Aufgaben zu Kapitel 17

Größe: px
Ab Seite anzeigen:

Download "Aufgaben zu Kapitel 17"

Transkript

1 Aufgaben zu Kapitel 7 Aufgaben zu Kapitel 7 Verständnisfragen Aufgabe 7. Welche der folgenden Abbildungen sind linear? ( R ) ( R ) (a) ϕ : v v v v + R R ( ) v (b) ϕ : v v v 4 v v R R ( ) v (c) ϕ : v v v v v v Aufgabe 7. Für welche u R ist die Abbildung linear? { R R ϕ : v v + u Aufgabe 7. Gibt es eine lineare Abbildung ϕ : R R mit (a) (b) bzw. ϕ ϕ (( )) = (( )) = ( ),ϕ ( ),ϕ (( )) = (( )) = ( ),ϕ ( ),ϕ (( )) 6 = (( )) 5 = ( ) 4 ( ) 4? Aufgabe 7.4 Welche Dimensionen haben Kern und Bild der folgenden linearen Abbildung? ( R ) ( R ) ϕ : v v + v v v + v Aufgabe 7.5 Begründen Sie die auf Seite 56 gemachte Behauptung: Sind ϕ : V V und ψ : V V linear, so ist auch die Hintereinanderausführung ψ ϕ : V V linear, und ist ϕ eine bijektive lineare Abbildung, so ist auch ϕ : V V eine solche. Aufgabe 7.6 Wenn A eine linear unabhängige Menge eines K-Vektorraums V ist und ϕ ein injektiver Endomorphismus von V ist, ist dann auch A ={ϕ(v) v A} linear unabhängig? Aufgabe 7.7 Folgt aus der linearen Abhängigkeit der Zeilen einer reellen -Matrix A die lineare Abhängigkeit der Spalten von A? Aufgabe 7.8 Gegeben ist eine lineare Abbildung ϕ : R R mit ϕ ϕ = id R (d. h., für alle v R gilt ϕ(ϕ(v)) = v), aber ϕ = ±id R (d. h. ϕ {v v, v v}). Zeigen Sie: (a) Es gibt eine Basis B ={b, b } des R mit ϕ(b ) = b, ϕ(b ) = b. (b) Ist B ={a, a } eine weitere Basis mit der in (a) angegebenen Eigenschaft, so existieren λ, μ R \{} mit a = λ b, a = μ b. Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

2 Aufgaben zu Kapitel 7 Rechenaufgaben Aufgabe 7.9 Wir betrachten die lineare Abbildung ϕ : R 4 R 4, v A v mit der Matrix A =. Gegeben sind weiter die Vektoren 4 a =, b = und c = (a) Berechnen Sie ϕ(a) und begründen Sie, dass b im Kern von ϕ liegt. Ist ϕ injektiv? (b) Bestimmen Sie die Dimensionen von Kern und Bild der linearen Abbildung ϕ. (c) Bestimmen Sie Basen des Kerns und des Bildes von ϕ. (d) Bestimmen Sie die Menge L aller v R 4 mit ϕ(v) = c. Aufgabe 7. Wir betrachten den reellen Vektorraum R[X] aller Polynome über R vom Grad kleiner oder gleich, und es bezeichne d dx : R[X] R[X] die Differenziation. Weiter sei E := (, X,X,X ) die Standardbasis von R[X]. (a) Bestimmen Sie die Darstellungsmatrix E M( dx d ) E. (b) Bestimmen Sie die Darstellungsmatrix B M( dx d ) B von dx d bezüglich der geordneten Basis B := (X, X, 6 X, 6) von R[X]. Aufgabe 7. Gegeben sind die geordnete Standardbasis E := des R und C :=,,, des R4. (( ), ( )) des R, B := Nun betrachten wir zwei lineare Abbildungen ϕ : R R und ψ : R R 4 definiert durch (( )) v ϕ v := v ψ v := v v v und v v v + v v v v + v. v + v Bestimmen Sie die Darstellungsmatrizen B M(ϕ) E, C M(ψ) B und C M(ψ ϕ) E.,, Aufgabe 7. Gegeben ist eine lineare Abbildung ϕ : R R. Die Darstellungsmatrix von ϕ bezüglich der geordneten Standardbasis E = (e, e, e ) des R lautet: 4 E M(ϕ) E = R (a) Begründen Sie: B :=,, ist eine geordnete Basis des R. (b) Bestimmen Sie die Darstellungsmatrix B M(ϕ) B und die Transformationsmatrix S mit B M(ϕ) B = S E M(ϕ) E S. Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

