Kapitel 2 Lineare Algebra II. 2.1 Lineare Abbildungen und Matrizen
|
|
- Karoline Adenauer
- vor 5 Jahren
- Abrufe
Transkript
1 Kapitel 2 Lineare Algebra II 2 Lineare Abbildungen und Matrizen Die mit der Vektorraumstruktur verträglichen Abbildungen zwischen Vektorräumen werden als linear bezeichnet Genauer definiert man: 2 Definition Eine Abbildung L: V W zwischen zwei reellen Vektorräumen V und W heisst linear, wenn für alle v,w V, λ R, folgendes gilt: L(v +w) = L(v)+L(w) 2 L(λv) = λl(v) 22 Bemerkung Für jede lineare Abbildung L:V W gilt L(0) = 0, das heisst L bildet den Nullvektor aus V auf den Nullvektor aus W ab Beweis Denn sei v V gewählt Dann folgt aus der zweiten Bedingung L(0) = L(0 v) = 0 L(v) = 0 qed 23 Beispiele (a) Sämtliche Drehungen des R 2 um den Nullpunkt um einen beliebigen Winkel α [0, 2π] sind linear, sie sind sogar längentreu und bilden Dreiecke auf kongruente Dreiecke ab Entsprechend ist jede räumliche Drehung um eine Achse durch den Nullpunkt eine lineare Selbstabbildung von R 3 (b) Jede Spiegelung des R 2 an einer Gerade durch den Nullpunkt ist linear Aber die Spiegelungen, deren Spiegelachsen nicht durch den Nullpunkt gehen, sind nicht linear, weil sie den Nullpunkt nicht festlassen (c)dieprojektionp:r 3 R 2,(,,z) (,)istlinear,wiemandirektnachrechnet Auch jede andere orthogonale Projektion des Raumes auf eine Ebene, wie sie verwendet werden, um Grundrisse, Aufrisse, Seitenansichten von Gebäuden zu zeichnen, sind linear (d) Ein Zoom, also eine Streckung der Einheiten um einen bestimmten Vergrrosserungsfaktor ist linear Dasselbe gilt für die Reskalierung von Koordinaten mit unterschiedlichen Faktoren, also im zweidimensionalen zum Beispiel in -Richtung um Faktor 2 und in -Richtung um Faktor 3 (e) Der Ableitungsoperator D:C [a,b] C 0 [a,b], der einer stetig differenzierbaren Funktion f auf [a,b] jeweils ihre Ableitung f zuordnet, ist linear
2 26 Kapitel 2 Lineare Algebra II (f) Auch der Integraloperator I:C 0 [a,b] R, definiert durch I(f) := b a f()d für f C 0 [a,b], ist linear, weil Integration mit Summenbildung und Skalarmultiplikation vertauschbar ist Drehungen, Spiegelungen und senkrechte Projektionen haben die Eigenschaft, sämtliche affinen Geraden wieder auf affine Geraden oder Punkte abzubilden Weil dies auch für jede beliebige lineare Selbstabbildung des R 2 oder R 3 gilt, nennt man diese Abbildungen linear Lineare Abbildungen lassen sich durch Matrizen beschreiben Hier ein erstes Beispiel 24 Beispiel Die folgende Abbildung L:R 2 R 3 ist definiert durch die Multiplikation von ebenen Vektoren mit einer festgewählten 3 2-Matri A: ( ) 2 ) +2 L( ) := ( = Man kann leicht nachrechnen, dass diese Abbildung linear ist Ausserdem ist ( ) ( ) 2 L(e ) = L( ) = 0 und L(e 0 2 ) = L( ) = 3 2 Wir stellen also fest, dass die Bilder der kanonischen Basisvektoren e und e 2 mit den beiden Spalten der Matri A übereinstimmen Allgemeiner gilt folgendes: 25 Satz Jede Matri A vom Tp m n definiert eine lineare Abbildung durch Multiplikation L A :R n R m, v A v Umgekehrt gibtes zujeder linearenabbildung L:R n R m eine m n-matriamit L = L A An den Spalten von A können wir die Bilder der kanonischen Basisvektoren e j R n unter L ablesen Beweis Man kann direkt nachrechnen, dass die Multiplikation von Spaltenvektoren mit einer festen Matri eine lineare Abbildung liefert Sei jetzt umgekehrt eine lineare Abbildung L:R n R m vorgegeben Um die entsprechende Matri zu finden, schreiben wir zunächst die Bilder der kanonischen Basisvektoren e,,e n des R n als Spaltenvektoren in R m auf: a L(e ) =,,L(e n ) = a m Aus diesen n Spaltenvektoren bilden wir eine Matri a a n A := a m a mn a n a mn
