2 Die Dimension eines Vektorraums
|
|
- Sofie Frauke Sauer
- vor 7 Jahren
- Abrufe
Transkript
1 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1 + λ 2 v λ r v r Sei M V eine nicht leere Menge von Vektoren. Der von M aufgespannte Untervektorraum von V (die lineare Hülle von M) ist die Menge aller Linearkombinationen aus M. Schreibe dafür K M. Es ist also K M := { r λ i v i r N\{0} und v 1,..., v r M und λ 1,..., λ r K}. Für die leere Menge setzen wir K φ = {0}. Für M = {v 1,..., v r } schreibe auch Kv Kv r für KM. Sind v = r λ i v i und w = s µ i w i aus KM, so auch v+w = r λ i v i + s und λv = r (λλ i )v i für λ K. i=0 µ i w i Ferner ist für v M auch 0 = 0 v und v = 1 v aus KM. Also ist KM ein Untervektorraum von V mit M KM. Ist W V ein Untervektorraum mit M W, so ist auch jede Linearkombination KM W. Fazit: r λ i v i KM in W, also (2.1) Bemerkung: KM ist der kleinste Untervektorraum von V, welcher M umfaßt. Offensichtlich gilt: K(N M) = KN + KM und KN KM, falls N M. Beispiele: a) Betrachte in K n die sog. Einheitsvektoren 1 0 e 1 = 0., e 2 = 1.,..., e n = Für x = x 1 x 2 x n. Kn gilt 1
2 x 1 0 x = 0. + x = x 1e 1 + x 2 e x n e n, also ist 0 0 x n K n = K e K e n. b) Betrachte über K ein lineares Gleichungssystem ( ) n a ij x j = 0, i = 1,..., m j=1 von m Gleichungen in n Unbekannten x 1,..., x n. Mit Hilfe des Gauß Algorithmus erhält ein sog. Fundamentalsystem von Lösungen v 1,..., v n r, so dass jede Lösung von der Form v = λ 1 v λ n r v n r ist. M.a.W.: Kv Kv n r ist der Lösungsraum von ( ) Rechenbeispiel: ( ) 2x 1 + 4x 2 + 3x 3 = 0 hat die freien Variablen x 2 und x 3 mit Fundamentallösungen v 1 = 1 und v 2 = 0 und Kv 1 + Kv 2 ist der 0 1 Lösungsraum von ( ). Definition: Ein r Tupel (v 1,..., v r ) von Vektoren aus V heißt linear unabhängig, falls gilt: Aus λ 1 v λ r v r = 0 folgt λ 1 = λ 2 =... = λ r = 0 (v 1,..., v r ) heißt linear abhängig, falls (v 1,..., v r ) nicht linear unabhängig ist, d.h., wenn es (λ 1,..., λ r ) K r gibt mit λ 1 v 1 + λ 2 v λ r v r = 0, aber nicht alle λ i sind gleich Null. Das leere Tupel φ(r = 0) soll linear unabhängig sein. (2.2) Bemerkung: Sei (v 1,..., v r ) ein r Tupel von Vektoren aus V. a) Ist ein v i = 0 so ist (v 1,..., v r ) linear abhängig. 2
3 b) Ist r 2 und v i = v j für ein Paar i j, so ist (v 1,..., v r ) linear abhängig. c) (v 1 ) ist genau dann linear abhängig, falls v 1 = 0. d) Ist (v 1,..., v r ) linear abhängig und r 2, so gibt es ein k {1,..., r} so dass v k Linearkombination der übrigen v i ist. Beweis: Es gilt dann Kv Kv r = Kv Kv k 1 + Kv k Kv r a) 0 = 0v v i v i + 0 v i v r. b) Setze λ k = 0 für k {i, j}, λ i = 1, λ j = 1. Dann ist r λ i v i = 1 v i + ( 1) v j = v i v j = v i v i = 0 c) Für v 1 = 0 ist (v 1 ) nach a) linear abhängig. Ist (v 1 ) linear abhängig, so ex. λ 1 0 mit λ 1 v 1 = 0. Es folgt v 1 = λ 1 1 (λ 1 v 1 ) = λ = 0. r d) Sei λ i v i = 0 und nicht alle λ j = 0; o.b.d.a. sei λ 1 0. Dann ist ( λ 1 )v 1 = r λ i v i und v 1 = r i=2 i=2 λ i λ 1 v i Kv Kv r. Damit ist nach obiger Bemerkung {v 1, v 2,..., v r } Kv Kv r und Kv 1 + Kv Kv r Kv Kv r. Beispiele: Die umgekehrte Inklusion gilt allgemein. a) Die Einheitsvektoren e 1,..., e n bilden ein n Tupel (e 1,..., e n ) linear unabhängiger Vektoren: Es ist λ 1 e 1 + λ 2 e λ n e n =. folgt aus λ 1 e λ n e n = 0 schon λ 1 = 0, λ 2 = 0,..., λ n = 0. 3 λ 1 λ n. Also