3 Aufgaben zu Kapitel 7 Aufgabe 7. Gegeben sind zwei geordnete Basen A und B des R A = B = 8 6 7,, 6 7,, und eine lineare Abbildung ϕ : R R, welche bezüglich der Basis A die folgende Darstellungsmatrix hat AM(ϕ) A = 5. 5 (a) Bestimmen Sie die Darstellungsmatrix B M(ϕ) B von ϕ bezüglich der geordneten Basis B. (b) Bestimmen Sie die Darstellungsmatrizen A M(ϕ) B und B M(ϕ) A. Aufgabe 7.4 Es bezeichne : R[X] 4 R[X] 4 der durch (f ) = f(x+ ) f(x)erklärte Differenzenoperator. (a) Begründen Sie, dass linear ist, und berechnen Sie die Darstellungsmatrix E M( ) E von bezüglich der kanonischen Basis E = (, X,X,X,X 4 ) von R[X] 4 sowie die Dimensionen des Bildes und des Kerns von. (b) Begründen Sie, dass ( B =, X, X(X ), X(X )(X ), 6 ) X(X )(X )(X ) 4 eine geordnete Basis von R[X] 4 ist, und berechnen Sie die Darstellungsmatrix B M( ) B von bezüglich B. (c) Angenommen, Sie sollten auch noch die Darstellungsmatrizen der Endomorphismen,, 4, 5 berechnen es bedeutet hierbei k = Ihnen sei dafür aber die Wahl der Basis von R[X] }{{} 4 freigestellt. Welche Basis würden k-mal Sie nehmen? Begründen Sie Ihre Wahl. Anwendungsprobleme Aufgabe 7.5 Auf Seite 56 wurde das Katzenauge für drei Spiegel in den Koordinatenebenen betrachtet. Verallgemeinern Sie das dortige Vorgehen für drei zueinander senkrechte Spiegel S, S bzw. S mit den Normalenvektoren n, n bzw. n. Aufgabe 7.6 In der Physik sind aus den verschiedensten Gründen Änderungen des Bezugssystems, das ist ein System, auf das sich die Orts- und Zeitangaben beziehen, nötig. Mathematisch betrachtet ist dies eine Koordinatentransformation, also eine lineare Abbildung. Bestimmen Sie die Darstellungsmatrix bezüglich der Standardbasis E der Koordinatentransformation, bei der das neue Bezugssystem aus dem alten durch eine Drehung um den Winkel α und der Drehachse e bzw. e bzw. e entsteht. Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

4 4 Hinweise zu Kapitel 7 Hinweise zu Kapitel 7 Verständnisfragen Aufgabe 7. Überprüfen Sie die Abbildungen auf Linearität oder widerlegen Sie die Linearität durch Angabe eines Beispiels. Aufgabe 7. Nehmen Sie an, dass die Abbildung linear ist. Untersuchen Sie, welche Bedingung u erfüllen muss. Aufgabe 7. Beachten Sie das Prinzip der linearen Fortsetzung auf Seite 565. Aufgabe 7.4 Bestimmen Sie das Bild von ϕ und beachten Sie die Dimensionsformel auf Seite 569. Aufgabe 7.5 Zeigen Sie direkt, dass ψ ϕ und ϕ linear sind. Beachten Sie die Definition der Linearität. Aufgabe 7.6 Prüfen Sie die Menge A auf lineare Unabhängigkeit, bedenken Sie dabei aber, dass A durchaus unendlich viele Elemente enthalten kann. Beachten Sie auch das Injektivitätskriterium auf Seite 568. Aufgabe 7.7 Man beachte die Regel Zeilenrang ist gleich Spaltenrang. Aufgabe 7.8 Wählen Sie geeignete Vektoren v und v und betrachten Sie v + ϕ(v) und v ϕ(v ). Rechenaufgaben Aufgabe 7.9 Beachten Sie das Injektivitätskriterium auf Seite 568. Aufgabe 7. In der i-ten Spalten der Darstellungsmatrix steht der Koordinatenvektor des Bildes des i-ten Basisvektors. Aufgabe 7. Beachten Sie die Formel auf Seite 576. Aufgabe 7. Beachten Sie die Basistransformationsformel auf Seite 576. Aufgabe 7. Schreiben Sie B M(ϕ) B = B M(id ϕ id) B und beachten Sie die Formel für das Produkt von Darstellungsmatrizen auf Seite 576. Aufgabe 7.4 Beachten Sie die Definitionen der Linearität und der Darstellungsmatrix. Anwendungsprobleme Aufgabe 7.5 Führen Sie die Rechnung auf Seite 56 mit Ebenenspiegelungen σ durch, deren Darstellungsmatrizen die Form E nn T haben. Aufgabe 7.6 Bestimmen Sie die Bilder der Basisvektoren unter der Drehung. Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

5 Lösungen zu Kapitel 7 5 Lösungen zu Kapitel 7 Verständnisfragen Aufgabe 7. (a) ϕ ist nicht linear. (b) ϕ ist linear. (c) ϕ ist nicht linear. Aufgabe 7. Nur für u =. Aufgabe 7. (a) Nein. (b) Ja. Aufgabe 7.4 dim ϕ(r ) = und dim ϕ ({}) =. Aufgabe 7.5 Aufgabe 7.6 Ja. Aufgabe 7.7 Ja. Aufgabe 7.8 Rechenaufgaben Aufgabe 7.9 (a) ϕ(a) = c, ϕ(b) =, ϕ ist nicht injektiv. (b) Der Kern hat die Dimension und das Bild die Dimension. (c) Es ist {b} eine Basis des Kerns von ϕ und,, eine Basis des Bildes von ϕ. (d) L = a + ϕ ({}). Aufgabe 7. EM( d ( ) dx ) E = und B M( d dx ) B = ( Aufgabe BM(ϕ) E =, C M(ψ) B = CM(ψ ϕ) E = Aufgabe 7. (b) Es gilt B M(ϕ) B = und S = Aufgabe 7. (a) Es gilt B M(ϕ) B = (b) Es gilt A M(ϕ) B = 8 und B M(ϕ) A = Aufgabe (a) E M( ) E = 6 4 ({}) =, dim( (V )) = 4. (b) B M( ) B = ). Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

6 6 Lösungen zu Kapitel 7 Anwendungsprobleme Aufgabe 7.5 Der einfallende Lichtstrahl verlässt in umgekehrter Richtung die Spiegelanordnung. cos α sin α Aufgabe 7.6 E M(δ e,α) E = cos α sin α, E M(δ e,α) E =, E M(δ e,α) E = sin α cos α sin α cos α cos α sin α sin α cos α. Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

