Lineare Gleichungssysteme
|
|
- Christa Seidel
- vor 6 Jahren
- Abrufe
Transkript
1 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 Betrachtet man die m Zeilen als n-tupel v 1,, v m, dann nennt man span(v 1,, v m ) den Zeilenraum der Matrix Entsprechend bilden die n Spalten als m-tupel den Spaltenraum der Matrix dim K (span(v 1,, v n )) heiÿt der Zeilenrang von (a ij ) und dim K (span(w 1,, w m )) der Spaltenrang Der Zeilenraum von (a ij ) ändert sich nicht bei (a) Multiplikation der i-ten Zeile mit λ (b) Addieren eines λ-fachen der j-ten Zeile zur i-ten Zeile (wobei i j) (c) Vertauschen der i-ten mit der j-ten Zeile Behauptung Durch iterierte Anwendung von (a)-(c) kann man jede Matrix in eine Stufenmatrix der folgenden Gestalt überführen: Beschreibung des Gauÿ-Algorithmus (1) Suche erste Spalte j 1 mit einem a ij1 (2) Dividiere die i-te Zeile durch a ij1, vertausche sie mit der ersten Zeile und mache mit (b) alle anderen Komponenten der j 1 -ten Spalte zu (3) Suche eine Spalte j 2 rechts von j 1 mit einem a ij2 für i 1 (4) Dividiere die i-te Zeile durch a ij2, vertausche sie mit der zweiten Zeile und mache mit (b) alle anderen Komponenten der j 2 -ten Spalte zu (5) Suche eine Spalte j 3 rechts von j 2 mit einem a ij3 für i 1, 2 (6) usw Behauptung Die ersten r Zeilen der neuen Matrix sind linear unabhängig r Seien w i = (b i1,, b in ) die ersten r Zeilen der neuen Matrix, i = 1,, r Dann Also α 1 = = α r = = α 1 w α r w r = (,,, α 1,,,, α 2,,, α 3 j 1 j 2 j 3,, α r j r, ) Folgerung Die (neuen) ersten r Zeilen bilden eine Basis des Zeilenraums
2 Definition Seien K ein Körper, a ij K, X 1,, X n Unbestimmte Das System ( ) a 11 X a 1n X n = a m1 X a mn X n = heiÿt ein homogenes (lineares) Gleichungssystem (über K) in den Unbestimmten X 1,, X n Die zugehörige Koezientenmatrix ist (a ij ) 1 j n 1 i m := a 11 a 1n a m1 a mn Beispiele (1) ( x 1 + 2x 2 = 1 2 x 1 x 2 = 1 1 ) = x 1 = x 2 = (2) x 1 + 2x 2 = hat als Lösungsmenge alle Vektoren (x 1, x 2 ) R 2 mit (x 1, x 2 ) (1, 2) Diese ist gerade R(2, 1) (3) x 1 + 2x 2 = x 1 + 2x 2 + x 3 = hat als Lösungsmenge {x = (x 1, x 2, x 3 ) R 3 x (1, 2, ) und x (1, 2, 1)} Die Lösungsmenge von ( ) ist gerade {(x 1,, x n ) K n (x 1,, x n ) (a i1,, a in ) für i = 1,, m} x löst ( ) a 11 X a 1n X n = a m1 X a mn X n = a 11 a 1n a m1 a mn x 1 x m A (i) x = für jede Zeile A (i) A (i) x für jede Zeile A (i) = Definition Sei K ein Körper, n N Dann setzen wir (a 1,, a n ) (b 1,, b n ) := a 1 b a n b n Wir schreiben a b für a b = Für M K n setzen wir M := {x K n x a für alle a M} (1) Für K = R ist das euklidische Skalarprodukt (2) Für K = C ist nicht das Hermitesche Skalarprodukt, denn zb ist (1, i) (1, i) = i ( i) = 2 = i i = (1, i) (1, i)
3 Behauptung Für gelten folgende Rechenregeln: (1) a b = b a (2) (αa + α a ) b = α(a b) + α (a b) (3) a b αa βb (1) a b = (a 1,, a n ) (b 1,, b n ) = a 1 b a n b n = b 1 a b n a n = (b 1,, b n ) (a 1,, a n ) = b a (2) (αa + α a ) b = α(a b) = (αa 1 + α a αa n + α a n) (b 1,, b n ) = αa 1 b 1 + α a 1b αa n b n + α a nb n = α(a 1 b a n b n ) + α (a 1b a nb n ) = α(a 1,, a n ) b + α (a 1,, a n) b = α(a b) + α (a b) (3) a b a b = (αa) (βb) = α(a (βb)) = α((βb) a) = αβ(b a) = αβ(a b) = αβ = (αa) (βb) Lemma Für M K n ist M ein Untervektorraum des K n und M = (span(m)) Seien x, y M, α K Dann gilt: (1) a = a für alle a M, also M (2) (x a = und y a = ) x a + y a = (x + y) a = x + y M (3) x a = (αx) a = αx M Also ist M ein Untervektorraum des K n Weiter