Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth
|
|
- Frank Waltz
- vor 7 Jahren
- Abrufe
Transkript
1 Lineare Algebra Mathematik II für Chemiker Daniel Gerth
2 Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter Matrizen versteht, und wie man mit ihnen rechnet Was Determinanten, Eigenwerte und Eigenvektoren einer Matrix bedeuten Wie man lineare Gleichungssysteme löst Daniel Gerth (JKU) Lineare Algebra 2 / 35
3 Inhaltsverzeichnis 1 Vektoren 2 Geraden und Ebenen 3 Matrizen 4 Lineare Gleichungssysteme 5 Determinante, Eigenwerte, Eigenvektoren Daniel Gerth (JKU) Lineare Algebra 3 / 35
4 Motivation Bislang wurden nur eindimensionale Größen betrachtet. Damit können Phänomene beschrieben werden, die nur von einer Zahl (einem Skalar = ein Zahlenwert bezüglich einer Skala) abhängen. Oft benötigt man jedoch einen Satz mehrerer Zahlen zur vollständigen mathematischen Beschreiben, zum Beispiel für Daniel Gerth (JKU) Lineare Algebra 4 / 35
5 Motivation Bislang wurden nur eindimensionale Größen betrachtet. Damit können Phänomene beschrieben werden, die nur von einer Zahl (einem Skalar = ein Zahlenwert bezüglich einer Skala) abhängen. Oft benötigt man jedoch einen Satz mehrerer Zahlen zur vollständigen mathematischen Beschreiben, zum Beispiel für geometrische Sachverhalte (Bewegung, Längen, Winkel, Abstände in 2D, 3D) Größen die in einem geometrischen Raum wirken (z.b. Kraft F wirkt im 3-dimensionalen Raum in x- y- und z-richtung, Geschwindigkeit v,...) Größen, die von mehreren Eigenschaften abhängen (zb Dichte des Gemischs mehrerer Stoffe) Sachverhalte, die in der mehrere Größen auf einmal beschrieben werden können/sollen Daniel Gerth (JKU) Lineare Algebra 4 / 35
6 Notation Wir betrachten allgemein den Raum R n bestehend aus n reellen Zahlen. (man kann -ganz analog- den Raum C n einführen). Aber starten wir mit den wichtigsten Spezialfällen: n = 1: R 1 = R, also die uns bekannten reellen Zahlen n = 2: R 2, geometrisch die 2-dimensionale ( ) Ebene. Es wird beschrieben mit x1 einem 2-Tupel (Vektor) reeller Zahlen n = 3: R 3, geometrisch der 3-dimensionale Raum. Er wird beschrieben mit x 2 x 1 einem 3-Tupel (Vektor) reeller Zahlen x 2 x 3 Daniel Gerth (JKU) Lineare Algebra 5 / 35
7 allgemein R n als n-tupel (Vektor) reeller Zahlen x 1 x 2. x n 1 x n zur besseren Übersicht schreiben wir (x 1, x 2, x 3, x 4,..., x n 1, x n ) T, dabei bezeichnet () T den transponierten Vektor (indem wir Spalten als Zeilen schreiben bzw. später Zeilen als Spalten) Daniel Gerth (JKU) Lineare Algebra 6 / 35
8 allgemein R n als n-tupel (Vektor) reeller Zahlen x 1 x 2. x n 1 x n zur besseren Übersicht schreiben wir (x 1, x 2, x 3, x 4,..., x n 1, x n ) T, dabei bezeichnet () T den transponierten Vektor (indem wir Spalten als Zeilen schreiben bzw. später Zeilen als Spalten) x i (i = 1,..., n) sind die Koordinaten oder Komponenten des Vektors Daniel Gerth (JKU) Lineare Algebra 6 / 35