7 Lösungswege zu Kapitel 7 7 Lösungswege zu Kapitel 7 Verständnisfragen Aufgabe 7. ( ) (a) Wegen ϕ () = = kann ϕ nicht linear sein. ( ) ( ) v w (b) Mit λ R und v =, w = gilt v w ϕ(λv + w) = (λ v + w ) (λ v + w ) 4 (λ v + w ) (λ v + w ) = λϕ (v) + ϕ(w), sodass ϕ eine lineare Abbildung ist. ( ) (c) Mit v = und λ = gilt ϕ (λ v) = 8 und λϕ(v) =, sodass ϕ keine lineare Abbildung ist. Aufgabe 7. Wenn ϕ linear ist, dann gilt ϕ(v + w) = ϕ(v) + ϕ(w) für alle v, w R. Mit der angegeben Abbildungsvorschrift besagt dies ϕ(v + w) = v + w + u = v + u + w + u = ϕ(v) + ϕ(w). Und dies ist nur dann möglich, wenn u = ist. Also folgt aus der Linearität von ϕ die Gleichung u =. Umgekehrt ist aber natürlich ϕ in der Situation u = eine lineare Abbildung, es ist ϕ dann nämlich die Identität. Aufgabe 7. (a) Wegen ( ) 6 = ( ) + ( ) würde eine lineare Abbildung ϕ : R R mit den angegebenen Eigenschaften den Vektor (( )) 6 = (( )) ( ( ) ( )) 6 ϕ = ϕ + (( )) (( )) = ϕ + ϕ ( ) ( ) ( ) 4 = + = 4 ( ) 4 = ( ) 6 einerseits auf ( ) 4 erfüllen. Das kann aber nicht sein, sodass keine solche lineare 4 abbilden, andererseits aber auch ϕ Abbildung existiert. (b) Wegen ( ) ( ) ( ) 5 = + und ( ) ( ) ( ) 4 = + (( )) ( ) 5 4 enthält die dritte Forderung ϕ = tatsächlich nichts, was nicht schon in den ersten beiden Forderungen verlangt wird. Nach dem Prinzip der linearen Fortsetzung existiert genau eine Abbildung mit den gewünschten Eigenschaften. Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

8 8 Lösungswege zu Kapitel 7 ( ) Aufgabe 7.4 Für jedes v R gilt ϕ(v) R, sodass also ϕ(r ) = der Dimensionsformel auf Seite 569 folgt dim ϕ ({}) =. ( ) Wir können auch den Kern von ϕ bestimmen, dieser ist offenbar. Aufgabe 7.5 Sind v, w V und λ K, so gilt Das begründet, dass ψ ϕ linear ist. ψ ϕ(λv + w) = ψ(ϕ(λv + w)) = ψ(λϕ(v) + ϕ(w)) = ψ(λϕ(v) + ψ(ϕ(w)) = λ ψ(ϕ(v)) + ψ(ϕ(w)) = λψ ϕ(v) + ψ ϕ(w). ( ) und somit dim ϕ(r ) = gilt. Mit Nun sei ϕ bijektiv. Es existiert dann die Umkehrabbildung ϕ : V V. Es ist zu zeigen, dass ϕ linear ist. Dazu wählen wir beliebige v, w V und ein λ K. Zuv, w existieren v, w V mit ϕ(v) = v und ϕ(w) = w,d.h.v = ϕ (v ) und w = ϕ (w ). Dann gilt: Damit ist gezeigt, dass ϕ linear ist. ϕ (λ v + w ) = ϕ (λ ϕ(v) + ϕ(w)) = ϕ (ϕ(λ v + w) = λ v + w = λϕ (v ) + ϕ (w ) Aufgabe 7.6 Da A eine unendliche Menge sein kann, trifft dies auch für A zu. Wir prüfen die lineare Unabhängigkeit von A nach, indem wir die lineare Unabhängigkeit für jede endliche Teilmenge E A nachweisen. Ist nun E ={ϕ(v ),..., ϕ(v r )} A mit v,..., v r A eine solche endliche Teilmenge von A, so folgt aus für λ,..., λ r K und der Linearität von ϕ sogleich λ ϕ(v ) + +λ r ϕ(v r ) = ϕ(λ v + +λ r v r ) =. Nun ist ϕ aber als injektiv vorausgesetzt. Nach dem Injektivitätskriterium auf Seite 568 gilt deswegen λ v + +λ r v r =. Weil aber die Menge {v,..., v r } als endliche Teilmenge von A linear unabhängig ist, folgt λ = =λ r =, also die lineare Unabhängigkeit von E und damit schließlich jene von A. Aufgabe 7.7 Die Aussage ist richtig. Weil der Zeilenrang von A kleiner oder gleich ist, ist auch der Spaltenrang von A kleiner oder gleich. Also sind die Spalten von A linear abhängig. Aufgabe 7.8 (a) Wegen ϕ = id R existiert v R mit ϕ(v) = v, also b := v + ϕ(v) =. Wegen ϕ = id R existiert v R mit ϕ(v ) = v, also b = v ϕ(v ) =. Es gilt wie gewünscht. ϕ(b ) = ϕ ( v + ϕ(v) ) = ϕ(v) + ϕ (v) = ϕ(v) + v = b, ϕ(b ) = ϕ ( v ϕ(v ) ) = ϕ(v ) ϕ (v ) = ϕ(v ) v = b Bemerkung: Anstelle von ϕ ϕ haben wir ϕ geschrieben, wie es allgemein üblich ist. Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

