Die lineare Hülle. heißt der Vektor. Linearkombination der Vektoren v i mit Koeffizienten α i. Direkt aus (12.6) folgt

Größe: px
Ab Seite anzeigen:

Download "Die lineare Hülle. heißt der Vektor. Linearkombination der Vektoren v i mit Koeffizienten α i. Direkt aus (12.6) folgt"

Transkript

1 Eine Menge v +U mit einem Untervektorraum U nennt man auch eine Nebenklasse des Untervektorraumes U. Sie entsteht, wenn man die Translation τ v auf die Menge U anwendet. Ausdrücke der Form αu + βv, auch mit mehr als zwei Summanden, sind uns schon begegnet und werden uns noch häufig begegnen. Wir machen eine formale Definition. Seien (V, K) ein Vektorraum, v,..., v n V und α,..., α n K, dann heißt der Vektor n v = α v + α 2 v α n v n = α i v i Linearkombination der Vektoren v i mit Koeffizienten α i. Direkt aus (2.6) folgt (2.) Es sei U ein Untervektorraum des Vektorraums (V, K). Dann sind mit v,..., v n U auch alle Linearkombinationen dieser Vektoren in U. Als abschließendes Beispiel bestimmen wir die Untervektorräume des R 2. Sei (, ) u U R 2. Damit U Untervektorraum sein kann, muss U alle Vielfachen von u enthalten (vgl. auch (2.)): Für u U gilt dann αu U für alle α R, d.h. Ru = {αu ; α R} U. Wie gesehen ist Ru eine Gerade durch (, ). Jede solche Gerade ist nach (2.8) ein Untervektorraum. Damit haben wir bereits alle Untervektorräume gefunden! (2.) Sei U R 2 Untervektorraum. Dann ist U = {(, )} oder U = Ru (Gerade durch den Ursprung) oder U = R 2. Beweis. Wir müssen zeigen: Besteht U nicht nur aus einer Geraden der Gestalt Ru, so ist U bereits der gesamte Vektorraum R 2. Sei also v = (v, v 2 ) U, u = (u, u 2 ) U, beide von Null verschieden, und v Ru. Nach (.6) existieren dann zu jedem w R 2 Elemente α, β R mit w = αu + βv. Andererseits liegt wegen (2.) dieses Element in U. Daher liegt jedes Element von R 2 in U, somit U = R 2. Außer den trivialen Untervektorräumen {(, )} und R 2 sind (geometrisch gesprochen) nur noch Geraden durch den Nullpunkt (, ) Untervektorräume von R 2. Frage: Wie sehen alle Untervektorräume von R 3 aus? Die lineare Hülle Die Menge aller Linearkombinationen einer Menge von Vektoren bilden einen Untervektorraum. i= 49

2 (2.2) Seien (V, K) ein Vektorraum und v,..., v n V. Die Menge L(v,..., v n ) := {α v + α 2 v α n v n ; α,..., α n K} ist ein Untervektorraum von V. Beweis. Übung! Definition. Der Untervektorraum L(v,..., v n ) aller Linearkombinationen wird auch lineare Hülle der Vektoren v,..., v n genannt. (2.3) Beispiele..) L() = {α ; α R} = {}. 2.) L(v) = Rv. 3.) V = R 2 : L((, ), (, )) = { α (, ) + α 2 (, ) ; α i R } = { (α, α 2 ) ;... } = R 2. 4.) V = R 2 : L((, ), (2, )) = { α (, ) + α 2 (2, ) ; α i R } = R(, ). 5.) V = R 2 : L((, ), (, )) = { α (, ) + α 2 (, ) ; α i R } =? 6.) V = R 3 : Gesucht sind U = L((,, ), (,, )); U 2 = L((,, ), (, 2, )) und U 3 = L((, 2, ), (2, 4, )). Liegen (2,, ) und/oder (,, ) in U k? 7.) Nur der Vollständigkeit halber sei erwähnt: L( ) := {}. 8.) V = R 4 : L((,,, ), (,,, )) ist 9.) V = C 2 : L((, i), (i, )) = Bemerkung. Verschiedene Vektoren können durchaus die gleiche lineare Hülle haben, wie U und U 2 in Beispiel 6.) zeigen. Beispiel 6.) zeigt auch, dass die Suche nach einer Darstellung eines Vektors als Linearkombination auf ein lineares Gleichungssystem führt. Wir betrachten das etwas genauer. Gegeben seien v,..., v r R n. Wie prüfen wir ob w L(v,..., v r )? Wir müssen w als Linearkombination darstellen, d.h. wir suchen α,..., α r R mit w = α v + + α r v r. Stellt man alle Vektoren als Spalten dar, ergibt sich v v r v... v r w = α. + + α r. =.. v n v nr v n... v nr α. α r. 5

