Serie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:
|
|
- Edmund Graf
- vor 6 Jahren
- Abrufe
Transkript
1 Lineare Algebra D-MATH, HS 214 Prof Richard Pink Serie 5 1 [Aufgabe] Invertieren Sie folgende Matrizen über Q: 1 a) b) c) [Lösung] 1 a) b) c) 4/5 1/5 1/5 1/5 1/5 4/5 1/5 1/5 1/5 1/5 4/5 1/5 1/5 1/5 1/5 4/5 35/11 16/11 13/ /11 3/11 1/ /11 7/11 5/ [Aufgabe] Sei A eine der folgenden Matrizen über R: Bestimmen Sie alle Lösungen der Gleichungen Ax = für x R 3
2 2 [Lösung] Wir geben die Lösungsmenge L = {x R 3 Ax = } in den jeweiligen Fällen an : L = 1 + µ λ, µ R : L = λ R : L = : L = 2 + µ λ, µ R : L = : L = λ R 3 [Aufgabe] Wir fixieren n > l > und schreiben alle n n-matrizen in Blockform A11 A A =, A 21 A wobei A 11 eine l l-matrix und A, A 21, A jeweils eine Matrix in passender Grösse ist (nämlich welcher?) a) Zeige, dass für beliebige Matrizen A11 A A = A 21 A gilt: B11 B und B = B 21 B A11 B A B = 11 + A B 21 A 11 B + A B A 21 B 11 + A B 21 A 21 B + A B b) Sei A eine n n-matrix in oberer Blockdreiecksform bezüglich l, das heisst, mit A 21 gleich der Nullmatrix Zeige, dass A invertierbar ist genau dann, wenn A 11 und A invertierbar sind, und dann ist A 1 = ( A 1 11 A 1 11 A A 1 O A 1 ) Berechnen Sie als Anwendung die inversen Matrizen von D 1 = 5 8 4, D 2 =
3 3 [Lösung] Die Matrizen A, A 21, A haben jeweils die Grössen l (n l), (n l) l und (n l) (n l) a) Der Koeffizient von A B an der Stelle (i, j) ist gegeben durch (A B) ij = n ( l ) ( n a ik b kj = a ik b kj + k=l+1 a ik b kj ) Für 1 k l gilt (A 11 ) ik (B 11 ) kj falls 1 i, j l (A 11 ) ik (B ) k,j l falls 1 i l und l + 1 j n a ik b kj = (A 21 ) i l,k (B 11 ) kj falls l + 1 i n und 1 j l (A 21 ) i l,k (B ) k,j l falls l + 1 i, j n Für l + 1 k n gilt (A ) i,k l (B 21 ) k l,j falls 1 i, j l (A ) i,k l (B ) k l,j l falls 1 i l und l + 1 j n a ik b kj = (A ) i l,k l (B 21 ) k l,j falls l + 1 i n und 1 j l (A ) i l,k l (B ) k l,j l falls l + 1 i, j n Im Fall 1 i, j l erhalten wir deshalb (A B) ij = l (A 11 ) ik (B 11 ) kj + n (A ) i,k l (B 21 ) k l,j k=l+1 n l = (A 11 B 11 ) ij + (A ) ik (B 21 ) kj = (A 11 B 11 ) ij + (A B 21 ) ij Das zeigt die Aussage für den ersten Matrixblock In den anderen Fällen erhält man mit demselben Argument (A 11 B ) i,j l + (A B ) i,j l falls 1 i l und l + 1 j n (A B) ij = (A 21 B 11 ) i l,j + (A B 21 ) i l,j falls l + 1 i n und 1 j l (A 21 B ) i l,j l + (A B ) i l,j l falls l + 1 i, j n Das zeigt die Aussage für die restlichen Blöcke b) Nehme zuerst an, dass A 1 und A 2 invertierbar sind Dann gilt für A 1 11 A 1 11 A B := A 1 O A 1 mit Aufgabenteil a) A11 A 1 11 A A B = 11 ( A 1 11 A A 1 ) + A A 1 Il A A 1 = = I I n n l
4 Es folgt, dass A invertierbar ist und B = A 1 gilt Angenommen A ist invertierbar mit Inverse B := A 1 Schreiben wir B11 B B = B 21 B wie in Aufgabenteil a), so folgt A11 B A B = 11 + A B 21 A 11 B + A B Il = A B 21 A B I n l Wegen A B = I n l ist A invertierbar Aus A B 21 = folgt deshalb B 21 = Da A 11 B 11 + A B 21 = I l und B 21 = ist, gilt A 11 B 11 = I l, also ist auch A 11 invertierbar In den Anwendungen erhalten wir 8 3 D1 1 = 5 2 1/4, 1/2 D 1 2 = [Aufgabe] Zeigen Sie, dass jede invertierbare m m-matrix ein Produkt von Matrizen der Form I m + λe ij für i j und λ K, und Diagonalmatrizen ist 4 [Lösung] Sei A eine beliebige invertierbare Matrix und sei A = L P R eine Zerlegung von A in eine untere Dreiecksmatrix L, eine