Ferienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen
|
|
- Jesko Brandt
- vor 5 Jahren
- Abrufe
Transkript
1 Technische Universität München Department of Physics Ferienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen Freitag, Sascha Frölich
2 Ferienkurs Lin. Alg. - Bilinearformen, Euklidische Vektorräume, Endomorphismen 1 Contents 1 Bilinearformen Matrixdarstellung Basiswechsel Quadratische Formen Definitheit Definition Untersuchung der Definitheit Euklidische Vektorräume Das Skalarprodukt Die Norm Metrik Winkel und Orthogonalität Orthogonalisierung Orthogonale Zerlegung Normale Endomorphismen Adjungierte Orthogonale Endomorphismen Der Satz von Schur und seine Folgen
3 Ferienkurs Lin. Alg. - Bilinearformen, Euklidische Vektorräume, Endomorphismen 2 Chapter 1 Bilinearformen Definition Es seien K ein Körper, V ein K-Vektorraum und n N. Eine Abbildung V 2 K, die in jeder Komponente linear ist, heißt Blinearform. Zur Erinnerung: Bilinearität Es seien K ein Körper, V ein n-dimensionaler K-Vektorraum und ϕ: V V K : (x, y) ϕ(x, y) eine Bilinearform und x, y, z V, λ R. Dann gilt: 1.1 Matrixdarstellung ϕ(x + z, y) = ϕ(x, y) + ϕ(z, y) λϕ(x, y) = ϕ(λx, y) = ϕ(x, λy) Jede Bilinearform lässt sich durch die Multiplikation zweier Vektoren v,w an eine Matrix darstellen. Es seien K ein Körper, V ein n-dimensionaler K-Vektorraum, B = (b 1,...b n ) eine Basis von V, v, w V und ϕ eine Bilinearform. Dann lässt ϕ wie folgt darstellen: ϕ(v, w) = t v B G B (ϕ) w B Die Matrix G B (ϕ) heißt Grammatrix, Formmatrix oder auch Strukturmatrix. Der Eintrag a ij der Grammatrix ist das Bild der Basisvektoren b i, b j : a ij = ϕ(b i, b j ) Satz Eine Bilinearform ϕ eines K-Vektorraums heißt nicht ausgeartet, wenn für festes v gilt: ϕ(v, w) = 0 w V v = 0 Satz Es seien K ein Körper, V ein n-dimensionaler K-Vektorraum und ϕ: V V K : (x, y) ϕ(x, y) eine Bilinearform. Dann gilt:
4 Endomorphismen 3 RangG B (ϕ) = n ϕ nicht ausgeartet Beispiel: Ist die Bilinearform ϕ: (x, y) ϕ(x, y) mit G B (ϕ) = ausgeartet? Lösung: Es sei x = t (x, y, z) und y = t (a, b, c). Diese beiden Vektoren werden abgebildet auf: x G B (ϕ) ty = a(x + 2y + z) + b(2x + y 3z) + c(3x + 6y + 3z) 5 Diese Gleichung ist unabhängig von y immer null, sofern x = λ 1 3, λ R. Demnach ist diese Bilinearform ausgeartet. Eine weitere Lösungsmöglichkeit wäre, die Determinante der Matrix zu bestimmen. Diese ist null, folglich hat die Matrix nicht den vollen Rang und ϕ ist ausgeartet Basiswechsel Hier wird noch einmal speziell auf den Basiswechsel mit einer Grammatrix eingegangen, da man diese in einer möglichst einfachen Form unter einer neuen Basis darstellen möchte. Transformiert man die Basis B von V in die Basis B von V, so gibt es wieder eine Transformationsmatrix T : = B[id V ] B : G B (ϕ) = t T G B T Definition Zwei Matrizen A,B K n n heißen kongruent, wenn es ein invertierbares T K n n mit A = t T B T gibt. Satz Die Kongruenz von Matrizen ist eine Äquivalenzrelation. Sucht man nun zur Matrix A eine kongruente Matrix Ã, so kann man wie folgt vorgehen: (A 1) elementare Zeilen- und Spaltenumf. an A, an 1nur Zeilenumf. Nun ist à zur Matrix A kongruent und es gilt: à = S A ts A = t T à T mit S 1 = t T (à S)