3 2 Lineare Abbildungen und Matrizen 27 Diese Matri leistet das Gewünschte, denn es gilt: L = L( e + + n e n ) = L(e )+ + n L(e n ) = A n n für alle,, n R qed 26 Folgerung Eine lineare Abbildung L von R n nach R m ist durch ihre Wirkung auf die kanonischen Basisvektoren bereits eindeutig festgelegt Zu jeder Wahl von Vektoren v,,v n R m gibt es auch eine lineare Abbildung, die jeweils e j auf v j abbildet 27 Beispiele (a) Die ( Matri zur Drehung ) D α des R 2 um den Nullpunkt ( ) um cosα sinα den Winkel α lautet: Das bedeutet, ist v =, so ist sinα cosα ( ) ( ) ( ) cosα sinα cosα sinα D α (v) = = sinα cosα sinα+cosα (b) Die Spiegelung des R 2 an der Geraden durch den Nullpunkt, die mit der Achse den Winkel α bildet, wird beschrieben durch Multiplikation mit dieser Matri: ( ) cos(2α) sin(2α) sin(2α) cos(2α) (c) Die lineare Abbildung L:R 2 R 2 mit L(e ) = 5e +e ( 2 und) L(e 2 ) = e +2e 2 ist 5 gegeben durch Multiplikation mit der Matri A = Sie hat folgende 2 Wirkung auf das markierte Einheitsquadrat: L(e 2 ) L(v) e 2 e v L(e ) L(e )
4 28 Kapitel 2 Lineare Algebra II (d) Die Projektion p:r 3 R 2, (,,z) (,) wird durch die folgende Matri induziert: ( ) Bemerkung Setzt man zwei lineare Abbildungen L 2 :V U und L :U W zusammen, erhält man wieder eine lineare Abbildung, nämlich L L 2 :V W, u L (L 2 (u)) Sind die beiden linearen Abbildungen durch Multiplikation mit Matrizen A vom Tp m s und B vom Tp s n gegeben, wie in Satz 25 beschrieben, so gilt L A (L B (v)) = A(Bv) = (AB)v v R n Das heisst, die Zusammensetzung der linearen Abbildungen entspricht der Multiplikation der entsprechenden Matrizen 29 Beispiel Schauen wir uns an, welchen Effekt es hat, wenn wir die Koordinatenebene R 2 zunächst um den Winkel α drehen, dann an der -Achse spiegeln und schliesslich um den Winkel α zurückdrehen Das Produkt der entsprechenden Matrizen lautet: C := ( cosα sinα sinα cosα )( )( ) ( ) 0 cosα sinα cos(2α) sin(2α) = 0 sinα cosα sin(2α) cos(2α) Die zusammengesetzte Abbildung ist also eine Spiegelung an derjenigen Geraden, die mit der -Achse den Winkel α bildet (siehe Beispiel 27) 20 Bemerkung Ist A eine invertierbare n n-matri, so ist die lineare Abbildung L A umkehrbar und es gilt (L A ) = L A Die Abbildung A ist genau dann volumentreu, wenn det(a) = Betrachten wir jetzt allgemeiner lineare Abbildungen zwischen abstrakten endlichdimensionalen Vektorräumen Halten wir zunächst folgende Verallgemeinerung von Folgerung 26 fest 2 Satz Seien V,W Vektorräume und A = (v,,v n ) eine Basis von V Jede lineare Abbildung L von V nach W ist durch ihre Wirkung auf v,,v n bereits eindeutig festgelegt Umgekehrt gibteszujederwahlvonnvektorenṽ,,ṽ n W eine lineare Abbildung L:V W mit L(v j ) = ṽ j für alle j Beweis Jeder Vektor v V lässt sich in eindeutiger Weise als Linearkombination der Form v = v + + n v n schreiben Ist L:V W eine lineare Abbildung, so gilt L(v) = L(v )+ + n L(v n )