3 Es ist also ein lineares Gleichungssystem zu lösen. Die Spalten der Koeffizientenmatrix V sind genau die Vektoren v,..., v r, die rechte Seite ist der Vektor w. Man vergleiche das mit der Spaltensicht (.) der Matrizenmultiplikation. Ist dieses Gleichungssystem nicht lösbar, dann bedeutet das w L(v,..., v r ). Als nächstes stellt sich die Frage ob im Fall der Existenz diese Darstellung eindeutig ist. Es wird sich herausstellen, dass man nur den Nullvektor untersuchen muss. Die Gleichung α v + + α r v r = hat immer die (triviale) Lösung α i = für alle i =,..., r. Und wir wissen ja auch, dass in jeder linearen Hülle liegt. Gibt es in L(v,..., v r ) weitere Linearkombinationen α v α r v r =? ( ) ( ) ( ) (2.4) Beispiele..) V = R 2, L,,. Hier gilt beispielsweise ( 2.) V = R 2, L ), ( ). Die Suche nach α, β R mit ( ) = α ( ) + β ( ) = ( α β ) ergibt zwingend α = β =. Die Beispiele zeigen, dass mit r Vektoren v,..., v r manchmal die Darstellung des Nullvektors als Linearkombination wie im letzten Beispiel ausschließlich auf triviale Weise möglich ist. Manchmal sind wie in (2.4.) auch andere Linearkombinationen möglich. Diese Beobachtung gibt Anlass zu einer (2.5) Definition. Sei (V, K) ein beliebiger Vektorraum, v,..., v r V. () (v,..., v r ) heißt linear unabhängig : Für alle α, α 2,..., α r K gilt α v α r v r = = α = α 2 =... = α r =. Man sagt auch: Der Nullvektor lässt sich nur trivial aus v,..., v r kombinieren. (2) (v,..., v r ) heißt linear abhängig : (v,..., v r ) ist nicht linear unabhängig. 5

4 Auch folgende Ausdrucksweisen für lineare (Un)abhängigkeit sind üblich: Die Vektoren v,..., v r sind linear (un)abhängig, {v,..., v r } ist linear (un)abhängig, usw. Die Mengenschreibweise ist nicht ganz adäquat, weil in der Liste doppelte vorkommen können. In diesem Fall sind die Vektoren aber immer linear abhängig; warum? (2.6) Beispiele..) Im Vektorraum R 2 ist ((, ), (, )) linear unabhängig, während ((, ), (, ), (, )) linear abhängig ist. 2.) Untersuche die lineare Abhängigkeit von ((, ), (2, )), ((,, ), (,, 2)), ((, ), (, 2)), und ((i, 2), (, 2i)). 3.) v, w R n \ {} sind linear abhängig v Rw Rv = Rw. Siehe dazu auch (.2). Direkt aus der Definition und den Vorüberlegungen ergibt sich (2.7) Es sei A R m n eine Matrix. Dann ist Kern A = {} genau dann, wenn die Spalten von A linear unabhängig sind. Die wichtigste Eigenschaft linear unabhängiger Systeme ist (2.8) Seien v,..., v r V, dann gilt (v,..., v r ) ist linear unabhängig genau dann, wenn jeder Vektor in L(v,..., v r ) eindeutig als Linearkombination der v,..., v r dargestellt werden kann. Beweis. = ist trivial, denn insbesondere kann ja die Null nur auf eine Weise dargestellt werden. = : Sei v L(v,..., v r ) auf zwei Weisen dargestellt: Subtrahieren der Gleichungen liefert v = α v + + α r v r v = β v + + β r v r = (α β )v + + (α r β r )v r. Weil (v,..., v r ) linear unabhängig ist, folgt α i β i =. Daher gibt es nur eine Darstellung. Will man Vektoren auf lineare (Un)abhängigkeit untersuchen, muss man stets beteiligten Vektoren im Auge behalten. alle Beispiel. ((, ), (, ), (, )) ist linear abhängig, obwohl je zwei Vektoren linear unabhängig sind. 52