5 Endomorphismen Quadratische Formen Definition Seien K ein Körper, V ein K-Vektorraum und ϕ: V V K eine Bilinearform. Die Bilinearform heißt symmetrisch, wenn gilt: ϕ(v, w) = ϕ(w, v) v, w V Dies ist äquivalent zu der Aussage, dass die Grammatrix G B (ϕ) symmetrisch ist. Definition Zu einer symmetrischen Bilinearform ϕ: V V K heißt q ϕ = { V K v ϕ(v, v) die zu ϕ gehörende quadratische Form. Dabei gilt: q ϕ (µv) = µ 2 q ϕ (v) q ϕ (u + v) = q ϕ (u) + q ϕ (v) + 2ϕ(u, v) Satz Es seien K ein Körper, mit , V en K-Vektorraum und q ϕ : V K eine quadratische Form. Dann ist ϕ(u, v) = 1 2 (q(u + v) q(u) q(v)) die zu q gehörende symmetrische Bilinearform. Beispiel Wir suchen eine kongruente Matrix für eine symmetrische Bilinearform G B (ϕ) Die dabei entstandene Diagonalmatrix heißt Sylvester- Normalform von G B (ϕ). Die Signatur solch einer Sylvester- Normalform setzt sich wie folgt zusammen: (n +,n,n 0 ). n + steht dafür, wie oft 1, n wie oft -1 und n 0 wie oft 0 in der Diagonalen vorkommt. In diesem Falle ist die Signatur demnach (1,1,1). 1.2 Definitheit Definition Blinearformen bilden nicht immer auf ganz R ab. Deshalb wird die Definitheit formuliert. Eine symmetrische Matrix A ist:
6 Endomorphismen 5 positiv definit t x  x > 0 x Rn positiv semidefinit t x  x 0 x Rn negativ definit t x  x < 0 x Rn negativ semidefinit t x  x 0 x Rn indefinit t x  x 0 0 x Rn Bei der Definition der Definitheit beschränken wir uns lediglich auf symmetrische Matrizen! Untersuchung der Definitheit Um die Definitheit einer Matrix herauszufinden gibt es verschiedene Möglichkeiten. Das charakteristische Polynom Die Untersuchung der Definitheit mit Hilfe des charakteristischen Polynoms ist die einzige Methode, mit der man nachweisen kann, dass eine Matrix semidefinit ist. Es gilt: Sind alle Eigenwerte positiv Matrix ist positiv definit Sind alle Eigenwerte positiv oder null Matrix ist positiv semidefinit Sind alle Eigenwerte negativ Matrix ist negativ definit Sind alle Eigenwerte negativ oder null Matrix ist negativ semidefinit Gibt es positive und negative Eigenwerte Matrix ist indefinit Das Hurwitzkriterium Beim Hurwitzkriterium werden die Unterdeterminanten der (symmetrischen) Matrix untersucht. Dabei sagt dieses Kriterium folgendes: Matrix ist positiv definit alle ihre Unterdeterminanten sind positiv Matrix ist negativ definit alle ihre Unterdeterminanten sind negativ Vorsicht! Das Hurwitzkriterium sagt nichts über Semidefinitheit oder Indefinitheit aus! Die Signatur Es sei K ein Körper, V ein K- Vektorraum und  Kn n. Gilt für die Signatur, dass n + = n = dimv, so ist die Matrix positiv definit. Gilt n = n = dimv, so ist sie negativ definit. Beispiel zu Hurwitz Ist die Matrix
7 Endomorphismen 6 positiv oder negativ definit? Die erste Unterdeterminante ist schlicht 6 > 0. Die zweite Unterdeterminante ist = 20 > Die dritte Unterdeterminante ist nun = 110 > 0 Da also alle Unterdeterminanten positiv sind ist die Matrix positiv definit.
