Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I

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

TECHNISCHE UNIVERSITÄT MÜNCHEN

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Lösungen der Aufgaben zu Abschnitt 5.4

Ausgewählte Lösungen zu den Übungsblättern 4-5

Vektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Lineare Algebra 1. Roger Burkhardt

(Allgemeine) Vektorräume (Teschl/Teschl 9)

Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik

Summen und direkte Summen

(Allgemeine) Vektorräume (Teschl/Teschl 9)

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG 15. Dezember 2007

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

Lineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18.

Lineare Abhängigkeit

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zur Linearen Algebra 1

Kapitel 15. Aufgaben. Verständnisfragen

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

Lösungen zur Mathematik für Informatiker I

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

Aufgaben zu Kapitel 15

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

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}.

Mathematik für Anwender I

Lineare Algebra I (WS 13/14)

Wiederholungs-Modulprüfung: zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16 1.Klausur

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 13. Übungsblatt

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16

2.3 Basis und Dimension

Kapitel II. Vektoren und Matrizen

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

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Höhere Mathematik 1. Lösungshinweise zu den Hausaufgaben: 3. Gruppenübung zur Vorlesung. Wintersemester 2016/17

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

Zahlen und metrische Räume

Mathematik für Physiker, Informatiker und Ingenieure

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

Affine Geometrie (Einfachere, konstruktive Version)

Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer

5.7 Lineare Abhängigkeit, Basis und Dimension

Vektorräume. Lineare Algebra I. Kapitel Juni 2012

Teil II: Lineare Algebra

Übersicht Kapitel 9. Vektorräume

Grundlegende Definitionen aus HM I

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

00. Einiges zum Vektorraum R n

Lineare Gleichungssysteme

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

Kapitel II. Vektorräume. Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume

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

10. Übung zur Linearen Algebra I -

Klausur zur Mathematik I (Modul: Lineare Algebra I)

m 2 m 3 m 5, m m 2

Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra

Mathematik für Naturwissenschaftler II SS 2010

Kapitel 13. Lineare Gleichungssysteme und Basen

2 Grundstrukturen. 2.1 Gruppen. Prof. Dr. Peter Schneider. Vorlesung WS Lineare Algebra 1 2 GRUNDSTRUKTUREN

Lineare Algebra und analytische Geometrie I Lösungsvorschlag zum 9. Tutoriumsblatt

6.5 Lineare Abhängigkeit, Basis und Dimension

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller

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

Ferienkurs Mathematik für Physiker I Skript Teil 2 ( )

Lineare Algebra I. Probeklausur - Lösungshinweise

Vektorräume und Lineare Abbildungen

02. Vektorräume und Untervektorräume

Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 11

3.2 Unabhängigkeitsstrukturen

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie

Die Studenten, die sich in Friedolin EINGETRAGEN haben und von Friedolin wissen in welcher UG sie sind,

10.2 Linearkombinationen

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12

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

Lineare Algebra und Numerische Mathematik für D-BAUG

$Id: det.tex,v /01/13 14:27:14 hk Exp $ $Id: vektor.tex,v /01/16 12:23:17 hk Exp $

Einführung in die Mathematik für Informatiker

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

3. Übungsblatt zur Lineare Algebra I für Physiker

4. Vektorräume und Gleichungssysteme

Das inhomogene System. A x = b

U = U, v i λ i = o und (z.b.) λ 1 0. i=1 1 = i=2. i=2

Mathematik für Betriebswirte I (Lineare Algebra) 1. Klausur Wintersemester 2013/

Technische Universität München

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Wiederholung: lineare Abbildungen

Vektorgeometrie Layout: Tibor Stolz

Elementare Geometrie Vorlesung 13

Aufgabe 1. Die ganzen Zahlen Z sind ein R-Vektorraum bezüglich der gewöhnlichen Multiplikation in R.