5 (2.9) Bemerkung..) Sind Vektoren v,..., v r linear abhängig, kann man mindestens einen von ihnen als Linearkombination der übrigen aufschreiben; denn αi v i = und oe α r ergibt v r = αr α v... αr α r v r. Dies bedeutet L(v,..., v r ) = L(v,..., v r ). Um unnötigen Schreib- und Rechenaufwand zu vermeiden, ist man an linear unabhängigen Vektoren interessiert. 2.) Wir haben gesehen, dass der Kern einer Matrix und damit die Lösungsmenge U eines homogenen linearen Gleichungssystems ein Untervektorraum ist. Das Gaußsche Eliminationsverfahren liefert aber mehr: Es liefert Vektoren v,..., v r mit U = L(v,..., v r ); und diese Vektoren sind linear unabhängig! Dabei ist r die Anzahl der freien Variablen. Vgl. dazu die Beispiele unter (.3) und aus den Übungen. Basen Die vorige Bemerkung 2.) besagt, dass beim Eliminationsverfahren eine besonders günstige Beschreibung des Lösungsraumes entsteht es entsteht eine Basis des Lösungsraums. Definition. Sei V ein beliebiger Vektorraum, v i V. (v,..., v r ) heißt Basis von V, wenn gilt (B) (v,..., v r ) ist linear unabhängig; (B2) L(v,..., v r ) = V. (2.2) Bemerkung..) Basen sind minimale Erzeugendensysteme eines Vektorraumes. Jeder Vektor aus V liegt in der linearen Hülle einer Basis (Erzeugendensystem). Entfernt man einen Vektor aus einer Basis, umfasst die lineare Hülle der restlichen Vektoren nicht mehr alle Vektoren aus V (minimal). Vgl. dazu auch (2.9.). 2.) Ist eine Basis (b,..., b n ) gegeben, kann jeder Vektor v wegen (B2) als Linearkombination dieser Basisvektoren geschrieben werden. Weil die Basisvektoren wegen (B) linear unabhängig sind, ist diese Darstellung nach (2.8) eindeutig, es gibt also eindeutig bestimmte (α,..., α n ) R n mit v = α b α n b n. Die Eindeutigkeit ermöglicht den Koeffizientenvergleich. 3.) In der Physik (und auch in der Mathematik) wird die Lösung von Problemen oft durch die Wahl eines geeigneten Koordinatensystems vereinfacht. Der Wechsel von einem Koordinatensystem zu einem anderen mit demselben Ursprung, bedeutet den Übergang zu einer anderen Basis! 53

6 4.) Falls auch der Ursprung verlegen werden soll, dann benutzt man noch eine Translation. Die Aussage von (2.9.2) zusammen mit (.4) über ein gegebenes lineares Gleichungssystem kann man so zusammenfassen: (2.2) Das Gaußsche Eliminationsverfahren liefert eine Basis der Lösungsmenge des homogenen Systems und zugleich eine spezielle Lösung des Systems. Die Anzahl der Basisvektoren ist die Anzahl der freien Variablen. Besser kann man die Lösungsmenge nicht beschreiben! Insbesondere kann man bei der Beschreibung nichts weglassen. Anstelle von einer Basis (v,..., v r ) spricht man auch von einer Basis {v,..., v r } oder man sagt, die Vektoren v,..., v r bilden eine Basis. Anmerkung: In dieser Vorlesung werden wir nicht auf Unterschiede eingehen, die sich aus der Schreibweise einer Basis als geordnetes Tupel oder ungeordnete Menge ergeben und je nach Gutdünken eine der beiden Darstellungen wählen. (2.22) Beispiele..) V = R 2 : ((, ), (, )) und ((, ), (, 2)) sind Basen, für (2, 5) R 2 gilt (2, 5) = 2 (, ) + 5 (, ) bzw. (2, 5) = ( ) (, ) + 3 (, 2). 2.) ((, 2), (, 3), (, 4)) ist keine Basis, denn 3.) V = R 3 : ((,, ), (,, ), (,, )) ist eine Basis. ((,, ), (,, )) ist keine Basis, denn 4.) V = R n mit n N: Sei e i := (,...,,,,..., ) mit der an i ter Stelle. Diese besonders einfache Basis (e,..., e n ) wird kanonische Basis genannt. 5.) In der Schule haben Sie bereits mehr oder weniger bewusst die kanonische Basis benutzt, um Punkte der Anschauungsebene R 2 eindeutig anzugeben: P = (x, y) bedeutet nichts anderes als P = (x, y) = x (, ) + y (, ) = x e + y e 2. 6.) Jede Basis von R 2 muss zwei Elemente haben. Für ein einzelnes v ist L(v) R 2. Drei können nicht linear unabhängig sein, denn nach dem Beweis von (2.), kann man jedes Element in R 2 schon mit je zwei linear unabhängigen Vektoren ausdrücken. Gehen Sie den Beweis nochmals durch um sich das klar zu machen. 7.) Wir betrachten die Menge R[x] aller Polynome. Diese bilden einen Untervektorraum von R R aller Abbildungen R R. Man erkennt, dass (, x, x 2,..., x n ) für alle n N linear unabhängig ist. Das unendliche System (, x, x 2,..., x n,... ) hat die Eigenschaften einer Basis. Insbesondere kann jedes Polynom eindeutig als (endliche) Linearkombination dieser Element dargestellt werden. Der folgende Satz beschäftigt sich mit der Existenz von Basen. Er gilt viel allgemeiner als hier formuliert. Der Beweis geht aber leider weit über den Stoff dieser Vorlesung hinaus. 54

