Vektoren des Q-Vektorraums R sind die reellen Zahlen die Skalare sind die rationalen Zahlen. Damit bilden die Vektoren natürlich bezüglich eine abelsche Gruppe. Die gemischten Distributiv- und Assoziativgesetze gelten natürlich wegen der Rechenregeln in R ebenso und es gilt weiterhin x = x für jedes reelle x damit ist R ein Q-Vektorraum. Die Begründung bleibt natürlich für den Skalarenkörper R richtig R ist also auch ein R-Vektorraum. Mit C als Skalarenkörper gibt es dagegen Probleme weil die skalare Multiplikation nicht mehr abgeschlossen ist z.b. wäre i x / R für jedes reelle x. R ist also kein C-Vektorraum. b) Seien p... p n beliebige paarweise verschiedene Primzahlen und seien λ... λ n Q mit n λ i ln(p i ) =. i= Wir multiplizieren die Gleichung zunächst mit den Nennern der λ i es gibt also µ... µ n Z mit n µ i ln(p i ) =. i= Daraus folgt mit den Rechenregeln des Logarithmus Das bedeutet aber ( n ) n ln p µ i i = also muss p µ i i i= i= n i= µ i p µ i i = n i= µ i < p µ i i. = gelten. Da die Primzahlen p i paarweise verschieden sind und die Primfaktorzerlegung einer Zahl eindeutig ist folgt daraus µ = = µ n = und damit (da die µ i ganzzahlige Vielfache der λ i sind) auch λ = = λ n =. Also sind die Vektoren {ln(p) : p P } linear unabhängig. c) Nach der vorigen Teilaufgabe gibt es im Q-Vektorraum R unendlich große Teilmengen linear unabhängiger Vektoren. Da jede endliche Teilmenge von R nur einen Teil dieser Vektoren enthalten kann gibt es immer Vektoren die sich nicht als Linearkombinationen der Elemente einer endlichen Teilmenge darstellen lassen also kann keine solche Teilmenge eine Basis des Vektorraums sein. Damit ist der Q-Vektorraum R nicht endlich erzeugt. Übrigens: Beim R-Vektorraum R ist das natürlich ganz anders hier sind als Skalare ja alle reellen Zahlen erlaubt. Damit ist z. B. {} eine Basis des R-Vektorraums R. Aufgabe 8.6 In der Codierungstheorie (ein Teilgebiet der Informationstheorie) beschäftigt man sich mit der Frage wie sich Übermittlungsfehler oder -ausfälle bei der Nachrichtenübertragung erkennen 8
19 und korrigieren lassen. Konkret soll eine Nachricht (z. B. das Wort MATHE ) übertragen werden der Übertragungskanal ist aber unzuverlässig (der Kanal muss keine Stromleitung sein es kann sich etwa auch um Funkübertragung oder einen Datenträger wie eine CD handeln) es ist also nicht sichergestellt ob alle übertragenen Zeichen beim Empfänger ankommen und ob sie tatsächlich so ankommen wie sie gesendet wurden. Um das Problem zu beheben könnte man jedes Zeichen einfach mehrfach übertragen in unserem Beispiel wäre die codierte Nachricht (das Codewort) dann MMMAAATTTHHHEEE. Wenn beim Empfänger nun stattdessen MM_A_ATZTHHHEEK ankommt lässt sich die Original-Nachricht dennoch per Mehrheitsentscheidung rekonstruieren. Leider bleibt dabei nur ein Bruchteil der erreichbaren Datenrate für die Nachrichtenübertragung in diesem Beispiel ein Drittel. In dieser Aufgabe beschäftigen wir uns mit den Grundlagen sogenannter linearer Codes. Ein (binärer) linearer Code der Länge n ist ein Untervektorraum C des F -Vektorraums F n jedes Element des Untervektorraums bezeichnet man als Codewort. Der Hamming-Abstand zweier Codeworte c c C ist die Anzahl der Positionen in denen sich c und c unterscheiden: d H (c c ) := {i [n] : c i c i} Das Hamming-Gewicht w H (c) eines Codeworts c C ist die Anzahl der Einsen in c d. h. w H (c) := d H (c ). Die Zahlen d H (C) := min {d(c c ) : c c C c c } bzw. w H (C) := min {w(c) : c C \ {}} heißen