y x x y ( 2x 3y + z x + z

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "y x x y ( 2x 3y + z x + z"

Transkript

1 Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = Berechnen Sie einen Funktionsterm für f Aufgabe 3 Sei A R m n und f( x) = A x Beweisen Sie ausführlich, dass f genau dann injektiv ist, wenn die Spalten von A linear unabhängig sind Aufgabe 4 Sei A R m n und f R n R m definiert durch f( x) = A x Welche Eigenschaft muss A haben, damit f surjektiv ist? Geben Sie eine kurze Begründung Aufgabe 5 Beweisen Sie ausführlich, dass die Matrix Addition kommutativ und assoziativ ist Aufgabe 6 Sei f R 3 R definiert durch f x y z = ( x 3y + z x + z Berechnen Sie die Matrix Darstellung von f Aufgabe 7 Beweisen Sie ausführlich, dass die Matrix Multiplikation assoziativ ist Aufgabe 8 Berechnen Sie eine Matrix für die lineare Funktion f R R, die jeden Punkt x R zunächst um Winkel α um den Koordinatenursprung gegen den Uhrzeigersinn dreht und dann orthogonal auf die x- Achse projiziert Berechnen Sie dann eine Matrix für die Funktion, die zuerst die Projektion ausführt und dann dreht )

2 Aufgabe 9 Berechnen Sie ( 3 0 ) Aufgabe 0 In einer Computer Grafik Anwendung müssen die Eckpunkte x R 3 eines Objekts hintereinander durch vier lineare Funktionen f R 3 R 3 abgebildet werden und zum Schluss durch eine lineare Funktion g R 3 R auf ein zweidimensionales Bild projiziert werden Ab wievielen Punkten lohnt sich s zuerst eine Matrix zu berechnen und alle Punkte durch diese Matrix abzubilden anstatt die Punkte durch alle fünf Matrizen einzeln zu schicken? Betrachten Sie nur die Anzahl der Multiplikationen Aufgabe Sei f R R definiert durch ( ) ( ) x x + x f = x x Da f bijektiv ist, besitzt f eine Umkehrfunktion f Berechnen Sie die Matrix für f und für f Aufgabe Der Kern einer Matrix A R m n ist definiert durch kern(a) = { x R n A x = 0} Beweisen Sie ausführlich, dass für alle x, y kern(a) und für alle u R gilt x + y kern(a) und u x kern(a) Der Kern einer Matrix ist somit ein Spannraum Berechnen Sie eine Basis für ( ) 3 kern 4 6 Aufgabe 3 Das Bild einer Matrix A R m n ist definiert durch bild(a) = {A x x R n } Beweisen Sie ausführlich, dass für alle x, y bild(a) und für alle u R gilt x + y bild(a) und u x bild(a) Das Bild einer Matrix ist somit ein Spannraum Berechnen Sie eine Basis für ( ) 3 bild 4 6

3 Aufgabe 4 Schreiben Sie eine Prozedur in Pseudocode um das Matrix Produkt C = AB zweier Matrizen A R m k und B R k n zu berechnen Ergänzen Sie hierzu folgende Vorlage: for i = for j = c[i][j] = Hinweis: Es müssen mehrere Zeilen eingefügt werden Aufgabe 5 Aufgabe 6 Berechnen Sie die inverse Matrix von ( ) A = 0 Gegeben ist die Ursprungsgerade G R durch { ( ) } G = c c R Die lineare Funktion f R R ist dadurch definiert, dass sie jeden Vektor x R senkrecht auf G projiziert, siehe Bild Berechnen Sie eine Matrix A so dass f( x) = A x für alle x R Abbildung : f( x) ist die Orthogonalprojektion von x auf die Gerade G Aufgabe 7 Gegeben ist die Ursprungsgerade G R durch { ( ) } G = c c R Die lineare Funktion f R R ist dadurch definiert, dass sie jeden Vektor x R an der Geraden G spiegelt, siehe Bild Berechnen Sie eine Matrix A so dass f( x) = A x für alle x R 3

4 Abbildung : f( x) ist die Spiegelung von x an der Geraden G Aufgabe 8 Die lineare Funktion f R R ist dadurch definiert, dass sie jeden Vektor x R am Koordinatenursprung spiegelt, siehe Bild 3 Bestimmen Sie die Matrix A so dass f( x) = A x für alle x R und berechnen Sie ( ) 3 f durch Matrix Vektor Multiplikation Abbildung 3: f( x) ist die Spiegelung von x am Koordinatenursprung Aufgabe 9 Sei f R R eine lineare Funktion, die jeden Punkt auf der Geraden G um Faktor und jeden Punkt auf der Geraden G um Faktor 3 streckt mit { ( ) } G = a a R 3 { ( ) } G = a a R 4 Finden Sie eine Matrix A so dass f( x) = A x für alle x R Sei K = { x x = } 4

