1 Vektoren, Vektorräume, Abstände: 2D
|
|
- Sarah Kneller
- vor 7 Jahren
- Abrufe
Transkript
1 Vektoren, Vektorräume, Astände: D Definition: Die Menge aller (geordneten Paare reeller Zahlen (oder allgemeiner: Elemente eines elieigen Körpers, als Spalten geschrieen, ezeichnen wir als Vektoren: R { } a, R Die Elemente von R ezeichnet man, zur Unterscheidung von Vektoren, auch als Skalare. Vektorvarialen schreien wir mit einem Pfeil, z.b. x. Variale für Skalare sind ülicherweise (aer nicht immer griechische Buchstaen. Als Paare sind Vektoren genau dann gleich, wenn ihre Komponenten gleich sind: ( c d a c d Auf ihnen ist natürlicherweise eine Addition und eine Multiplikation mit Skalaren definiert: ( ( ( a c a c : d d λ : ( λ a λ Die Axiome für einen Vektorraum lauten: Die Vektorraumaxiome Sei V eine Menge und K ein Körper. Weiter sei : V V V eine innere Veknüpfung von V und : K V V eine äußere Veknüpfung von Elementen aus K und V. V heißt ein Vektorraum üer K, wenn für alle u, v, w V und alle α, β K gilt: V v w w v V ( v w u v ( w u V3 V : v v V4 zu v ex. v mit v ( v V5 (α β v α v β v V6 (αβ v α(β v V7 α ( v w α v α w V8 v v Eigenschaften: : kurz: x x. ( ist das Neutralelement der Addition: ( Die Addition von Vektoren ist kommutativ: x y y x ( ( ( a a a Das additive Inverse eines Vektors ist der Vektor ( Die Vektoraddition ist assoziativ: (( ( ( ( ( x y z x y z x y z x y z ( ( (x y z x (y z (x y z x (y z ( ( ( (( ( x y z x y z x y z x y z
2 Weiter gilt: (( x x ( y y ( x y λ x y ( ( λ(x y λx λy λ(x y λx λy ( ( ( ( λx λy x y λ λ λx λy x y Üung: Beweisen Sie die restlichen Vektorraumaxiome Bemerkung:. Sei v. Dann ist { a t v t R} {a tv t R} die Gerade durch a in Richtung v. ( a Jeder Vektor läßt sich eindeutig schreien als a Die Vektoren e und e heißen auch die kanonischen (natürlichen Basisvektoren von R. ( x Definition:. Die Länge eines Vektors x ist definiert als: x : x ( x x R. Der Astand zweier Vektoren x und y ist definiert als x y 3. Ein Vektor x mit x heißt Einheitsvektor Unmittelare Ergenisse: x x, λ x (λx (λx λ x. Für x ist x x ein Einheitsvektor, denn x x x x x x Bemerkung : Für Vektoren x und y ist x y der Mittelpunkt Grund: x y x y x x y x y x y y Bemerkung: Wir etrachten für x den Ausdruck y t x : λ (x x λ x
3 Üung: Nachrechnen Diese Gleichung zeigt uns: x Der Ausdruck wird minimal für t x y x y x Es ist x y (x y x y x, also y t x (y tx (y ty { t x } y x y x x y (x y x y x x y (x y x y x y x y x y { x y x y x y } { x y x y x y } Daher ist und schließlich: x y x y x y x y x y x y x y x y x y x y x y Satz: Dreiecksungleichung: Grund: x y x y x y (x y (x y x x y y (x y x y x y (x y x y x y x y ( x y ( ( x y Definition: Für zwei Vektoren x, y ist das Skalarprodukt definiert als: x y x y : x y x y
4 Warnung: Für Vektoren x, y, z gilt nicht: x ( y z ( x y z: aer ( 3 Bemerkung: Ist x, y, so gilt (siehe Zeichnung: Insgesamt also: und also für x ( 3 x y cos φ cos φ x x y y x y x y cos φ y x y [, π] ( oder anders gesagt: Das Skalarprodukt ist die Länge der Projektion von y auf x, falls x ein Einheitsvektor ist. Folgerung: Ist einer der eiden am Skalarprodukt eteiligten Vektoren ein Einheitsvektor, so ist das Skalarprodukt die Länge der Projektion auf den Einheitsvektor. x y x y Definition: Für a,, c, d R ist eine