5 2 Lineare Abbildungen und Matrizen 29 Also ist L(v) durch die Koordinaten j von v und durch die Bildvektoren L(v j ) bereits eindeutig bestimmt Sind umgekehrt n Vektoren ṽ,,ṽ n W ausgewählt, so wird durch die Vorschrift L(v) := ṽ + + n ṽ n eine lineare Abbildung L: V W festgelegt qed Jetzt wollen wir eine solche Abbildung L: V W wiederum als Multiplikation mit einer Matri beschreiben Dazu müssen wir aber zunächst Basen und damit Koordinatenssteme für beide Vektorräume V und W wählen Ist A = (v,,v n ) eine Basis von V und v = v + + n v n eine Linearkombination, dann sind die die Zahlen,, n sind die Koordinaten von v bezogen auf die Basis A v 2 v 2 v v 2 v Den Spaltenvektor, gebildet aus den j, bezeichnen wir als den Koeffizientenvektor von v bezüglich der Basis A: Koeff A (v) := n AufdieseWeiseerhaltenwireinebijektivelineareAbbildungvonV nachr n,nämlich V R n ; v Koeff A (v) Entsprechend liefert die Wahl einer Basis B = (w,,w m ) von W die bijektive lineare Abbildung W R m ; w Koeff B (w) Setzen wir diese Identifikationen mit der linearen Abbildung L zusammen, erhalten wir eine lineare Abbildung L:R n R m ; Koeff A (v) v L(v) Koeff B (L(v))
6 30 Kapitel 2 Lineare Algebra II Wir wissen bereits, dass diese Abbildung durch Multiplikation mit einer Matri A gegeben ist, wobei in den Spalten die Koeffizienten der Bilder L(v j ), ausgedrückt in der Basis B stehen Wir schreiben dafür BM A = A Damit haben wir folgendes Resultat gefunden: 22 Satz Sei V ein Vektorraum mit Basis A = (v,,v n ), W ein Vektorraum mit Basis B = (w,,w m ) und L:V W eine lineare Abbildung Schreibt man die n Bildvektoren L(v j ) in Koordinaten bezogen auf die Basis B, und bildet aus den Koeffizientenvektoren als Spalten eine m n-matri A, so gilt Koeff B (L(v)) = A Koeff A (v) Ist V = W, verwendet man üblicherweise dieselbe Basis für Ausgangs- und Bildraum 23 Beispiel Sei V die Ebene durch 0, erzeugt von zwei linear unabhängigen Vektoren v,v 2 in R 3 Die Abbildung L:V V sei festgelegt durch L(v ) = 2v und L(v 2 ) = v +v 2 DannwählenwiralsBasisA = (v,v 2 )undlesenabkoeff A (L(v )) = ( ) ( 2 und Koeff 0 A (L(v 2 )) = ( ) 2 die Matri beschrieben 0 Wichtige Spezialfälle: ) Also wird L bezogen auf die Basis A hier durch Sind V = R n, W = R m und A und B die kanonischen Basen, erhalten wir die in Satz 25 gegebene Beschreibung wieder zurück Ist V = W, wählt man üblicherweise A = B Die linearen Selbstabbildungen werden auch als Endomorphismen bezeichnet und entsprechen quadratischen Matrizen 24 Beispiele (a) Sei V = W = R 2 und L die ebene Spiegelung an der Geraden g durch den Nullpunkt Dann wählen wir als Basis einen Vektor v 0 auf der Geraden g und einen dazu senkrechten Vektor v 2 0 Offenbar ist L(v ) = v und L(v 2 ) = v 2 Also wird im dazugehörigen Koordinatensstem die Spiegelung beschrieben durch die Matri A M A (L) = ( 0 0 (b) Sei V = W = R 3 und L eine Drehung um die Achse g durch den Nullpunkt und um den Winkel α Wir wählen für V eine Basis A = (v,v 2,v 3 ), so dass v in Richtung der Drehachse g zeigt, v 2,v 3 in der zu g senkrechten Ebene einen Winkel von 90 Grad bilden und beide dieselbe Länge haben Bezogen auf dieses Koordinatensstem lautet die Matri von L: AM A (L) = cosα sinα 0 sinα cosα )