4 b) Im obigen Beispiel b) ist (v 1,..., v n r ) linear unabhängig: Sei λ 1 v λ n r v n r = 0. Es ist auch 0 v v n r = 0. Wegen der Eindeutigkeit der Darstellung in I, 4.1 folgt λ 1 = 0, λ 2 = 0,..., λ n r = 0 c) Eine Polynomfunktion p : R R ist von der Form p(t) = a 0 +a 1 t a n t n mit n N und Konstanten a 0,..., a n R (den Koeffizienten von p). Die Menge aller Polynomfunktionen bilden offenbar einen Untervektorraum der Menge aller Funktionen f : R R. Betrachte die Polynomfunktion p 0 (t) = 1, p 1 (t) = t, p 2 (t) = t 2,..., p n (t) = t n,.... Dann ist (p 0,..., p m ) linear unabhängig für alle m N. Beweis: In der Analysis werden wir lernen: Eine Polynomfunktion ( )p(t) = a 0 + a 1 t a n t n mit a n 0 hat höchstens n Nullstellen, ist also insbesondere nicht die Nullfunktion. Aus λ 0 p λ m p m = 0 = Nullfunktion - d.h. λ 0 + λ 1 t λ m t m = 0 für alle t R - folgt also: λ 0 = 0, λ 1 = 0,..., λ m = 0. Für eine Polynomfunktion p(t) wie oben mit a n 0 heißt n der Grad von p(t). d) Die Vektoren v 1 = 1 3, v 2 = 10 3, v 3 = sind linear abhängig in R 4. Beweis: Die Tripel λ 1 λ 2 λ 3 Lösungen des Gleichungssystems mit λ 1 v 1 + λ 2 v 2 + λ 3 v 3 = 0 sind gerade die x 1 + 4x 2 + 3x 3 = 0 x x 2 + 7x 3 = 0 3x 1 + 3x 2 + x 3 = 0 4x 1 + 5x 2 + 2x 3 = 0 4
5 Die Lösungen findet man m.h. des Gauß Algorithmus Setze die freie Variable x 3 = 1 : x 2 = 2 3, x 1 = 4x 2 + 3x 3 = 1 3 Somit ist 1 3 v v v 3 = 0 und (v 1, v 2, v 3 ) ist linear abhängig. (2.3) Bemerkung: Ein r Tupel (v 1,..., v r ) von Vektoren in V ist genau dann linear unabhängig, wenn gilt: Jeder Vektor v aus Kv Kv r läßt sich nur auf eine Weise als Linearkombination von v 1,..., v r darstellen, d.h.: Aus r λ i v i = r µ i v i folgt λ i = µ i für i = 1,..., r. Beweis: Sei (v 1,..., v r ) linear unabhängig und r λ i v i = r µ i v i. Dann ist (λ 1 µ 1 )v (λ r µ r )v r = 0. Es folgt λ 1 µ 1 = 0,..., λ r µ r = 0, da (v 1,..., v r ) linear unabhängig ist. Sei umgekehrt (v 1,..., v r ) linear abhängig. Dann existiert ein r Tupel (λ 1,..., λ r ) (0,..., 0) mit λ 1 v λ r v r = 0 = 0 v v r und die 0 hat zwei Darstellungen als Linearkombination von v 1,..., v r. Der Begriff der Basis eines Vektorraums Definition: Ein n Tupel (v 1,..., v n ) von Vektoren aus einem Vektorraum V {0} heißt Basis von V, wenn gilt: (1) V = Kv Kv n ( (v 1,..., v n ) spannt V auf.) Man sagt dann auch, (v 1,..., v n ) sei ein Erzeugendensystem von V. (2) (v 1,..., v n ) ist linear unabhängig. Konvention: φ ist eine Basis von V = {0}. In den Beispielen: 5
6 a) V = K n. Wir haben gesehen, dass (e 1,..., e n ) linear unabhängig ist und V = Ke Ke n. Also ist (e 1,..., e n ) eine Basis von K n, die sog. kanonische Basis. b) Jedes System von Fundamentallösungen ist eine Basis des Lösungsraums eines linearen Gleichungssystems. c) Sie P m die Menge der Polynomfunktionen vom Grad m. Dann ist P m = R 1 + R t + Rt R t m und (1, t, t 2,..., t m ) ist linear unabhängig. Also ist (1, t, t 2,..., t m ) eine Basis des R Vektorraums P m, Ziel der folgenden Ausführungen ist, zu zeigen, dass alle Basen eines Vektorraums gleich lang sind. (2.4) Charakterisierungen des Begriffs Basis : Sei V {0} ein K Vektorraum und v 1,..., v n V. Folgende Aussagen sind äquivalent: a) (v 1,..., v n ) ist eine Basis von V. b) (v 1,..., v n ) ist ein minimales Erzeugendensystem von V, d.h.: V = Kv Kv n V Kv Kv k 1 + Kv k Kv n für k = 1,..., n c) (v 1,..., v n ) ist ein maximales System linear unabhängiger Vektoren aus V, d.h. (v 1,..., v n ) ist linear unabhängig, (v 1,..., v n, w) ist linear abhängig für alle w V. d) Jedes v V läßt sich auf genau eine Weise aus den Vektoren v 1,..., v n linear kombinieren. Beweis: a) b) Nach Voraussetzung erzeugt (v 1,..., v n ) den Vektorraum V. Angenommen V = Kv Kv k 1 + Kv k Kv n. Dann ist v k = λ 1 v λ k 1 v k 1 + λ k+1 v k λ n v n, d.h. 0 = λ 1 v λ k 1 + ( 1)v k + λ k+1 v k λ n v n, d.h. (v 1,..., v n ) ist linear unabhängig, Widerspruch. b) c) Sei (v 1,..., v n ) ein minimales Erzeugendensystem von V. Zu zeigen: 6