8 Ferienkurs Lin. Alg. - Bilinearformen, Euklidische Vektorräume, Endomorphismen 7 Chapter 2 Euklidische Vektorräume 2.1 Das Skalarprodukt Das Skalarprodukt ist eine besondere Bilinearform. Das Skalaprodukt ist eine positiv definite, symmetrische Bilinearform. Ein R-Vektorraum heißt Euklidischer Vektorraum, wenn er ein Skalarprodukt besitzt. Das Skalarprodukt zwischen den Vektoren v und w wird geschrieben als v w. 2.2 Die Norm Definition Es sei (V, ) ein euklidischer Vektorraum. Die Abbildung = { V R x x x ist die zu gehörige Norm von V (auch Betrag oder Länge). Satz Es sei (V, ) ein Euklidischer Raum und Norm. Dann gilt: die zu gehörige (1) x x 0, x x = 0 x = 0 (2) λx = λ x (3) x + y x + y (Dreiecksungleichung) 2.3 Metrik Definition Es sei (V, ) ein euklidischer Vektorraum. Die Abbildung d: { V V R (x, y) x y
9 Endomorphismen 8 heißt die zu gehörige Metrik. Folgerung Für die oben definierte Metrik gilt immer: (1) d(p, Q) 0, d(p, Q) = 0 P = Q (2) d(p, Q) = d(q, P ) (3) d(p, R) d(p, Q) + d(q, R) 2.4 Winkel und Orthogonalität Definition Der Winkel zweier Vektoren x,y in einem Euklidischen Vektorraum ist definiert als: cos (x, y) = x y x y Zwei Vektoren x,y heißen orthogonal, (bzgl. ), wenn x y = 0. Orthogonale Vektoren sind immer linear unabhängig!
10 Ferienkurs Lin. Alg. - Bilinearformen, Euklidische Vektorräume, Endomorphismen 9 Chapter 3 Orthogonalisierung Die Idee der Orthogonalisierung ist die, dass prinzipiell fast alle Rechnungen einfacher von statten gehen, wenn die involvierten Vektoren orthogonal zueinander sind. 3.1 Orthogonale Zerlegung Zwei Vektoren a, b stehen in einem Winkel ϕ 90 zueinander. Nun wollen wir die parallelen (b a) sowie orthogonalen Anteile (b a ) des Vektors b zu Vektor a bestimmen. Diese berechnen sich wie folgt: b a = a b a a 2 b a = b b a b a wird auch die Projektion von b auf a genannt. Die Projektion eines Vektors c auf die von a unb b aufgespannte Ebene ist: c Lin(a,b) = c c Lin(a,b) mit c Lin(a,b) = a c a 2 a + b c b 2 b Figure 3.1: Orthogonale Zerlegung
11 Endomorphismen 10 Das Verfahren, aus gegebenen Vektoren ein Orthogonalsystem zu erstellen wird Gram-Schmidt-Verfahren genannt. Folgerung Jeder endlichdimensionale euklidische Vektorraum hat eine Orthogonalbasis (und somit Orthonormalbasis). Satz Es sei B = (b 1,..., b n ) eine orthonormalbasis eines endlichdimensionalen euklidischen Vektorraumes, dann gilt für jedes beliebige v V : v /B = b 1 v + b 2 v b n v
12 Ferienkurs Lin. Alg. - Bilinearformen, Euklidische Vektorräume, Endomorphismen 11 Chapter 4 Normale Endomorphismen Zur Erinnerung: Ein Endomorphismus ist ein Homomorphismus (lineare Abbildung) f : V V. 4.1 Adjungierte Definition Es seien (V, ) ein euklidischer Vektorraum und f End(V ). Der Endomorphismus f End(V ) heißt zu f adjungiert, wenn gilt f(v) w = v f (w) Satz Es seien (V, ) ein euklidischer Vektorraum. Zu jedem Endomorphismus f End(V ) gibt es eine eindeutig Adjungierte f End(V ). Nun suchen wir die Abbildungsmatrizen [f] B und [f ] B eines Ednomorphismus und seiner Adjungierten bzgl. einer Orthonormalbasis B = (b 1,...b n ). Es gilt: [f] B = f(b 1) b 1... f(b n ) b 1 : : f(b 1 ) b n... f(b n ) b n [f ] B = f(b 1 ) b 1... f(b 1 ) b n : : f(b n ) b 1... f(b n ) b n Und demnach für eine Orthonormalbasis B: [f ] B = t ([f] B )
