R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte

Ähnliche Dokumente
a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik

Lineare Algebra: Determinanten und Eigenwerte

Kapitel III. Lineare Abbildungen

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

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

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

2 Die Dimension eines Vektorraums

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

Lineare Algebra I Zusammenfassung

Eigenwerte und Diagonalisierung

8 Lineare Abbildungen und Matrizen

MC-Serie 11: Eigenwerte

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

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

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}.

4 Lineare Abbildungen und Matrizen

Lineare Algebra I (WS 13/14)

Lösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j.

Lösungsskizzen zur Klausur

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Grundlagen der Mathematik 1

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1

(Allgemeine) Vektorräume (Teschl/Teschl 9)

4 Lineare Abbildungen und Matrizen

Vektorräume und lineare Abbildungen

3 Matrizenrechnung. 3. November

Lösungen zu den Hausaufgaben zur Analysis II

6 Eigenwerte und Eigenvektoren

2.3 Lineare Abbildungen und Matrizen

KLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008

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

2.2 Lineare Gleichungssysteme (LGS)

Klausur HM I H 2005 HM I : 1

1 Linearkombinationen

6 Hauptachsentransformation

Proseminar Lineare Algebra II, SS 11. Blatt

3.9 Elementarmatrizen

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

Lineare Algebra I. Lösung 9.2:

Basen von Schnitt und Summe berechnen

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

Hauptklausur. Lineare Algebra. (BaM-LA1, L3M-AG) Prof. Dr. Martin Möller // Jonathan Zachhuber. WiSe 2016/17 // 20. Februar 2017

Quadratische Matrizen

Lineare Algebra II, Lösungshinweise Blatt 9

3. Übungsblatt zur Lineare Algebra I für Physiker

Lineare Differenzengleichungen

Lineare Algebra II 8. Übungsblatt

37 Gauß-Algorithmus und lineare Gleichungssysteme

5 Die Allgemeine Lineare Gruppe

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

Aufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).

3.6 Eigenwerte und Eigenvektoren

Einführung in die Mathematik für Informatiker

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops

4 Eigenwerte und Eigenvektoren

1 Eigenschaften von Abbildungen

Lineare Algebra II 6. Übungsblatt

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

Musterlösung Klausur zur Linearen Algebra II

10.2 Linearkombinationen

8. Übungsblatt Aufgaben mit Lösungen

Bonusmaterial Euklidische und unitäre Vektorräume Geometrie in höheren Dimensionen

β 1 x :=., und b :=. K n β m

36 2 Lineare Algebra

Lineare Abbildungen - I

Übungen zur Diskreten Mathematik I Blatt 6

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

Lineare Algebra. Axiome der Linearen Algebra

Lineare Algebra und analytische Geometrie I

Lineare Algebra Weihnachtszettel

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.

1 2. Körpererweiterungen

6 Lineare Gleichungssysteme

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

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.

4 Affine Koordinatensysteme

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Übungen zu Lineare Algebra und Geometrie 1

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von

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

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

8.2 Invertierbare Matrizen

Lineare Algebra und analytische Geometrie I

x+ 2y = 2 3x+ 3y+ 3z = 0

Lineare Gleichungssysteme und Matrizen

Lineare Algebra und analytische Geometrie I

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

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

Lineare Abbildungen und Darstellungsmatrizen

Übungen zu Lineare Algebra und Geometrie für LAK

4 Lineare Algebra (Teil 2): Quadratische Matrizen

Zu zwei Matrizen A R m n und B R p q existiert das Matrizenprodukt A B n = p und es gilt dann. A B = (a ij ) (b jk ) = (c ik ) = C R m q mit c ik =

Musterlösung zur Nachklausur Lineare Algebra I

45 Eigenwerte und Eigenvektoren

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

Transkript:

Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben Sie einen Isomorphismus von Gruppen Φ : GL(, R G an Erinnerung: GL(n, R bezeichnet die Gruppe der invertierbaren n n-matrizen (a Die Einheitsmatrix E lässt alle Vektoren im R fest, also insbesondere e und U Somit ist E G Für A, B G gilt (A B e = A (B e = A e = e, (A B U = A (B U A U U Somit ist auch A B G Weiter gilt für A G: e = E e = A A e = A e Nun sei u U und Da A e = e, folgt nun A u = αe + βe + γe u = E u = A A u = αe + βa e + γa e U = [e, e ], also α = Somit gilt auch A u = βe + γe U, also A U U und insgesamt A G (b Zunächst überlegen wir uns, wie die Matrizen A G aussehen Die Bedingung A e = e schreibt sich a a a a a a a = a =! a a a a Folglich a = und a = a =