gilt: M span(m) M (span(m)) und umgekehrt x a = für alle a M x (α 1 a α m a m ) = für alle a 1,, a m M, α 1,, α m K M )(span(m)) Folgerung Bezeichne M den Zeilenraum von (a ij ) Dann ist der Vektorraum M gerade die Lösungsmenge von ( ) M wir der Lösungsraum von ( ) genannt Bestimmung einer Basis des Lösungsraums von ( ) Gegeben sei das lineare Gleichungssystem ( ) a 11 X a 1n X n = a m1 X a mn X n = mit zugehöriger Koezientenmatrix (a ij ) := a 11 a 1n a m1 a mn Durch elementare Zeilenumformungen (a)-(c) wird (a ij ) auf Stufenform transformiert: j 1 j 2 j 3 j r k 1 k 2 k 3 k 4 k n r r =: (a ij),
4 dh {1,, n} = {j 1,, j r } {k 1,, k n r } Dann hat das zu (a ij ) gehörige Gleichungssystem ( ) X j1 + a 1k 1 X k1 + + a 1k n r X kn r = X j1 + a 2k 1 X k1 + + a 2k n r X kn r = X jr + a rk 1 X k1 + + a rk n r X kn r = den gleichen Lösungsraum wie ( ) Spezielle Lösungen (x 1,, x n ) K n von ( ) sind dann: (1) x k1 = 1, x jl = a lk 1 (2) x k2 = 1, x jl = a lk 2 (n r) x kn r = 1, x jl = a lk n r für 1 l r, x i = sonst Wir bezeichnen diese Lösungen mit c (1),, c (n r), dh es gilt: c (i) := (c (i) 1,, c(i) n ) mit c (i) k i = 1, c (i) j l = a lk i für 1 l r und c (i) k s = für s i Lemma (c (1),, c (n r) ) ist eine Basis des Lösungsraums von ( ) bzw ( ) (1) Lineare Unabhängigkeit: (,, ) = (α 1 c (1) + + α n r c (n r) ) = (, α 1 k 1,, α n r, ) α 1 = = α n r = k n r (2) Erzeugendensystem: Sei b = (b 1,, b n ) eine beliebige Lösung von ( ) Dann ist auch x = (x 1,, x n ) := b b k1 c (1) b k,n r c n r eine Lösung von ( ), also x ki = für alle k i Da x auch ( ) löst, sind auch alle x jl =, dh x = Also b = b k1 c (1) + + b k,n r c n r Beispiel , k 1 j 1 j 2 k 2 k 3 j 3 = k 1 k 2 k 3 c (1) = (1,,,,, ) c (2) = (, 5, 1, 1,, ) c (3) = (, 1, 3,, 1, ) Beispiel x 1 + 2x 2 x 3 2x 4 x 6 = 2x 1 + 2x 2 2x 3 x 4 + x 5 + 2x 6 = 2x 1 + 4x 2 + (5/2)x 3 + 4x 4 2x 5 + 2x 6 = x 1 x 3 x 4 + x 6 =
5 Spezielle Lösungen sind c (1) = ( 5 6, 1 4, 4 ) 3, 1 2, 1, (5/2) (9/2) (3/2) (1/2) 2 (9/2) (25/9) (5/9) (35/9) 1 (3/2) (1/2) 2 1 (16/9) (4/9) (8/9) (5/6) (1/9) 1 (1/4) (1/2) 1 (4/3) (8/9) 1 (1/2) 1 und c (2) = ( 19, 12, 89 ), 1,, 1 Ein homogenes Gleichungssystem ( ) in n Unbestimmten besitzt genau dann nur die triviale Lösung (x 1 =,, x n = ), wenn der Spaltenrang der zugehörigen Koezientenmatrix n beträgt ( ) ist genau dann nur trivial lösbar, wenn der Lösungsraum von ( ) der Nullraum ist Da die einzige Basis des Nullraums die leere Menge ist, kann es keine Lösungen der Gestalt c (i) geben, dh n = r Lemma Für jeden Untervektorraum des K n gilt: (1) dim U + dim U = n (2) (U ) = U (1) Sei U = span(v 1,, v m ) mit v i = (a i1,, a in ) Dann gilt: dim U = n Zeilenrang von (a ij ) = n dim span(v 1,, v m ) = n dim U (2) u U u v für alle v U u (U ) U (U ) Wegen dim U + dim U = n und dim U + dim(u ) = n folgt dim U = dim(u ) Also (U ) = U Definition Sei U ein Untervektorraum von V Für v V heiÿt v + U := {v + u u U} der um v verschobene (ane) Unterraum Also ist v + U genau dann ein Untervektorraum von V, wenn v U