7 2 Lineare Abbildungen und Matrizen 3 (c) Sei V der Raumder Polnome von Höchstgrad 3 mit der Basis A = (,, 2, 3 ) und W der Raum der Polnome von Höchstgrad 2 mit Basis B = (,, 2 ) Die lineare Abbildung L:V W sei definiert durch die Ableitung L(p) := p für p V Offenbar ist dann L() = 0, L() =, L( 2 ) = 2, L( 3 ) = 3 2 Daraus können wir die Matri von L ablesen Sie lautet: BM A (L) = (d) Seien V, W wie in (c), ausgestattet mit denselben Basen Betrachten wir jetzt die lineare Abbildung L:W V, gegeben durch L(p()) = (2 )p() für alle Polnome p in W Wir berechnen (2 )(a 2 2 +a +a 0 )(2 ) = (2a 2 ) 3 +(2a a 2 ) 2 +(2a 0 a ) a 0 Nun können wir die entsprechende Matri ablesen: AM B (L) = (e) Sei λ > 0 vorgegeben und bezeichne V den Lösungsraum der Differentialgleichung = λ 2 Durch Ableiten wird eine lineare Abbildung L:V V definiert Als Basis A von V wählen wir das Fundamentalsstem, gebildet aus f() = cos(λ) und g() = sin(λ) Dann ist L(f) = f = λg und L(g) = g = λf Also lautet hier die entsprechende Matri: ( ) 0 λ AM A (L) = λ 0
Kapitel 2 Lineare Algebra II. 2.1 Lineare Abbildungen
Kapitel 2 Lineare Algebra II 2 Lineare Abbildungen Die mit der Vektorraumstruktur verträglichen Abbildungen zwischen Vektorräumen werden als linear bezeichnet Genauer definiert man: 2 Definition Eine Abbildung
MehrKapitel 2 Lineare Algebra II. 2.1 Lineare Abbildungen
Kapitel 2 Lineare Algebra II 21 Lineare Abbildungen Die mit der Vektorraumstruktur verträglichen Abbildungen zwischen Vektorräumen werden als linear bezeichnet Genauer definiert man: 21 Definition Eine
MehrKapitel 2 Lineare Algebra II. 2.1 Lineare Abbildungen
Kapitel 2 Lineare Algebra II 2 Lineare Abbildungen Die mit der Vektorraumstruktur verträglichen Abbildungen zwischen Vektorräumen werden als linear bezeichnet Genauer definiert man: 2 Definition Eine Abbildung
Mehr2.2 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
Mehr2.2 Kern und Bild; Basiswechsel
32 Kapitel 2. Lineare Algebra II 2.2 Kern und Bild; Basiswechsel Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum. 2.2. Satz Sei L: V W eine lineare
Mehr5.7 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
Mehr2.2 Eigenwerte und Eigenvektoren
2.2. Eigenwerte und Eigenvektoren 39 2.2 Eigenwerte und Eigenvektoren Lineare Abbildungen werden je nach Basiswahl durch unterschiedliche Matrizen beschrieben. Besonders einfach ist die Diagonalform. Wir
MehrLineare 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:
MehrLineare Algebra. 1 Lineare Abbildungen
Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe
Mehr09. Lineare Abbildungen und Koordinatentransformationen
09. Lineare Abbildungen und Koordinatentransformationen Definition. Seien V und W Vektorräume. Unter einer linearen Abbildung versteht man eine Abbildung F : V W, v F v w mit folgender Eigenschaft: F λ
Mehr6.5 Lineare Abhängigkeit, Basis und Dimension
6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
Mehr3 Lineare Abbildungen und Matrizen
3 Lineare Abbildungen und Matrizen Definition 3.1. Es seien V und W zwei Vektorräume über demselben Zahlkörper k. Eine Abbildung heisst linear, falls gilt i) [ λ k ] [ v V ] [ f (λ v) = λ f ( v) ] ii)
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n
Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41
Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und
MehrDefinitionen. 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
MehrLineare Abbildungen - I
Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit
Mehr2.4 Determinanten 41.. b. a j. = λ det. a n. a 1 a j a n + µ det
24 Determinanten 4 Satz 243 Rechenregeln für Determinanten Sei A eine n n-matri, n N i det ist linear in jeder Zeile oder Spalte, dh es gelten für λ, µ R, b R n, und j,, n, a a a det λ a j + µ b λ det
Mehreine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ.