7 (i) (v 1,..., v n ) ist linear unabhängig. (ii) (v 1,..., v n, w) ist linear abhängig für jedes w V Zu (i) n = 1 : v 1 0, da sonst V = Kv 1 = {0}, also ist (v 1 ) linear unabhängig. n 2: Angenommen (v 1,..., v n ) ist linear abhängig. Dann gibt es nach 2.2 ein k {1,..., n} mit V = Kv Kv k 1 + Kv k Kv n, Widerspruch zur Minimalität. Zu (ii) Wegen V = Kv Kv n ist w = λ 1 v λ n v n für jedes w V. Somit ist 0 = λ 1 v λ n v n + ( 1)w und (v 1,..., v n, w) linear abhängig. c) a) Sei w V beliebig. Nach Voraussetzung ist (v 1,..., v n, w) linear abhängig; also gibt es µ 1,..., µ n, µ in K mit µ 1 v µ n v n + µw = 0 und (µ 1,..., µ n, µ) (0,..., 0) Es ist ( µ ) 0, da sonst ( bereits ) (v 1,..., v n ) linear abhängig wäre. Es folgt w = v v n und somit V = Kv Kv n. µ 1 µ µ n µ a) und d) sind nach (2.3) äquivalent. (2.5) Austauschsatz von Steinitz: Sei V {0} ein K Vektorraum und (v 1,..., v n ) eine Basis von V. Weiter sei (w 1,..., w r ) ein System linear unabhängiger Vektoren aus V. Dann gilt: a) r n. b) Es gibt Vektoren u 1,..., u r {v 1,..., v n }, so dass aus (v 1,..., v n ) wieder eine Basis entsteht, wenn man darin u 1,..., u r durch w 1,..., w r ersetzt ( austauscht ). Beweis: erfolgt durch Induktion nach r. Der Fall r = 1 ist Inhalt des folgenden Lemmas. (2.6) Austauschlemma: Sei (v 1,..., v n ) eine Basis von V und w 0 aus V. Dann gibt es ein k {1,..., n}, so dass auch (v 1,..., v k 1, w, v k+1,..., v n ) eine Basis von V ist. Genauer gilt: Ist w = von V. n λ i v i und λ k 0, so ist (v 1,..., v k 1, w, v k+1,..., v n ) eine Basis 7
8 Beweis: Sei w = n λ i v i und λ k 0. Dann ist v k = 1 λ k w + ( λ 1 λ k )v ( λ k 1 λ k )v k 1 + ( λ k+1 λ k )v k ( λ n )v n λ k Also ist v k W = K{w, v 1,..., v k 1, v k+1,..., v n }. Nach 2.1 ist dann V = Kv Kv n W V, also V = W und (w, v 1,..., v k 1, v k+1,..., v n ) ist ein Erzeugendensystem von V. Noch z.z.: (w, v 1,..., v k 1, v k+1,..., v n ) ist linear unabhängig. Dazu sei λw + n µ i v i = 0. Setze w = n λ i v i ein und erhalte i k (λλ 1 + µ 1 )v (λλ k 1 + µ k 1 )v k 1 + λλ k v k + (λλ k+1 + µ k+1 )v k (λλ n + µ n )v n = 0. Da (v 1,..., v n ) linear unabhängig ist folgt λλ i + µ i = 0 für alle i k λλ k = 0 Wegen λ k 0 folgt λ = 0, also auch µ i = 0 für alle i k. Fortsetzung des Beweises von 2.5: Sei nun r 2 und sei 1.5 schon bewiesen für r 1. Nach Induktionsvoraussetzung ist wegen (w 1,..., w r 1 ) linear unabhängig r 1 n und nach geeigneter Umnummerierung der Vektoren v 1,..., v n kann man annehmen, dass (w 1,..., w r 1, v r,..., v n ) eine Basis von V ist. Schreibe w r als Linearkombination dieser Basis: r 1 w r = µ i w i + n λ j v j j=r Da (w 1,..., w r ) linear unabhängig ist, folgt: (i) (w 1,..., w r 1 ) ist (nach 2.4c)) keine Basis von V. Insbesondere ist r 1 n, also r n (ii) λ j 0 für wenigstens ein j r (sonst wäre r 1 (w 1,..., w r ) linear abhängig.) 8 µ i w i + ( 1)w r = 0 und