Permutationsmatrix P und eine obere Dreiecksmatrix R In der Vorlesung wurde gezeigt, dass jede obere Dreiecksmatrix sich als Produkt von Matrizen der Form I m + λi ij für i < j und λ K schreiben lässt Durch Anwenden der Transponierten folgt, dass jede untere Dreiecksmatrix sich als Produkt von Matrizen der Form (I m + λi ij ) T = I m + λi ji für i < j und λ K schreiben lässt Wähle solche Produktdarstellungen für L und R Wegen A = L P R genügt es daher, die folgende Behauptung zu beweisen Behauptung: Jede Permutationsmatrix P lässt sich als Produkt von Matrizen der Form I m + λi ij für i j und λ K, und Diagonalmatrizen schreiben Beweis Wir beweisen die Aussage zuerst für eine beliebige m m Permutationmatrix, bei der auf der Diagonalen genau zwei Einträge nicht gleich 1 sind (eine sogenannte Transpositionsmatrix) Wegen = 1 1 (1)
5 gilt dies im Fall m = 2 Für beliebiges m 2 und für eine solche Matrix T, seien (i, i) und (j, j) mit i < j die Stellen auf der Diagonalen an denen eine Null steht Indem man eine zu (1) analoge Multiplikation bezüglich des Blockes (i, j) ausführt, erhält man die Aussage für alle m Wir verwenden nun Induktion um die Behauptung im allgemeinen Fall zu zeigen Im Basisfall m = ist die -Matrix eine Diagonalmatrix und die Aussage gilt Angenommen, die Aussage gilt für ein beliebiges m und sei eine beliebige Permutationsmatrix P der Grösse (m+1) (m+1) gegeben Sei 1 i m+1 der eindeutige Index, sodass der (i, m+1)-te Eintrag von P gleich 1 ist Sei T = (t ij ) 1 i,j m+1 die Permutationsmatrix mit den nicht-verschwindenen Einträgen t i,m+1 = t m+1,i = 1 und t jj = 1 für alle j i, m + 1 Für i m + 1 ist T eine Transpositionsmatrix und für i = m + 1 ist T die Identität Insbesondere gilt die Aussage der Behauptung für die Matrix T Die Matrix P = T P (2) ist die Matrix die aus P durch Vertauschen der i-ten und (m + 1)-ten Zeile entsteht (siehe pdf zu den Linearen Gleichungssystemen) Insbesondere ist P eine Permutationsmatrix und der Eintrag an Position (m + 1, m + 1) ist 1 Wir schreiben P als Blockmatrix Q P = 1 für eine m m-permutationsmatrix Q und Nullmatrizen geeigneter Grösse Bei Induktionsvoraussetzung lässt sich Q als Produkt von Matrizen der Form I m + λi ij für i j und λ K, und Diagonalmatrizen schreiben Aus der Aufgabe 3 folgt nun, dass dies auch für P mit solchen (m + 1) (m + 1)- Matrizen gilt Da T eine Transpositionsmatrix oder die Identität ist, ist T invertierbar mit Inverse T 1 = T Aus (2) folgt daher P = T P Da T als auch P sich als Produkt von Matrizen der Form I m +λi ij für i j und λ K, und Diagonalmatrizen schreiben lassen, gilt dies auch für P Das zeigt die Aussage für alle Permutationsmatrizen der Grösse (m + 1) (m + 1) 5 [Aufgabe] Zeigen Sie, dass für jede Matrix A eine Permutationsmatrix P und eine untere Dreiecksmatrix U existiert, so dass U P A Zeilenstufenform hat 5 [Lösung] Satz: Für jede Matrix A existieren eine Permutationsmatrix P und eine invertierbare untere Dreiecksmatrix U, so dass U P A Zeilenstufenform hat