9 allgemein R n als n-tupel (Vektor) reeller Zahlen x 1 x 2. x n 1 x n zur besseren Übersicht schreiben wir (x 1, x 2, x 3, x 4,..., x n 1, x n ) T, dabei bezeichnet () T den transponierten Vektor (indem wir Spalten als Zeilen schreiben bzw. später Zeilen als Spalten) x i (i = 1,..., n) sind die Koordinaten oder Komponenten des Vektors Notation: im geometrischen Zusammenhang schreiben wir x = (x 1,..., x n ) T. Ebenfalls üblich: x, x, x Im entsprechenden Kontext wird oft auch einfach x verwendet. Daniel Gerth (JKU) Lineare Algebra 6 / 35
10 Geometrische Interpretation am Beispiel n = 2 Gegeben sei ein rechtwinkliges Koordinatensystem in der Ebene mit Ursprung O = (0, 0) und Achsen x 1 und x 2. a x 2 p = ( p1 p 2 ) P (p 1, p 2 ) a 2 (0, 0) x 1 a 1 ( ) a1 Ein Vektor a = beschreibt eine Richtung gehe a a 1 Schritte in Richtung 2 positiver x 1 -Achse und a 2 Schritte in Richtung positiver x 2 -Achse. Jeder ( Punkt ) P = (p 1, p 2 ) in R 2 wird charakterisiert durch einen Vektor p1 p =, der am Ursprung angesetzt wird. p heisst dann Ortsvektor zu P. p 2 (analog für beliebiges n) Daniel Gerth (JKU) Lineare Algebra 7 / 35
11 Rechenoperationen Wir wollen Vektoren addieren: a + b =?, dies geschieht komponentenweise a 1 b 1 a 1 + b 1 a + a 2 b =. + b 2. = a 2 + b 2. a n b n a n + b n Daniel Gerth (JKU) Lineare Algebra 8 / 35
12 Rechenoperationen Wir wollen Vektoren addieren: a + b =?, dies geschieht komponentenweise a 1 b 1 a 1 + b 1 a + a 2 b =. + b 2. = a 2 + b 2. a n b n a n + b n und Vektoren mit einer Zahl multiplizieren: λ x =?, λ R x 1 λ x 1 x 2 λ x = λ.. = λ x 2.. x n λ x n Daniel Gerth (JKU) Lineare Algebra 8 / 35
13 Rechenoperationen Wir wollen Vektoren addieren: a + b =?, dies geschieht komponentenweise a 1 b 1 a 1 + b 1 a + a 2 b =. + b 2. = a 2 + b 2. a n b n a n + b n und Vektoren mit einer Zahl multiplizieren: λ x =?, λ R x 1 λ x 1 x 2 λ x = λ.. = λ x 2.. x n λ x n Beispiel, n = 2 ( ( ) = 1) 0.5 ( ) 1, ( ) 1 = 0.25 ( ) Daniel Gerth (JKU) Lineare Algebra 8 / 35
14 Vektorraum-Eigenschaften Sei a = (a 1, a 2,, a n ) T R n. Dann schreiben wir a für ( 1) a. Den Vektor (0, 0,, 0) T R n bezeichnen wir kurz 0. Damit gilt für a, b, c R n, λ, µ R: Daniel Gerth (JKU) Lineare Algebra 9 / 35
15 Vektorraum-Eigenschaften Sei a = (a 1, a 2,, a n ) T R n. Dann schreiben wir a für ( 1) a. Den Vektor (0, 0,, 0) T R n bezeichnen wir kurz 0. Damit gilt für a, b, c R n, λ, µ R: a) a + 0 = a b) ( a + b) + c = a + ( b + c) c) a + b = b + a d) a + ( a) = 0 e) (λ + µ) a = λ a + µ a f) λ ( a + b) = λ a + λ b g) 1 a = a Daniel Gerth (JKU) Lineare Algebra 9 / 35