6 Definition Seien K ein Körper, a ij, b i K, X 1,, X n Unbestimmte Das System (+) a 11 X a 1n X n = b 1 a m1 X a mn X n = b m heiÿt ein inhomogenes lineares Gleichungssystem (über K) in den Unbestimmten X 1,, X n mit einfacher Koezientenmatrix a 11 a 1n (a ij ) := a m1 a mn und erweiterter Koezientenmatrix Das System ( ) (a ij b i ) := heiÿt das zugehörige homogene System a 11 a 1n b 1 a m1 a mn b m a 11 X a 1n X n = a m1 X a mn X n = Sei A = (a ij ) die einfache Matrix von (+) A (i) bezeichne die i-te Zeile von A und X = (X 1,, X n ) dann besagt (+) gerade: A 1 X = b 1,, A m X = b m Lemma Bezeichne M den Lösungsraum von ( ) Sei x eine spezielle Lösung von (+) Dann ist der Lösungsraum von (+) gerade der ane Raum x + M x K n löst (+) A 1 x = b 1,, A m x = b m A 1 x = A 1 x,, A m x = A m x A 1 (x x ) =,, A m (x x ) = x x M x x + M Bezeichne (A (i), b i ) die i-te Zeile der erweiterten Matrix (a ij b i ) und (X, X n+1 ) = (X 1,, X n, X n+1 ) Betrachte das homogene System (++) (A 1, b 1 ) (X, X n+1 ) =,, (A m, b m ) (X, X n+1 ) = Dann gilt: x = (x 1,, x n ) löst (+) (x, 1) löst (++) a i1 x a in x n = b i a i1 x a in x n + b i ( 1) =
7 Wir betrachten die erweiterte Matrix (a ij b i ) Durch elementare Zeilenumformungen erhalten wir 1 b 1 1 b r =: (a ij b i) b r+1 b m j 1 j r (+) ist genau dann lösbar, wenn b r+1 =,, b m = Eine spezielle Lösung ist dann x = (,,, b 1,,,, b r,,, ) : Seien b r+1,, b m = Dann löst x := (x, 1) das homogene System (++), denn? + +? + b 11 +? + +? + b 2 +? + + +? + b r +? + +? b 1 =? + +? + b 1 +? + +? + b 21 +? + + +? + b r +? + +? b 2 =? + +? + b 1 +? + +? + b 2 +? + + +? + b r1 +? + +? b 3 = Also löst x das System (+) und damit auch (+) : Sei etwa b r+1 Wir multiplizieren die (r + 1)-te Zeile mit (b r+1) 1 und erreichen: 1 b 1 1 b r 1 b m Also fordert die (r + 1)-te Zeile des zugehörigen inhomogenen Gleichungssystems: Widerspruch = X 1 + X X n = 1, Das inhomogene lineare Gleichungssystem (+) ist genau dann lösbar, wenn der Zeilenrang von (a ij ) mit dem Zeilenrang von (a ij b i ) übereinstimmt Wir zeigen: b r+1 =,, b m = Zeilenrang(a ij ) = Zeilenrang(a ij b i ) : Klar : Sei (etwa) b r+1 Zeilenrang(a ij b i ) = r + 1 > r = Zeilenrang(a ij )
8 Definition (+) heiÿt universell lösbar, falls (+) bei jeder Wahl der b i lösbar ist (+) heiÿt eindeutig lösbar, falls (+) zu jeder Wahl der b i höchstens eine Lösung hat Beachte also: Ein System, das für gar keine Wahl der b i lösbar ist, wird auch eindeutig lösbar genannt (+) ist genau dann eindeutig lösbar, wenn der Spaltenrang von (a ij ) gleich der Spaltenzahl n ist (+) ist genau dann universell lösbar, wenn der Zeilenrang von (a ij ) gleich der Zeilenzahl m ist Eindeutiger Fall: Für b 1,, b m K beliebig gilt: Spaltenrang(a ij ) = n ( ) ist nur trivial lösbar Also ist die Lösungsmenge von (+) entweder x + {} = x oder Universeller Fall: : Zeilenrang(a ij ) = r = Zeilenzahl = m Zeilenrang(a ij b i ) = r = Zeilenrang(a ij ) : Sei der Zeilenrang r von (a ij ) kleiner als die Zeilenzahl m Wir bezeichnen die r linear unabhängigen Zeilen von (a ij ) mit A (i1),, A (ir) 1, i=i Wähle i {1,, m}\{i 1,, i r } und setze b i := {, i i Dann (A (i), 1) / span((a (i1), ),, (A ir, )), dh der Zeilenrang(a ij b i ) > r = Zeilenrang(a ij ), also ist (+) nicht lösbar
Matrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
MehrLineare Gleichungssysteme - Grundlagen
Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente
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
MehrDer Kern einer Matrix
Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis
Mehr2.2 Lineare Gleichungssysteme (LGS)
2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +
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,...,
MehrSkript zur Vorlesung. Lineare Algebra I. Private Mitschrift. Vektorraumtheorie. gelesen von. Prof. Dr. Alexander Prestel.