7 (2.23) Basisergänzungssatz. Sei V ein Vektorraum, {v,..., v r }, {w,..., w s } seien Teilmengen von V und es gelte L(v,..., v r, w,..., w s ) = V. Wenn (v,..., v r ) linear unabhängig ist, kann (v,..., v r ) durch Hinzufügen von Vektoren aus {w,..., w s } zu einer Basis von V ergänzt werden. Beweis (Skizze).. Wenn L(v,..., v r ) = V gilt, sind keine Vektoren hinzuzufügen auch dieser Fall ist eingeschlossen. 2. Sei L(v,..., v r ) V = L(v,..., v r, w,..., w s ). Mit (2.9) erkennt man, dass w i {w,..., w s } \ L(v,..., v r ) existiert, und es folgt, dass (v,..., v r, w i ) linear unabhängig ist (um das zu zeigen ist etwas Detailarbeit erforderlich). 3. Man überprüft, ob L(v,..., v r, w i ) = V gilt. Wenn ja, ist man fertig, sonst führt man 2. analog für L(v,..., v r, w i ) V durch: w j {w,..., w s } \ {w i } so, dass (v,..., v r, w i, w j ) linear unabhängig ist, usw. 4. Nach spätestens s vielen Schritten ist man fertig. Einen detailierten Bewies findet man z.b. in [Beu98] oder [Fis]. (2.24) Beispiel. Im R 3 ist (v, v 2 ) = ((,, ), (,, )) linear unabhängig, und für (w, w 2, w 3 ) = ((,, ), (,, ), (,, )) gilt L(v, v 2, w, w 2, w 3 ) = R 3 (ohne Beweis). Wegen L(v, v 2 ) = { (α, α 2, ) ; α i R } R 3 gibt es w i {w, w 2, w 3 } mit w i L(v, v 2 ). Wegen w = v +v 2 L(v, v 2 ) kommt w nicht in Frage, aber es ist w 2 L(v, v 2 ). Daher ist (v, v 2, w 2 ) linear unabhängig. Man kann zeigen, dass dies eine Basis von R 3 ist. Frage : Was ist mit (v, v 2, w 3 )? Dimension Wir haben gesehen, dass ein Vektorraum viele verschiedene Basen haben kann. Es wird uns allerdings nicht gelingen, eine Basis des R 2 mit nur einem oder eine mit mehr als zwei Vektoren zu finden (siehe (2.22.6)). Allgemeiner besteht jede Basis des R n aus genau n Vektoren. Der Beweis dieser simplen Aussage ist allerdings so schwierig, dass er in dieser Vorlesung leider nicht durchgeführt werden kann. Siehe z.b. [Beu98] oder [Fis]. (2.25) Satz über die Gleichmächtigkeit von Basen. In einem Vektorraum seien (v,..., v n ) und (w,..., w m ) Basen. Dann gilt n = m. Dieser Satz erlaubt es uns, eine mathematische Definition des Dimensionsbegriffs zu geben. Machen Sie sich klar, dass das unserer intuitiven Vorstellung von Dimension (zumindest im Anschauungsraum) entspricht. Definition. () Sei (v,..., v n ) eine Basis eines Vektorraumes (V, K). Dann heißt n die Dimension von V, geschrieben dim V = n oder dim K V = n. (2) Sei V ein Vektorraum, der für kein n N eine Basis (v,..., v n ) besitzt. Dann heißt V unendlich dimensional, geschrieben dim V =. 55