5 der Einheitskreis und f(k) = {f( x) x = } das Bild des Einheitskreises von f Zeichnen Sie G, G, K und f(k) in ein Koordinatensystem ein Aufgabe 0 Berechnen Sie die inverse Matrix von 3 A = 0 0 Aufgabe Entscheiden Sie ob folgende Matrix singulär oder regulär ist Begründen Sie Ihre Antwort 0 A = Aufgabe Sei A R n n eine orthogonale Matrix und x, y R n \ { 0} Beweisen Sie ausführlich, dass der Winkel zwischen A x und A y gleich dem Winkel zwischen x und y ist Sie dürfen alle Theoreme benutzen, die in der Vorlesung bewiesen wurden Aufgabe 3 Beweisen Sie ausführlich, dass für jede orthogonale Matrix A R n n und für alle Vektoren x, y R n gilt (A x) (A y) = x y Machen Sie deutlich, an welchen Stellen Sie die Assoziativität der Matrix Multiplikation verwenden Beweisen Sie dann, dass bei der Multiplikation mit einer orthogonalen Matrix sowohl die Länge eines Vektors als auch der Winkel zwischen Vektoren gleich bleibt Aufgabe 4 Schreiben Sie eine C++ Funktion void inverse(double ** A, double ** B, int n) zur Berechnung der Inversen einer Matrix A R n n Das Ergebnis soll in B gespeichert werden Der Speicherplatz für B sei bereits reserviert Die Matrix A darf überschrieben werden Die Funktion muss nicht besonders effizient aber korrekt sein Insbesondere sollte eine Fehlermeldung ausgegeben werden, wenn die Matrix nicht invertierbar ist 5

6 Aufgabe 5 Beweisen Sie ausführlich, dass es zu jeder Funktion f R n R m höchstens eine Matrix A R m n gibt so dass für alle x R n f( x) = A x Aufgabe 6 Finden Sie eine Matrix A R 3, deren zugehörige lineare Funktion f nicht surjektiv ist Geben Sie an, was das Bild von f in Ihrem Beispiel ist Aufgabe 7 Seien f, g R R zwei lineare Funktionen wobei f die Spiegelung an der x-achse und g die Spiegelung an der y-achse ist Finden Sie je eine Matrix zu f und zu g und beweisen Sie, dass f g = g f Aufgabe 8 Sei G R die Ursprungsgerade mit Steigungswinkel α Die lineare Funktion f R R ist dadurch definiert, dass sie jeden Vektor x R senkrecht auf G projiziert, siehe Bild 4 Berechnen Sie eine Matrix für f Hinweis: Berechnen Sie anhand einer Skizze die Bilder der Basisvektoren Wenn man die Funktion f zweimal hintereinander auf einen Punkt x anwendet, erhält man das selbe Ergebnis wie wenn man f nur einmal anwendet Es gilt also f(f( x)) = f( x) ܾ Ü Ü ½ für alle x R Nutzen Sie diese Beobachtung um zu verifizieren ob die von Ihnen berechnete Matrix korrekt ist Wenn die entstehenden Terme zu kompliziert werden, versuchen Sie s mit sin α + cos ܵ α = α Abbildung 4: f( x) ist die Orthogonalprojektion von x auf die Gerade G 6

7 Aufgabe 9 Sei f R n R n eine lineare Funktion und M = { x f( x) = x} die Menge aller Fixpunkte von f Beweisen Sie dass M abgeschlossen ist unter Addition und skalarer Multiplikation Sie dürfen alle in der Vorlesung bewiesenen Theoreme verwenden Aufgabe 30 Erklären Sie in einem Satz, wie man zu einer gegebenen linearen Funktion ihre Matrix berechnet Beweisen Sie dann ausführlich: f R n R m A R m n ( x R n f( x) = A x ) A = ( f( e ) f( e ) f( e n ) ) Aufgabe 3 Für die Inverse von regulären Matrizen gibt es eine einfache Formel: ( ) ( ) a b d b = c d ad bc c a Zeigen Sie dass diese Formel korrekt ist Aufgabe 3 Berechnen Sie die Inverse Matrix von 0 A = 0 Achten Sie darauf, dass Sie keinen Rechenfehler machen Das korrekte Ergebnis gibt volle Punktzahl, ein falsches Ergebnis gibt keine Punkte Aufgabe 33 Eine Matrix A R n n heißt orthogonal genau dann wenn A T A = E wobei E die n n Einheitsmatrix ist Beweisen Sie unter Verwendung dieses Theorems ausführlich dass das Produkt zweier orthogonaler n n Matrizen wieder eine orthogonale n n Matrix ist Aufgabe 34 Berechen Sie das Matrix Produkt ( ) ( ) Aufgabe 35 Angenommen Sie verfügen über schnelle Hardware um Skalarprodukte zu berechnen und haben daher die Multiplikation von Matrizen durch die Berechnung von Skalarprodukten implementiert 7