Eigenwert, Eigenvektor In der Regel hat bei einer linearen Abbildung das Bild eines Vektors eine andere Richtung als das Original r. Bei der Untersuchung der geometrischen Eigenschaften von linearen Abbildungen
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrLineare Abbildungen L : R 2 R 2
Lineare Abbildungen Lineare Abbildungen L : R 2 R 2 Eine Abbildung Eine Abbildung ordnet jedem Element aus einer Menge A Eine Abbildung ordnet jedem Element aus einer Menge A ein Element aus einer Menge
MehrLineare (affine) Abbildung
Lineare affine Abbildung A e 2 b a e Wir überziehen die Ebene neben dem vertrauten Quadrat-Gitternetz, das durch die Basisvektoren e und e 2 festgelegt ist, mit einem Parallelogramm-Gitternetz, dessen
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
Mehr4 Lineare Abbildungen
17. November 2008 34 4 Lineare Abbildungen 4.1 Lineare Abbildung: Eine Funktion f : R n R m heißt lineare Abbildung von R n nach R m, wenn für alle x 1, x 2 und alle α R gilt f(αx 1 ) = αf(x 1 ) f(x 1
Mehr4 Orthogonale Endormorphismen
4 Orthogonale Endormorphismen Frage: Bei welchen Abbildungen R R bzw. R 3 R 3 bleibt der Abstand zwischen zwei Punkten erhalten? Für α R setzen wir cosα sin α D(α) = und S(α) := sin α cosα ( cos α sin
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Basisdarstellung und das Skalarprodukt (Teil 2)
TECHNISCHE UNIERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 006/07 en Blatt 11 15.01.007 Basisdarstellung und das Skalarprodukt (Teil )
Mehr$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
Mehr114 Kapitel 6. Lineare Algebra. 6.4 Vektorräume
114 Kapitel 6 Lineare Algebra 64 Vektorräume Bereits in dem antiken Lehrbuch der Elemente von Euklid sind die Grundbegriffe der ebenen Geometrie festgehalten, die noch heute in der Schule vermittelt werden
Mehr1.5 Kongruenz und Ähnlichkeit
19 1.5 Kongruenz und Ähnlichkeit Definition Sei A n der affine Standardraum zum Vektorraum R n. Eine Abbildung F : A n A n heißt Isometrie, falls d(f (X), F (Y )) = d(x, Y ) für alle X, Y A n gilt. Es
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Vektoren in der Ebene Zwei Punkten P, Q in der Ebene
Mehr13 Lineare Abbildungen
13 Lineare Abbildungen Grob gesprochen sind lineare Abbildungen bei Vektorräumen dasselbe wie Homomorphismen bei Gruppen, nämlich strukturerhaltende Abbildungen. Auch in diesem Kapitel seien V, W Vektorräume.