Minimalabstand bzw. Minimalgewicht des Codes C für C. a) Zeigen Sie: Eine Teilmenge C F n ist genau dann ein linearer Code der Länge n wenn gilt: ) C ) c c C : c c C b) Zeigen Sie: Für einen linearen Code C mit C gilt d(c c ) = w(c c ) für alle Codewörter c c C. c) Zeigen Sie: Für einen linearen Code C mit C gilt d H (C) = w H (C). d) Der Code C sei definiert als C := Kern. Zeigen Sie das C den Minimalabstand besitzt (ohne alle Elemente von C aufzulisten). Interpretieren Sie den Minimalabstand im Hinblick auf Fehlererkennung und Fehlerkorrektur. Lösung zu Aufgabe 8.6 siehe Mitschrift aus der Zentralübung 9
20 Aufgaben für die Tutorübung Aufgabe 8.7 Bestimmen Sie für die folgenden Untervektorräume jeweils deren Dimension und geben Sie eine Basis an. Begründen Sie außerdem kurz warum es sich überhaupt um Vektorräume handelt. Ergänzen Sie Ihre Basis jeweils zu einer Basis des gesamten Vektorraums. a) V := {x R 7 : ( ) x = } R 7 b) V := λ µ : λ µ R R c) V := Kern 4 4 R d) V 4 := {( 4 ) x : x x = } R Lösung zu Aufgabe 8.7 a) V ist offenbar der Kern der 7-Matrix A := ( ) also ist V Untervektorraum des R 7. Das Gleichungssystem Ax = ist bereits in Zeilenstufenform und besitzt ein Pivotelement der Rang der Matrix A ist also. Mit der Dimensionsformel folgt dann dim(kern(a)) = 7 rang(a) = 6. Um eine Basis zu finden lösen wir das Gleichungssystem. Die Variablen x... x 7 sind freie Variablen und es gilt x = x x 4 x 5 x 6 x 7 also ist Kern(A) = lin. Damit haben wir eine Basis von V gefunden. Um diese zu einer Basis des R 7 zu ergänzen gibt es folgende gängige Methode: ) Schreibe die Basisvektoren in eine Matrix B und ergänze diese mit einer Basis des
21 R 7 in dem Fall z. B. um die Einheitsmatrix I 7 : B = ) Führe Spaltenumformungen durch bei denen die linken Spalten (die V -Basis) unverändert bleiben und die bei den rechten Spalten möglichst viele Nullspalten erzeugen. Damit kommt man auf eine Matrix mit 7 Nicht-Nullspalten (weil B Rang 7 hat). Diese sieben Spalten bilden die ergänzte Basis des gesamten Vektorraums R 7 (ergänzt weil wir die ersten Spalten ja nicht verändert haben). Wenn es leichter fällt kann man natürlich auch mit B T arbeiten und Zeilen- statt Spaltenoperationen durchführen (und am Schluss wieder zurücktransponieren ). B =
22
23 Die ergänzte Basis lautet also. b) V ist die lineare Hülle von zwei Vektoren V = lin damit handelt es sich auch um einen Vektorraum. Da beide Vektoren nicht skalare Vielfache voneinander sind sind sie linear unabhängig also bilden sie auch eine Basis von V. Daraus folgt sofort dim(v ) =. Um eine Basis des R zu finden müssen wir also noch einen Vektor hinzufügen so dass sich drei linear unabhängige Vektoren ergeben. Wir versuchen es mit ( ) T. Um nachzuweisen dass die drei Vektoren linear unabhängig sind bestimmen wir den Rang der Matrix dieser muss sein: 9 Damit ist also eine Basis des R. c) Der Kern einer Matrix ist immer ein Untervektorraum und V ist ein solcher Kern. Um eine Basis zu finden lösen wir das Gleichungssystem: Die Matrix hat also Rang damit ist dim(v ) = =. Eine Basis erhalten wir aus