8 Wieviele Skalarprodukte müssen bei der Multiplikation einer 3 mit einer 3 4 Matrix berechnet werden? Wieviele Multiplikationen von reellen Zahlen werden hierbei insgesamt ausgeführt? Aufgabe 36 Sei A R m n und f( x) = A x Welche der folgenden Aussagen ist wahr? Begründung ist nicht erforderlich, eine falsche Antwort gibt aber Punktabzug Wenn m > n dann ist f nicht surjektiv Wenn m > n dann ist f nicht injektiv Aufgabe 37 Seien A, B R n n Welche Zeilen bzw Spalten von A bzw B sind erforderlich um die i-te Zeile des Matrix Produkts AB zu berechnen? Aufgabe 38 Sei f R R 3 und g R 3 R definiert durch ( ) x x f = x x + x x x g x x x 3 = ( ) x + x 3 x Berechnen Sie die Matrix für g f und für f g Aufgabe 39 Eine Matrix A heißt symmetrisch wenn A T = A Offensichtlich können nur quadratische Matrizen symmetrisch sein Nennen Sie ein Beispiel für eine symmetrische Matrix Begründen Sie, dass für alle Matrizen A R m n sowohl das Produkt A T A als auch A A T definiert ist Zeigen Sie, dass A T A eine symmetrische Matrix ist für jede Matrix A R m n Aufgabe 40 Sei f R R definiert durch ( ) ( ) x x x f = x x x Berechnen Sie eine Matrix A so dass f( x) = A x Berechnen Sie die inverse Matrix A Berechnen Sie den Funktionsterm für die Umkehrfunktion f 8

9 Aufgabe 4 Eine Matrix A heißt symmetrisch, wenn A T = A Stimmt es, dass das Produkt zweier beliebiger symmetrischer Matrizen wieder symmetrisch ist? Geben Sie einen ausführlichen Beweis oder finden Sie ein Gegenbeispiel Aufgabe 4 Gibt es eine lineare Funktion f R R mit ( ) 3 f() =? 5 Falls ja, berechnen Sie die Matrix zu dieser Funktion, falls nein geben Sie eine kurze Begründung Aufgabe 43 Das Bild einer Matrix A R m n ist definiert durch bild(a) = {A x x R n } Sei A R m n, b R m und x R n so dass A T A x = A T b Beweisen Sie ausführlich, dass dann y (A x b) = 0 für jeden Vektor y bild(a) 9

Matrizen. Aufgabe 1. Sei f R 2 R 3 definiert durch. x y x Berechnen Sie die Matrix Darstellung von f. Lösung von Aufgabe 1.

Matrizen. Aufgabe 1. Sei f R 2 R 3 definiert durch. x y x Berechnen Sie die Matrix Darstellung von f. Lösung von Aufgabe 1. Matrizen Aufgabe Sei f R R 3 definiert durch ( x 3y x f x + y y x Berechnen Sie die Matrix Darstellung von f Lösung von Aufgabe ( f ( f 3 Die Matrix Darstellung von f ist somit A 3 Aufgabe Eine lineare

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Vektoren und Matrizen Einführung: Wie wir gesehen haben, trägt der R 2, also die Menge aller Zahlenpaare, eine Körperstruktur mit der Multiplikation (a + bi(c + di ac bd + (ad + bci Man kann jedoch zeigen,

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 10: Inverse Matrix und Determinante D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter

Mehr

Musterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.2012

Musterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.2012 Musterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.0 Aufgabe : Entscheiden Sie in dieser Aufgabe, ob die Aussagen wahr oder falsch sind. Begründungen sind nicht erforderlich. Ein korrekt gesetztes

Mehr

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung 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