MehrWichtige Kenntnisse der Linearen Algebra
Wichtige Kenntnisse der Linearen Algebra In Kapitel 3 der Vorlesung werden wir sehen (und in Kapitel 6 vertiefen, dass zur Beschreibung von Quantensystemen mathematische Begriffe aus dem Gebiet der Linearen
MehrLösungen Serie 5. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler
D-MAVT Lineare Algebra II S 8 Prof. Dr. N. Hungerbühler Lösungen Serie 5. Die Abbildung V n R n, v [v] B, die jedem Vektor seinen Koordinatenvektor bezüglich einer Basis B zuordnet, ist linear. Sei B =
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
MehrMatrix. Unter einer (m n)-matrix (m, n N) über einem Körper K versteht man ein Rechteckschema. a m,1 a m,2 a m,n. A = (a i,j ) = Matrix 1-1
Matrix Unter einer (m n)-matrix (m, n N) über einem Körper K versteht man ein Rechteckschema a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = (a i,j ) =.... a m,1 a m,2 a m,n Matrix 1-1 Matrix Unter einer (m n)-matrix
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Symmetrische
MehrSerie 5. ETH Zürich - D-MAVT Lineare Algebra II. Prof. Norbert Hungerbühler
Prof. Norbert Hungerbühler Serie 5 ETH Zürich - D-MAVT Lineare Algebra II. a) Die Abbildung V n R n, v [v] B, die jedem Vektor seinen Koordinatenvektor bezüglich einer Basis B zuordnet, ist linear. Sei
MehrVektorräume 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
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
Mehr10.2 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
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
Mehr4.1. 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
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2008/09 7 Einführung Definition lineare Abbildung
MehrKlausur zur Vorlesung Lineare Algebra B im SS 2002 an der Universität Hannover
Dozent: Prof. Dr. Wolfgang Ebeling Übungsleiter: Dr. Detlef Wille Klausur zur Vorlesung Lineare Algebra B im SS an der Universität Hannover Joachim Selke 9. Februar Lineare Algebra B SS Klausur zur Vorlesung
MehrEXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME
EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen
Mehr4.2 Quotientenvektorräume
306 LinAlg II Version 1 6. Juni 2006 c Rudolf Scharlau 4.2 Quotientenvektorräume Zum Verständnis der folgenden Konstruktion ist es hilfreich, sich noch einmal den Abschnitt 1.4 über Restklassen vom Beginn
Mehr5.5 Abstrakter Vektorraum
118 Kapitel 5 Lineare Algebra 55 Abstrakter Vektorraum Für die Vektoraddition und die Multiplikation von Vektoren mit Skalaren im zweioder dreidimensionalen euklidischen Raum gelten bestimmte Rechengesetze,
MehrHauptachsentransformation: Eigenwerte und Eigenvektoren
Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung
MehrKapitel 11 Eigenwerte und Eigenvektoren
Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrViele 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
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
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
MehrD-MAVT Lineare Algebra I HS 2018 Prof. Dr. N. Hungerbühler. Lösungen 11. y 1 y 2. x 2 y 2 x 2 y 2
D-MAVT Lineare Algebra I HS 08 Prof. Dr. N. Hungerbühler Lösungen. Betrachten Sie die Menge R + : R + R + der Paare positiver, reeller Zahlen. Die Addition auf R + sei folgendermassen definiert: ( ) (
MehrVorkurs 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
Mehr4 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
MehrL5.2 Inverse einer Matrix Betrachte im Folgenden lineare Abbildungen der Form: dann ist die Matrix, durch die A dargestellt wird, 'quadratisch', d.h.
L5.2 Inverse einer Matrix Betrachte im Folgenden lineare Abbildungen der Form: gleich viel Zeilen wie Spalten dann ist die Matrix, durch die A dargestellt wird, 'quadratisch', d.h. 'Identitätsabbildung':
MehrAufgabe 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).
Aufgabe Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = Es gilt det(λa = (λ n det(a det I n = n? Nein (außer für n = Es gilt deti n = det(ab = det A det B? Ja det(a =
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,
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
Mehr6.2 Rechnen mit Matrizen
62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 12.12.2016 9. Vorlesung Eigenschaften linearer Abbildungen Beschreibung linearer Abbildungen durch Matrizen... Eigenschaften
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
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
MehrHM II Tutorium 1. Lucas Kunz. 24. April 2018
HM II Tutorium 1 Lucas Kunz 24. April 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Körper...................................... 2 1.2 Gruppen..................................... 2 1.3 Vektorraum...................................