BADEN-WÜRTTEMBERG Vektoren Geraden im Raum Lösungen Herausgegeben von Heinz Griesel Helmut Postel Friedrich Suhr Schroedel

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW

Klausur zur Mathematik I (Modul: Lineare Algebra I)

5.5 Abstrakter Vektorraum

2 Lineare Gleichungssysteme

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Musterlösung zur Klausur Lineare Algebra I

Mathematik und Logik

Technische Universität Berlin

Transkript:

Humboldt-Universität zu Berlin.0.08. Mathematisch-Naturwissenschaftliche Fakultät II, Institut für Mathematik A. Filler Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I Bitte lösen Sie jede Aufgabe auf einem separaten Blatt. Geben Sie auf jedem Blatt gut lesbar Ihren Namen, die Matrikelnummer und Ihre Übungsgruppe (Namen des Übungsleiters, Wochentag an. Achten Sie auf gut nachvollziehbare Darstellungen der Lösungs- bzw. Beweisschritte. Für die vorliegende Übungsklausur ist eine Bearbeitungszeit von 60 Minuten vorgesehen. Sie hat daher den halben Umfang einer regulären Klausur (mit einer Bearbeitungszeit von 0 Minuten.. Bestimmen Sie ein Paar reeller Zahlen λ und µ, so dass das LGS x = 0 (λ x + x = 0 (µ x + (λ+ x = 0 x = 0 unendlich viele Lösungen besitzt. Sie müssen für diese Aufgabe das LGS nicht ausführlich lösen, sondern können geeignete λ und µ auch mit scharfem Blick erkennen. Sie sollten aber begründen, dass das LGS für die von Ihnen angegebenen λ und µ tatsächlich unendlich viele Lösungen besitzt.. Weisen Sie nach, dass in jedem Vektorraum V über R für alle u, v V und alle µ R gilt: Falls µ u = µ v und µ =0, so ist u = v. Hinweis: Begründen Sie alle Beweisschritte unter Bezugnahme auf die Vektorraumaxiome und die Folgerungen daraus (siehe das dieser Klausur beiliegende Blatt Vektorraumaxiome und Folgerungen. { }. Es sei B = b ; b ; b eine Basis eines Vektorraumes V. Zeigen Sie, dass dann auch die Vektoren a = b + b, a = b + b und a = b + b eine Basis von V bilden. 4 Pkt. 4. Gegeben sind ein Unterraum U eines Vektorraumes V und Vektoren u, v V. Welche der folgenden Aussagen sind richtig? 7 Pkt. (i Gehören u und v nicht zu U, so ist auch u+ v / U. (ii Gehört u zu U, nicht aber v, so ist u+ v / U. Geben Sie Beweise oder Gegenbeispiele an. 5. Geben Sie zu folgenden Teilmengen des Vektorraumes R an, ob sie lineare Unterräume sind; begründen Sie Ihre Aussagen: 7 Pkt. {( v } {( v } (i U = v R v +v = v (ii U = v R v v = v v v Zusatzaufgabe: Weisen Sie nach: In jedem Parallelogramm schneiden sich die Verbindungsstrecke eines beliebigen Eckpunktes mit dem Mittelpunkt der gegenüberliegenden Seite und die Diagonale durch die benachbarten Eckpunkte im Verhältnis :.. 0 Zusatzpkt. Bewertung:,0 ab 8 Pkt.;, ab ;,7 ab 4 Pkt.;,0 ab Pkt.;, ab 0 Pkt.;,7 ab 8 Pkt.;,0 ab ;, ab 4 Pkt.;,7 ab Pkt., 4 ab 0 Pkt.