Mehr

Vektoren. Kapitel 3. 3.1 Skalare, Vektoren, Tensoren. 3.2 Vektoren

Vektoren. Kapitel 3. 3.1 Skalare, Vektoren, Tensoren. 3.2 Vektoren Kapitel 3 Vektoren 31 Skalare, Vektoren, Tensoren Viele physikalische Größen lassen sich bei bekannter Maßeinheit durch Angabe ihres Betrages als reelle Zahl vollständig angeben Solche Größen nennt man

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt

Mehr

H. Gruber, R. Neumann. Erfolg im Mathe-Abi. Basiswissen Niedersachsen. Übungsbuch für den Grundkurs mit Tipps und Lösungen

H. Gruber, R. Neumann. Erfolg im Mathe-Abi. Basiswissen Niedersachsen. Übungsbuch für den Grundkurs mit Tipps und Lösungen H. Gruber, R. Neumann Erfolg im Mathe-Abi Basiswissen Niedersachsen Übungsbuch für den Grundkurs mit Tipps und Lösungen Inhaltsverzeichnis Inhaltsverzeichnis Analysis Von der Gleichung zur Kurve... 9 Aufstellen

Mehr

8 Lineare Abbildungen

8 Lineare Abbildungen 80 8 Lineare Abbildungen In diesem Kapitel untersuchen wir lineare Abbildungen von R n nach R m wie zum Beispiel Spiegelungen, Drehungen, Streckungen und Orthogonalprojektionen in R 2 und R 3 Man nennt

Mehr

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

Definitionen. 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

Mehr

3. Übungsblatt Aufgaben mit Lösungen

3. Übungsblatt Aufgaben mit Lösungen . Übungsblatt Aufgaben mit Lösungen Aufgabe 6: Gegeben seien die Ebene E : 4x + x + 8 =, der Punkt P = ( und die Gerade H : x(λ = (4,, + λ(,,, λ R. (a Bestimmen Sie eine Gerade durch den Punkt P, die senkrecht

Mehr

4.4. Rang und Inversion einer Matrix

4.4. Rang und Inversion einer Matrix 44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert

Mehr

Lineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya

Lineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya Lineare Abhängigkeit und Unabhängigkeit -E Ma Lubov Vassilevskaya Eindimensionaler Raum Abb. -: Zwei nicht gleiche Vektoren auf der gleichen Gerade Jeden Vektor, der auf einer Geraden liegt, kann man durch

Mehr

8. Übungsblatt zur Mathematik I für Maschinenbau

8. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 8. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS / 6..-.. Aufgabe G (Matrixinversion mit Gauß-Algorithmus

Mehr

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

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

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h. Lineare Abbildungen Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls (1) u, v V : f( u + v) = f( u) + f( v). (2) v V α K : f(α v) = αf( v).

Mehr

Vektorgeometrie - Teil 1

Vektorgeometrie - Teil 1 Vektorgeometrie - Teil 1 MNprofil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 14. März 2016 Inhaltsverzeichnis 1 Einführung & die analytische Darstellung der

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +

Mehr

Mathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11

Mathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11 Mathematik für Wirtschaftswissenschaftler, WS / Musterlösungen zu Aufgabenblatt Aufgabe 76: Bestimmen Sie mittels Gauß-Elimination die allgemeine Lösung der folgenden linearen Gleichungssysteme Ax b: a)

Mehr

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen) Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung

Mehr

Zusammenfassung Vektorrechnung und Komplexe Zahlen

Zusammenfassung Vektorrechnung und Komplexe Zahlen Zusammenfassung Vektorrechnung und Komplexe Zahlen Michael Goerz 8. April 006 Inhalt Vektoren, Geraden und Ebenen. Länge eines Vektors.......................... Skalarprodukt..............................

Mehr

1 Rechnen mit 2 2 Matrizen

1 Rechnen mit 2 2 Matrizen 1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12

Mehr

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

Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen) Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie (Lineare Abbildungen) Dozent/in: R. Burkhardt Büro:.6 Klasse: Semester: Datum: HS 8/9. Aufgabe Zeige, dass die folgenden Abbildungen

Mehr

2.2 Kern und Bild; Basiswechsel

2.2 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

Mehr

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2. Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar

Mehr

4 Einige Grundstrukturen. Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper

4 Einige Grundstrukturen. Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper 4 Einige Grundstrukturen Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper Abbildungen Seien X und Y Mengen. Eine (einstellige) Abbildung f : X Y ordnet jedem x X genau ein Element

Mehr

Exemplar für Prüfer/innen

Exemplar für Prüfer/innen Exemplar für Prüfer/innen Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reifeprüfung AHS Juni 2015 Mathematik Kompensationsprüfung Angabe für Prüfer/innen Hinweise zur Kompensationsprüfung

Mehr

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare

Mehr

Analytische Geometrie Aufgaben und Lösungen

Analytische Geometrie Aufgaben und Lösungen Analytische Geometrie Aufgaben und Lösungen http://www.fersch.de Klemens Fersch. Januar Inhaltsverzeichnis Punkte:Vektor - Abstand - Steigung - Mittelpunkt. Aufgaben....................................................