6 Beweis: Beim Entwickeln des Beweises stellt sich heraus, dass die geplante Induktion besser funktioniert, wenn man gleich eine stärkere Aussage beweist, nämlich: Satz: Für jede m n-matrix A existieren eine Permutationsmatrix P und eine invertierbare untere Dreiecksmatrix U, so dass U P A Zeilenstufenform hat und für jeden Index 1 i m, für den die i-te Zeile von UP A identisch Null ist, die Matrix U in der i-ten Spalte mit der Einheitsmatrix übereinstimmt Dies beweisen wir durch Induktion nach n Induktionsanfang: n = : Die gesuchte Aussage gilt mit U = P = I m Induktionsvoraussetzung: Es ist n > und die gesuchte Aussage gilt für alle Matrizen der Grösse m (n 1) Induktionsschritt: Sei A eine beliebige m n-matrix Sei A die durch Streichen der letzten Spalte von A entstehende m (n 1)-Matrix Nach Induktionsvoraussetzung existieren dann eine Permutationsmatrix P und eine invertierbare untere Dreiecksmatrix U, so dass UP A Zeilenstufenform hat und für jeden Index 1 i m, für den die i-te Zeile von UP A identisch Null ist, die i-te Spalte von U mit der i-ten Spalte der Einheitsmatrix übereinstimmt Sei 1 k m + 1 minimal, so dass für alle k i m die i-te Zeile von UP A gleich Null ist (Also k := m + 1, wenn alle Zeilen von UP A ungleich Null sind) Dann sind die Zeilen 1,, k 1 von UP A alle ungleich Null, und nach Definition der Zeilenstufenform beginnen die von Null verschiedenen Terme in jeder dieser Zeilen später als in der vorigen Da die Matrix UP A auch durch Streichen der letzten Spalte von U P A entsteht, gelten dieselben beiden Aussagen dann auch für die Zeilen 1,, k 1 von UP A In diesen Zeilen hat U P A also schon die gewünschte Zeilenstufenform Schreibe nun UP A = b ij 1 i m mit Koeffizienten b ij K Wir unterscheiden 1 j n die folgenden beiden Fälle: 1 Fall: k i m: b in = Dies bedeutet, dass die Zeilen k,, m von UP A schon ganz gleich Null sind Dann ist U P A schon insgesamt in Zeilenstufenform, und dieselben Matrizen P und U erfüllen alle geforderten Bedingungen 2 Fall: k i m: b in (Also insbesondere k m) Sei dann k l m minimal mit b ln Wir wenden die folgenden elementaren Zeilenoperationen auf UP A an, in der genannten Reihenfolge: Vertauschen der k-ten und l-ten Zeile, bzw nichts im Fall k = l Sei P die Permutationsmatrix, deren Linksmultiplikation diese Vertauschung induziert Addieren von b in b ln mal der k-ten Zeile zur i-ten Zeile für alle l < i m Diese Zeilenoperation wird durch Linksmultiplikation mit I m b in b ln E ik induziert Der Gesamteffekt dieser Additionen entspricht (Nachrechnen!) der Linksmultiplikation mit der invertierbaren unteren Dreiecksmatrix U := I m m b in i=l+1 b ln E ik
7 Die durch diese Zeilenoperationen entstehende Matrix ist dann U P UP A Da die Zeilen 1,, k 1 von UP A durch die Operationen nicht geändert wurden, ist die Matrix U P UP A dort schon in Zeilenstufenform Ausserdem ist ihre k-te Zeile gleich Null ausser im letzten Eintrag b ln, welcher ungleich Null ist Da im Fall k > 1 die (k 1)-te Zeile schon einen früheren Eintrag ungleich Null hat, gilt auch hier die Bedingung der Zeilenstufenform Schliesslich sind die Zeilen k + 1,, m alle identisch gleich Null Somit ist U P UP A insgesamt in Zeilenstufenform Setze U := P U(P ) 1 Dann gilt P U = U P, und die gefundene Matrix ist gleich U P UP A = U U P P A = (U U ) (P P ) A Hier ist P P ein Produkt zweier Permutationsmatrizen, also nach Aufgabe 5 von Serie 4 selbst eine Permutationsmatrix Andererseits wissen wir von oben, dass U eine invertierbare untere Dreiecksmatrix ist, deren i-te Spalte mit der i-ten Spalte der Einheitsmatrix I m übereinstimmt für alle k i m Da die Linksmultiplikation mit P auf jede Spalte einer Matrix separat wirkt, stimmt für alle k i m also auch die i-te Spalte von P U mit der i-ten Spalte von P I m = P überein Ausserdem