9 Lösungswege zu Kapitel 7 9 Es bleibt zu zeigen, dass {b, b } tatsächlich eine Basis des R ist. Sind α, β R mit α b + β b = gegeben, so folgt durch Anwenden von ϕ auf diese Identität = ϕ() = ϕ(α b + β b ) = αϕ(b ) + βϕ(b ) = α b β b. Addition bzw. Subtraktion beider Identitäten ergibt α b = β b =, wegen b, b = also α = β =. Damit ist {b, b } linear unabhängig, aus Dimensionsgründen also eine Basis des R. (b) Es existieren λ, μ R mit a = λ b + μ b. Anwenden von ϕ ergibt a = ϕ(a ) = λ b μ b. Da die Darstellung von a als Linearkombination der Basis {b, b } eindeutig ist, muss μ = μ, d.h.μ = sein. Also ist a = λ b. Es gilt λ =, weil a als Element der Basis {a, a } natürlich nicht der Nullvektor ist. Damit haben wir ein λ mit den gewünschten Eigenschaften gefunden. Die gleiche Prozedur für a ergibt für a = λ v + μ b mit λ, μ R, a = ϕ(a ) = λ b + μ b, zusammen mit a = λ b + μ b also λ = und a = μ b mit μ =. Rechenaufgaben Aufgabe 7.9 (a) Wir berechnen ϕ(a): 4 ϕ(a) = A a = = 4 4 = c 4 Der Vektor b liegt im Kern von ϕ, wenn ϕ(b) = gilt. Wir prüfen das nach: ϕ(b) = A b = = = Also liegt b im Kern von ϕ. Die Abbildung ϕ ist nach dem Injektivitätskriterium auf Seite 568 nicht injektiv, da b = im Kern von ϕ liegt. (b) Da ϕ(r 4 ) = s, s, s, s 4 mit den Spaltenvektoren s, s, s, s 4 der Matrix A gilt, erhalten wir die Dimension des Bildes durch elementare Spaltenumformungen an A: An dieser Spaltenstufenform erkennt man den Spaltenrang der Matrix A. Damit gilt dim ϕ(r 4 ) =. Mit der Dimensionsformel von Seite 569 folgt nun, dim ϕ ({}) =. Wir hätten natürlich auch umgekehrt zuerst die Dimension des Kerns durch elementare Zeilenumformungen bestimmen können. Nach (a) liegt der Vektor b im Kern von ϕ. Nach (b) ist der Kern eindimensional, sodass ϕ ({})) = gelten muss. Also ist {b} eine Basis des Kerns von ϕ. Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

10 Lösungswege zu Kapitel 7 Nach (b) ist das Bild von ϕ dreidimensional. Wir haben weiterhin in (b) gezeigt, dass die ersten drei Spalten der Matrix A linear unabhängig sind. Also bilden die ersten drei Spaltenvektoren s, s, s von A eine Basis des Bildes von ϕ:,, ist eine Basis von ϕ(r 4 ). (d) Es ist L die Lösungsmenge des inhomogenen linearen Gleichungssystems (A c). Diese Lösungsmenge ist nach einem Ergebnis auf Seite 479 die Summe einer speziellen Lösung und der Lösungsmenge des zugehörigen homogenen Systems. Da a nach (a) eine spezielle Lösung des inhomogenen Systems und der Kern die Lösungsmenge des homogenen Systems ist, erhalten wir also: L = a + ϕ ({}). Aufgabe 7. (a) Wegen erhalten wir sogleich (b) Wegen erhalten wir hieraus d dx () = d d (X) =, dx d dx (X ) = X dx (X ) = X, EM( d dx ) E =. d dx ( X ) = 6 X, d d (6 X) = 6, dx BM( d dx ) B =. Aufgabe 7. Wir verwenden die Bezeichnungen e = b :=. ( ) und e = d dx (X ) = X dx (6) = ( ) sowie b :=, b :=, Wir erhalten B M(ϕ) E, indem wir die Koordinaten v j, v j, v j von ϕ(e j ) für j =, bezüglich der Basis B in die Spalten einer Matrix schreiben. Wir erhalten v j, v j, v j durch Lösen der durch v j b + v j b + v j b = e j für j =, gegebenen linearen Gleichungssysteme über R mit dem Gauÿ Algorithmus. Man erhält BM(ϕ) E =. Analog erhält man C M(ψ) B, indem man die Koordinaten v j, v j, v j, v 4j von ψ(b j ) für j =,, bezüglich der Basis C in die Spalten einer Matrix schreibt. Dies liefert: 5 CM(ψ) B = Die Darstellungsmatrix C M(ψ ϕ) E erhält man durch Matrixmultiplikation: 8 5 CM(ψ ϕ) E = C M(ψ) BB M(ϕ) E = Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

11 Lösungswege zu Kapitel 7 Aufgabe 7. (a) Wegen sind die drei Vektoren linear unabhängig, also B eine geordnete Basis. (b) Mit A := E M(ϕ) E erhalten wir b :=, b := und b := A b = b + b + b, A b = b + b + b, A b = b + b + b. Also gilt BM(ϕ) B =. Und als Transformationsmatrix erhalten wir die Matrix Aufgabe 7. (a) Es gilt S = E M(id R ) B = ((b, b, b )) =. BM(ϕ) B = B M(id ϕ id) B = B M(id) AA M(ϕ) AA M(id) B. Um also B M(ϕ) B zu ermitteln, ist das Produkt der drei Matrizen B M(id) A, A M(ϕ) A und A M(id) B zu bilden. Die Matrix AM(ϕ) A ist gegeben, die anderen beiden Matrizen müssen wir noch bestimmen. Wegen B M(id) AA M(id) B = B M(id) B = E ist A M(id) B das Inverse zu B M(id) A. Wir bezeichnen die Elemente der geordneten Basis der Reihe nach mit a, a, a und jene der Basis B mit b, b, b und ermitteln B M(id) A = (( B a, B a, B a )). Gesucht sind also λ,λ,λ R mit λ b + λ b + λ b = a bzw. = a bzw. = a. Dies sind drei lineare Gleichungssysteme, die wir simultan lösen: Damit lautet die Basistransformationsmatrix BM(id) A =. Die Matrix A M(id) B erhalten wir durch Invertieren der Matrix B M(id) A. Es gilt AM(id) B = 5. 6 Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