Mehr

Lineare Algebra und Computer Grafik

Lineare Algebra und Computer Grafik Lineare Algebra und Computer Grafik Vorlesung an der Hochschule Heilbronn (Stand: 7 Mai ) Prof Dr V Stahl Copyright 6 by Volker Stahl All rights reserved Inhaltsverzeichnis Vektoren 4 Vektoren und Skalare

Mehr

Lineare Algebra II 9. Übungsblatt

Lineare Algebra II 9. Übungsblatt Lineare Algebra II 9. Übungsblatt Fachbereich Mathematik SS Prof. Dr. Kollross 5./6. Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest: ohne Benutzung des Skripts und innerhalb von Minuten!)

Mehr

10. Die komplexen Zahlen.

10. Die komplexen Zahlen. 10-1 Funktionen 10 Die kompleen Zahlen Dies ist ein Thema, das unberechtigter Weise als schwer gilt! Die Konstruktion der kompleen Zahlen ist viel einfacher zu verstehen ist, als einige der bisherigen

Mehr

(geometrische) Anschauung

(geometrische) Anschauung (geometrische) Anschauung Marcus Page Juni 28 In dieser Lerneinheit widmen wir uns dem schon oft angesprochenen Zusammenhang zwischen Matrizen und linearen Abbildungen. Außerdem untersuchen wir Funktionen,

Mehr

Vektorräume und Rang einer Matrix

Vektorräume 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

Mehr

entspricht der Länge des Vektorpfeils. Im R 2 : x =

entspricht der Länge des Vektorpfeils. Im R 2 : x = Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische

Mehr

Lernmaterialblatt Mathematik. Vektorrechnung eine Einführung. Anwendung Mathematik I. Einleitung:

Lernmaterialblatt Mathematik. Vektorrechnung eine Einführung. Anwendung Mathematik I. Einleitung: Vektorrechnung eine Einführung Einleitung: Um beispielsweise das Dreieck ABC in der Abbildung an die Position A'B'C' zu verschieben, muss jeder Punkt um sieben Einheiten nach rechts und drei nach oben

Mehr

Rechnen mit Vektoren

Rechnen mit Vektoren () Der Ortsvektor Definition: Der Ortsvektor beginnt im Koordinatenursprung und endet in einem beliebigen Punkt P. Die Koordinaten des Punktes stimmen mit den Koordinaten des Ortsvektors überein. Schreibweise:

Mehr

f : x y = mx + t Der Graph einer linearen Funktion ist eine Gerade, welche die y-achse im Punkt S schneidet. = m 2 x 2 m x 1

f : x y = mx + t Der Graph einer linearen Funktion ist eine Gerade, welche die y-achse im Punkt S schneidet. = m 2 x 2 m x 1 III. Funktionen und Gleichungen ================================================================== 3.1. Lineare Funktionen Eine Funktion mit der Zuordnungvorschrift f : x y = mx + t und m, t R heißt lineare

Mehr

6. Rechnen mit Matrizen.

6. Rechnen mit Matrizen. 6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

1.3 Abbildungen. Definition : Abbildung, Definitionsbereich, Zielbereich, Bildmenge

1.3 Abbildungen. Definition : Abbildung, Definitionsbereich, Zielbereich, Bildmenge Abbildungen Grundlagen der Mathematik Abbildungen Deinition : Abbildung, Deinitionsbereich, Zielbereich, Bildmenge Eine Abbildung : D Z ordnet jedem Element D eindeutig ein Z zu D heißt Deinitionsbereich

Mehr

Abbildungseigenschaften

Abbildungseigenschaften Abbildungseigenschaften.5. Injektivität Injektivität (injektiv, linkseindeutig) ist eine Eigenschaft einer mathematischen Funktion. Sie bedeutet, dass jedes Element der Zielmenge höchstens einmal als Funktionswert

Mehr

Kapitel III. Lineare Abbildungen

Kapitel III. Lineare Abbildungen Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,

Mehr

Berufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Sommertermin 2013

Berufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Sommertermin 2013 BRP Mathematik VHS Floridsdorf 15.6.2013 Seite 1/6 Gruppe A Berufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Sommertermin 2013 Notenschlüssel:

Mehr

Lineare Algebra II 5. Übungsblatt

Lineare Algebra II 5. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,

Mehr

Freie Rotation im Raum

Freie Rotation im Raum Freie Rotation im Raum Quaternionen und Matrizen Inhaltsverzeichnis 1 Grundlagen 2 1.1 Ziel................................................... 2 1.2 Was ist ein Koordinatensystem?..................................