16 Vektorraum-Eigenschaften Sei a = (a 1, a 2,, a n ) T R n. Dann schreiben wir a für ( 1) a. Den Vektor (0, 0,, 0) T R n bezeichnen wir kurz 0. Damit gilt für a, b, c R n, λ, µ R: a) a + 0 = a b) ( a + b) + c = a + ( b + c) c) a + b = b + a d) a + ( a) = 0 e) (λ + µ) a = λ a + µ a f) λ ( a + b) = λ a + λ b g) 1 a = a Definition 1.1 Eine Menge V mit Addition + und skalarer Multiplikation, so dass mit a, b V, λ R [λ C] auch a + b V, λ a V und bezüglich +, die Eigenschaften a)-g) gelten, heißt Vektorraum über R [über C] Hinweis: wir werden uns im Folgenden auf reelle Vektorräume beschränken Daniel Gerth (JKU) Lineare Algebra 9 / 35
17 Beachten Sie immer den Unterschied zwischen Punkt und Vektor! Ein Punkt ist fest durch Koordinatenursprung und Koordinaten (Ortsvektor) bestimmt. Ein Vektor beschreibt nur eine Richtung und kann an jedem Punkt angesetzt werden. Wie kommt man nun von einem Punkt zum anderen? x 2 P (p 1, p 2 ) P Q Q(q 1, q 2 ) p q x 1 Seien P = (p 1, p 2,..., p n ) und Q = (q 1, q 2,..., q n ) Punkte im R n. Der Vektor q 1 p 1 q 2 p 2 P Q = beschreibt die Richtung von Punkt P zu Punkt Q.. q n p n Es gilt q = p + P Q, wobei p und q die Ortsvektoren zu P und Q sind. Daniel Gerth (JKU) Lineare Algebra 10 / 35
18 Mit diesen Eigenschaften können wir uns im Vektorraum bewegen. Zur Beschreibung einer Bewegung bzw. eines Objekts benutzen wir jedoch oft spezielle Kenngrößen: Längen, Abstände und Winkel Welche Bedingungen sollte eine Länge erfüllen? Daniel Gerth (JKU) Lineare Algebra 11 / 35
19 Mit diesen Eigenschaften können wir uns im Vektorraum bewegen. Zur Beschreibung einer Bewegung bzw. eines Objekts benutzen wir jedoch oft spezielle Kenngrößen: Längen, Abstände und Winkel Welche Bedingungen sollte eine Länge erfüllen? Definition 1.2 Sei V ein Vektorraum über R. Eine Abbildung : V R heißt Norm auf V, falls folgende Bedingungen gelten: x V : x = 0 x = 0 und x 0 x V, λ R : λx = λ x x, y V : x + y x + y (V, ) heißt normierter Raum. Daniel Gerth (JKU) Lineare Algebra 11 / 35
20 Wie definiert man so eine Norm? Die natürlichste Möglichkeit kann vom Satz des Pythagoras abgeleitet werden: x x 2 Sei x = ( x1 x 1 x 2 ). Dann ist x = x x2 2. Daniel Gerth (JKU) Lineare Algebra 12 / 35
21 Wie definiert man so eine Norm? Die natürlichste Möglichkeit kann vom Satz des Pythagoras abgeleitet werden: x x 2 ( x1 ) Sei x =. Dann ist x = x x x Sein nun n = 3. Man kann wieder mittels Satz des Pythagoras herleiten: x = x x2 2 + x2 3 x 1 Daniel Gerth (JKU) Lineare Algebra 12 / 35
22 Wie definiert man so eine Norm? Die natürlichste Möglichkeit kann vom Satz des Pythagoras abgeleitet werden: x x 2 ( x1 ) Sei x =. Dann ist x = x x x Sein nun n = 3. Man kann wieder mittels Satz des Pythagoras herleiten: x = x x2 2 + x2 3 Definition 1.3 x 1 Sei x = (x 1, x 2,..., x n 1, x n ) T R n. Dann ist x 2 = x x x2 n 1 + x2 n die euklidische Norm. Man nennt sie auch Länge oder Betrag des Vektors und schreibt x statt x 2. Daniel Gerth (JKU) Lineare Algebra 12 / 35