9 O.B.d.A. sei λ r 0 Mit dem Lemma folgt: (w 1,..., w r 1, w r, v r+1,..., v n ) ist eine Basis von V. (2.7) Korollar: Alle Basen von V haben die gleiche Länge. Beweis: Sind (u 1,..., u r ) und (v 1,..., v s ) Basen von V, so gilt nach 2.5: r s da (u 1,..., u r ) linear unabhängig und (v 1,..., v s ) Basis von V. s r da (v 1,..., v s ) linear unabhängig und (u 1,..., u r ) Basis von V. Definition: Hat V eine Basis (v 1,..., v n ) so heißt die Länge n dieser (und jeder anderen!) Basis die Dimension von V. Schreibweise: dim K V = n (oder dim V = n, falls klar ist welcher Körper gemeint ist.) Hat V keine Basis bestehend endlich vielen Elementen, so setzt man dim V =. Unter einem endlichen Vektorraum versteht man einen Vektorraum mit endlicher Dimension. (2.8) Basisergänzungssatz: In einem endlichen Vektorraum kann man jedes System linear unabhängiger Vektoren zu einer Basis ergänzen. Beweis: Sei (w 1,..., w r ) linear unabhängig und (v 1,..., v n ) eine Basis von V. Dann ist nach 2.5 r n und bei geeigneter Anordnung der v i ist (w 1,..., w r, v r+1,..., v n ) eine Basis von V. (2.9) Basisauswahlsatz: Ist V = K M und M endlich, so kann man in M eine Basis von V wählen. Beweis: Sei (v 1,..., v n ) ein innerhalb der Menge M maximales System linear unabhängiger Vektoren, d.h.: {v 1,..., v n } M, (v 1,..., v n ) ist linear unabhängig und für alle w M ist (v 1,..., v n, w) linear abhängig. Beh.: (v 1,..., v n ) erzeugt V (und ist somit eine Basis von V ) Beweis: Zeige dass M Kv Kv n. Nach 2.1 ist dann V = KM Kv Kv n KM. Sei also w M beliebig. Dann ist nach Vor. (v 1,..., v n, w) linear abhängig, d.h. λw + λ 1 v λ n v n = 0 mit (λ, λ 1,..., λ n ) (0,..., 0) 9
10 Wegen (v 1,..., v n ) linear unabhängig folgt λ 0 und daher ( w = λ ) ( λ ) n Kv Kv n. λ λ (2.10) Korollar: Sei dim V = n < Dann gilt: a) n ist die Maximalzahl linear unabhängiger Vektoren in V (2.8) b) Jedes System von n linear unabhängiger Vektoren ist eine Basis von V. (2.8) c) n ist die minimale Erzeugendenanzahl von V. (2.9) d) Jedes Erzeugendensystem der Länge n ist eine Basis von V. (2.9) (2.11) Satz: Sei dim V = n < und W V ein Untervektorraum. Dann gilt: a) W ist endlich und dim W dim V. b) Ist dim W = dim V, so ist bereits W = V. Beweis: a) Nach (2.10) a) hat jedes System linear unabhängier Vektoren aus W höchstens die Länge n. Also gibt es ein System (w 1,..., w m ) linear unabhängiger Vektoren aus W (mit m n), welches innerhalb W nicht mehr verlängert werden kann, d.h.: Für alle w W ist (w 1,..., w m, w) linear abhängig. Nach 2.4 ist dann (w 1,..., w m ) eine Basis von W und dim W = m n. b) Sei dim W = dim V = n und (w 1,..., w n ) eine Basis von W. Dann ist (w 1,..., w n ) linear unabhängig und nach 2.10 b) eine Basis von V. Insbesondere ist V = W. Beispiele: dim K n = n, da (e 1,..., e n ) Basis von K n. Für den R 3 gilt insbesondere (siehe 2.10) (1) 4 Vektoren im R 3 sind linear abhängig. 10
11 (2) Je 3 linear unabhängige Vektoren im R 3 erzeugen den ganzen Raum. (3) 2 Vektoren erzeugen noch nicht den ganzen Raum. (2.12) Die Dimensionsformel für Untervektorräume: Seien V und W Untervektorräume eines endlichen Vektorraums. Dann gilt: dim(v + W ) = dim V + dim W dim(v W ) Beweis: Als Untervektorräume eines endlichen Vektorraums sind V, W, V + W und V W endlich. Wegen V W V und V W W gilt nach 2.11 r = dim V W s = dim V, r t = dim W Sei (u 1,..., u r ) eine Basis von U = V W. Nach dem Basisergänzungssatz gibt es wegen U V bzw. U W Vektoren v r+1,..., v s V, so dass (u 1,..., u r, v r+1,..., v s ) Basis von V und w r+1,..., w t W, so dass (u 1,..., u