ist P ihre eigene Inverse; die Rechtsmultiplikation mit (P ) 1 bewirkt also die Vertauschung der Spalten k und l Da die Indizes k und l beide k sind, stimmt daher für alle k i m die i-te Spalte von U = P U(P ) 1 mit der i-ten Spalte von P (P ) 1 = I m überein Weiter ist U = I m m b in i=l+1 b ln E ik eine invertierbare untere Dreiecksmatrix, die in allen Spalten ausser der k-ten mit I m übereinstimmt Als Produkt zweier invertierbarer unterer Dreiecksmatrizen ist somit auch U U eine invertierbare untere Dreiecksmatrix Ausserdem stimmen für alle k < i m die i-ten Spalten von U und U mit denen der Einheitsmatrix überein Daraus folgt dasselbe auch für das Produkt, nämlich durch direktes Nachrechnen, vorzugsweise mit Blockmatrizen wie in Aufgabe 3 der vorliegenden Serie mit (k, m) anstelle von (l, n) Die Indizes k < i m sind aber genau diejenigen, für welche die i-ten Zeilen von U P UP A = (U U ) (P P ) A gleich Null sind Somit ist also die gesuchte Zusatzbedingung erfüllt für die gegebene Matrix A, die Permutationsmatrix P P, und die untere Dreiecksmatrix U U Der Induktionsschritt ist damit abgeschlossen, und die Aussage in allen Fällen bewiesen
3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
MehrLösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Lösung Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Um zu zeigen, dass es sich bei den gegebenen Vektoren um Basen handelt,
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 95 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrDreiecksmatrizen. Die Treppennormalform
Dreiecksmatrizen. Die Treppennormalform Lineare Algebra I Kapitel 4-5 8. Mai 202 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 4-6 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
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
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
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Gegeben seien die folgenden geordneten Basen B = (v, v, v, v ) und C = (w, w,
Mehr6.2 Rechnen mit Matrizen
62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrInvertierbarkeit von Matrizen
Invertierbarkeit von Matrizen Lineare Algebra I Kapitel 4 24. April 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
MehrSerie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr. Meike Akveld Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung 1. In dieser Aufgabe beweisen wir die Existenz der LR-Zerlegung einer quadratischen
Mehr4. Übungsblatt zur Mathematik II für Inf, WInf
Fachbereich Mathematik Prof Dr Streicher Dr Sergiy Nesenenko Pavol Safarik SS 010 11 15 Mai 4 Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G13 (Basistransformation) ( ) 15 05 Die lineare
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 2 Rechenoperationen und Gesetze Gleichheit
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen
Mehr6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66
6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten 6.1 Symmetrische Gruppe Definition: Eine bijektive Abbildung von einer Menge X auf sich selbst heisst eine Permutation von X. Satz-Definition:
MehrFerienkurs Mathematik für Physiker I Skript Teil 3 ( )
Ferienkurs Mathematik für Physiker I WS 2016/17 Ferienkurs Mathematik für Physiker I Skript Teil 3 (29032017) 1 Lineare Gleichungssysteme Oft hat man es in der Physik mit unbekannten Größen zu tun, für
MehrLösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung
D-MATH Lineare Algebra I/II HS 07/FS 08 Dr Meike Akveld Lösung 3: Sylvesters Trägheitssatz & Singulärwertzerlegung Wir wissen, dass eine Basis B von R n existiert, sodass p [β Q ] B I I q 0 n p q gilt
MehrLösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3
Mehr7 Matrizen über R und C
$Id: matrix.tex,v. 0/0/0 5:7:7 hk Exp $ 7 Matrizen über R und C 7. Inverse Matrizen und reguläre lineare Gleichungssysteme In der letzten Sitzung hatten wir eine quadratische Matrix A regulär oder invertierbar
MehrLineare Algebra I - Prüfung Winter 2019
Lineare Algebra I - Prüfung Winter 209. (20 Punkte) Kreuzen Sie auf dem Abgabeblatt ihre Antwort an. Pro Teilaufgabe ist genau eine der vier Antwortmöglichkeiten richtig. Für jede richtig beantwortete
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 018 Prof Dr N Hungerbühler Serie 8: Online-Test Schicken Sie Ihre Lösung bis spätestens Freitag, den 3 November um 14:00 Uhr ab Diese Serie besteht nur aus Multiple-Choice-Aufgaben
MehrBlockmatrizen. Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 :
Blockmatrizen Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 : 2 1 3 1 1 0 1 0 1 0 0 2 1 1 11 1 1 4 0 1 0 1 0 1 4 1 0 2 1 0 1 0 1 0 3 1 2 1 = 2 4 3 5 11 1 1 4 0 1 0 1 0 1 5 1 2 1 2 4 3 5
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 Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 17.10.2012 Bernhard Hanke 1 / 9 Wir beschreiben den folgenden Algorithmus zur Lösung linearer Gleichungssysteme, das sogenannte Gaußsche
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
Mehr3 Determinanten, Eigenwerte, Normalformen
Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses
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
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrMatrizen. Lineare Algebra I. Kapitel April 2011
Matrizen Lineare Algebra I Kapitel 2 26. April 2011 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/~holtz Email: holtz@math.tu-berlin.de Assistent: Sadegh
MehrLösung 13: Unitäre Vektorräume und normale Abbildungen
D-MATH Lineare Algebra II FS 2017 Dr. Meike Akveld Lösung 13: Unitäre Vektorräume und normale Abbildungen 1. a) Im Folgenden sei γ : V V C die Abbildung γ(v, w) v + w 2 v w 2 i v + iw 2 + i v iw 2. : Wir
MehrLösungsskizze zur Wiederholungsserie
Lineare Algebra D-MATH, HS Prof. Richard Pink Lösungsskizze zur Wiederholungsserie. [Aufgabe] Schreibe die lineare Abbildung f : Q Q 5, x +x +x x x +x +6x f x := x +x +8x x x +x +x. x +x +5x als Linksmultiplikation
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
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
Mehr(c) x 2 + 3x 3 = 1 3x 1 + 6x 2 3x 3 = 2 6x 1 + 6x x 3 = 5
Musterlösungen zu Mathematik II (Elementare Lineare Algebra) Blatt Nathan Bowler A: Präsenzaufgaben. Zeilenstufenform und reduzierte Zeilenstufenform erkennen Welche der folgenden Matrizen sind in Zeilenstufenform?
MehrLineare Algebra I 8. Übungsblatt - Weihnachtszettel - Lösungen
Prof. Dr. Duco van Straten Blatt 8 - Lösungen Oliver Labs 8. Dezember 2003 Konrad Möhring Lineare Algebra I 8. Übungsblatt - Weihnachtszettel - Lösungen. Skizzieren Sie die folgenden Teilmengen der GAUSSschen
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 7 Was die Menschen verbin, ist nicht der Glaube, sondern der Zweifel Peter Ustinow Universelle Eigenschaft der
MehrSpezielle Matrizen. Invertierbarkeit.