Skript zur Vorlesung Lineare Algebra I Private Mitschrift Vektorraumtheorie gelesen von Prof Dr Alexander Prestel Martin Gubisch Konstanz, Wintersemester 2005/2006 Inhaltsverzeichnis 1 Vektorräume 3 11
Mehr2.2 Lineare Gleichungssysteme
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 55 22 Lineare Gleichungssysteme Das Lösen von Gleichungen (ganz unterschiedlichen Typs und unterschiedlichen Schwierigkeitsgrades) gehört zu den Grundproblemen
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
Mehr2 Die Dimension eines Vektorraums
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
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
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
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. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
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
Mehr4. 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
MehrIV.3. RANG VON MATRIZEN 81
IV3 RANG VON MATRIZEN 8 Ist b,,b n eine Basis des reellen Vektorraums V, dann bildet b,,b n auch eine Basis des komplexen Vektorraums V C Mit V ist daher auch V C endlichdimensional und es gilt dim C V
MehrKlausurähnliche Aufgaben
Sommersemester 2007/08 Lineare Algebra Klausurähnliche Aufgaben Aufgabe 1 Seien v 1, v 2, v 3, v 4, v 5, v 6 die Vektoren in R 5 mit v 1 = (1, 2, 3, 1, 2), v 2 = (2, 4, 6, 2, 4), v 3 = ( 1, 1, 3, 0, 3),
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eine Familie von Gleichungen der Form 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 m
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
Mehr2.2 Lineare Gleichungssysteme
Lineare Algebra 2016/17 c Rudolf Scharlau 67 22 Lineare Gleichungssysteme Das Lösen von Gleichungen (ganz unterschiedlichen Typs und unterschiedlichen Schwierigkeitsgrades) gehört zu den Grundproblemen
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien 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... a m1
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
Mehr17. Das Gauß-Verfahren
7 Das Gauß-Verfahren 95 7 Das Gauß-Verfahren Nachdem wir jetzt viele Probleme der linearen Algebra (z B Basen von Vektorräumen zu konstruieren, Morphismen durch lineare Abbildungen darzustellen oder den
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein
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
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
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
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
MehrKapitel III. Matrizen und lineare Gleichungssysteme. Inhalt: 10. Matrizen 11. Lineare Gleichungssysteme 12. Der Gauß-Algorithmus
Kapitel III Matrizen und lineare Gleichungssysteme Inhalt: 10 Matrizen 11 Lineare Gleichungssysteme 12 Der Gauß-Algorithmus Wichtige Methoden beim Umgang mit Vektorräumen basieren auf der Matrizenrechnung
MehrMatrizen, 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
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
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
MehrLineare Gleichungssysteme
Kapitel 2 Lineare Gleichungssysteme 21 Lineare Gleichungssysteme und Matrizen Lernziele 2 Lineare Gleichungssysteme definieren Matrizen, Matrizen definieren lineare Abbildungen, Lösen von linearen Gleichungssystemen
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 =,,...,
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
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
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
Mehri) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.
Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):
Mehr2.4 Matrizen und Lineare Abbildungen
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 73 2.4 Matrizen und Lineare Abbildungen Zum Schluss von Abschnitt 2.2 hatten wir Matrizen eingeführt, und zwar im Zusammenhang mit der abgekürzten Schreibweise
MehrKapitel 1. Matrizen und lineare Gleichungssysteme. 1.1 Matrizenkalkül (Vektorraum M(n,m); Matrixmultiplikation;
Kapitel 1 Matrizen und lineare Gleichungssysteme 11 Matrizenkalkül (Vektorraum M(n,m; Matrixmultiplikation; Transposition; Spalten- und Zeilenvektoren Matrizen sind im Prinzip schon bei der schematischen
MehrEs wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form
Gaußscher Algorithmus zur Lösung linearer Gleichungssysteme Wir gehen aus vom Gleichungssystem A=b. Dabei ist A M m n K, b K m. Gesucht werden ein oder alle Elemente K n, so daß obige Gleichung erfüllt
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
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)
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
Mehr2.2 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
MehrLineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich
Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,
MehrLineare Gleichungssysteme
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 28. November 2011 Definition Beispiel: Wassermengen und Konzentrationen in einem Fluss Beispiel Zeilenstufenform Beispiel (Fortsetzung) Anhang
Mehr1 Lineare Gleichungssysteme und Matrizen
1 Lineare Gleichungssysteme und Matrizen Das Studium linearer Gleichungssysteme und ihrer Lösungen ist eines der wichtigsten Themen der linearen Algebra. Wir werden zunächst einige grundlegende Begriffe
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
MehrBild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
Mehr2 Matrizenrechnung und Lineare Gleichungssysteme
Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der
MehrAllgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.
Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 5 Verwandle große Schwierigkeiten in kleine und kleine in gar keine Chinesische Weisheit Das Lösen von
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn
MehrLineare Gleichungssysteme: eine Ergänzung
Lineare Gleichungssysteme: eine Ergänzung Ein lineares Gleichungssystem, bei dem alle Einträge auf der rechten Seite gleich sind heiÿt homogenes lineares Gleichungssystem: a x + a 2 x 2 +... + a n x n
MehrLineare Algebra I: Eine Landkarte
Bild F Algebra I: Eine Landkarte Faser Versuch einer Übersicht der Themen und Zusammenhänge der n Algebra 1. 1 Algebra I: Bild F Faser Sei B Basis von V. Jedes v V läßt sich eindeutig aus den Basisvektoren
MehrKlausurvorbereitungsblatt Lineare Algebra
Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrGegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.