r, w r+1,..., w t ) Basis von W ist. Offenbar ist dann B = (u 1,..., u r, v r+1,..., v s, w r+1,..., w t ) ein Erzeugendensystem von V + W ; seine Länge ist r + (s r) + (t r) = s + t r = dim V + dim W dim V W. Es ist noch zu zeigen, dass B linear unabhängig ist, und somit eine Basis von V + W. Sei also ( ) α 1 u α r u r + β r+1 v r β s v s + γ r+1 w r γ t w t = 0 Dann ist t k=r+1 W γ k w k = r j=1 V W V α j u j + s i=r+1 V aus V W. Da (u 1,..., u r ) eine Basis von V W ist, gibt es δ 1,..., δ r K, so dass t k=r+1 γ k w k = r δ j u j, d.h. j=1 β i v i r δ j u j + j=1 t k=r+1 γ k w k = 0 Da (u 1,..., u r, w r+1,..., w t ) linear unabhängig ist, folgt δ 1 =... = δ r = 0 und γ r+1 =... = γ t = 0. Setze in ( ) ein, erhalte α 1 u α r u r + β r+1 v r β x v s = 0 11
12 Da (u 1,..., u r, v r+1,..., v s ) ebenfalls linear unabhängig ist, folgt α 1 =... = α r = β r+1 =... = β s = 0 Damit ist die lineare Unabhängigkeit von B nachgewiesen. Wir wollen noch angeben, wie man die Dimension des Lösungsraums eines linearen Gleichungssystems bestimmt. Sei dazu A eine m n Matrix. Durch elementare Zeilenumformungen vom Typ I und II geht A über in eine Matrix B in Zeilenstufenform mit r von 0 verschiedenen Zeilen (siehe I 4). n r ist dann die Anzahl der freien Variablen und diese gleich der Anzahl der Fundamentallösungen, diese bilden eine Basis des Lösungsraums des zugehörigen Gleichungssystems. Fazit: (2.13) Korollar: Für den Lösungsraum Lös (A) des zu A gehörigen linearen Gleichungssystems gilt dim Lös (A) = n r Insbesondere ist r = n dim Lös A, und daher unabhängig von der Wahl der Umformungen. 12
Basis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Basis und Dimension Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren aus V. 1) (v i ) i I heißt ein Erzeugendensystem von V, wenn Span(v i ) = V. 2) (v i ) i I heißt Basis von
Mehr2.3 Basis und Dimension
23 Basis und Dimension Erinnerung Gegeben ein K-Vektorraum V, ein Vektorensystem x,, x n in V Eine Linearkombination in den x i ist ein Vektor der Form λ x + + λ n x n mit λ i K Die λ i heißen Koeffizienten
MehrKapitel II. Vektorräume
Inhalt der Vorlesung LAAG I Prof. Dr. Arno Fehm TU Dresden WS2017/18 Kapitel II. Vektorräume In diesem ganzen Kapitel sei K ein Körper. 1 Definition und Beispiele 1.1 Beispiel. Ist K = R, so haben wir
MehrMathematik I. Vorlesung 11. Lineare Unabhängigkeit
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 11 Lineare Unabhängigkeit Definition 11.1. Es sei K ein Körper und V ein K-Vektorraum. Dann heißt eine Familie von Vektoren v i, i I,
MehrSatz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen
Mehr6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt
Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 213/214 Markus Schweighofer Lineare Algebra I 6.2 Basen Definition 6.2.1. Seien V ein K-Vektorraum, n N und v 1,..., v n V. (a)
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 05.11.2013 Alexander Lytchak 1 / 14 Linearkombinationen Definition Es sei V ein reeller Vektorraum. Es sei (v i ) i
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,...,
Mehr2.3 Basis und Dimension
Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit
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
MehrKapitel 13. Lineare Gleichungssysteme und Basen
Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x
MehrAffine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3...