Bitte dieses Blatt zusammen mit der Klausur austeilen. Vektorraumaxiome und Folgerungen Definition: Eine nicht leere Menge V zusammen mit einer inneren Verknüpfung + : V V V, ( u, v u + v und einer äußeren Verknüpfung : R V V, (λ, u λ u heißt reeller Vektorraum bzw. Vektorraum über dem Körper der reellen Zahlen, falls folgende Bedingungen erfüllt sind: A. Für beliebige u, v V gilt u + v = v + u (Kommutativität der Addition. A. Für beliebige u, v, w V gilt ( u + v + w = u + ( v + w (Assoziativität d. Add.. A. Es existiert o V, so dass für alle u V gilt: u + o = u (Existenz Nullvektor. A4. Zu jedem u V existiert u V mit u + ( u = o (Existenz eines Gegenvektors zu jedem Vektor. S. Für beliebige u V gilt u = u. S. Für beliebige u V und beliebige λ, µ R gilt (λ µ u = λ (µ u (Assoziativität der Multiplikation von Vektoren mit reellen Zahlen. S. Für beliebige u, v V und beliebige λ R gilt λ ( u+ v = λ u + λ v (. Distributivgesetz. S4. Für beliebige u V und beliebige λ, µ R gilt (λ+µ u = λ u + µ u (. Distributivgesetz. Satz (Folgerungen aus den Vektorraumaxiomen: F. Für alle u V ist 0 u = o. F. Der Nullvektor o ist eindeutig bestimmt. F. Für alle λ R ist λ o = o. F4. Für jeden Vektor u ist der Gegenvektor u eindeutig bestimmt. F5. Für alle u V und alle λ R ist ( λ u = (λ u. F6. Für alle u V und alle λ R ist λ ( u = (λ u. F7. Für alle u V und alle λ R gilt: Aus λ u = o folgt λ = 0 oder u = o.

Lösungen bzw. Lösungsskizzen Hinweis: Die folgenden Lösungen bzw. Lösungsskizzen sind zum Vergleichen der Lösungen gedacht und enthalten teilweise keine Lösungswege. Sie werden hier auf den Wunsch von Studierenden hin bereitgestellt, es sei dazu aber ausdrücklich gesagt, dass es sich nur zum Teil um vollständige Musterlösungen handelt. Des Weiteren ist zu sagen, dass es natürlich für viele Aufgaben auch andere als die hier skizzierten Lösungswege geben kann.. λ =, µ =. Wegen µ =0 existiert µ. Aus der Voraussetzung µ u = µ v folgt µ (µ u = µ (µ v, was wegen VR-Axiom S gleichbedeutend mit µ µ u = µ µ v, ist. Somit gilt wegen S die Behauptung u = v.. Lineare Unabhängigkeit: Zu zeigen ist, dass aus λ a + λ a + λ a = o bzw. λ ( b + b + λ ( b + b + λ ( b + b = o folgt λ = λ = λ = 0. Dazu stellt man die obere Gleichung um: (λ +λ b + (λ +λ b + (λ +λ b = o. Wegen der linearen Unabhängigkeit von b, b, b folgt daraus λ +λ = 0, λ +λ = 0 und λ +λ = 0; durch Lösen dieses LGS erhält man λ = λ = λ = 0. a, a und a sind somit linear unabhängig. Es bleibt zu zeigen, dass { a ; a ; a } ein Erzeugendensystem ist, dass also für jeden x V λ, λ, λ R mit λ a + λ a + λ a = x bzw. λ ( b + b + λ ( b + b + λ ( b + b = x existieren. Dies erfolgt analog zum Nachweis { der linearen } Unabhängigkeit durch Umstellen der Gleichung, Nutzung der Tatsache, dass b ; b ; b eine Basis ist und Lösen eines LGS. Es ist nicht unbedingt notwendig, zu zeigen, dass a, a, a linear unabhängig sind und ein Erzeugendensystem bilden. Hat man eine der beiden Tatsachen nachgewiesen, so lässt sich unter Nutzung von Sätzen über Basen recht leicht begründen, dass a, a, a eine Basis sein muss, z. B. lässt sich jede linear unabhängige Teilmenge von V zu einer Basis erweitern, gleichzeitig bestehen alle Basen eines VR aus gleich vielen Vektoren somit muss { a ; a ; a }, nachdem die lineare Unabhängigkeit gezeigt wurde, bereits selbst eine Basis sein. In jedem Falle sollte eine saubere Begründung gegebenen werden (Begründungen wie sind lin. unabh. und deshalb Basis sind nicht ausreichend. 4. (i Die Aussage ist falsch. Gegenbeispiel: Die beiden Vektoren und liegen nicht in dem von 0 erzeugten Untervektorraum des R. Ihre Summe ist jedoch der Nullvektor von R, dieser gehört jedem Unterraum von R an. (ii Die Aussage ist richtig. Weil u U gilt, würde aus u + v U folgen: u + v u = v U, was im Widerspruch zur Voraussetzung steht. Damit kann u + v U nicht gelten. 5. U ist ein UR, U ist kein Unterraum von R. Begründungen: v (i Weil der Nullvektor offenbar in U liegt, gilt U = {}. Sind v, v v U, so v v gilt v + v = v, v + v = v, und somit (v + v + (v + v = (v + v. Also ist v + v v v + v = v + v v v + v U. Für jedes λ R gilt λ v + λ v = λv, also ist v v