8 (2.26) Beispiele..) Für die uns vertrauten reellen Vektorräume R n gilt dim R n = n (auch für n = ). Das folgt aus (2.22.4). 2.) dim R[x] = nach (2.22.7). Genauso gilt dim R [,] =. 3.) C ist ein R-Vektorraum (der Nachweis ist einfach!). Was ist dim R C?. 4.) Was sind dim R R, dim Q R? (2.27) Bemerkung..) Um die lineare (Un)abhängigkeit konkreter Vektoren zu prüfen ist ein lineares Gleichungssystem zu lösen. Das wurde schon an Beispielen (auch in den Übungen) durchgeführt. 2.) In einem Fall können Sie sich jede Rechenarbeit ersparen, nämlich wenn Sie in einem Vektorraum der Dimension n mehr als n Vektoren auf lineare Unabhängigkeit untersuchen sollen. 3.) Wir können nun (2.2) nochmals ergänzen: Die Dimension des Kernes einer Matrix ist die Anzahl der freien Variablen des zugehörigen linearen Gleichungssystems. 4.) Im R n ist jede linear unabhängige Menge mit n Elementen eine Basis von R n. Das gilt auch für jedes Erzeugendensystem mit n Elementen. 5.) Interessierten Studierenden sei der Beweis des Satzes (2.25) ans Herz gelegt. Sie finden ihn in jedem Buch über lineare Algebra. Aber Vorsicht: Die unendliche Variante ist noch schwieriger! 6.) Welche Dimension hat {}? 56

9 Um den folgenden Satz einfacher formulieren zu können machen wir eine (2.28) Definition. Zu jeder Matrix A R m n sei L(A) die lineare Hülle der Spalten von A. Es ist L(A) ein Untervektorraum von R m, genannt der Spaltenraum von A. Für lineare Gleichungssysteme haben unsere Betrachtungen folgende Konsequenzen. (2.29) Satz. Es sei A R m n und () Für b R m existiert eine Lösung des Systems Ax = b genau dann, wenn b L(A). (2) Äquivalent sind (I) Das System Ax = b besitzt für alle b R m höchstens eine Lösung. (II) Die Spalten von A sind linear unabhängig. (III) Kern A = {}. (3) Äquivalent sind (I) Das System Ax = b besitzt für alle b R m genau eine Lösung. (II) m = n und die Spalten von A sind linear unabhängig. (III) Die Spalten von A bilden eine Basis von R m. (IV) m = n und L(A) = R m. (V) A ist invertierbar. Beweis. () ist eine Umformulierung der Spaltensicht der Matrizenmultiplikation (.). (2) (I) (II) folgt aus (2.7) und (.4); (II) (III) steht in (2.7). (3) (V) = (I) ist klar; (I) (III) steht in (2.8) zusammen mit (). (III) = (II): Es gilt L(A) = R m und es gibt n Spalten. Daher folgt m = n. Nach Definition einer Basis sind die Spalten von A linear unabhängig. (II) = (IV): A hat m = n Spalten, die linear unabhängig sind, also ist die lineare Hülle gleich R m. Das folgt aus (2.23) und (2.25). Ähnlich folgt (IV) = (III) durch zusammenwirken der beiden Sätze (2.23) und (2.25). Wie? (III) = (V) wird später behandelt. (2.3) Bemerkung..) Für eine Matrix A R m n wird dim L(A) auch Rang der Matrix genannt. Es ist ein bedeutendere Satz der linearen Algebra, dass der Rang einer Matrix zugleich die Dimension der linearen Hülle der Zeilen von A ist. Kurz: Zeilenrang = Spaltenrang. 2.) Mit diesen Begriffen (und solchen aus dem folgenden Kapitel) kann man die Liste der äquivalenten Aussagen unter (3) noch erweitern. 57