Mehr

Kap 5: Rang, Koordinatentransformationen

Kap 5: Rang, Koordinatentransformationen Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare 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

Mehr

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010 Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und

Mehr

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage

Mehr

Algorithmus zur Berechnung der Jordannormalform

Algorithmus zur Berechnung der Jordannormalform Algorithmus zur Berechnung der Jordannormalform Olivier Sète 19. Januar 2011 Inhaltsverzeichnis 1 Motivation 1 2 Algorithmus Wie und warum funktioniert das? 2 2.1 Zutat 1 Für einen Jordanblock.........................

Mehr

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ). Aufgabe Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(3A E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A 3E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Bild(A

Mehr

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

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar. Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:

Mehr

Dr:Nürnberg FH Mannheim Naturwissenschaftliche Grundlagen Übung Lineare Algebra

Dr:Nürnberg FH Mannheim Naturwissenschaftliche Grundlagen Übung Lineare Algebra Aufgabe : Prüfen Sie folgende Aussagen auf Richtigkeit für die Operation Addiere : a.) Z ist eine abelsche Gruppe b.) N ist keine Gruppe c.) Z ist keine Gruppe d.) Z \ {0} ist eine abelsche Gruppe Prüfen

Mehr

1.2 Das kartesische Koordinatensystem

1.2 Das kartesische Koordinatensystem Kapitel 1 Vektoralgebra 1.1 Einführung Am ersten Kapitel widmen wir uns den Grundlagen der Vektoralgebra, wobei wir speziell auf die Definitionen von Skalaren und Vektoren eingehen und Produkte zwischen

Mehr

Mathematischer Vorkurs für Physiker WS 2009/10

Mathematischer Vorkurs für Physiker WS 2009/10 TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,

Mehr

Wie lautet die Gleichung der Geraden, durch die beiden Punkte A(4/1) und B(-5/8)?

Wie lautet die Gleichung der Geraden, durch die beiden Punkte A(4/1) und B(-5/8)? Übungsbeispiel / 2 Gerade durch 2 Punkte Wie lautet die Gleichung der Geraden, durch die beiden Punkte A(4/) und B(-5/8)? Maturavorbereitung 8. Klasse ACDCA 999 Vektorrechnung Übungsbeispiel 2 / 2 Gerade

Mehr

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie

Mehr

Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie

Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie Modul 12a: Fachdidaktische Bereiche juergen-roth.de/lehre/did_linalg_anageo/ Kapitel 5: Skalarprodukt 5.1 Inhalte Didaktik der Linearen

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

Lineare Gleichungen mit 2 Variablen

Lineare Gleichungen mit 2 Variablen Lineare Gleichungen mit 2 Variablen Lineare Gleichungen mit 2 Variablen sind sehr eng verwandt mit linearen Funktionen. Die Funktionsgleichung einer linearen Funktion f(x) = m x+q m: Steigung, q: y Achsenabschnitt

Mehr

MC-Serie 11: Eigenwerte

MC-Serie 11: Eigenwerte D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

www.mathe-aufgaben.com

www.mathe-aufgaben.com Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit f(x) = x sin( x + ) Aufgabe : ( VP) Berechnen Sie das Integral

Mehr

Analysis II. Vorlesung 48. Die Hesse-Form

Analysis II. Vorlesung 48. Die Hesse-Form Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 48 Die Hesse-Form Wir sind natürlich auch an hinreichenden Kriterien für das Vorliegen von lokalen Extrema interessiert. Wie schon im eindimensionalen

Mehr

Formelsammlung Analytische Geometrie

Formelsammlung Analytische Geometrie Formelsammlung Analytische Geometrie http://www.fersch.de Klemens Fersch 6. August 6 Inhaltsverzeichnis 6 Analytische Geometrie 6. Vektorrechung in der Ebene......................................... 6..