Spezielle Matrizen. Invertierbarkeit. Lineare Algebra I Kapitel 4 2. Mai 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
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
Mehr2.5 Smith-Normalform für Matrizen über Euklidischen Ringen
2.5. SMITH-NORMALFORM FÜR MATRIZEN ÜBER EUKLIDISCHEN RINGEN73 2.5 Smith-Normalform für Matrizen über Euklidischen Ringen Bemerkung 2.74. Sei K ein Körper und A K n m, b K n 1. Das lineare Gleichungssystem
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 18.10.2012 Alexander Lytchak 1 / 12 Lineare Gleichungssysteme Wir untersuchen nun allgemeiner Gleichungssysteme der
Mehr8.2 Invertierbare Matrizen
38 8.2 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
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
Mehr3.9 Elementarmatrizen
90 Kapitel III: Vektorräume und Lineare Abbildungen 3.9 Elementarmatrizen Definition 9.1 Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare
MehrLösung zu Serie 9. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 9 1. [Aufgabe] Sei f : V W eine lineare Abbildung. Zeige: a) Die Abbildung f ist injektiv genau dann, wenn eine lineare Abbildung g :
Mehrbekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR
LR-Zerlegung bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR Definition 2.17 Unter einer LR-Zerlegung einer Matrix A R n n verstehen wir eine
Mehrg 1 g = e, (1) (g 1 ) 1 g 1 = e, (2) Unter Verwendung des Assoziativgesetzes ist nach (1), und weil e neutrales Element ist. Nach (2) folgt nun
Stefan K. 1.Übungsblatt Algebra I Aufgabe 1 1. zu zeigen: (g 1 ) 1 = g g G, G Gruppe Beweis: Aus dem Gruppenaxiom für das Linksinverse zu g haben wir und für das Linksinverse zu g 1 Unter Verwendung des
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrLösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen
D-MATH Lineare Algebra II FS 7 Dr. Meike Akveld Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen. a) Wegen der Linearität im ersten Argument gilt sicherlich w S :, w =. Somit ist S und
Mehr3 Lineare Gleichungssysteme
3 Lineare Gleichungssysteme 3 Fortsetzung des Matrizenkalküls Als erstes beweisen wir einen einfachen Satz über den Rang von Matrizenprodukten Satz 3 (a) Für Matrizen A : Ã l m, B : Ã m n gilt rang AB
MehrLösung Serie 13: Determinanten (Teil 2)
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr Meike Akveld Lösung Serie 13: Determinanten (Teil 2 1 a Wir zeigen die gewünschten Eigenschaften: 1 Es ist 2 Es ist ε(τ σ ε(id ( ε(σ id(j id(i τ(σ(j τ(σ(i ( τ(σ(j
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
Mehr7 Matrizen über R und C
Mathematik für Physiker I, WS 06/07 Montag 9 $Id: matrixtex,v 7 06//9 :58: hk Exp $ 7 Matrizen über R und C 7 Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit
MehrDie Treppennormalform
Die Treppennormalform Lineare Algebra I Kapitel 5 9 Mai 22 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 4-6 Webseite: wwwmathtu-berlinde/ holtz Email: holtz@mathtu-berlinde Assistent: Sadegh
MehrMatrizen - 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
MehrMatrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte
Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung
Mehr, c d. f + e + d. ae + bg a f + bh. ce + dg c f + dh
Die Determinante Blockmatrizen Bemerkung: Für zwei 2 2-Matrizen gilt a b e f a b c d g h c d e g a b, c d f h a c b e + d a g, c f + ae + bg a f + bh ce + dg c f + dh b d h Sind die Einträge der obigen
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
MehrNumerik für Informatiker und Bioinformatiker. Daniel Weiß
Numerik für Informatiker und Bioinformatiker Daniel Weiß SS 202 Folgende Literatur bildet die Grundlage dieser Vorlesung: P Deuflhard, A Hohmann, Numerische Mathematik, Eine algorithmisch orientierte Einführung,
MehrLösung zu Serie 3. Lineare Algebra D-MATH, HS Prof. Richard Pink. Sei K ein beliebiger Körper.
Lineare Algebra D-MATH, HS 204 Prof. Richard Pink Lösung zu Serie 3 Sei K ein beliebiger Körper.. [Aufgabe] Sei n Z 0 eine gegebene nicht-negative ganze Zahl. Übersetzen Sie die folgenden Aussagen in eine
MehrIn allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.
Nachschlag:Transposition von Matrizen Sei Explizit: Def: "Transponierte v. A": (tausche Zeilen mit Spalten d.h., spiegle in der Diagonale) m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft:
MehrIV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen
Gliederung I. Motivation II. Lesen mathematischer Symbole III. Wissenschaftliche Argumentation IV. Matrizenrechnung i. Rechenoperationen mit Matrizen ii. iii. iv. Inverse einer Matrize Determinante Definitheit
MehrUE Einführung in die Algebra und Diskrete Mathematik KV Algebra und Diskrete Mathematik
UE Einführung in die Algebra und Diskrete Mathematik KV Algebra und Diskrete Mathematik 6. Übungszettel, 30. April 2013 Lösungen 1. Zeigen Sie detailliert: Das homomorphe Bild einer zyklischen Gruppe ist
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
Mehr9.2 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
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
MehrHeinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Zwölfte Woche, Rang(f) := dim Bild(f).
Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 204 Lineare Algebra Zwölfte Woche, 256204 8 Der Rang einer Linearen Abbildung Auch in diesem Abschnitt
MehrMatrixoperationen. Einige spezielle Matrizen: Nullmatrix: n-te Einheitsmatrix: E n := 0 d. TU Dresden, WS 2013/14 Mathematik für Informatiker Folie 1
Matrixoperationen Einige spezielle Matrizen: 0 0... 0 Nullmatrix:....... 0 0... 0 1 0... 0 0 1... 0 n-te Einheitsmatrix: E n :=....... 0 0... 1 d 1 0... 0 0 d 2... 0 Diagonalmatrix: diag(d 1,..., d n)
MehrLineare Gleichungssysteme, LR-Zerlegung
Prof Thomas Richter 2 Juni 27 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomasrichter@ovgude Material zur Vorlesung Algorithmische Mathematik II am 22627 Lineare Gleichungssysteme,
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
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
Mehra i j (B + C ) j k = n (a i j b j k + a i j b j k ) =
Lösungen Lineare Algebra für Physiker, Serie 2 Abgabe am 25.10.2007 1. Es seien A K m n, B,C K n p und D K p q gegeben. 9 P (a) Beweisen Sie das Distributivgesetz A(B + C ) = A B + AC. (b) Beweisen Sie
MehrCopyright, Page 1 of 5 Die Determinante
wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist
MehrDeterminanten - II. Falls n = 1, gibt es offenbar nur die identische Permutation, und für eine 1 1 Matrix A = (a) gilt det A = a.
Determinanten - II. Berechnung von Determinanten Wir erinnern, dass für A M(n n; K) gilt : det A = σ S n signσ a σ() a 2σ(2)...a nσ(n). Falls n =, gibt es offenbar nur die identische Permutation, und für
MehrLineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen
Lineare Algebra I Tutorium Inverse Matrizen und Gruppen Fachbereich Mathematik WS / Prof Dr Kollross November Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Die zweite Variante des Gauß-Algorithmus)
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
Mehra 1 a 1 A = a n . det = λ det a i
49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K
Mehr8.2 Invertierbare Matrizen
38 8.2 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
MehrLösung zu Serie Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen
Lineare Algebra D-MATH, HS 4 Prof. Richard Pink Lösung zu Serie. Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen Polynom ist. Lösung: Das charakteristische Polynom eines
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 0 Olga Holtz MA 378 Sprechstunde Fr 4-6 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do -4 und nv jokar@mathtu-berlinde Kapitel Die Determinante
MehrA = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix
Matrizen Definition: i Eine m n Matrix A ist ein rechteckiges Schema aus Zahlen, mit m Zeilen und n Spalten: a a 2 a n a 2 a 22 a 2n a m a m2 a mn Die Spaltenvektoren dieser Matrix seien mit a,, a n bezeichnet
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218
Mehr1 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
MehrEigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)
Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
MehrSerie Sei V ein Vektorraum. Man nennt eine lineare Abbildung P : V V eine Projektion, falls P 2 = P gilt. Zeigen Sie:
Prof Emmanuel Kowalski Lineare Algebra II Serie 3 Sei V ein Vektorraum Man nennt eine lineare Abbildung P : V V eine Projektion, falls P 2 = P gilt Zeigen Sie: a Der Kern und das Bild einer Projektion
MehrLösung zu Serie 10. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 10 1. [Aufgabe] a) Sei V ein Unterraum eines K-Vektorraums V. Zeige, dass jede Linearform auf V eine Fortsetzung zu einer Linearform auf
Mehr7 Lineare Gleichungssysteme und Determinanten. Lineare Gleichungssysteme Gauß-Algorithmus Anwendungen Determinanten
7 Lineare Gleichungssysteme und Determinanten Lineare Gleichungssysteme Gauß-Algorithmus Anwendungen Determinanten 7.1 Dreiecks- und Diagonalmatrizen Linke untere bzw. rechte obere Dreiecksmatrizen sind
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
Mehr[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank
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
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
Mehr