Lineare Algebra I: Eine Landkarte

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

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14)

6 Lineare Gleichungssysteme

Äquivalenz von Matrizen

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

β 1 x :=., und b :=. K n β m

1 Eigenschaften von Abbildungen

Lineare Algebra I Zusammenfassung

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen

Basis eines Vektorraumes

Kap 5: Rang, Koordinatentransformationen

Lineare Gleichungssysteme

Satz. [x] B = die Koordinatenvektoren von x und y = F(x) bezüglich B respektive C. Dann gilt. [y] C = A[x] B. Hierbei ist

Ausgewählte Lösungen zu den Übungsblättern 4-5

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

Lineare Algebra I (WS 13/14)

Grundlagen der Mathematik 1

Lineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

1 Transponieren, Diagonal- und Dreiecksmatrizen

Lineare Abbildungen und Orthonormalsysteme

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

Lösungen Serie 5. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3

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

Lineare Algebra I (WS 13/14)

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}.

Lineare Algebra I Lösung der Probeklausur

Lineare Abbildungen. i=0 c ix i n. K n K m

Der Kern einer Matrix

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

2.2 Kern und Bild; Basiswechsel

32 2 Lineare Algebra

Definition Für n, k 2 N sei. R n k := R n R n R n =(R n ) k. die Menge der (n k)-matrizen. Ein Element M 2 R n k heißt (n k)-matrix.

Lineare Gleichungssysteme

5 Lineare Abbildungen

Lineare Algebra I Lösungsvorschlag

Tutorium: Analysis und Lineare Algebra

Lineare Algebra. 6. Übungsstunde. Steven Battilana. battilana.uk/teaching

Kapitel 8. Elemente der Matrizenrechnung. 8.1 Rechenregeln

Übungsklausur Lineare Algebra

Klausur zur Mathematik I (Modul: Lineare Algebra I)

Serie 5. ETH Zürich - D-MAVT Lineare Algebra II. Prof. Norbert Hungerbühler

5 Lineare Abbildungen

Klausurvorbereitungsblatt Lineare Algebra

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

Lineare Abbildungen und Darstellungsmatrizen

LINEARE ALGEBRA II. FÜR PHYSIKER

Lineare Algebra. 6. Übungsstunde. Steven Battilana.

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 6. Aufgabe 6.1. Dr. V. Gradinaru K. Imeri. Herbstsemester 2018.

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8

( ) Lineare Gleichungssysteme

Kapitel 3 Lineare Algebra

9 Lineare Gleichungssysteme

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Wiederholungsklausur zur Linearen Algebra I

Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt.

Kapitel 7 Lineare Abbildungen und Matrizen II

Klausur zur Vorlesung Lineare Algebra und Geometrie I

4 Determinanten, Eigenwerte, Diagonalisierung, Jordansche Normalform

Lineare Gleichungssysteme

1 Linearkombinationen

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

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 8. Aufgabe 8.1. Dr. V. Gradinaru T. Welti. Herbstsemester 2017.

Lineare Abbildungen. i=0 c ix i n. K n K m. linear. Wir können also jeder Matrix eine lineare Abbildung zuordnen.

Prof. Dr. Markus Reineke Dr. Anna-Louise Grensing. Musterlösung zur Klausur zur Linearen Algebra I

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler

Lösbarkeit linearer Gleichungssysteme

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen

Lineare Abbildungen und Matrizen

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41

37 Gauß-Algorithmus und lineare Gleichungssysteme

Mathematik I. Vorlesung 12. Lineare Abbildungen

3 Lineare Algebra Vektorräume

Grundlegende Definitionen aus HM I

Lineare Algebra für Ingenieure

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

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.

Lineare Gleichungssysteme

Lineare Algebra und analytische Geometrie I

4 Lineare Abbildungen und Matrizen

4 Lineare Abbildungen und Matrizen

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 1

Lösung Test 1 (Nachprüfung)

Lineare Algebra. Wintersemester 2017/2018. Skript zum Ferienkurs Tag Claudia Nagel Pablo Cova Fariña. Technische Universität München

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.

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

Lineare Algebra I (Lehramt Gymnasium)

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Kern und Bild einer Matrix

Lineare Algebra und Numerische Mathematik für D-BAUG

Transkript:

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 von B linear kombinieren. 2

Bild F Algebra I: Unterraum-Summen Faser U, W von V U + W U W falls U W = {0}. 3

Bild F Algebra I: Dimensionsformel für Faser U, W von V dim U + W = dim U + dim W dim U W 4

Algebra I:, Kern und Bild Faser Bild F Für F : V W sind Ker F und Im F von V bzw. W. 5

Faser Algebra I: Durch Basis definiert Bild F Ist B Basis von V und sind F (b i ) W festgelegt, so ist F : V W eindeutig bestimmt. 6

Algebra I: Dimensions- und Basissatz Faser Bild F Für F : V W gilt: dim V = dim Ker F + dim Im F. 7

Algebra I: Faser Bild F rang F = dim Im F. 8

Algebra I: Faser Bild F Rechenregeln, z.b. -Produkt. 9

Algebra I: Darstellende Matrix Faser Bild F hängt von ab. 10

Algebra I: Darstellende Matrix Definition und Rechengesetz: Die darstellende Matrix M A,B einer linearen Abbildung F : V W bezüglich der A von V und B von W enthält als Spalten die Koordinaten der Bilder der Basisvektoren aus A bezüglich der Basisvektoren aus B. 11

Faser Algebra I: Basiswechsel Bild F Transformationsmatrix T A B = Darstellende Matrix der Identität M A,B (id). 12

Faser Algebra I:, Bilder & Dimension Bild F Im A =Spaltenraum A (SR(A)) Zeilenrang A = Spaltenrang A = rang A = dim SR(A) = dim ZR(A) 13

Algebra I: Quotientenvektorräume Faser Bild F V/ Ker F. 14

Algebra I: Quotientenvektorräume Bild F Faser = Menge der affinen Unterräume zu U. 15

Algebra I: Bild F Faser Ax = b 16

Algebra I: Homogene lineare Bild F Faser Ax = 0: Lös(A, 0) = KernA. 17

Algebra I: Inhomogene lineare Bild F Faser Lös(A, b) = Faser von A zu b. Dies ist ein zum Ker A. 18

Algebra I: linearer Bild F Faser Ax = b lösbar rang A = rang(a b) Ax = b eindeutig lösbar rang A = rang(a b) = # Spalten von A rang A = rang(a b) und Ker A = {0}. 19

Algebra I: Quadratische Bild F Faser 20

Algebra I: Quadratische Wenn A M(n n, ), dann sind äquivalent: Ax = b eindeutig lösbar für jedes b n rang A = n Ker A = {0} A invertierbar det A 0. 21

Algebra I: Bild F Faser Codes sind des n 2. 22

Algebra I: Bild F Faser C linearer Code C = Ker(F ) für geeignete lineare Abbildung F C = Lös(A, 0) für geeignete Matrix A 23

Algebra I: Die Landkarte (ohne Anspruch auf Vollständigkeit) Bild F Faser 24