Affine Hülle Wiederholung. Der Vektor x K n ist eine lineare Kombination der Vektoren x,...,x k K n, wenn es Zahlen λ,...,λ k K gibt mit x = λ x +... + λ k x k. Def. Gibt es solche Zahlen λ,...,λ k K mit
Mehr4 Der Gauß Algorithmus
4 Der Gauß Algorithmus Rechenverfahren zur Lösung homogener linearer Gleichungssysteme Wir betrachten ein GLS (1) a 11 x 1 + a 1 x + + a 1n x n = a 1 x 1 + a x + + a n x n = a m1 x 1 + a m x + + a mn x
Mehrtechnische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4
Mehr3.3 Austauschsatz, Basisergänzungssatz und Dimension
66 Kapitel III: Vektorräume und Lineare Abbildungen 3.3 Austauschsatz, Basisergänzungssatz und Dimension Montag, 15. Dezember 2003 Es sei V ein Vektorraum. Jedes Teilsystem eines linear unabhängigen Systems
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 8 Dimensionstheorie Ein endlich erzeugter Vektorraum hat im Allgemeinen ganz unterschiedliche Basen. Wenn
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 08.11.2013 Alexander Lytchak 1 / 11 Erinnerung Proposition Es sei (v i ) i I eine Familie von Vektoren aus einem reellen
MehrAufbau der Projektiven Geometrie
Seminararbeit zum Seminar aus Reiner Mathematik Aufbau der Projektiven Geometrie Leonie Knittelfelder Matr. Nr. 1011654 WS 2012/13 Inhaltsverzeichnis 1 Einleitung 3 2 Linearmengen 4 2.1 Satz (1.3.1): Das
MehrKapitel V. Affine Geometrie
Kapitel V Affine Geometrie 1 Affine Räume Betrachte ein lineares Gleichungssystem Γ : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 + + a mn x n = b
Mehr2 Vektorräume und Gleichungssysteme
2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum 2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum Definition 21 Seien K = (K, +, ) ein Körper, V eine Menge und
MehrSatz 7. A sei eine nichtleere Teilmenge des nichttrivialen Vektorraums (V, +, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine nichtleere Teilmenge
MehrLineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin:
Lineare Algebra I - 9.Vorlesung - rof. Dr. Daniel Roggenkamp & Falko Gauß Korrektur: 2. Klausurtermin: 09.02.2017 Linearkombination von Vektoren lineare Hülle Erzeugendensystem S lineare Unabhängigkeit
MehrLösungen der Aufgaben zu Abschnitt 5.4
A Filler: Elementare Lineare Algebra Lösungen zu Abschnitt 54 Lösungen der Aufgaben zu Abschnitt 54 B ist linear unabhängig, wenn die Vektorgleichung ( ) ( ) ( ) ( ) 456 λ + λ + λ = bzw das LGS λ +4λ +λ
MehrDer Rangsatz für lineare Abbildungen
Der Rangsatz für lineare Abbildungen Satz Sei f : V W eine lineare Abbildung Dann gilt dim V = dim Kern(f) + dim Bild(f), also gleichbedeutend dim Kern(f) = dim V rg(f) Da uns in der Regel bei gegebenem
Mehr5 Diagonalisierbarkeit
5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj
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
Mehr$Id: vektor.tex,v /01/21 14:35:13 hk Exp $
Mathematik für Physiker I, WS 2/2 Freitag 2 $Id: vektortex,v 5 2//2 4:35:3 hk Exp $ Vektorräume 2 Untervektorräume und Erzeugendensysteme Am Ende der letzten Sitzung hatten wir wieder einmal den Lösungsraum
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
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
Mehr[5], [0] v 4 = + λ 3
Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 7 Die Lösungsmenge eines homogenen linearen Gleichungssystems in n Variablen über einem Körper K ist ein Untervektorraum
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
MehrAffine Geometrie (Einfachere, konstruktive Version)
Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit
MehrSummen und direkte Summen
Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M
Mehr5 Die Allgemeine Lineare Gruppe
5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
MehrLineare Abbildungen - I
Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
Mehr5 Vektorräume. (V1) für alle x, y V : x + y = y + x; (V2) für alle x, y, z V : (x + y) + z = x + (y + z);
5 Vektorräume Was wir in den vorangegangenen Kapiteln an Matrizen und Vektoren gesehen haben, wollen wir nun mathematisch abstrahieren. Das führt auf den Begriff des Vektorraumes, den zentralen Begriff
MehrIn diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,
2 Vektorräume In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa Unterraum, Linearkombination, lineare Unabhängigkeit und Erzeugendensystem.
Mehr3 Die Strukturtheorie der Vektorräume
Vorlesung WS 08 09 Lineare Algebra 1 Prof. Dr. Peter Schneider 3 Die Strukturtheorie der Vektorräume Sei V ein K-Vektorraum Sei v 1,...v r V endlich viele vorgegebene Vektoren. Definition: 1. Jeder Vektor
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
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 30.10.2012 Bernhard Hanke 1 / 10 Vektorräume (Wiederholung) Ein reeller Vektorraum besteht aus einer Menge V, einem ausgezeichneten Element
MehrKapitel II. Vektorräume. Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume
Kapitel II. Vektorräume Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume Die fundamentale Struktur in den meisten Untersuchungen der Linearen Algebra bildet der Vektorraum.
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
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
MehrEin Skript für Lineare Algebra I und II
Ein Skript für Lineare Algebra I und II Chris Preston 2003/04 1 2 Dies ist ein Skript für die Vorlesungen Lineare Algebra I und II. Die Texte von Jänich [5] und Fischer [3] haben die Darstellung beeinflusst.
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
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Martin Gubisch Lineare Algebra I WS 27/28 Definition (a ij ) 1 j n 1 i n heiÿt eine m n-matrix mit Komponenten a ij K Dabei bezeichnet i den Zeilenindex und j den Spaltenindex
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,...,
MehrMathematik I. Vorlesung 16. Eigentheorie
Prof Dr H Brenner Osnabrück WS 009/00 Mathematik I Vorlesung 6 Eigentheorie Unter einer Achsenspiegelung in der Ebene verhalten sich gewisse Vektoren besonders einfach Die Vektoren auf der Spiegelungsachse
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?
Mehr4 Affine Koordinatensysteme
4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner
Mehr0, v 6 = , v 4 = 1
Aufgabe 6. Linearkombinationen von Vektoren Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 : M = v =, v =, v 3 =, v 4 =, v 5 =, v 6 =. Zeigen Sie, dass sich jeder Vektor v i M, i =,,...,
MehrÜbersicht Kapitel 9. Vektorräume
Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten
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
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
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
MehrKapitel II. Vektoren und Matrizen
Kapitel II. Vektoren und Matrizen Vektorräume A Körper Auf der Menge R der reellen Zahlen hat man zwei Verknüpfungen: Addition: R R R(a, b) a + b Multiplikation: R R R(a, b) a b (Der Malpunkt wird oft
MehrLineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.