13 Endomorphismen Orthogonale Endomorphismen Es sei (V, ) ein euklidischer Vektorraum. wenn gilt Für orthogonale Endomorphismen gilt: Und für die Abbildungsmatrizen: v w = f(v) f(w) v, w V f = f 1 t ([f] B ) = ([f] B ) 1 Vorsicht: Dies gilt nur bzgl. einer Orthonormalbasis B! f End(V ) heißt orthogonal, Definition Eine Matrix A R n n heißt orthogonal, wenn gilt t A = A 1 Folgerung Ein Endomorphismus f eines endlichdimensionalen Euklidischen Vektorraumes ist genau dann orthogonal, wenn die dazugehörige Abbildungsmatrix bzgl. einer Orthonormalbasis orthogonal ist. Definition Es sei (V, ) ein euklidischer Vektorraum. f End(V ) heißt: längentreu, wenn v = f(v) v, w V abstandstreu, wenn d(v, w) = d(f(v), f(w) v, w V winkeltreu, wenn (v, w) = (f(v), f(w))text v, w V Für einen orthogonalen Endomorphismus f mit Orthogonalmatrix A gilt: det(a) = ±1. Er ist längen- abstands- und winkeltreu Die reellen Eigenwerte (falls vorhanden) eines orthogonalen Endomorphismus sind λ i = ±1 und für alle komplexen Eigenwerte gilt λ = 1. f ist injektiv. Im endlichdimensionalen Fall sogar surjektiv, wodurch f ein Automorphismus ist. Definition Es sei V ein endlichdimensionaler R V ektorraum. Ein f End(V ) heißt orientierungstreu, wenn det(f) > Der Satz von Schur und seine Folgen Definition Es sei (V, ) ein euklidischer Vektorraum. f End(V ) heißt selbstadjungiert, wenn
14 Endomorphismen 13 f(v) w = v f(w) v, w V f = f und schiefadjungiert, falls f = f. Für die Abbildungsmatrix A eines selbstadjungierten Endomorphismus gilt A = A = t A, d.h. A ist symmetrisch. Das charakteristische Polynom eines selbstadjungierten Endomorphismus hat n reelle Eigenwerte, also zumindest eine Jordan- Normalform. Satz Es sei f ein selbstadjungierter Endomorphismus eines n-dimensionalen Euklidischen Vektorraumes. Dann gilt: Die EIgenräume von f zu paarweise verschiedenen Eigenwerten sind orthogonal. Definition Es sei f ein Endomorphismus, B Orthonormalbasis von V und A := [f] B. f bzw. A heißt orthogonal trigonalisierbar, wenn es eine Orthonormalbasis C von V gibt, sodass [f] C Dreiecksgestalt hat. Gleichbedeutend: Es gibt eine orthogonale Transformationsmatrix T = B [id] C, sodass à := [f] C Dreiecksgestalt hat: t T = T 1 und T 1 AT =  Ist  sogar diagonal, so spricht man von orthogonaler Diagonalisierbarkeit. Satz : Satz von Schur Ein Endomorphismus f eines n-dimensionalen euklidischen Vektorraumes ist orthogonal trigonalisierbar, falls er n Eigenwerte in R hat. Definition Es sei (V, ) ein euklidischer Vektorraum. Ein Endomorphismus f End(V) heißt normal, wenn er mit seinem adjungierten Endomorphismus vertauschbar ist, d.h. wenn gilt f f = f f Entsprechend heißt eine Matrix normal, wenn gilt: A A = A A Satz Ein normaler Endomorphismus f eines n-dimensionalen Euklidischen Vektorraumes (V, ) ist orthogonal diagonalisierbar, falls er n Eigenwerten in R hat.
15 Endomorphismen 14 Figure 4.1: Die verschiedenen Endomorphismen in der Übersicht
Ferienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen Musterlösungen zu den Übungen
Technische Universität München Department of Physics Ferienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen Musterlösungen zu den Übungen Freitag, 6.. Sascha Frölich
MehrT := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass
I. a) Es sei (G, ) eine abelsche Gruppe mit neutralem Element e G. Zeigen Sie, dass U := {g G g 3 = e G } eine Untergruppe von G ist. b) In der symmetrischen Gruppe S 4 definieren wir analog zu a) die
MehrLösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015
sskizzen der Klausur zur Linearen Algebra im Herbst 5 Aufgabe I. Es sei (G, ) eine Gruppe mit neutralem Element e und M {x G x x e}. Zeigen Sie: (a) Ist G kommutativ, so ist M eine Untergruppe von G. (b)
Mehr1 Die Jordansche Normalform
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 4/5 A Die Jordansche Normalform Vierter Tag (9.03.205) Im Zusammenhang mit der Lösung komplexer Differentialgleichungssysteme
MehrSommer 2017 Musterlösung
Sommer 7 Musterlösung. (5 Punkte) a) Sei V ein Vektorraum über K und sei T End(V ). Geben Sie die Definition eines Eigenwertes von T und zeigen Sie für endlichdimensionales V, dass λ K genau dann ein Eigenwert
Mehra 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,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
MehrHinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4.
Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4. Aufgabe 2.1 (8 Punkte) Es sei K ein Körper, n N, V ein 2n-dimensionaler K -Vektorraum und U
MehrWiederholungsserie II
Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095
Mehr10 Unitäre Vektorräume
10 Unitäre Vektorräume Pink: Lineare Algebra 2014/15 Seite 98 10 Unitäre Vektorräume Die Theorie komplexer Vektorräume mit Skalarprodukt folgt denselben Linien wie die Theorie reeller Vektorräume mit Skalarprodukt;
MehrAufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009
I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrLösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
Mehra) Ein Gruppenhomomorphismus von G nach H ist eine Abbildung Φ : G H, sodass für alle g 1, g 2 G die Gleichung Φ(g 1 g 2 ) = Φ(g 1 ) Φ(g 2 )
I. (4 Punkte) Es seien (G, ) eine Gruppe mit neutralem Element e G und (H, ) eine weitere Gruppe. a) Geben Sie die Definition eines Gruppenhomomorphismus Φ : G H an und beweisen Sie, dass für solch einen
Mehr4.2 Die adjungierte Abbildung
4.2. DIE ADJUNGIERTE ABBILDUNG 177 4.2 Die adjungierte Abbildung Die Vektorräume dieses Paragraphen seien sämtlich euklidisch, die Norm kommt jetzt also vom inneren Produkt her, v = v v. Zu f Hom R (V,
MehrHenning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich
Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es
MehrKontrollfragen und Aufgaben zur 3. Konsultation
1 Technische Universität Ilmenau Fakultät für Mathematik und Naturwissenschaften Institut für Mathematik Prof. Dr. Michael Stiebitz Kontrollfragen und Aufgaben zur 3. Konsultation Termin: Ort: Determinante
MehrLineare Algebra für Physiker 11. Übungsblatt
Lineare Algebra für Physiker 11. Übungsblatt Fachbereich Mathematik SS 01 Prof. Dr. Matthias Schneider./. Juli 01 Dr. Silke Horn Dipl.-Math. Dominik Kremer Gruppenübung Aufgabe G1 (Minitest) (a) Welche
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Abbildungen 1 1.1 Lineare Abbildungen 1 1.2 Bilineare Abbilidungen - Skalarprodukt 5 iii KAPITEL 1 ABBILDUNGEN 1.1 Lineare Abbildungen
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016
Name, Vorname Matrikel-Nr. Aufg. Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 206 Bearbeiten Sie bitte
Mehr1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen
Hannover, den 7. Februar 2002 Aufgabe. Übungsblatt: Lineare Algebra II Abgabe: 8./9.4.2002 in den Übungsgruppen (2, 2, 3 Punkte) Der Vektorraum V = C[, ] sei mit dem üblichen Skalarprodukt f, g = f(t)g(t)
Mehr6 Eigenwerte und Eigenvektoren
6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,
MehrLineare Algebra II 11. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des
Mehra) Zeigen Sie, dass ϕ genau dann ein Gruppenhomomorphismus ist, wenn die Verknüpfung
Aufgabe (8 Punkte) Es sei (G, ) eine Gruppe und ϕ: G G die Abbildung, die für jedes g G durch ϕ(g) = g g =: g gegeben ist. a) Zeigen Sie, dass ϕ genau dann ein Gruppenhomomorphismus ist, wenn die Verknüpfung
MehrLineare Algebra II. Inhalt und Begriffe. Lineare Algebra II p. 1
Lineare Algebra II Inhalt und Begriffe Lineare Algebra II p. 1 Inhaltsverzeichnis Kapitel II Grundlagen der Linearen Algebra... Lineare Algebra II p. 2 Inhaltsverzeichnis Kapitel II Grundlagen der Linearen
MehrMusterlösung der Klausur zur linearen Algebra II
David Blottière SS 7 Patrick Schützdeller Universität Paderborn Julia Sauter Musterlösung der Klausur zur linearen Algebra II Aufgabe 1 Bestimmen Sie Jordan-Normalformen der folgenden Matrizen, und schreiben
MehrSteilkurs Lineare Algebra 1 einige wichtige Stationen
Steilkurs Lineare Algebra 1 einige wichtige Stationen Für einen Körper K ist ein K-Vektorraum V eine Menge mit einer kommutativen und assoziativen Verknüpfung + : V V V, für die es ein neutrales Element
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
Mehr4 Lineare Abbildungen Basisdarstellungen
4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w
MehrÜbungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 12
Übungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 12 Schriftliche Aufgaben Aufgabe 1. Sei A M(n n, C). Zeigen Sie: (1) exp(a) ist invertierbar mit exp(a) 1 = exp( A). (2) Ist A M(n n, C) selbstadjungiert
MehrUniversität Bielefeld Sommersemester Lineare Algebra 2 Übungsblatt 1
Übungsblatt 1 Abgabe bis 10:00 Uhr am Donnerstag, den 19. April 2018, im Postfach Ihrer Tutorin bzw. Ihres Tutors. Es sei K ein beliebiger Körper. Seien V und W endlich-dimensionale K-Vektorräume, mit
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum
MehrPrüfung Lineare Algebra 2
1. Überprüfen Sie die folgenden Aussagen: (1) Zwei reelle symmetrische Matrizen sind genau dann ähnlich, wenn sie die gleiche Signatur haben. (2) Jede symmetrische Matrix ist kongruent zu einer Diagonalmatrix,
Mehr10. Übung zur Linearen Algebra II -
0. Übung zur Linearen Algebra II - Lösungen Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 00. Aufgabe 7 Der ( linearen ) Abbildung ϕ : R R sei bzgl. der kanonischen Basis die Matrix zugeordnet.