12 Lösungswege zu Kapitel 7 Wir berechnen schließlich das Produkt BM(ϕ) B = B M(id) AA M(ϕ) AA M(id) B = (b) Wegen AM(ϕ) B = A M(ϕ id) B = A M(ϕ) AA M(id) B erhalten wir die Darstellungsmatrix A M(ϕ) B als Produkt der beiden Matrizen A M(ϕ) A und A M(id) B. Es gilt AM(ϕ) B = A M(ϕ) AA M(id) B = 8. 7 Analog erhalten wir für die Darstellungsmatrix BM(ϕ) B = B M(id ϕ) A = B M(id) AA M(ϕ) A 7 BM(ϕ) B = B M(id) AA M(ϕ) A = Aufgabe 7.4 (a) Wir kürzen V := R[X] 4 ab. Dann gilt für f, g V (f + g) = (f + g)(x + ) (f + g)(x) = f(x+ ) f(x)+ g(x + ) g(x) = (f ) + (g), damit ist additiv. Und für f V und λ R gilt (λ f ) = (λ f )(X + ) (λ f )(X) = λf(x+ ) λ f (X) = λ(f(x+ ) f(x)) = λ (f ), was besagt, dass homogen ist. Die Homogenität und die Additivität besagen, dass eine lineare Abbildung ist. Es gilt () = =, (X) = (X + ) X =, (X ) = (X + ) X = X +, (X ) = (X + ) X = X + X +, (X 4 ) = (X + ) 4 X 4 = 4 X + 6 X + 4 X +. Also ist 4 D := E M( ) E = 6 4 die Darstellungsmatrix von bezüglich der Standardbasis E = (, X,X,X,X 4 ) von R[X] 4. Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

13 Lösungswege zu Kapitel 7 Wir behaupten, dass die letzten 4 Spalten von D linear unabhängig sind. Ist nämlich λ + λ + λ + λ =, so folgt aus der vierten Zeile 4 λ 4 =, d. h. λ 4 =. Nach Streichen des vierten Vektors ergibt sich aus der dritten Zeile λ =, d. h. λ =, usw., also insgesamt λ = λ = λ = λ 4 = wie behauptet. Weil f V genau dann im Kern von liegt, wenn E M( ) EE f = gilt und der Kern der Matrix nach obiger Rechnung die Dimension hat, erhalten wir für die Dimension des Kerns von : Mit der Dimensionsformel folgt nun dim( (V )) = 4. dim ϕ ({}) = (b) Wir bezeichnen die angegebenen Polynome der Reihe nach mit p j für j =,,,, 4, und haben dann B = (p,p,p,p,p 4 ). Die Matrix M, deren Spalten die Koordinatenvektoren E p j sind, hat die Form 6. 4 Wegen der Dreiecksgestalt ist B linear unabhängig, weil die Koordinatenvektoren linear unabhängig sind, und folglich ist B eine geordnete Basis von V. Es gilt (p ) = () =, (p ) = (X) = = p, (X + )X X(X ) (p ) = = X + X X X = X = p, (X + )X(X ) X(X )(X ) (p ) = 6 6 X(X ) ( ) = X + (X ) 6 X(X ) = = p, (X + )X(X )(X ) (p 4 ) = 4 X(X )(X )(X ) 4 X(X )(X ) ( ) = X + (X ) 4 X(X )(X ) = = p. 6 Die Darstellungsmatrix von bezüglich B ist demnach: D := B M( ) B = Bemerkung: Man nennt die Form der Matrix D Jordan-Normalform dies ist fast eine Diagonalform. Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

14 4 Lösungswege zu Kapitel 7 (c) Natürlich die Basis B, denn wegen k (p j ) = p j k (für k j 4) sind die Matrizen von,, 4, 5 der Reihe nach einfach,,,. (Dasselbe erhält man durch direktes Ausrechnen von D, D, D4, D5.) Insbesondere ist 5 = die Nullabbildung. Anwendungsprobleme Aufgabe 7.5 Die drei Ebenenspiegelungen sind durch die drei Matrizen E n n T, E n n T, E n n T gegeben. Der einfallende Lichtstrahl, den wir als Vektor v R interpretieren, wird nacheinander an den drei Ebenen gespiegelt. Wir berechnen das Produkt dieser drei Spiegelungsmatrizen, dabei beachten wir, dass je zwei der drei verschiedenen Normalenvektoren senkrecht aufeinander stehen, d. h., es gilt n T i n j = für i = j: ] [(E n n T )(E n n T ) (E n n T ) = (E n n T n n T )(E n n T ) = E n n T n n T n n T = E (n n T + n n T + n n T ) = E E = E Bezeichnet ϕ die zusammengesetzte Abbildung an den drei Ebenen und ist v ein einfallender Lichtstrahl, so gilt also ϕ(v) = v, der Strahl verlässt das Katzenauge in umgekehrter Richtung. Kommentar: An obiger Rechnung erkennt man, dass man bei der Produktbildung die Reihenfolge der Matrizen E n n T, E n n T, E n n T durchaus vertauschen kann, das Ergebnis bleibt das gleich. Aufgabe 7.6 Wir betrachten das in der Abbildung 7. gegebene Koordinatensystem. x x Abbildung 7. Ein Koordinatensystem im R. x Zuerst behandeln wir den Fall, bei dem die x -Achse die Drehachse ist, siehe Abbildung 7.4. Wir wählen eine Aufsicht, bei der die Drehachse, also die x -Achse senkrecht zur Betrachtungsebene steht, siehe Abbildung 7.5. Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