Matrix ein quadratisches Schema der Form ( a c d Eine solche Matrix definiert eine Aildung R R durch ( ( ( a x ax y : y cx dy ( a a Die Menge aller Matrizen ezeichnen wir mit M (R. Zwei Matrizen und ( a a sind dann und nur dann gleich, wenn a ij ij gilt. ( ( ( x Beispiel:i Die Matrix eschreit die Spiegelung an der x Achse, denn ( y x. y ( ( ii Die Matrix eschreit eine Streckung in y Richtung um den Faktor, denn ( ( x x. y y ( cos ϕ sin ϕ iii Die Matrix eschreit eine Drehung um den Winkel ϕ gegen den Uhrzeigersinn sin ϕ cos ϕ um den Urpsrung. ( ( ( ( cos ϕ sin ϕ x x cos ϕ y sin ϕ x Grund:. Schließt nun der Vektor mit der sin ϕ cos ϕ y x sin ϕ y cos ϕ y positiven x Achse den Winkel ψ ein, so gilt: ( ( x cos ψ r y sin ψ mit r x y, ψ [, π. Also gilt: ( cos ϕ sin ϕ sin ϕ cos ϕ ( x y
5 ( ( cos ϕ sin ϕ r cos ψ sin ϕ cos ϕ r sin ψ ( r (cos ϕ cos ψ sin ϕ sin ψ r (sin ϕ cos ψ cos ϕ sin ψ Wegen der Additionstheoreme für Sinus und Kosinus ist das gleich ( cos(ϕ ψ r sin(ϕ ψ also der Vektor, mit derselen Länge wie einschließt. ( x y Satz: Seien x, y R, λ R, A M (R, so gilt:, der mit der positiven x Achse den Winkel ϕ ψ A( x y A x A y Grund: Sei x ( x x ( y, y y A(λ x λ (A x, A, so ist ( ( a x y A( x y x y ( a(x y (x y c(x y d(x y ( ( ax x ay y A x A y cx dx cy dy und. ( ( a λx A(λ x λx ( λ (ax x λ (A x λ (cx dx Definition (Addition von Matrizen: ( ( e f a e f g h c g d h oder anders gesagt: Die Addition von Matrizen erfolgt komponentenweise. ( Bemerkung: Einige Eigenschaften der Addition von Matrizen sind unmittelar klar: ist das ( ( a a Neutralelement der Addition, das additive Inverse zu. Für A, B, C M c d (R gilt: A B B A und A (B C (A B C Definition (Multiplikation von Matrizen mit Skalaren: ( ( a λa λ λ : λc λd Bemerkung: Auch hier sind einige Eigenschaften wieder unmittelar klar: λ(a B λa λb, (λ µa λa µa, (λµa λ(µa
6 Definition: Für eine Matrix A definieren wir Spur(A : a d det(a ad c ( ( ( x y x y Bemerkung: Für Vektoren x, y ist det die Fläche des von x und y x y x y aufgespannten Parallelogramms. Insesondere ist die Determinante genau dann, wenn x und y auf einer Geraden liegen. ( ( a e f Definition: i Für zwei Matrizen A, B ist das Matrizenprodukt definiert als g h ( ( ( A B e f A, A ae g a f h g h }{{}}{{} ce dg c f dh. Spalte. Spalte ( ii Für die Matrix A definieren wir: A : d, falls det A. det(a c a Bemerkung:i Das Matrizenprodukt ist assoziativ. Neutralelement ist die Matrix E die Matrizenoperationen und gilt das Distriutivgesetz. Für A gilt: A A A A E.. Für ii Zwei für Körper gültige Dinge gelten für Matrizen nicht: Die Matrizenmultiplikation ist nicht kommutativ: ( ( ( Nicht jede Matrix A ( hat ein Inverses zgl. der Matrizenmultiplikation: ( a, für alle a,, c, d R. Beispiel: Multiplizieren wir zwei Drehmatrizen miteinander ( ( cos(φ sin(φ cos(ψ sin( ψ sin(φ cos(φ sin(ψ cos(ψ ( cos(φ cos(ψ sin(φ sin(ψ (cos(φ sin(ψ sin(φ cos(ψ sin(φ cos(ψ cos(φ sin(ψ sin(φ sin(ψ cos(φ cos(ψ ( cos(φ ψ sin(φ ψ, sin(φ ψ cos(φ ψ so erhalten wir die Drehmatrix für den Winkel φ ψ. Satz: Für Matrizen A und B gilt: det(a B det(a det(b, Spur(A B Spur(B A Grund: Nachrechnen
7 Folgerung: det(a det(a Grund: det(e det(a A det(a det(a ( a Beispiel: Für A ist x det x x Spur(Ax det(a Diesen Ausdruck nennt man auch das charakteristische Polynom von A.
A = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix
Matrizen Definition: i Eine m n Matrix A ist ein rechteckiges Schema aus Zahlen, mit m Zeilen und n Spalten: a a 2 a n a 2 a 22 a 2n a m a m2 a mn Die Spaltenvektoren dieser Matrix seien mit a,, a n bezeichnet
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
MehrKomplexe Zahlen. (a, b) + (c, d) := (a + c, b + d) (a, b) (c, d) := (a c b d, a d + b c)
Komplexe Zahlen Wir betrachten Zahlenpaare (a, b, (c, d R und definieren eine Addition und eine Multiplikation wie folgt: (a, b + (c, d := (a + c, b + d (a, b (c, d := (a c b d, a d + b c Satz: R mit dieser
MehrVektoren 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,
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
Mehr1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat.
1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. übliche Beispiele: Ort r = r( x; y; z; t ) Kraft F Geschwindigkeit
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y
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:
MehrMathematische Grundlagen der Computerlinguistik Lineare Algebra
Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 30 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen
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
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
Mehr6 Lineare Abbildungen der euklidischen Ebene
6 Lineare Aildungen der euklidischen Eene In diesem Kapitel etrachten wir nur noch lineare Aildungen der euklidischen Eene auf sich seler: f : E E oder f : R 2 R 2 Zudem verwenden wir das Skalarprodukt
MehrMathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen
Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β
MehrPotenzen der Linearen Algebra
Potenzen der Linearen Algebra Stufen der Verallgemeinerung und ihre didaktische Umsetzung in der Lehre Fakultät für Ingenieurwissenschaften Prof. Dr. Dieter Schott E-Post: dieter.schott@hs-wismar.de www.et.hs-wismar.de/schott
Mehr11 Komplexe Zahlen. Themen: Der Körper der komplexen Zahlen Die Mandelbrot-Menge Der Fundamentalsatz der Algebra
11 Komplexe Zahlen Themen: Der Körper der komplexen Zahlen Die Mandelbrot-Menge Der Fundamentalsatz der Algebra Addition ebener Vektoren Sei Ê 2 = {(x, y) : x, y Ê}. Ê 2 können wir als Punkte in der Ebene
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
MehrMathematische Grundlagen der Computerlinguistik Lineare Algebra
Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 1 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
Mehr3 Der Körper der komplexen Zahlen
3 Der Körper der kompleen Zahlen Nicht jede quadratische Gleichung hat eine reelle Lösung + p + q = (p, q R) Beispiel: Für alle R ist und daher + 1 Abhilfe: Man erweitert R zu einem größerem Körper C,
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
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
MehrOrientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops
15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den
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
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
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
Mehr2.9 Die komplexen Zahlen
LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
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
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
MehrLineare Transformationen und Determinanten. 10-E Ma 1 Lubov Vassilevskaya
Lineare Transformationen und Determinanten 10-E Ma 1 Lubov Vassilevskaya Lineare Transformation cc Definition: V und W sind zwei Vektorräume. Eine Funktion T nennt man eine lineare Transformation von V
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrMathematischer Vorkurs
Mathematischer Vorkurs Dr Agnes Lamacz Mathematischer Vorkurs TU Dortmund Seite 1 / 17 Vektoren Kapitel 15 Vektoren Mathematischer Vorkurs TU Dortmund Seite 13 / 17 Vektoren 151 Denition: Vektoren im Zahlenraum
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 =
MehrKomplexe Zahlen. elektret.github.io 16. Mai 2014
Komplexe Zahlen elektret.github.io 16. Mai 2014 1 Definition i Der Körper R,, ist ein Unterkörper von C. ii Es gibt ein Element, sodass i 2 1 ist. iii C ist der kleinste Körper der den Eigenschaften i
MehrMathematik für Chemische Technologie 2
Mathematik für Chemische Technologie 2 Themenüberblick: Funktionen mehrerer unabhängigen Veränderlichen Vektoralgebra Lineare Gleichungssysteme und Determinanten Fehlerrechnung Schwerpunkt des Sommersemesters
MehrVorkurs Mathematik-Physik, Teil 5 c 2016 A. Kersch
Vorkurs Mathematik-Physik, Teil 5 c 206 A. Kersch Vektoren. Vektorrechnung Definition Ein Vektor ist eine gerichtete Größe welche einen Betrag ( Zahl und eine Richtung ( in 2D, 2 in 3D hat. Alternativ
Mehr10. Grassmannsche Vektoren und die Drehungen im Raum.