MehrKlausur zur Vorlesung Lineare Algebra II, SoSe 2016,
Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren
Mehr3 Bilinearform, Basen und Matrizen
Lineare Algebra II 2. Oktober 2013 Mitschrift der Vorlesung Lineare Algebra II im SS 2013 bei Prof. Peter Littelmann von Dario Antweiler an der Universität zu Köln. Kann Fehler enthalten. Veröentlicht
MehrLösungsvorschläge zur Klausur. Lineare Algebra, Herbst 2010
Lösungsvorschläge zur Klausur Lineare Algebra, Herbst 200 I. Es seien n eine natürliche Zahl, M = {,..., n} N und S n die Gruppe der Permutationen der Menge M. Zeigen Sie: a) Für jedes a M ist H a := {σ
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrVorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)
Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 15: Eigenwerte und -vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 5. November 2009) Diagonalisierbarkeit
MehrLineare Algebra 2 (SS 13) Blatt 13: Musterlösung
Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra 2 (SS ) Blatt : Musterlösung Aufgabe. Es sei C (R) der R-Vektorraum der unendlich oft differenzierbaren Funktionen auf R und : C (R) C (R), f f die Abbildung,
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016
Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016 Bearbeiten Sie bitte zwei
MehrBasisprüfung. 18. August 2015
Lineare Algebra I/II D-MATH, HS 4/FS 5 Prof Richard Pink Basisprüfung 8 August 25 [6 Punkte] Betrachte den reellen Vektorraum R 3 zusammen mit dem Standardskalarprodukt, und die Vektoren 9 3 v := 6, v
MehrTutorium 7. Definition. Sei V ein C-Vektorraum. Eine Abbildung, : V V C heißt komplexes Skalarprodukt : det F k > 0 mit F k := (f i,j ) C k k
Skalarprodukte Tutorium 7 Bemerkung. Für jeden komplexen Vektorraum V mit dim V und jede komplexe Bilinearform P auf V findet man einen Vektor v mit P (v, v) =. Es gibt also keine positiv definite Bilinearformen
MehrKLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG
KLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG Aufgabe 1 Es sei K ein Körper, V ein K-Vektorraum, und seien v 1,..., v n V (n N). (a) Definieren Sie, wann die endliche Familie v 1,...,
MehrMusterlösungen zur Linearen Algebra II Übungsklausur
Musterlösungen zur Linearen Algebra II Übungsklausur Aufgabe. Sei A R 3 3. Welche der folgenden Aussagen sind richtig? a Ist det(a =, dann ist A eine orthogonale Matrix. b Ist A eine orthogonale Matrix,
Mehr6 Eigenwerte und Eigenvektoren
6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,
Mehr4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit
4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit Definition 4.41. Eine Familie F linearer Operatoren heißt vertauschbar oder kommutierend, wenn für je zwei Operatoren U,T in F gilt: UT = TU.