Mehr

Wertetabelle : x 0 0,5 1 2 3 4 0,5 1. y = f(x) = x 2 0 0,25 1 4 9 16 0,25 1. Graph der Funktion :

Wertetabelle : x 0 0,5 1 2 3 4 0,5 1. y = f(x) = x 2 0 0,25 1 4 9 16 0,25 1. Graph der Funktion : Quadratische Funktionen ================================================================= 1. Die Normalparabel Die Funktion f : x y = x, D = R, heißt Quadratfunktion. Wertetabelle : x 0 0,5 1 3 4 0,5 1

Mehr

Demo: Mathe-CD. Prüfungsaufgaben Mündliches Abitur. Analysis. Teilbereich 1: Ganzrationale Funktionen 1. März 2002

Demo: Mathe-CD. Prüfungsaufgaben Mündliches Abitur. Analysis. Teilbereich 1: Ganzrationale Funktionen 1. März 2002 Prüfungsaufgaben Mündliches Abitur Analysis Teilbereich : Ganzrationale Funktionen Hier nur Aufgaben als Demo Datei Nr. 9 März 00 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK Vorwort Die in dieser Reihe von

Mehr

Surjektive, injektive und bijektive Funktionen.

Surjektive, injektive und bijektive Funktionen. Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens

Mehr

4 Vorlesung: 21.11. 2005 Matrix und Determinante

4 Vorlesung: 21.11. 2005 Matrix und Determinante 4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer

Mehr

Homogenität Assoziativgesetz A (B 1 + B 2 ) = A B 1 + A B 2 Distributivgesetz 1 (A 1 + A 2 ) B = A 1 B + A 2 B Distributivgesetz 2

Homogenität Assoziativgesetz A (B 1 + B 2 ) = A B 1 + A B 2 Distributivgesetz 1 (A 1 + A 2 ) B = A 1 B + A 2 B Distributivgesetz 2 1. Formatbedingungen der Matrixoperationen Die Addition (Subtraktion) A ± B verlangt gleiches Format der Operanden A und B. Das Ergebnis hat das Format der Operanden. Skalarmultiplikation λa: Es gibt keine

Mehr

1 Analytische Geometrie

1 Analytische Geometrie Analytische Geometrie. Grundlagen, Begriffe, Schreibweisen Achsenkreuz Die Achsen heißen in dieser Darstellung x und -Achse. Punkte Punkte werden weiterhin mit großen, lateinischen Buchstaben bezeichnet

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

Das Wort Vektor kommt aus dem lateinischen und heißt so viel wie "Träger" oder "Fahrer".

Das Wort Vektor kommt aus dem lateinischen und heißt so viel wie Träger oder Fahrer. Was ist ein Vektor? Das Wort Vektor kommt aus dem lateinischen und heißt so viel wie "Träger" oder "Fahrer". Vektoren sind Listen von Zahlen. Man kann einen Vektor darstellen, indem man seine Komponenten

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n

Mehr

2 Euklidische Vektorräume

2 Euklidische Vektorräume Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,

Mehr

Lineare Algebra I Klausur. Klausur - Musterlösung

Lineare Algebra I Klausur. Klausur - Musterlösung Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra I Klausur Klausur - Musterlösung 20. Februar 203 Aufgabe - Lösung Aussage wahr falsch (Z, +, 0) ist eine abelsche Gruppe. Der Ring Z/24Z ist nullteilerfrei.

Mehr

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH ) Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon

Mehr

1 Vorlesungen: und Vektor Rechnung: 1.Teil

1 Vorlesungen: und Vektor Rechnung: 1.Teil 1 Vorlesungen: 4.10.005 und 31.10.005 Vektor Rechnung: 1.Teil Einige in der Physik auftretende Messgrößen sind durch eine einzige Zahl bestimmt: Temperatur T K Dichte kg/m 3 Leistung P Watt = J/s = kg

Mehr

Matrizen und Vektoren

Matrizen und Vektoren Kapitel Matrizen und Vektoren Eine Matrix ist ein rechteckiges Schema, in dem Zahlen zusammengefasst werden Matrizen haben vielfältige Anwendungen, etwa bei der Beschreibung von Produktionsprozessen oder

Mehr

Vektorrechnung. 1. Vektoren im R 2, R 3 Größen in Physik und Technik:

Vektorrechnung. 1. Vektoren im R 2, R 3 Größen in Physik und Technik: Vektorrechnung 1. Vektoren im R 2, R 3 Größen in Physik und Technik: - skalare Größen: Länge [m], Zeit [sec], Masse [kg], Energie [N m], elektr. Spannung [V ],... gekennzeichnet durch: Maßzahl ( R) [Maßeinheit]

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

Expertenpuzzle Quadratische Funktionen

Expertenpuzzle Quadratische Funktionen Phase 1 Aufgaben für die Expertengruppe I Im Folgenden sollen die in IR definierten Funktionen a : x x, b : x x 0,5, c : x x und d: x x 3 untersucht werden. Die Abbildung zeigt den Graphen G a von a, also