24 der Lösung mit freier Variable x : Damit ist x = 8 x x = x 4x = 5 4 x V = lin 8 was auch gleich eine Basis von V liefert. Wir ergänzen diese Basis zur Basis 8 des R. Diese drei Vektoren sind linear unabhängig weil 8 8 und diese Matrix hat vollen Rang. (Wenn man die Ergänzung nicht gleich sieht kann man natürlich wieder wie vorher vorgehen: Erstmal die Standardbasis ergänzen und diese dann so vereinfachen dass die Basis von V erhalten bleibt.) d) Wir schreiben zunächst V 4 etwas um: {( ) } {( ) } 4 x 4x V 4 = x : x x = = : x x x = x {( ) } {( )} 6x 6 = : x x R = lin Damit ist klar dass V 4 ein Untervektorraum des R ist. (Alternativ hätte man auch sagen können dass V 4 das Bild des Untervektorraums Kern( ) unter einer linearen Abbildung ist und damit wieder ein Untervektorraum aber lineare Abbildungen hatten wir noch nicht als dieses Blatt herauskam). Man sieht auch sofort dass (6 ) T eine Basis von V 4 ist damit gilt dim(v 4 ) =. Um diese Basis zu einer Basis des R zu ergänzen suchen wir einen beliebigen Vektor v R so dass { v (6 ) T } linear unabhängig sind. Dafür eignet sich z. B. v = ( ) T also ist eine geeignete Basis des R. {( ) ( )} 6 4
25 Aufgabe 8.8 Sei K ein Körper und V ein K-Vektorraum weiter sei k N \ {} und v... v k V. a) Zeigen Sie: Wenn es einen Index i [k] und Skalare β... β i β i... β k K gibt mit v i = β v β i v i β i v i... β k v k so sind die Vektoren v... v k linear abhängig. b) Zeigen Sie: Jede endliche Menge von Vektoren die eine linear abhängige Teilmenge enthält ist selbst linear abhängig. Lösung zu Aufgabe 8.8 a) Mit der Voraussetzung gilt offenbar β v β i v i ( ) v i β i v io β k v k = also lässt sich der Nullvektor als nichttriviale Linearkombination der Vektoren v... v k darstellen. Damit sind die Vektoren linear abhängig. b) Sei U V eine endliche Menge von Vektoren und sei m := U. Wir nummerieren die Elemente von U von bis m in beliebiger Reihenfolge und bezeichnen Sie mit u... u m also U = {u... u m }. Nach Voraussetzung besitzt U eine linear abhängige Teilmenge sei also I [m] so gewählt dass {u i : i I} linear abhängig ist. Dann gibt es λ i K i I so dass λ i u i = i I und so dass die λ i nicht alle sind. Setzt man nun λ i := für alle i [m] \ I so erhält man natürlich m λ i u i = i= und die λ i sind nicht alle also ist auch die Menge U selbst linear abhängig. Aufgabe 8.9 Sei n N eine natürliche Zahl mit der Dezimaldarstellung k n = a i i a i {... 9} k N. i= Zeigen Sie mit Hilfe der Rechenregeln in den endlichen Körpern F p folgende Teilbarkeitsregeln: a) Die Zahl n ist genau dann durch bzw. durch 9 teilbar wenn das für ihre Quersumme q := k i= a i gilt. 5
26 b) Die Zahl n ist genau dann durch teilbar wenn das für ihre alternierende Quersumme q := k i= ( ) i a i gilt. Lösung zu Aufgabe 8.9 a) Die Zahl n ist genau dann durch teilbar wenn n mod. Mit den Rechenregeln für F ergibt sich: n mod k a i i mod i= k a i i mod i= q mod Letzteres ist gleichbedeutend mit q ist durch teilbar. Genauso funktioniert die Rechnung mit 9 statt weil auch hier gilt i mod 9. b) Die Zahl n ist genau dann durch teilbar wenn n mod. Mit den Rechenregeln für F ergibt sich: n mod k a i i mod i= k a i ( ) i mod i= q mod Letzteres ist gleichbedeutend mit q ist durch teilbar. 6
Technische 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
MehrKap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v
Kap 1: VEKTORRÄUME Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung ϕ : I X, i ϕ(i) = x i, wobei die Menge I in diesem Zusammenhang auch Indexmenge genannt wird. Man schreibt vereinfacht
MehrKLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG
KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein
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,...,
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Rechnen mit Matrizen 2 1.1 Matrixmultiplikation............................................