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Abbildungen 1 1.1 Lineare Abbildungen 1 1.2 Bilineare Abbilidungen - Skalarprodukt 5 iii 2 ABBILDUNGEN KAPITEL 1 Eigenschaften: f: A! B heißt:
MehrEigenwerte 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
MehrAnalytische Geometrie
21 Vorlesungen über Analytische Geometrie für Lehramtstudierende der Schulformen Grund-, Mittel- und Realschule Jens Jordan Universität Würzburg, Wintersemster 2015/16 Hier kommt noch ein schönes Bildchen
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Darstellungsmatrizen 2 2 Diagonalisierbarkeit
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
MehrKontrollfragen und Aufgaben zur 4. Konsultation
1 Technische Universität Ilmenau Fakultät für Mathematik und Naturwissenschaften Institut für Mathematik Dr. Jens Schreyer und Prof. Dr. Michael Stiebitz Kontrollfragen und Aufgaben zur 4. Konsultation
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
MehrKLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008
KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 MUSTERLÖSUNG Name: Studiengang: Aufgabe 1 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter die Aufgabenstellung
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
MehrKapitel 5. Eigenwerte. Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 42 Normale Endomorphismen Nach Satz 34.1 besitzt eine Isometrie über C eine Orthonormalbasis aus Eigenvektoren
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 26.11.2013 Alexander Lytchak 1 / 12 Wiederholung Ist B = (v 1,..., v n ) eine Basis eines Vektorraums V, so erhalten
MehrRichie Gottschalk Lineare Algebra I Seite 1. a) Welche der folgenden Ringe sind kommutativ? Es gibt genau einen Unterraum W von V mit dim(w ) = n.
Richie Gottschalk Lineare Algebra I Seite Aufgabe Im Folgenden sind K immer ein Körper und V ein K-Vektorraum. a) Welche der folgenden Ringe sind kommutativ? K[x] K[x] ist per se ein kommutativer Polynomring.
MehrFerienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte
Technische Universität München, Fakultät für Physik Ferienkurs - ineare Algebra Hanna Schäfer 03. März 04 0. inearität. f : M N, x : y = f(x) Merkinhalte. f(x + λy) = f(x) + λf(y), x, y V, λ K 3. ineare
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
MehrLösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen
Technische Universität Berlin Sommersemester 2008 Institut für Mathematik 18 Juli 2008 Prof Dr Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Klausur zur Linearen Algebra II Aufgabe 1 (1+1+1 Punkte)
MehrLineare Algebra II (SS 13)
Lineare Algebra II (SS 13) Bernhard Hanke Universität Augsburg 03.07.2013 Bernhard Hanke 1 / 16 Selbstadjungierte Endomorphismen und der Spektralsatz Definition Es sei (V,, ) ein euklidischer oder unitärer
Mehr7 Lineare Abbildungen und Skalarprodukt
Mathematik II für inf/swt, Sommersemester 22, Seite 121 7 Lineare Abbildungen und Skalarprodukt 71 Vorbemerkungen Standard Skalarprodukt siehe Kap 21, Skalarprodukt abstrakt siehe Kap 34 Norm u 2 u, u
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
MehrKlausur zu. Lineare Algebra II. Viel Erfolg! Fachbereich Mathematik WS 2012/13 Dr. habil. Matthias Schneider. Bonus Note. Aufgabe
Klausur zu Lineare Algebra II Fachbereich Mathematik WS 0/3 Dr. habil. Matthias Schneider Aufgabe 3 4 5 6 7 Bonus Note Punktzahl 4 3 3 3 3 0 erreichte Punktzahl Es sind keine Hilfsmittel zugelassen. Die
MehrDiagonalisierbarkeit symmetrischer Matrizen
¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren
MehrKapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
MehrHM II Tutorium 7. Lucas Kunz. 5. Juni 2018
HM II Tutorium 7 Lucas Kunz 5. Juni 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Orthogonalität und Orthonormalbasen.................... 2 1.2 Orthogonalraum................................. 2 1.3 Projektoren...................................