23 Wie definiert man so eine Norm? Die natürlichste Möglichkeit kann vom Satz des Pythagoras abgeleitet werden: x x 2 ( x1 ) Sei x =. Dann ist x = x x x Sein nun n = 3. Man kann wieder mittels Satz des Pythagoras herleiten: x = x x2 2 + x2 3 Definition 1.3 x 1 Sei x = (x 1, x 2,..., x n 1, x n ) T R n. Dann ist x 2 = x x x2 n 1 + x2 n die euklidische Norm. Man nennt sie auch Länge oder Betrag des Vektors und schreibt x statt x 2. Beispiel x = 3 1. Dann x 2 = x = ( 3) = Daniel Gerth (JKU) Lineare Algebra 12 / 35
24 Der Betrag eines Vektors erüllt in der Tat die Bedingungen einer Norm. Es gibt auch andere Möglichkeiten eine Norm zu definieren. Daniel Gerth (JKU) Lineare Algebra 13 / 35
25 Der Betrag eines Vektors erüllt in der Tat die Bedingungen einer Norm. Es gibt auch andere Möglichkeiten eine Norm zu definieren. Definition 1.4 Ein Vektor der Länge eins heißt Einheitsvektor. Sei x = (x 1, x 2,..., x n 1, x n ) T. Der Vektor e x = x x heißt Einheitsvektor in Richtung x. Daniel Gerth (JKU) Lineare Algebra 13 / 35
26 Der Betrag eines Vektors erüllt in der Tat die Bedingungen einer Norm. Es gibt auch andere Möglichkeiten eine Norm zu definieren. Definition 1.4 Ein Vektor der Länge eins heißt Einheitsvektor. Sei x = (x 1, x 2,..., x n 1, x n ) T. Der Vektor e x = x x heißt Einheitsvektor in Richtung x. Mit einer Norm können wir auch Abstände berechnen. Da Vektoren frei verschiebbar sind, macht dies nur für Punkte, also Ortsvektoren, Sinn! Daniel Gerth (JKU) Lineare Algebra 13 / 35
27 Der Betrag eines Vektors erüllt in der Tat die Bedingungen einer Norm. Es gibt auch andere Möglichkeiten eine Norm zu definieren. Definition 1.4 Ein Vektor der Länge eins heißt Einheitsvektor. Sei x = (x 1, x 2,..., x n 1, x n ) T. Der Vektor e x = x x heißt Einheitsvektor in Richtung x. Mit einer Norm können wir auch Abstände berechnen. Da Vektoren frei verschiebbar sind, macht dies nur für Punkte, also Ortsvektoren, Sinn! Seien P = (p 1, p 2,..., p n ) und Q = (q 1, q 2,..., q n ) Punkte in R n mit Ortsvektoren p und q. Der Abstand zwischen P und Q ist P Q = q p = (q1 p 1 ) 2 + (q 2 p 2 ) (q n p n ) 2 Daniel Gerth (JKU) Lineare Algebra 13 / 35
28 Der Betrag eines Vektors erüllt in der Tat die Bedingungen einer Norm. Es gibt auch andere Möglichkeiten eine Norm zu definieren. Definition 1.4 Ein Vektor der Länge eins heißt Einheitsvektor. Sei x = (x 1, x 2,..., x n 1, x n ) T. Der Vektor e x = x x heißt Einheitsvektor in Richtung x. Mit einer Norm können wir auch Abstände berechnen. Da Vektoren frei verschiebbar sind, macht dies nur für Punkte, also Ortsvektoren, Sinn! Seien P = (p 1, p 2,..., p n ) und Q = (q 1, q 2,..., q n ) Punkte in R n mit Ortsvektoren p und q. Der Abstand zwischen P und Q ist Beispiel P Q = q p = (q1 p 1 ) 2 + (q 2 p 2 ) (q n p n ) 2 P = (1, 2, 3), Q = ( 1, 2, 4) P Q = P Q = ( 2) = 5 2 0, 1 Daniel Gerth (JKU) Lineare Algebra 13 / 35