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Ergänzung Eigenwerte und Eigenvektoren Motivation Definitionen Beispiele im IR 2 Beispiele im IR 3 Eigenwerte und Eigenvektoren Motivation Lineare Abbildungen, Ausgangsvektor und Bildvektor Lineare Abbildungen

Mehr

Kapitel 12. Lineare Abbildungen und Matrizen

Kapitel 12. Lineare Abbildungen und Matrizen Kapitel 12 Lineare Abbildungen und Matrizen Lineare Abbildungen f : R n R m Wir wissen schon: Eine lineare Abbildung f : R n R m ist eindeutig durch ein n-tupel von Vektoren v 1, v 2,, v n des R m bestimmt

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

Spezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation

Spezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation . Inhaltsverzeichnis.............. Spezialgebiet Mathematik(Christian Behon ) 1 Matrizen Kapitel 1 Definitionen und Herleitung von Matrizen 1.1 Was sind Matrizen 1.2 Arten von Matrizen Kapitel 2 Matrizenoperation

Mehr

4.4 Orthogonalisierungsverfahren und die QR-Zerlegung

4.4 Orthogonalisierungsverfahren und die QR-Zerlegung 4.4 Orthogonalisierungsverfahren und die QR-Zerlegung Die Zerlegung einer regulären Matrix A R n n in die beiden Dreiecksmatrizen L und R basiert auf der Elimination mit Frobeniusmatrizen, d.h. R = FA,

Mehr

DEMO für www.mathe-cd.de

DEMO für www.mathe-cd.de (1) Rechnen mit Paaren und Tripeln () Eine Gleichung mit oder 3 Unbekannten (3) Zwei Gleichungen mit 3 Unbekannten Datei Nr. 61 011 Stand 19. Oktober 010 Friedrich W. Buckel INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK

Mehr

3.5 Ringe und Körper. Diese Eigenschaften kann man nun auch. 1. (R, +) ist eine kommutative Gruppe. 2. Es gilt das Assoziativgesetz bezüglich.

3.5 Ringe und Körper. Diese Eigenschaften kann man nun auch. 1. (R, +) ist eine kommutative Gruppe. 2. Es gilt das Assoziativgesetz bezüglich. 3.5 Ringe und Körper Gehen wir noch mal zu den ganzen Zahlen zurück. Wir wissen: (Z, + ist eine Gruppe, es gibt aber als Verknüpfung noch die Multiplikation, es gibt ein neutrales Element bezüglich, es

Mehr

+ 2. Bruchgleichungen

+ 2. Bruchgleichungen Bruchgleichungen Gleichungen mit einer Lösungsvariablen im Nenner eines Bruchs heißen Bruchgleichungen. Definitionsmenge: Nenner 0 Lösungsweg: 1. Multiplikation mit dem Hauptnenner 2. Äquivalenzumformungen

Mehr

Kapitel 17. Determinanten

Kapitel 17. Determinanten Kapitel 17. Determinanten Vorschau: Determinanten Es gibt drei Problemfelder, für die Determinanten von großem Nutzen sind: die formelmäßige Überprüfung der linearen Unabhängigkeit eines Systems von n

Mehr

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene

Mehr

3.6 Drehungen in der Ebene

3.6 Drehungen in der Ebene 3.6-1 3.6 Drehungen in der Ebene 3.6.1 Die Drehmatrix Gelegentlich müssen wir die Lage eines Teilchens in einem ebenen Koordinatensystem beschreiben, das gegenüber einem festen System um φ gedreht ist.

Mehr

9 Die trigonometrischen Funktionen und ihre Umkehrfunktionen

9 Die trigonometrischen Funktionen und ihre Umkehrfunktionen Übungsmaterial 9 Die trigonometrischen Funktionen und ihre Umkehrfunktionen Die trigonometrischen Funktionen sind die Sinus-, die Kosinus- und die Tangensfunktion. 9. Eigenschaften der trigonometrischen

Mehr

Vortrag Postscript, Einführung, Koordinatgeometrie und Prozeduren

Vortrag Postscript, Einführung, Koordinatgeometrie und Prozeduren Vortrag Postscript, Einführung, Koordinatgeometrie und Prozeduren 03.05.2006 1 2 Punkte und Vektoren Einfache Parallelogramme Vektorprojektion Rotation 3 Variablen Prozeduren 4 3 Grundlegende Fragen zum

Mehr