Mehr1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen
Hannover, den 0. April 2006. Übungsblatt: Lineare Algebra II Abgabe: 24./25.4.2006 in den Übungsgruppen ( ) 2 5 a) Zeigen Sie, dass A = und B = 2 ( 7 6 invertierbare Matrix T an mit T AT = B. b) Zeigen
MehrMusterlösungen zur Linearen Algebra II Hauptklausur
Musterlösungen zur Linearen Algebra II Hauptklausur Aufgabe. Q ist unitär genau dann, wenn gilt Q Q = I n. Daraus folgt, dass a) und c) richtig sind. Die -Matrix A := (i) zeigt, dass i.a. A A t, d.h. b)
MehrLina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen
Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - en Kommentare an HannesKlarner@FU-Berlinde FU Berlin SS 1 Dia- und Trigonalisierbarkeit Aufgabe (1) Gegeben seien A = i i C 3 3 und B = 1
Mehr1 Darstellungsmatrizen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Darstellungsmatrizen Vereinbarungen für dieses Kapitel: K Körper V und W endlich-dimensionale K-Vektorräume B = {v
Mehr3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153
3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrAufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie:
Aufgabe I (4 Punkte Gegeben seien die Matrix und die Menge Zeigen Sie: H := L := {A R 4 4 A HA = H} a L ist bezüglich der Matrizenmultiplikation eine Gruppe b Die Matrizen der Form ( E O, O B wobei E R
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrLösung 7: Bilinearformen
D-MATH Lineare Algebra II FS 207 Dr. Meike Akveld Lösung 7: Bilinearformen. a). Seien u, u 2 V, λ K, dann gelten nach Voraussetzung: L v (u + λu 2 ) =β(v, u + λu 2 ) = β(v, u ) + β(v, λu 2 ) =β(v, u )
MehrLineare Algebra II (NAWI) SS2014 Übungsblatt 1
Lineare Algebra II (NAWI) SS2014 Übungsblatt 1 Aufgabe 1. Welche der folgenden Abbildungen sind Sesquilinearformen oder Bilinearformen? Welche davon sind Skalarprodukte? (a) B 1 : R R R, (x, y) xy (b)
MehrSesqui- und Bilinearformen
Kapitel 8 Sesqui- und Bilinearformen 8.1 Sesquilinearformen Definition 8.1.1 Sei V ein reeller oder komplexer K-Vektorraum (also K = R oder C). Eine Abbildung f : V V K heißt eine Sesquilinearform wenn
Mehr4.4 Hermitesche Formen
44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum
MehrMat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1
Aufgabe. Bestimmen Sie das Exponential expa) der Matrix ) 5 6 A = Mat, R). 4. Wir bestimmen das charakterische Polynom f A t) = t t = t )t + ). ). Eigenvektor zu EW ist v = ). Eigenvektor zu EW ist v =
Mehr7.3 Unitäre Operatoren
Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren
MehrLineare Algebra I Ferienblatt
Wintersemester 09/0 Prof. Dr. Frank-Olaf Schreyer Dr. Janko Boehm Lineare Algebra I Ferienblatt. Sei, das Euklidische Skalarprodukt auf R. Das Kreuzprodukt a b von Vektoren a, b R ist durch die Formel
MehrKapitel 5 : Eigenwerte und Eigenvektoren
Kapitel 5 : Eigenwerte und Eigenvektoren 5.1 Definition und allgemeine Eigenschaften Definition 5.1 Sei A eine quadratische (n n)-matrix. λ C heißt Eigenwert von A, wenn ein Vektor x C n mit x 0 existiert,
MehrLösungsvorschlag zur LA-Klausur vom
I. (4 Punkte) Lösungsvorschlag zur LA-Klausur vom 7.03.008 Es sei M eine Menge mit zwei Verknüpfungen und. Weiter gebe es ein Element e M, das sowohl für als auch für neutrales Element ist. Schließlich
MehrMathematik I. Vorlesung 18. Vielfachheiten und diagonalisierbare Abbildungen. µ λ = dim(eig λ (ϕ))
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 18 Vielfachheiten und diagonalisierbare Abbildungen Satz 18.1. Es sei K ein Körper und es sei V ein endlichdimensionaler K- Vektorraum.
MehrPrüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?
1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2
MehrLineare Abbildungen und Darstellungsmatrizen
KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt
MehrD-MATH, D-PHYS, D-CHAB Lineare Algebra II FS 14 Manfred Einsiedler. Musterlösung 8. i=1. w 2, w 2 w 2 =
D-MATH, D-PHYS, D-CHAB Lineare Algebra II FS 14 Manfred Einsiedler Musterlösung 8 1. Wir konstruieren eine Orthogonalbasis aus der Basis (v 1, v 2, v ) mit dem Gram- Schmidt-Verfahren. Wir wenden die Formel
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
MehrAussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrLINEARE ALGEBRA FÜR ANALYSIS
LINEARE ALGEBRA FÜR ANALYSIS ALBERTO S. CATTANEO Zusammenfassung. Eine Zusammenfassung der wichtigsten in der Analysis gebrauchten Grundbegriffe aus der linearen Algebra (speziell für diejenigen, die lineare
Mehr7.2 Die adjungierte Abbildung
7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)
Mehr