Die Bedingung A U U schreibt sich damit als a a a β + a γ a a β = a β + a γ =! λ U a a γ a β + a γ µ für beliebige β, γ R Somit gilt a = a = Also ist A G von der Form A = a a, a a ( und da det(a vorausgesetzt wird, ist a a a a Nun definieren wir die Abbildung Φ : GL(, R R, ( a b a b c d c d Dann ist Φ(B invertierbar für alle B GL(, R, da Außerdem gilt offensichtlich det(φ(b = det(b Φ(B e = e, Φ(B e = ae + ce, Φ(B e = be + de U Also Bild Φ G Φ ist ein Homomorphismus von Gruppen: ( ( ( Φ(A Φ(A = = A A = Φ(A A A A Φ ist surjektiv: Für A G in der Form ( ist B = ( a a a a ein Urbild unter Φ Φ ist injektiv: Das folgt sofort aus der Abbildungsvorschrift für Φ

Aufgabe Gegeben seien zwei Untervektorräume U, W des R, U = [, ], W = [, ] (a Bestimmen Sie eine Basis und die Dimension von U W (b Bestimmen Sie eine Basis und die Dimension von U + W (a Jeder Vektor im Schnitt muss sich als Linearkombination sowohl der Erzeuger von U als auch der Erzeuger von W schreiben lassen Also setze an: α + α! = β + β mit Unbekannten α, α, β, β R Schreibe dies als LGS und löse mit dem Gauß- Algorithmus: ( Daraus lesen wir β =, β = ab, und somit wird der Schnitt erzeugt von = Folglich ist dim U W = (b Aus dem LGS ( lesen wir ab, dass die erste, zweite und dritte Spalte linear unabhängig sind Somit bilden sie eine Basis von U + W : U + W = [,, ]

Aufgabe Es sei V ein K-Vektorraum und V der Dualraum von V Für einen Untervektorraum U von V definieren wir U := {ϕ V ϕ(u = für alle u U} Zeigen Sie: (a U ist ein Untervektorraum von V (b Für Untervektorräume U, W von V gilt: (i (U + W = U W (ii (U W = U + W (a Die -Abbildung ist ein Element von U Für ϕ, ψ U, λ, µ K und beliebiges u U gilt (λϕ + µψ(u = λϕ(u + µψ(u = λ + µ =, also λϕ + µψ U Somit ist U ein Untervektorraum von V (b (i Ist ϕ(u + w = für alle u U, w W, so gilt insbesondere ϕ(u + = = ϕ( + w Umgekehrt folgt aus der Linearität von ϕ, dass ϕ(u = = ϕ(w auch ϕ(u + w zur Folge hat Also gilt: (U + W = {ϕ V ϕ(u + w = für alle u U, w W } = {ϕ V ϕ(u =, ϕ(w = für alle u U, w W } = {ϕ V ϕ(u = für alle u U} {ϕ V ϕ(w = für alle w W } = U W (ii : Für ϕ U gilt insbesondere ϕ(x = für alle x U W Also U (U W Analog W (U W Somit ist U W (U W, und da letzteres ein Vektorraum ist, gilt auch U + W = [U W ] (U W : Sei ϕ (U W Mittels linearer Fortsetzung können wir folgende lineare Abbildung definieren { ϕ(x, x V \ U ϕ U (x :=, x U Es ist ϕ U U Dann ist ϕ W := ϕ ϕ U W und somit ϕ = ϕ U + ϕ W U + W, und da ϕ beliebig gewählt war, gilt (U W U + W

Aufgabe Es sei A = α β α R, α, β R (a Bestimmen Sie die Eigenwerte von A abhängig von α und β (b Sei nun β = Bestimmen Sie die Eigenräume von A abhängig von α (a Bestimme das charakteristische Polynom p A von A: X p A = det(a XE = det α β X α = ( X(β X( X X Die Eigenwerte von A sind die Nullstellen von p A, also λ =, λ = β, λ = Falls β, sind alle Eigenwerte einfach (b Für β = ist ein doppelter Eigenwert von A, der Eigenraum von A kann also Dimension oder haben (i Bestimme den Eigenraum E( = Kern(A E : 5 A E = α α α Für α = ist der Rang dieser Matrix und der Eigenraum ist [ E( =, ] Für α ist der Rang, der Eigenraum ist [ E( = ] (ii Bestimme den Eigenraum E( = Kern(A + E : A + E = α 5 α 5 Der Eigenraum ist (unabhängig von α [ E( = ]

Aufgabe 5 Es sei A n K n n die Matrix mit den Koeffizienten {, i j a ij =, i = j (a Berechnen Sie det(a, det(a, det(a und det(a (b Zeigen Sie: det(a n = ( n (n Die Matrix A n sieht folgendermaßen aus: (a det(a = det( = A n = det(a = det ( = = ( det(a = det = + + = det(a = det = det = det ( ( ( = ( = (b Inspiriert durch das Vorgehen bei det(a lösen wir den allgemeinen Fall mit den folgenden Umformungen: Subtrahiere die n-te Zeile jeweils von den Zeilen bis n : det(a n = det = det Addiere die Spalten bis n jeweils zur n-ten Spalte: det(a n = det = det n

Nun liegt eine untere Dreiecksgestalt vor, dh die Determinante kann als Produkt der Diagonalelemente abgelesen werden: det(a n = det = ( n (n n