15 Lösungswege zu Kapitel 7 5 x α α x Abbildung 7.4 Das Koordinatensystem wird um den Winkel α um die x -Achse gedreht. x x α Abbildung 7.5 Die x -Achse bleibt bei der Drehung fest. x α x Nun bestimmen wir die Koordinatenvektoren der Bilder der Basisvektoren unter der Drehung δ e,α um den Winkel α; wir erhalten diese Koordinatenvektoren aus der Abbildung 7.4 δ e,α(e ) = e,δ e,α(e ) = cos α, sin α δ e,α(e ) = sin α, cos α damit hat die gesuchte Darstellungsmatrix die Form E M(δ e,α) E = cos α sin α. sin α cos α Bei den Drehungen δ e,α und δ e,α geht man analog vor; man erhält dabei die Darstellungsmatrizen cos α sin α E M(δ e,α) E =, sin α cos α cos α sin α E M(δ e,α) E = sin α cos α. Arens et al., Mathematik, ISBN: , Spektrum Akademischer Verlag, 8

2.2 Kern und Bild; Basiswechsel

2.2 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs 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

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

Kapitel III. Lineare Abbildungen

Kapitel 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,...,

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. 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

Mehr

Kap 5: Rang, Koordinatentransformationen

Kap 5: Rang, Koordinatentransformationen Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv

Mehr

Lineare Abhängigkeit

Lineare 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

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

Aufgaben zu Kapitel 14

Aufgaben zu Kapitel 14 Aufgaben zu Kapitel 14 1 Aufgaben zu Kapitel 14 Verständnisfragen Aufgabe 14.1 Haben (reelle) lineare Gleichungssysteme mit zwei verschiedenen Lösungen stets unendlich viele Lösungen? Aufgabe 14.2 Gibt

Mehr

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel 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

Mehr

Lineare Abbildungen und Darstellungsmatrizen

Lineare Abbildungen und Darstellungsmatrizen KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt

Mehr

Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen)

Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen) Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie (Lineare Abbildungen) Dozent/in: R. Burkhardt Büro:.6 Klasse: Semester: Datum: HS 8/9. Aufgabe Zeige, dass die folgenden Abbildungen

Mehr

4.4. Rang und Inversion einer Matrix

4.4. Rang und Inversion einer Matrix 44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen) Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung

Mehr

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit

Mehr

(geometrische) Anschauung

(geometrische) Anschauung (geometrische) Anschauung Marcus Page Juni 28 In dieser Lerneinheit widmen wir uns dem schon oft angesprochenen Zusammenhang zwischen Matrizen und linearen Abbildungen. Außerdem untersuchen wir Funktionen,

Mehr

Mathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7

Mathematik 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

Mehr

1 Eingebettete Untermannigfaltigkeiten des R d

1 Eingebettete Untermannigfaltigkeiten des R d $Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +

Mehr

4 Elementare Vektorraumtheorie

4 Elementare Vektorraumtheorie 4. ELEMENTARE VEKTORRAUMTHEORIE 51 4 Elementare Vektorraumtheorie Im folgenden sei K stets ein Körper. Definition. (i) Eine homogene Gleichung in den Unbekannten ξ 1,..., ξ n ist ein Ausdruck der Gestalt

Mehr

Vektorräume und Rang einer Matrix

Vektorräume 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

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008

KLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008 KLAUSUR ZUR LINEAREN ALGEBRA I. Februar 008 MUSTERLÖSUNG Diese Klausur wurde je nach Sitzreihe in zwei verschiedenen Versionen geschrieben. Die andere Version unterscheidet sich von der vorliegenden jedoch

Mehr

2 Einführung in die lineare Algebra

2 Einführung in die lineare Algebra 2 Einführung in die lineare Algebra 2. Vektorräume und ihre Unterräume Definition 2... Sei K ein Körper. Ein Vektorraum über K (oder K-Vektorraum) ist eine Menge V mit einer Addition genannten Verknüpfung

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme 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 41 und 42 4 Vektorräume

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 10: Inverse Matrix und Determinante D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die

Mehr

Geometrie. 1 Vektorielle analytische Geometrie der Ebene, Kegelschnitte

Geometrie. 1 Vektorielle analytische Geometrie der Ebene, Kegelschnitte Geometrie Geometrie W. Kuhlisch Brückenkurs 206. Vektorrechnung und analytische Geometrie der Ebene, Kegelschnitte 2. Vektorrechnung und analytische Geometrie des Raumes, Anwendungen in der Geometrie,

Mehr

Lineare Algebra I Klausur. Klausur - Musterlösung

Lineare Algebra I Klausur. Klausur - Musterlösung Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra I Klausur Klausur - Musterlösung 20. Februar 203 Aufgabe - Lösung Aussage wahr falsch (Z, +, 0) ist eine abelsche Gruppe. Der Ring Z/24Z ist nullteilerfrei.