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
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
MehrKern und Bild einer Matrix
Kern und Bild einer Matrix. Motivation Zur theoretischen Beschreibung der Abbildungen durch Matrizen wurden Begriffe eingeführt, die eine "elegante" Formulierung erlauben. In Linearen Gleichungssystemen
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:
MehrLineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya
Lineare Abhängigkeit und Unabhängigkeit -E Ma Lubov Vassilevskaya Eindimensionaler Raum Abb. -: Zwei nicht gleiche Vektoren auf der gleichen Gerade Jeden Vektor, der auf einer Geraden liegt, kann man durch
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
MehrLineare Algebra II 5. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,
Mehr11. BASIS, UNTERRAUM, und DIMENSION
11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen
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
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 III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
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
Mehr1 Linearkombinationen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch
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
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
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 =
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
Mehr6.5 Lineare Abhängigkeit, Basis und Dimension
6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von
MehrKlausur zur Mathematik I (Modul: Lineare Algebra I)
Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Anusch Taraz Sommersemester 215 Klausur zur Mathematik I (Modul: Lineare Algebra I) 28.8.215 Sie haben 6 Minuten Zeit zum Bearbeiten
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
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(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
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14052018 (Teil 1) 7 Mai 2018 Steven Köhler mathe@stevenkoehlerde mathestevenkoehlerde 2 c 2018 Steven Köhler 7 Mai 2018 Matrizen
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
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
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
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
MehrVektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)
Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz
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
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
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 :
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
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
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
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 21.11.2016 6. Vorlesung aufgespannter Untervektorraum Span(T ), Linearkombinationen von Vektoren Lineare Unabhängigkeit
Mehrm 2 m 3 m 5, m m 2
Musterlösung zum 8. Blatt 7. Aufgabe: Seien die folgenden Vektoren im R 4 gegeben: 2m 5 + 2 2m 2 2m 7 + m 2 m 3 m 5 v = m 5, v 2 = m 2, v 3 = m 7 m 2 m 3 m 5 m 2 m 3 m 5, m 5 + m 2 m 7 2m + m 2 m 4 2m
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n = b a 2 x + a 22 x 2 +...
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.............................
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.
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. 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
MehrLösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
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,
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
MehrDie Lineare Algebra-Methode. Mahir Kilic
Die Lineare Algebra-Methode Mahir Kilic 23. Juni 2004 1 Einführung 1.1 Überblick Im Allgemein benutzt man die Lineare Algebra-Methode in der Kombinatorik wie folgt: Für die Bestimmung einer Obergrenze
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
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
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 +
MehrLösungsskizze zur Hauptklausur Lineare Algebra I
Lösungsskizze zur Hauptklausur Lineare Algebra I Aufgabe Seien V und W zwei K-Vektorräume für einen Körper K. a) Wann heißt eine Abbildung f : V W linear? b) Wann heißt eine Abbildung f : V W injektiv?
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.
MehrLösungshinweise zur Klausur. Mathematik für Informatiker III. (Dr. Frank Hoffmann) 18. Februar 2008
Lösungshinweise zur Klausur Mathematik für Informatiker III (Dr. Frank Hoffmann) 8. Februar 8 Aufgabe Algebraisches I /6++ (a) Rechnen Sie zunächst nach, dass die Menge B = {,, von Vektoren eine Basis
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
MehrLineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,
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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrDefinition Für n, k 2 N sei. R n k := R n R n R n =(R n ) k. die Menge der (n k)-matrizen. Ein Element M 2 R n k heißt (n k)-matrix.