1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild
Mehr2.3 Lineare Abbildungen und Matrizen
2.3. LINEARE ABBILDUNGEN UND MATRIZEN 89 Bemerkung Wir sehen, dass die Matrix à eindeutig ist, wenn x 1,...,x r eine Basis ist. Allgemeiner kann man zeigen, dass sich jede Matrix mittels elementarer Zeilenumformungen
MehrLineare Abbildungen und Gleichungssysteme
Lineare Abbildungen und Gleichungssysteme Klaus-R Loeffler Lineare Abbildungen Definition: Lineare Abbildung Es wird vorausgesetzt, dass V und W Vektorräume sind Eine Abbildung f von V in W heißt dann
MehrLösung Test 1 (Nachprüfung)
MLAE Mathematik: Lineare Algebra für Ingenieure Frühlingssemester 6 Dr. Christoph Kirsch ZHAW Winterthur Lösung Test (Nachprüfung Aufgabe : a Gemäss den Algorithmen im Kap.. der Vorlesung bringen wir die
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
MehrLineare Gleichungssysteme
Kapitel 2 Lineare Gleichungssysteme 2 Lineare Gleichungssysteme und Matrizen Lernziele 2 Lineare Gleichungssysteme definieren Matrizen, Matrizen definieren lineare Abbildungen, Lösen von linearen Gleichungssystemen
MehrLösungen zur Mathematik für Informatiker I
Lösungen zur Mathematik für Informatiker I Wintersemester 00/03 Prof Dr H Lenzing Blatt 7 Sei M Ihre Matrikelnummer mit den Ziffern m, m, m 3, m 4, m 5, m 6, m 7 Aufgabe 6 ( Bonuspunkt): Wir betrachten
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.
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
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
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
Mehrr i w i (siehe (3.7)). r i v, w i = 0.
Orthogonales Komplement und Orthogonalprojektion Wir betrachten weiterhin einen euklidischen Vektorraum V,,. (6.13) Def.: Ist M V, so heißt das orthogonale Komplement von M. (6.14) Fakt. (i) M ist Untervektorraum
MehrDie Lineare Algebra-Methode. Mahir Kilic
Die Lineare Algebra-Methode Mahir Kilic 23. Juni 2004 1 Einführung 1.1 Überblick Im Allgemein benutzt man die Lineare Algebra-Methode in der Kombinatorik wie folgt: Für die Bestimmung einer Obergrenze
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
MehrLineare Algebra I. Lösung 9.2:
Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik Lösungsblatt 9 Prof. Dr. Markus Schweighofer 20.01.2010 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 9.1: Voraussetzung:
Mehr8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten
Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrLösung Semesterendprüfung (Nachprüfung)
MLAE Mathematik: Lineare Algebra für Ingenieure Frühlingssemester 6 Dr. Christoph Kirsch ZHAW Winterthur Lösung Semesterendprüfung (Nachprüfung Aufgabe : Aufgabe : a Gemäss Def. der Vorlesung müssen wir
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein
MehrHomogene und inhomogene Koordinaten und das Hyperboloid
Seminararbeit zum Seminar aus Reiner Mathematik Homogene und inhomogene Koordinaten und das Hyperboloid Gernot Holler 1010674 WS 2012/13 28.November 2012 1 Inhaltsverzeichnis 1 Einleitung 3 2 Homogene
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
MehrMathematik IT 2 (Lineare Algebra)
Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 9 Basiswechsel Wir wissen bereits, dass in einem endlichdimensionalen Vektorraum je zwei Basen die gleiche Länge
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können
MehrErneut: Matrizen und lineare Abbildungen
Erneut: Matrizen und lineare Abbildungen Mit Hilfe der Matrixmultiplikation lässt sich die Korrespondenz zwischen linearen Abbildungen und Matrizen elegant ausdrücken: Satz. e 1, e 2,..., e n sei die Standardbasis
MehrErgänzung zum HM Tutorium
Ergänzung zum HM Tutorium Patrik Hlobil Niko Kainaris Dieses Dokument erhebt keinen Anspruch auf Vollständigkeit oder Korrektheit. Es stellt keine Vorlesungszusammenfassung dar, sondern soll euch lediglich
Mehr4 Lineare Abbildungen und Matrizen
4.1 Lineare Abbildungen Definition 4.1. Es seien V, W K-Vektorräume. Eine Abbildung f : V W heißt linear oder Homomorphismus, wenn für alle u, v V und λ K gilt Beispiel 4.2. L1 f(u + v) = f(u) + f(v),
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrLineare Algebra II, Lösungshinweise Blatt 9
Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren
Mehr3.5 Duale Vektorräume und Abbildungen
3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrLineare Abbildungen. i=0 c ix i n. K n K m
Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht
MehrKapitel II. Lineare Algebra. 1 Vektorräume und Lineare Abbildungen
Kapitel II Lineare Algebra Vektorräume und Lineare Abbildungen Es sei K ein Körper Meistens interessieren uns nur die Fälle K = R und K = C Definition Ein Vektorraum über K ) ist eine Menge V mit einem
Mehr