10. Grassmannshe Vektoren und die Drehungen im Raum. Wir haen in der vorigen Vorlesung gesehen wie man Gegenstände im Raum vermöge der Zentralprojektion als Figuren in der Eene perspektivish genau darstellen
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem y + z = 1 + y z
MehrMatrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =
Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
MehrAufgabenpool. Woche 1 Aussagenlogik. Woche 2 Mengen und Funktionen. Lineare Algebra und Geometrie I SS 2015
Lineare Algebra und Geometrie I SS 05 Woche Aussagenlogik Aufgabenpool Aufgabe #.5 Die Aussage A sei 5 > 9, die Aussage B sei Gerhard Schröder ist eine Frau. Vervollständigen Sie die folgende Wahrheitstabelle.
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
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
MehrVektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:
Mehr11. Vorlesung. Lineare Algebra und Sphärische Geometrie.
11. Vorlesung. Lineare Algebra und Sphärische Geometrie. In dieser Vorlesung behandeln wir eine geometrische Anwendung der linearen Algebra. Insbesondere betrachten wir orthogonale Abbildungen. 1. Orthogonale
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
MehrZusammenfassung zum Thema Vektor- und Matrizenrechnung
Zusammenfassung zum Thema Vektor- und Matrizenrechnung Mathematischer Vorkurs für Physiker und Naturwissenschaftler WS 2014/2015 Grundbegriffe der Linearen Algebra Viele physikalische Größen (Geschwindigkeit,
Mehrbzw. eine obere Dreiecksmatrix die Gestalt (U: upper)
bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) U = u 11 u 12 u 1n 1 u nn 0 u 22 u 2n 1 u 2n 0......... 0 0 u n 1n 1 u n 1n 0 0 0 u nn Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 2: Vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 19. Oktober 2011) Vektoren in R n Definition 2.1
Mehr= 9 10 k = 10
2 Die Reihe für Dezimalzahlen 1 r = r 0 +r 1 10 +r 1 2 100 + = r k 10 k, wobei r k {0,,9} für k N, konvergiert, da r k 10 k 9 10 k für alle k N und ( 1 ) k 9 10 k 9 = 9 = 10 1 1 = 10 10 k=0 k=0 aufgrund
MehrLernunterlagen Vektoren in R 2
Die Menge aller reellen Zahlen wird mit R bezeichnet, die Menge aller Paare a 1 a 2 reeller Zahlen wird mit R 2 bezeichnet. Definition der Menge R 2 : R 2 { a 1 a 2 a 1, a 2 R} Ein Zahlenpaar a 1 a 2 bezeichnet
MehrMatrizen und Determinanten, Aufgaben
Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 29. April 2011
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 29. April 2011 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
Mehr3 Invertierbare Matrizen Die Inverse einer (2 2)-Matrix Eigenschaften invertierbarer Matrizen... 18
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik 2 Dr. Thomas Zehrt Vektoren und Matrizen Inhaltsverzeichnis Vektoren(Wiederholung bzw. Selbststudium 2. Linearkombinationen..............................
MehrVorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)
1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 2: Der Euklidische Raum Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 30. Oktober 2007) Vektoren in R n Definition
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
MehrEine Affinität α eines euklidischen Raumes heißt eine Bewegung, wenn sie Abstände (und damit auch Winkel) erhält, wenn also für alle Punkte X, Y gilt:
5 Zur Geometrie euklidischer Bewegungen 5.1 Bewegungen Eine Affinität α eines euklidischen Raumes heißt eine Bewegung, wenn sie Abstände (und damit auch Winkel) erhält, wenn also für alle Punkte X, Y gilt:
MehrMathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2016/
Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 206/207 20.03.207 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:...................................................................
MehrSatz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum
Orthogonalität 123 Dienstag, 27. April 04 Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum U von V gilt dann (a) U + U = V, U U = {0}, U, U = 0. (b) (U ) = U. Wir sagen
MehrLINEARE ALGEBRA UND GEOMETRIE VERSION 14. Dezember s = oder in Komponenten:
LINEARE ALGEBRA UND GEOMETRIE VERSION 4. Dezember 07 LISIBACH ANDRÉ.. Lineare Unabhängigkeit.... Linearkombination. Seien u, u,..., u n eine Menge von Vektoren. Eine Linearkombination der Vektoren u, u,...,
Mehr5. Matrizen und Determinanten
technische universität dortmund Dortmund, im Januar 01 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 1 und Matrizen und
MehrÜbungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen
1 Lineare Abhängigkeit 1.1 Für welche t sind die folgenden Vektoren aus 3 linear abhängig? (1, 3, 4), (3, t, 11), ( 1, 4, 0). Das zur Aufgabe gehörige LGS führt auf die Matrix 1 3 4 3 t 11. 1 4 0 Diese
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
MehrExkurs: Klassifikation orthogonaler 2 2-Matrizen.
Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Aussage: Es gilt: (a) Jede orthogonale 2 2 Matrix A mit det(a) = 1 hat das Aussehen cos(α) sin(α) D(α) = sin(α) cos(α), wobei α [0,2π[. Ist sin(α) 0, so
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
MehrII. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme
52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte
MehrHerbstsemester ist es.
Dr V Gradinaru K Imeri Herbstsemester 8 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 4 Aufgabe 4 Multiple Choice: Online abzugeben 4a) Gegeben seien: Dann gilt: (i)
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
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
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: ( ) (
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank
MehrGeometrische Deutung linearer Abbildungen
Geometrische Deutung linearer Abbildungen Betrachten f : R n R n, f(x) = Ax. Projektionen z.b. A = 1 0 0 0 1 0 0 0 0 die senkrechte Projektion auf die xy-ebene in R 3. Projektionen sind weder injektiv
MehrLineare (affine) Abbildung
Lineare affine Aildung A e 2 a e Wir üerziehen die Eene neen dem vertrauten Quadrat-Gitternetz, das durch die Basisvektoren e und e 2 festgelegt ist, mit einem Parallelogramm-Gitternetz, dessen Maschen
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
MehrVektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)
Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz
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
MehrD-CHAB Frühlingssemester 2018
D-CHAB Frühlingssemester 2018 Grundlagen der Mathematik II Dr Marcel Dettling Lösung 4 1) Nur für die folgenden Wahlen kann man das Produkt bilden: A A mit Dimension (2, 2) (2, 2) (2, 2): 1 2 A Y mit Dimension
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
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
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof. Dr. R. König Dr. M. Prähofer Zentralüung Z.1. Infimum und Supremum TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker (Analysis 1 MA90 Wintersem. 017/18 Lösungslatt http://www-m5.ma.tum.de/allgemeines/ma90
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
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
MehrVektorprodukt. Der Vektor. ist zu a und b orthogonal, gemäß der. Rechten-Hand-Regel orientiert und hat die Länge c = a b
Vektorprodukt Der Vektor c = a b ist zu a und b orthogonal, gemäß der Rechten-Hand-Regel orientiert und hat die Länge c = a b sin( ( a, b)), die dem Flächeninhalt des von den Vektoren a und b aufgespannten
Mehr4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI), AngGeo
Fachbereich Mathematik Prof. J. Lehn Hasan Gündoğan, Nicole Nowak Sommersemester 8 4./5./8. April 4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI, AngGeo Gruppenübung Aufgabe G9 (Multiple Choice Bei
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
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
MehrSBP Mathe Aufbaukurs 2 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 2
SBP Mathe Aufbaukurs 2 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 2 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das
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
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
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
MehrKörper sind nullteilerfrei
Mathematik I für Informatiker Komplexe Zahlen p. 1 Körper sind nullteilerfrei Für Elemente a, b eines Körpers gilt stets: Aus a b = 0 folgt a = 0 oder b = 0. Beweis: Aus a b = 0 und a 0 folgt also b =
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
MehrKlausur zur Mathematik I (Modul: Lineare Algebra I)
Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Anusch Taraz Wintersemester 2014/15 Klausur zur Mathematik I (Modul: Lineare Algebra I) 18.02.2015 Sie haben 60 Minuten Zeit zum
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrFerienkurs Mathematik für Physiker I Blatt 3 ( )
Ferienkurs Mathematik für Physiker I WS 6/7 Ferienkurs Mathematik für Physiker I Blatt 3 (9.3.7) Aufgabe : Matrizenrechung 3 (a) Ermitteln Sie für die Matrix A = 3 4 den Ausdruck A + A + A + 6 A3. 3 4
MehrKapitel 17 Skalar- und Vektorprodukt
Kapitel 17 Skalar- und Vektorprodukt Mathematischer Vorkurs TU Dortmund Seite 1 / 22 Bisher hatten wir die Möglichkeit Vektoren des R n zu addieren und Vektoren mit rellen Zahlen zu multiplizieren. Man
Mehr