29 Zur Messung von Winkeln führen wir das Skalarprodukt ein. Daniel Gerth (JKU) Lineare Algebra 14 / 35
30 Zur Messung von Winkeln führen wir das Skalarprodukt ein. Definition 1.5 Sei V ein Vektorraum über R. Eine Abbildung, : V V R heißt Skalarprodukt (inneres Produkt) auf V, falls folgende Bedingungen gelten: x V : x, x = 0 x = 0 und x, x 0 x, y V : x, y = x, y x, y, z V, λ, µ R : λx + µy, z = λ x, z + µ y, z (V,, ) heißt euklidischer Vektorraum. Daniel Gerth (JKU) Lineare Algebra 14 / 35
31 Zur Messung von Winkeln führen wir das Skalarprodukt ein. Definition 1.5 Sei V ein Vektorraum über R. Eine Abbildung, : V V R heißt Skalarprodukt (inneres Produkt) auf V, falls folgende Bedingungen gelten: x V : x, x = 0 x = 0 und x, x 0 x, y V : x, y = x, y x, y, z V, λ, µ R : λx + µy, z = λ x, z + µ y, z (V,, ) heißt euklidischer Vektorraum. Theorem 1 Sei (V,, ) ein euklidischer Vektorraum. Dann ist x = x, x eine Norm auf V, (V,, ) ein normierter Raum. Daniel Gerth (JKU) Lineare Algebra 14 / 35
32 Zur Messung von Winkeln führen wir das Skalarprodukt ein. Definition 1.5 Sei V ein Vektorraum über R. Eine Abbildung, : V V R heißt Skalarprodukt (inneres Produkt) auf V, falls folgende Bedingungen gelten: x V : x, x = 0 x = 0 und x, x 0 x, y V : x, y = x, y x, y, z V, λ, µ R : λx + µy, z = λ x, z + µ y, z (V,, ) heißt euklidischer Vektorraum. Theorem 1 Sei (V,, ) ein euklidischer Vektorraum. Dann ist x = x, x eine Norm auf V, (V,, ) ein normierter Raum. Theorem 2 Sei (V,, ) ein euklidischer Vektorraum mit Norm x := x, x,. Dann gilt die Cauchy-Schwarzsche Ungleichung x, y V : x, y x y Daniel Gerth (JKU) Lineare Algebra 14 / 35
33 Definition 1.6 Seien x = (x 1, x 2,..., x n ) und y = (y 1, y 2,..., y n ) Vektoren in R n. Das (euklidische) Skalarprodukt x, y is definiert als x, y = n x i y i = x 1 y 1 + x 2 y x n y n. i=1 Man schreibt auch x y anstatt x, y. Daniel Gerth (JKU) Lineare Algebra 15 / 35
34 Definition 1.6 Seien x = (x 1, x 2,..., x n ) und y = (y 1, y 2,..., y n ) Vektoren in R n. Das (euklidische) Skalarprodukt x, y is definiert als x, y = n x i y i = x 1 y 1 + x 2 y x n y n. i=1 Man schreibt auch x y anstatt x, y. Beispiel x = 3 2, y = Dann ist x, y = 3 ( 1) + ( 2) ( 2) = 5 4 Daniel Gerth (JKU) Lineare Algebra 15 / 35
35 Definition 1.6 Seien x = (x 1, x 2,..., x n ) und y = (y 1, y 2,..., y n ) Vektoren in R n. Das (euklidische) Skalarprodukt x, y is definiert als x, y = n x i y i = x 1 y 1 + x 2 y x n y n. i=1 Man schreibt auch x y anstatt x, y. Beispiel x = 3 2, y = Dann ist x, y = 3 ( 1) + ( 2) ( 2) = 5 4 Sei x = (x 1, x 2,..., x n ) T. Dann x 2 = x, x = x x , x2 n, also gerade die Länge des Vektors x. Mit anderen Worten: x 2 2 = x, x. Daniel Gerth (JKU) Lineare Algebra 15 / 35