λ v v λ v = λ v U. λ v v Alternative Begründung: über Lösungsmengen homogener LGS. (ii Der Vektor ist ein Element von U. Aber das ( -Fache dieses Vektors, also ( ( = liegt nicht in U, sodass U kein Unterraum von R ist. Z. Es sei E der Schnittpunkt der Verbindungsstrecke des Punktes A mit dem Mittelpunkt der Seite BC und der Diagonalen BD. Zu zeigen ist, dass gilt: BE = BD und AE = AM BC. Bekannt ist, dass BE und BD sowie AE und AM BC jeweils zueinander kollinear sind, also λ, µ R existieren mit: BE = λ BD und AE = µ AM BC. Des Weiteren gilt BD = BC + ( DC und AM BC = AB + BC. Da das Viereck ABCD ein Parallelogramm ist, gilt DC = AB und somit BD = BC + ( AB. Daher ergibt sich BE = λ BC λ AB und AE = µ AB + µ BC. Unter Verwendung der Beziehung AB = AE + EB ergibt sich daraus AB = AE + ( BE = µ AB + µ BC λ BC + λ AB bzw. AB µ AB µ BC + λ BC λ AB = o ( µ λ AB + ( µ +λ BC = o. Die Vektoren AB und BC sind, da sie ein Parallelogramm aufspannen, nicht kollinear. Deshalb kann der Nullvektor nur auf triviale Weise als Linearkombination dieser Vektoren entstehen, es muss also gelten: µ λ = 0 µ + λ = 0. Durch Lösen dieses LGS ergibt sich λ =, µ =, also BE = BD, AE = AM BC und somit die Behauptung.

Alternative Aufgaben 6. Für welche λ R hat die folgende Matrix den Rang? 5 Pkt. λ A = 6 λ Lösung: rg(a = für λ = und λ =, ansonsten rg(a =. 7. Geben Sie ein Beispiel für zwei Unterräume U und U eines Vektorraumes V an, deren Vereinigungsmenge U U kein Unterraum ist (mit Begründung. Lösung: Wir betrachten z. B. zwei Unterräume von R, etwa: { } { U = xy xy = r 0 ; r R, U = xy xy U U enthält somit die Vektoren 0 und = r 0 ( 0, nicht aber deren Summe Widerspruch zu der Eigenschaft U des Unterraumkriteriums steht. } ; r R (, was im { } 0 8. Zeigen Sie, dass die Vektormenge E = ; ; ein Erzeugendensystem von R 0 0 ist. 0 Pkt. xy Lösung: E ist ein ES von R, wenn sich jeder Vektor R als Linearkombination der z xy 0 drei Vektoren von E darstellen lässt, also λ, µ, ν R existieren mit = λ( + µ z 0 0 + ν. Dies ist gleichbedeutend mit der Lösbarkeit des linearen Gleichungssystems λ + µ + ν = x µ + y ν = z. Dieses LGS ist für beliebige x, y, z lösbar, die (eindeutige Lösung ist λ = x y, µ = y z, ν = z.