10 Affine Unterräume treten als Lösungsmengen linearer Gleichungsysteme auf. Vgl. zu diesem Abschnitt auch (2.9). Dort fiel der Begriff der Nebenklasse. Definition. Es sei U ein Untervektorraum eines Vektorraums V, dann heißt P + U = τ P (U) für jedes P V ein affiner Unterraum von V. Wir setzen dim(p + U) := dim U und sprechen von der Dimension des affinen Unterraums. Etwas plakativ gesprochen sind affine Unterräume verschobene Untervektorräume. Ist (b,..., b n ) eine Basis von U, so gilt P + U = P + L(b,..., b n ) = P + Rb + + Rb n. Man spricht daher von einer Parameterdarstellung des affinen Unterraums. Spezialfall: Affine Unterräume der Dimension 2 werden Ebenen genannt. Eine Parameterdarstellung hat die Form P + Rb + Rb 2 mit einem Stützpunkt P und den Richtungsvektoren b, b 2, die linear unabhängig sein müssen. Bisher konnten wir Ebenen nur im R 3 in Koordinatendarstellung beschreiben. Zusammenfassung Dimension 2 Trivialname Punkt Gerade Ebene Parameterdarstellung P = P + {} g = P + Rb E = P + Rb + Rb 2 b Koordinatendarstellung nur in R 2 nur in R 3 b, b 2 lin. unabhängig g : ax + bx 2 = c E : ax + bx 2 + cx 3 = d (a, b) (, ) (a, b, c) (,, ) Koordinatendarstellung zu Parameterdarstellung: Man fasst die Gleichung als lineares Gleichungssystem mit nur einer Gleichung auf, führt freie Variable ein und bestimmt die Lösungsmenge. Beispiel. E : 2x y + 3z = 5 Parameterdarstellung zu Koordinatendarstellung: aus g bzw. E und macht für diese Punkte den Ansatz ap + bp 2 + cp 3 d = aq + bq 2 + cq 3 d = ar + br 2 + cr 3 d = Man berechnet einige Punkte und bestimmt eine Lösung (a, b, c, d) (,,, ) dieses linearen Gleichungsystems. 58

11 Beispiel. E = 2 + R + R Bemerkung. Man könnte die Liste für höhere Dimensionen weiterführen. Eine Koordinatendarstellung für einen affinen Unterraum gibt es nur, wenn die Dimension um kleiner ist als die Dimension des umgebenden Raumes. 59

10.2 Linearkombinationen

10.2 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

Mehr

Kapitel 13. Lineare Gleichungssysteme und Basen

Kapitel 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

Mehr

2.3 Basis und Dimension

2.3 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

Mehr

5.7 Lineare Abhängigkeit, Basis und Dimension

5.7 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

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte 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

Mehr

β 1 x :=., und b :=. K n β m

β 1 x :=., und b :=. K n β m 44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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,...,

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(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:

Mehr

4 Affine Koordinatensysteme

4 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

Mehr

Lineare Algebra I (WS 13/14)

Lineare 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

Mehr

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,

In 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.

Mehr

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Bild, 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

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik 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

Mehr

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

Gegeben 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

Mehr

1 Linearkombinationen

1 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

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

Der Kern einer Matrix

Der 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

Mehr

2 Die Dimension eines Vektorraums

2 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

Mehr

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $ Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit

Mehr

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition) Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz

Mehr

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

6 Lineare Gleichungssysteme

6 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

Mehr

11. BASIS, UNTERRAUM, und DIMENSION

11. BASIS, UNTERRAUM, und DIMENSION 11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax

Mehr

Lineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin:

Lineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin: Lineare Algebra I - 9.Vorlesung - rof. Dr. Daniel Roggenkamp & Falko Gauß Korrektur: 2. Klausurtermin: 09.02.2017 Linearkombination von Vektoren lineare Hülle Erzeugendensystem S lineare Unabhängigkeit

Mehr

Lineare Algebra I (WS 13/14)