Mehr

Einführung in die Mathematik für Informatiker

Einführung 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

Mehr

Lineare Gleichungssysteme

Lineare 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

Mehr

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt

Mehr

Lineare Algebra I: Eine Landkarte

Lineare 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

Mehr

6. Übungsblatt zur Mathematik I für Maschinenbau

6. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 6. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 2/ 25..-.2. Aufgabe G (Lineare Gleichungssysteme)

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n

Mehr

2 Euklidische Vektorräume

2 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,

Mehr

Kapitel 17. Determinanten

Kapitel 17. Determinanten Kapitel 17. Determinanten Vorschau: Determinanten Es gibt drei Problemfelder, für die Determinanten von großem Nutzen sind: die formelmäßige Überprüfung der linearen Unabhängigkeit eines Systems von n

Mehr

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v

Kap 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

Mehr

18 Höhere Ableitungen und Taylorformel

18 Höhere Ableitungen und Taylorformel 8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

Mehr

8 Lineare Abbildungen

8 Lineare Abbildungen 80 8 Lineare Abbildungen In diesem Kapitel untersuchen wir lineare Abbildungen von R n nach R m wie zum Beispiel Spiegelungen, Drehungen, Streckungen und Orthogonalprojektionen in R 2 und R 3 Man nennt

Mehr

Kapitel 12. Lineare Abbildungen und Matrizen

Kapitel 12. Lineare Abbildungen und Matrizen Kapitel 12 Lineare Abbildungen und Matrizen Lineare Abbildungen f : R n R m Wir wissen schon: Eine lineare Abbildung f : R n R m ist eindeutig durch ein n-tupel von Vektoren v 1, v 2,, v n des R m bestimmt

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

KLAUSUR 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

Mehr

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010 Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare 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 7 Einführung Definition lineare Abbildung

Mehr

1 Mengen und Abbildungen

1 Mengen und Abbildungen 1 MENGEN UND ABBILDUNGEN 1 1 Mengen und Abbildungen Wir starten mit einigen einführenden Definitionen und Ergebnissen aus der Theorie der Mengen und Abbildungen, die nicht nur Grundlage der Linearen Algebra

Mehr

& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors

& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors Einführu hnung Was ist ein Vektor? In Bereichen der Naturwissenschaften treten Größen auf, die nicht nur durch eine Zahlenangabe dargestellt werden können, wie Kraft oder Geschwindigkeit. Zur vollständigen

Mehr

Surjektive, injektive und bijektive Funktionen.

Surjektive, injektive und bijektive Funktionen. Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens

Mehr

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

Lineare 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 +...

Mehr

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.

Mehr

Matrizen. Aufgabe 1. Sei f R 2 R 3 definiert durch. x y x Berechnen Sie die Matrix Darstellung von f. Lösung von Aufgabe 1.

Matrizen. Aufgabe 1. Sei f R 2 R 3 definiert durch. x y x Berechnen Sie die Matrix Darstellung von f. Lösung von Aufgabe 1. Matrizen Aufgabe Sei f R R 3 definiert durch ( x 3y x f x + y y x Berechnen Sie die Matrix Darstellung von f Lösung von Aufgabe ( f ( f 3 Die Matrix Darstellung von f ist somit A 3 Aufgabe Eine lineare

Mehr

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.) 3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten

Mehr

13. Klasse TOP 10 Grundwissen 13 Geradengleichungen 01

13. Klasse TOP 10 Grundwissen 13 Geradengleichungen 01 . Klasse TOP 0 Grundwissen Geradengleichungen 0 Punkt-Richtungs-Form Geraden sind gegeben durch einen Aufpunkt A (mit Ortsvektor a) auf der Geraden und einen Richtungsvektor u: x = a + λ u, λ IR. (Interpretation:

Mehr

Vektorgeometrie. Inhaltsverzeichnis. Fragen und Antworten. (bitte nur für den Eigengebrauch verwenden)

Vektorgeometrie. Inhaltsverzeichnis. Fragen und Antworten. (bitte nur für den Eigengebrauch verwenden) fua3673 Fragen und Antworten Vektorgeometrie (bitte nur für den Eigengebrauch verwenden) Inhaltsverzeichnis Vektorgeometrie im Raum. Fragen................................................. Allgemeines..........................................

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

Abiturprüfung Mathematik 0 Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit f() = ( sin() + 7) 5. Aufgabe : ( VP) Berechnen Sie eine Stammfunktion

Mehr

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH ) Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon

Mehr

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21 5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11

Mehr

(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2

(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2 Vektoren Mit der Vektorrechnung werden oft geometrische Probleme gelöst. Wenn irgendwelche Aufgabenstellungen geometrisch darstellbar sind, z.b. Flugbahnen oder Abstandsberechnungen, dann können sie mit

Mehr

1 Vorlesungen: und Vektor Rechnung: 1.Teil

1 Vorlesungen: und Vektor Rechnung: 1.Teil 1 Vorlesungen: 4.10.005 und 31.10.005 Vektor Rechnung: 1.Teil Einige in der Physik auftretende Messgrößen sind durch eine einzige Zahl bestimmt: Temperatur T K Dichte kg/m 3 Leistung P Watt = J/s = kg

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2. Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar

Mehr

4. Übungsblatt zur Mathematik I für Maschinenbau

4. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 4. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS /..-7.. Aufgabe G (Geraden im R ) Bestimmen

Mehr

entspricht der Länge des Vektorpfeils. Im R 2 : x =

entspricht der Länge des Vektorpfeils. Im R 2 : x = Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.