Lineare Hülle Def A sei eine nichtleere Teilmenge des Vektorraums (V,+, ) Die lineare Hülle von A (Bezeichung: span(a)) ist die Menge aller Linearkombinationen der Elemente aus A { k } span(a) := λ i v
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:
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
MehrGrundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) SoSe C. Curilla/ B. Janssens
Fachbereich Mathematik Algebra und Zahlentheorie Christian Curilla Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) Blatt 8 SoSe 2011 - C. Curilla/ B. Janssens Präsenzaufgaben (P16)
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Definition. Sei K ein Körper, a ij K für 1 i m, 1 j n und b 1,..., b m K. Dann heißt 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......
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
MehrVektorräume. Kapitel Definition und Beispiele
Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte
MehrElemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren
3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
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
Mehr$Id: vektor.tex,v /02/04 13:59:04 hk Exp $
$Id: vektortex,v 42 29/2/4 3:59:4 hk Exp $ Vektorräume Wir kommen jetzt zum wohl abstraktesten Kapitel dieses ganzen Semesters, der Theorie der sogenannten Vektorräume Normalerweise ist ein Vektor etwas
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
MehrR 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte
Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
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
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
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
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
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
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
MehrMusterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr
TUM Ferienkurs Lineare Algebra WiSe 8/9 Dipl.-Math. Konrad Waldherr Musterlösung Relationen Aufgabe Auf R sei die Relation σ gegeben durch (a, b)σ(c, d) : a + b c + d. Ist σ reflexiv, symmetrisch, transitiv,
Mehr6. f : Abb(R, R) R mit ϕ f(ϕ) := ϕ(1) Hinweis:f :V W über K bedeutet Abbildung f zwischen den Vektorräumen V und W über demselben
Aufgabe 74. Untersuchen Sie die folgenden Abbildungen auf Linearität. 1. f : R 2 R 2 mit (x, y) f(x, y) := (3x + 2y, x) 2. f : R R mit x f(x) := ϑx + ζ für feste ϑ, ζ R 3. f : Q 2 R mit (x, y) f(x, y)
Mehr3 Vektorräume abstrakt
Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare
MehrBlatt 10 Lösungshinweise
Lineare Algebra und Geometrie I SS 05 Akad. Rätin Dr. Cynthia Hog-Angeloni Dr. Anton Malevich Blatt 0 Lösungshinweise 0 0 Aufgabe 0. Es seien die Vektoren u =, v = und w = in R gegeben. a # Finden Sie
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
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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I Wintersemester 3/ Aufgabenblatt 6. Januar Präsenzaufgaben
Mehr1 0 1, V 3 = M, und λ A = λa
Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a
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,...,
Mehr5 Schnitt, Verbindung und Erzeugung affiner Unterräume: Fortsetzung
Kapitel II Lineare Algebra und analytische Geometrie 5 Schnitt, Verbindung und Erzeugung affiner Unterräume: Fortsetzung Wann liegt ein Punkt auf einem affinen Unterraum? Wann haben zwei affine Unterräume
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
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 25/26 Lineare Algebra und analytische Geometrie I Schläft ein Lied in allen Dingen, Die da träumen fort und fort, Und die Welt hebt an zu singen, Triffst du nur das Zauberwort
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 13. Übungsblatt
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl WS 8/9 Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum
Mehr70 IV. ENDLICH-DIMENSIONALE VEKTORRÄUME
IV. Endlich-dimensionale Vektorräume Unter einem endlich-dimensionalen Vektorraum verstehen wir einen Vektorraum, der eine endliche Basis besitzt. Die entscheidende Beobachtung ist die Tatsache, dass in
MehrDie lineare Hülle. heißt der Vektor. Linearkombination der Vektoren v i mit Koeffizienten α i. Direkt aus (12.6) folgt
Eine Menge v +U mit einem Untervektorraum U nennt man auch eine Nebenklasse des Untervektorraumes U. Sie entsteht, wenn man die Translation τ v auf die Menge U anwendet. Ausdrücke der Form αu + βv, auch
Mehr7.3 Unitäre Operatoren
Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren
Mehr