Lineare 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

Mehr

Lineare Algebra I Zusammenfassung

Lineare 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

Mehr

Der Rangsatz für lineare Abbildungen

Der 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

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

$Id: vektor.tex,v /01/21 14:35:13 hk Exp $

$Id: vektor.tex,v /01/21 14:35:13 hk Exp $ Mathematik für Physiker I, WS 2/2 Freitag 2 $Id: vektortex,v 5 2//2 4:35:3 hk Exp $ Vektorräume 2 Untervektorräume und Erzeugendensysteme Am Ende der letzten Sitzung hatten wir wieder einmal den Lösungsraum

Mehr

1 Transponieren, Diagonal- und Dreiecksmatrizen

1 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

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

Lösungen der Aufgaben zu Abschnitt 5.4

Lösungen 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

Mehr

Das inhomogene System. A x = b

Das 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

Mehr

Vektorräume. Kapitel Definition und Beispiele

Vektorräume. 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

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

4.1. Vektorräume und lineare Abbildungen

4.1. Vektorräume und lineare Abbildungen 4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt

Mehr

, Uhr Dr. Thorsten Weist. Name Vorname Matrikelnummer. Geburtsort Geburtsdatum Studiengang

, Uhr Dr. Thorsten Weist. Name Vorname Matrikelnummer. Geburtsort Geburtsdatum Studiengang Nachklausur zur Linearen Algebra I - Nr. 1 Bergische Universität Wuppertal Sommersemester 2011 Prof. Dr. Markus Reineke 06.10.2011, 10-12 Uhr Dr. Thorsten Weist Bitte tragen Sie die folgenden Daten leserlich

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik 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

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

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

3.2 Unabhängigkeitsstrukturen

3.2 Unabhängigkeitsstrukturen 80 3.2 Unabhängigkeitsstrukturen Unser Ziel ist der Nachweis, daß in Vektorräumen, also in Moduln über Körpern, Basen existieren und zwei endliche Basen gegebenenfalls von derselben Ordnung sind. (Basen

Mehr

Kapitel 2: Mathematische Grundlagen

Kapitel 2: Mathematische Grundlagen [ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen

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

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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

Mehr

Lineare Gleichungssysteme

Lineare 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

Mehr

Die Dimension eines Vektorraumes

Die Dimension eines Vektorraumes Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je

Mehr

Lineare Gleichungssysteme - Grundlagen

Lineare 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

Mehr

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de

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

Kapitel 1. Matrizen und lineare Gleichungssysteme. 1.1 Matrizenkalkül (Vektorraum M(n,m); Matrixmultiplikation;

Kapitel 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

Mehr

3. Übungsblatt zur Lineare Algebra I für Physiker

3. 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

Mehr

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele

Mehr

[5], [0] v 4 = + λ 3

[5], [0] v 4 = + λ 3 Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span

Mehr

3.5 Duale Vektorräume und Abbildungen

3.5 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

Mehr

Vorkurs Mathematik B

Vorkurs Mathematik B Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein

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

Vektorräume und Lineare Abbildungen

Vektorräume und Lineare Abbildungen Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

Lineare Gleichungssysteme: eine Ergänzung

Lineare 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

Mehr

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(

Mehr

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle Anhang A Etwas affine Geometrie In diesem Anhang stellen wir die wichtigsten Grundbegriffe aus der affinen Geometrie zusammen, soweit sie eben für uns von Nutzen sind. Für weiterführende Ergebnisse sei

Mehr

0, v 6 = , v 4 = 1

0, 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

Lineare Algebra und analytische Geometrie I

Lineare 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

Mehr

LINEARE ALGEBRA I (LEHRAMT GYMNASIUM) WINTERSEMESTER 2015/16

LINEARE ALGEBRA I (LEHRAMT GYMNASIUM) WINTERSEMESTER 2015/16 LINEARE ALGEBRA I (LEHRAMT GYMNASIUM) WINTERSEMESTER 2015/16 CAROLINE LASSER Inhaltsverzeichnis 1. Vektorräume 2 1.1. Vektorräume und Unterräume (13.10.) 2 1.2. Lineare Unabhängigkeit (20.10.) 3 1.3. Basen

Mehr

Kapitel 16. Invertierbare Matrizen

Kapitel 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,

Mehr

3.4 Der Gaußsche Algorithmus

3.4 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,

Mehr

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren Kapitel 13 Vektoren Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren 131 Denition: Vektoren im Zahlenraum Ein Vektor (im Zahlenraum) mit n Komponenten ist ein n-tupel reeller Zahlen,