.5 Matrizen 39 / Definition.8 Für n, k 2 N sei R n k := R n R n R n =(R n ) k die Menge der (n k)-matrizen. Ein Element M 2 R n k heißt (n k)-matrix. 40 / Bemerkung Eine (n k)-matrix hat n Zeilen und k
MehrMathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7
Mathematik für Wirtschaftswissenschaftler im WS 203/4 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Aufgabe 27 Sei eine lineare Abbildung f : R 4 R 3 gegeben durch f(x, x 2, x 3 ) = (2 x 3 x 2
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
MehrAufgabe 1 (a) Vorgehen wie im Beispiel auf Seite 151 des Skripts. Für die Anzahl möglicher Linearkombinationen
Mathe I für Naturwissenschaften Dr. Christine Zehrt 14.12.17 Hinweise und Ergebnisse zur Übung 13 Uni Basel Lösungshinweise Aufgabe 1 (a Vorgehen wie im Beispiel auf Seite 151 des Skripts. Für die Anzahl
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
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
MehrMusterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.2012
Musterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.0 Aufgabe : Entscheiden Sie in dieser Aufgabe, ob die Aussagen wahr oder falsch sind. Begründungen sind nicht erforderlich. Ein korrekt gesetztes
Mehry x x y ( 2x 3y + z x + z
Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = 0 4 0 0 0 0 0 Berechnen Sie
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
MehrVektorräume und Rang einer Matrix
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung
MehrD-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
Mehr1 Lineare Gleichungssysteme und Matrizen
1 Lineare Gleichungssysteme und Matrizen Das Studium linearer Gleichungssysteme und ihrer Lösungen ist eines der wichtigsten Themen der linearen Algebra. Wir werden zunächst einige grundlegende Begriffe
MehrKarlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie (KIT) WS 212/13 Institut für Analysis 14.1.213 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Aufgabe 1 Höhere Mathematik I für die Fachrichtung Physik 12. Übungsblatt Sei
MehrVorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)
1 Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 14: Vektorräume und lineare Abbildungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 6. Oktober 2009) Vektorräume
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
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
MehrEigenwerte und Eigenvektoren
Ergänzung Eigenwerte und Eigenvektoren Motivation Definitionen Beispiele im IR 2 Beispiele im IR 3 Eigenwerte und Eigenvektoren Motivation Lineare Abbildungen, Ausgangsvektor und Bildvektor Lineare Abbildungen
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
MehrVon einem Parallelogramm ABCD sind die Punkte A =(1, 5), C =(13, 4) und D =(5, 7) bekannt. Berechne den Punkt B.
Lineare Algebra WS2/22 Übungsblatt Übung. Von einem Parallelogramm ABD sind die Punkte A =(, 5), =(3, 4) und D =(5, 7) bekannt. Berechne den Punkt B. Übung 2. Stelle rechnerisch fest, ob das Viereck A
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
Mehr6. Rechnen mit Matrizen.
6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
MehrKlausur zur Mathematik I (Modul: Lineare Algebra I)
Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Anusch Taraz Wintersemester 2014/15 Klausur zur Mathematik I (Modul: Lineare Algebra I) 18.02.2015 Sie haben 60 Minuten Zeit zum
MehrKapitel 14 Lineare Gleichungssysteme
Kapitel 4 Lineare Gleichungssysteme Kapitel 4 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 83 / 246 Kapitel 4 Lineare Gleichungssysteme Definition 4. (Lineares Gleichungssystem LGS)
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 2 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Mittsemesterprüfung HS, Typ A Name a a Note Vorname Leginummer Datum 29..2 2 4 6 Total
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)
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner WS 11/1 Blatt 1 7.1.1 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag 45. a) Wegen 1
MehrA = α α 0 2α α
Aufgabe 8. Berechnen Sie abhängig von α R die Dimension dim(f(r 4 )) und die Dimension dim(kern(f)) sowie je eine Basis von f(r 4 ) und Kern(f) der linearen Abbildung f : R 4 R 4, x Ax mit der Matrix A
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
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
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
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
MehrÜbungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen
1 Lineare Abhängigkeit 1.1 Für welche t sind die folgenden Vektoren aus 3 linear abhängig? (1, 3, 4), (3, t, 11), ( 1, 4, 0). Das zur Aufgabe gehörige LGS führt auf die Matrix 1 3 4 3 t 11. 1 4 0 Diese
MehrDer Rang einer Matrix A. Beispiel
Der Rang einer Matrix A ist gleich Anzahl der Zeilen ungleich 0, nachdem die Matrix durch elementare Zeilenoperationen in Zeilenstufenform gebracht worden ist. Bezeichnung: ranga oder rga. Beispiel A =
Mehr