MehrGeraden in 3 Dimensionen in Form von 2 linearen Gleichungen in den 3 Unbekannten x 1, x 2, x 3.
Geraden in 3 Dimensionen in Form von 2 linearen Gleichungen in den 3 Unbekannten x 1, x 2, x 3. In Analogie zu einer Geraden kann man eine Ebene durch einen Punkt in der Ebene (mit Ortsvektor r 0 ) und
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
MehrLineare Abbildungen (Teschl/Teschl 10.3, 11.2)
Lineare Abbildungen Teschl/Teschl.3,. Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:
MehrEigenwerte und Eigenvektoren
Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte
Mehr5 Vektorräume. (V1) für alle x, y V : x + y = y + x; (V2) für alle x, y, z V : (x + y) + z = x + (y + z);
5 Vektorräume Was wir in den vorangegangenen Kapiteln an Matrizen und Vektoren gesehen haben, wollen wir nun mathematisch abstrahieren. Das führt auf den Begriff des Vektorraumes, den zentralen Begriff
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik
Mehr13. Lineare Algebra und Koordinatenwechsel.
3. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation der lineare
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
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 95 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrMathematik und Logik
Mathematik und Logik 9. Übungsaufgaben 2007-01-23 1. Beweisen Sie geometrisch, daß die Addition von Vektoren in der Ebene assoziativ ist. Beweis. Man zeichnet die entsprechenden Parallelogramme. 2. Der
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrMathematik I. Vorlesung 12. Lineare Abbildungen
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 12 Lineare Abbildungen Definition 12.1. Es sei K ein Körper und es seien V und W K-Vektorräume. Eine Abbildung heißt lineare Abbildung,
Mehr13. Vorlesung. Lineare Algebra und Koordinatenwechsel.
3. Vorlesung. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation
MehrVektoren und Matrizen
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden
MehrP AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3
Matrixpotenzen In Anwendungen müssen oft hohe Potenzen einer quadratischen Matrix berechnet werden Ist die Matrix diagonalisierbar, dann kann diese Berechnung wie folgt vereinfacht werden Sei A eine diagonalisierbare
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
Mehr3.3 Klassifikation quadratischer Formen auf R n
3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
Mehr3 Bilinearformen und quadratische Formen
3 Bilinearformen und quadratische Formen Sei V ein R Vektorraum. Definition: Eine Bilinearform auf V ist eine Abbildung s : V V R, welche linear in beiden Variablen ist, d.h.: Für u, v, w V und λ, µ R
Mehr2.4 Gekoppelte lineare Differentialgleichungen
48 Kapitel 2 Lineare Algebra II 24 Gekoppelte lineare Differentialgleichungen Die Untersuchung der Normalformen von Matrizen soll nun auf die Lösung von gekoppelten Differentialgleichungen angewendet werden
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
Mehr5.4 Vektorrechnung in der Euklidischen Ebene
106 Kapitel 5. Lineare Algebra 5.4 Vektorrechnung in der Euklidischen Ebene Bereits in dem antiken Lehrbuch der Elemente von Euklid sind die Grundbegriffe der ebenen Geometrie festgehalten, die noch heute
MehrVektorrechnung. 10. August Inhaltsverzeichnis. 1 Vektoren 2. 2 Grundlegende Rechenoperationen mit Vektoren 3. 3 Geometrie der Vektoren 5
Vektorrechnung 0. August 07 Inhaltsverzeichnis Vektoren Grundlegende Rechenoperationen mit Vektoren 3 3 Geometrie der Vektoren 5 4 Das Kreuzprodukt 9 Vektoren Die reellen Zahlen R können wir uns als eine
MehrLineare Abbildungen und Matrizen
Lineare Abbildungen und Matrizen In diesem Kapitel geht es um den grundlegenden Zusammenhang zwischen linearen Abbildungen und Matrizen. Die zentrale Aussage ist, dass nach anfänglicher Wahl von Basen
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
MehrVektorräume und Rang einer Matrix
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung
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
Mehr