Mehr

1 0 1, V 3 = M, und λ A = λa

1 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

Mehr

2.2 Lineare Gleichungssysteme

2.2 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

Mehr

Lineare Gleichungssysteme

Lineare 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

Mehr

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt

6.2 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)

Mehr

ein vom Nullvektor verschiedener Vektor, dann ist jeder dazu parallele (kollinear) Veka tor d ein Vielfaches von a. + λ 2 a 2

ein vom Nullvektor verschiedener Vektor, dann ist jeder dazu parallele (kollinear) Veka tor d ein Vielfaches von a. + λ 2 a 2 II. Basis und Dimension ================================================================= 2.1 Linearkombination und Basis -----------------------------------------------------------------------------------------------------------------

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

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

Klausurähnliche Aufgaben

Klausurähnliche 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),

Mehr

Ausgangsfrage: gegeben Vektorraum, wieviele Komponenten hat. allgemein: ein Vektorraum mit, heisst 'Unterraum' von. ist ein Unterraum von V.

Ausgangsfrage: gegeben Vektorraum, wieviele Komponenten hat. allgemein: ein Vektorraum mit, heisst 'Unterraum' von. ist ein Unterraum von V. L2.3 Basis und Dimension Ausgangsfrage: gegeben Vektorraum, wieviele Komponenten hat Formaler: was ist die 'Dimension' von Sei Definition: 'Span' 'lineare Hülle' = alle möglichen Linearkombination der

Mehr

Lineare Algebra und analytische Geometrie I

Lineare 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

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume

Mehr

Vektorräume und Lineare Abbildungen

Vektorräume und Lineare Abbildungen Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 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

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

Affine 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

Mehr

Summen und direkte Summen

Summen und direkte Summen Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M

Mehr

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Lineare 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,

Mehr

Definitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.

Definitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}. Technische Universität Berlin Wintersemester 7/8 Institut für Mathematik 9. April 8 Prof. Dr. Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Nachklausur zur Linearen Algebra I Aufgabe ++ Punkte Definieren

Mehr

Basis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Basis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren Basis und Dimension Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren aus V. 1) (v i ) i I heißt ein Erzeugendensystem von V, wenn Span(v i ) = V. 2) (v i ) i I heißt Basis von

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P. Grohs T. Welti F. Weber Herbstsemester 2 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Mittsemesterprüfung HS, Typ A Name a a Note Vorname Leginummer Datum 29..2 2 4 6 Total

Mehr

9 Vektorräume mit Skalarprodukt

9 Vektorräume mit Skalarprodukt 9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden

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

Affine und projektive Räume

Affine und projektive Räume Affine und projektive Räume W. Kühnel Literatur hierzu: G.Fischer, Analytische Geometrie, 7. Aufl., Vieweg 2001 Zur Motivation: Wenn man in einem Vektorraum die Elemente nicht als Vektoren, sondern als

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I Wintersemester 3/ Aufgabenblatt 6. Januar Präsenzaufgaben

Mehr

Klausurvorbereitungsblatt Lineare Algebra

Klausurvorbereitungsblatt 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

Mehr

:= 1. Der affine Unterraum Γ heißt Punkt, Gerade, Ebene oder Hyperebene, wenn dim K dim K

:= 1. Der affine Unterraum Γ heißt Punkt, Gerade, Ebene oder Hyperebene, wenn dim K dim K apitel II Lineare Algebra und analytische Geometrie 4 Punkte, Geraden, Ebenen, affine Unterräume in einem Vektorraum. Wie bisher ist V ein endlichdimensionaler Vektorraum über dem örper, oft ist V = n

Mehr

10 Kapitel I: Anschauliche Vektorrechnung

10 Kapitel I: Anschauliche Vektorrechnung 10 Kapitel I: Anschauliche Vektorrechnung haben. In Mengenschreibweise ist G = {x x = a + tb für ein t R}. Wir werden für diese einführenden Betrachtungen im Interesse einer knappen Redeweise jedoch häufig

Mehr

Grundlagen der Mathematik 1

Grundlagen der Mathematik 1 Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben

Mehr

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2) Lineare Abbildungen (Teschl/Teschl.3,.2 Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:

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

Brückenkurs Mathematik. Mittwoch Freitag

Brückenkurs 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

Mehr