Mehr

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Lineare Algebra II 5. Übungsblatt

Lineare 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,

Mehr

1.2 Das kartesische Koordinatensystem

1.2 Das kartesische Koordinatensystem Kapitel 1 Vektoralgebra 1.1 Einführung Am ersten Kapitel widmen wir uns den Grundlagen der Vektoralgebra, wobei wir speziell auf die Definitionen von Skalaren und Vektoren eingehen und Produkte zwischen

Mehr

1.9 Eigenwerte und Eigenvektoren

1.9 Eigenwerte und Eigenvektoren .9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..

Mehr

Proseminar Einführung in die Mathematik 1 WS 2010/11 2. Dezember 2010 Lösungen

Proseminar Einführung in die Mathematik 1 WS 2010/11 2. Dezember 2010 Lösungen Proseminar Einführung in die Mathematik 1 WS 1/11. Deember 1 Lösungen 46) Wie kann man nach Wahl eines Nullpunktes die Zeichenebene in natürlicher Weise als Vektorraum betrachten? Skriptum Kapitel 4, Par.

Mehr

Kapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3

Kapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3 Kapitel 5 Untermannigfaltigkeiten 5.1 Glatte Flächen in R 3 Bisher haben wir unter einem glatten Weg im R n stets eine differenzierbare Abbildung γ:i R n, definiert auf einem Intervall I R, verstanden.

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Lineare Algebra. Teil III. Inhaltsangabe

Lineare Algebra. Teil III. Inhaltsangabe Teil III Lineare Algebra Inhaltsangabe 3 Lineare Algebra 22 3.1 Einführung.......................... 22 3.2 Matrizen und Vektoren.................... 23 3.3 Spezielle Matrizen...................... 24

Mehr

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? 1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2

Mehr

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h. Lineare Abbildungen Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls (1) u, v V : f( u + v) = f( u) + f( v). (2) v V α K : f(α v) = αf( v).

Mehr

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben: Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

3.3 Klassifikation quadratischer Formen auf R n

3.3 Klassifikation quadratischer Formen auf R n 3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare

Mehr

1 Rechnen mit 2 2 Matrizen

1 Rechnen mit 2 2 Matrizen 1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12

Mehr

Elemente von S n = Aut([1, n]) heißen Permutationen. Spezielle Permutationen sind Transpositionen und Zyklen. (Vergl. Skript S

Elemente von S n = Aut([1, n]) heißen Permutationen. Spezielle Permutationen sind Transpositionen und Zyklen. (Vergl. Skript S Begriffe Faser: Es sei f : M N eine Abbildung von Mengen. Es sei n N. Die Menge f 1 ({n}) M nennt man die Faser in n. (Skript Seite 119). Parallel: Zwei Vektoren v und w heißen parallel, wenn für einen

Mehr

y x x y ( 2x 3y + z x + z

y 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

Mehr

Kapitel VIII: Der Raum R n ; allgemeine Vektorräume

Kapitel VIII: Der Raum R n ; allgemeine Vektorräume Kapitel VIII: Der Raum R n ; allgemeine Vektorräume a) Vektoren: Definition und Grundlagen Größen, die sich durch Angabe eines Zahlenwertes und einer Einheit vollständig beschreiben lassen, nennt man Skalare

Mehr

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1 Aufgabe. Bestimmen Sie das Exponential expa) der Matrix ) 5 6 A = Mat, R). 4. Wir bestimmen das charakterische Polynom f A t) = t t = t )t + ). ). Eigenvektor zu EW ist v = ). Eigenvektor zu EW ist v =

Mehr

Basiswissen Analytische Geometrie

Basiswissen Analytische Geometrie www.matheabitur.de Basiswissen Analytische Geometrie Alle Grundlagen und Rechentechniken der analytischen Geometrie S. und deren beschreibende Verfahren Wissenskatalog der Grundlagen. Lösen einfacher linearer

Mehr

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

3 Vektorbündel und das Tangentialbündel

3 Vektorbündel und das Tangentialbündel $Id: vektor.tex,v 1.6 2014/06/30 10:20:57 hk Ex $ $Id: fluss.tex,v 1.2 2014/06/30 12:36:06 hk Ex hk $ 3 Vektorbündel und das Tangentialbündel 3.4 Ableitungen von C q -Funktionen In der letzten Sitzung

Mehr

Jürgen Hausen Lineare Algebra I

Jürgen Hausen Lineare Algebra I Jürgen Hausen Lineare Algebra I 2. korrigierte Auflage Shaker Verlag Aachen 2009 Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation

Mehr

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum Kapitel II Lineare Algebra und analytische Geometrie 6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum geometrischen

Mehr

8. Übungsblatt zur Mathematik I für Maschinenbau

8. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 8. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS / 6..-.. Aufgabe G (Matrixinversion mit Gauß-Algorithmus

Mehr

Lineare Algebra. Axiome der Linearen Algebra

Lineare Algebra. Axiome der Linearen Algebra Lineare Algebra Simon Fuhrmann Christian M. Meyer Axiome der Linearen Algebra Im Folgenden sei V ein beliebiger K-Vektorraum und P eine Punktmenge. V und P bilden einen affinen Raum. Seien außerdem U 1

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Vorbereitungskurs 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

Mehr

Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie

Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie Modul 12a: Fachdidaktische Bereiche juergen-roth.de/lehre/did_linalg_anageo/ Kapitel 5: Skalarprodukt 5.1 Inhalte Didaktik der Linearen

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 Lineare Gleichungssysteme A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen

Mehr