36 x ϕ y Seien x, y R n und ϕ der von x und y eingeschlossene Winkel. Dann gilt cos ϕ = x, y x y Daniel Gerth (JKU) Lineare Algebra 16 / 35
37 x ϕ y Seien x, y R n und ϕ der von x und y eingeschlossene Winkel. Dann gilt cos ϕ = x, y x y Ist ϕ = 90, so stehen die Vektoren x und y senkrecht aufeinander. Definition 1.7 Seien x, y R n. Gilt x, y = 0, so nennen wir x und y orthogonal zueinander. Gilt zusätzlich x = y = 1, so nennen wir sie orthonormal. Daniel Gerth (JKU) Lineare Algebra 16 / 35
38 x ϕ y Seien x, y R n und ϕ der von x und y eingeschlossene Winkel. Dann gilt cos ϕ = x, y x y Ist ϕ = 90, so stehen die Vektoren x und y senkrecht aufeinander. Definition 1.7 Seien x, y R n. Gilt x, y = 0, so nennen wir x und y orthogonal zueinander. Gilt zusätzlich x = y = 1, so nennen wir sie orthonormal. Beispiel 1 3 x = 2, y = 0. Dann x = 6, y = 10, x, y = 4. Also cos ϕ = , also ϕ = Daniel Gerth (JKU) Lineare Algebra 16 / 35
39 Kreuzprodukt Im 3-dimensionalen Raum (und nur dort!) haben wir noch eine weitere wichtige Größe: Definition 1.8 Seien x und y Vektoren in R 3. Das Kreuzprodukt (auch Vektorprodukt genannt) ist definiert wie folgt: x 1 y 1 x 2 y 3 x 3 y 2 x 2 y 2 = x 3 y 1 x 1 y 3 x 3 y 3 x 1 y 2 x 2 y 1 Daniel Gerth (JKU) Lineare Algebra 17 / 35
40 Kreuzprodukt Im 3-dimensionalen Raum (und nur dort!) haben wir noch eine weitere wichtige Größe: Definition 1.8 Seien x und y Vektoren in R 3. Das Kreuzprodukt (auch Vektorprodukt genannt) ist definiert wie folgt: x 1 y 1 x 2 y 3 x 3 y 2 x 2 y 2 = x 3 y 1 x 1 y 3 x 3 y 3 x 1 y 2 x 2 y 1 Beispiel ( 1) 4 ( 2) 3 2 x = 1, y = 2, x y = = ( 2) 2 ( 1) 1 Daniel Gerth (JKU) Lineare Algebra 17 / 35
41 Eigenschaften des Kreuzprodukts Seien a, b, c R 3. Sei c = a b. Dann ist c orthogonal zu a und b. a, b, c bilden ein Rechtssystem c dentspricht dem Flächeninhalt des von a und b aufgespannten Parallelograms a b = ( b a) a ( b + c) = a b + a c Achtung: es gilt nicht ( a b) c = a ( b c) Daniel Gerth (JKU) Lineare Algebra 18 / 35
42 Linearkombination Definition 1.9 Seien v 1, v 2,..., v k k Vektoren in R n. Ein Vektor u R n heißt Linearkombination der Vektoren v 1, v 2,..., v k falls es k reelle Zahlen λ 1, λ 2,..., λ k gib so dass k u = λ i v i. i=1 Daniel Gerth (JKU) Lineare Algebra 19 / 35
43 Linearkombination Definition 1.9 Seien v 1, v 2,..., v k k Vektoren in R n. Ein Vektor u R n heißt Linearkombination der Vektoren v 1, v 2,..., v k falls es k reelle Zahlen λ 1, λ 2,..., λ k gib so dass k u = λ i v i. i=1 Beispiel Sei v 1 = 2, v 2 = 3. Dann ist u = 13 eine Linearkombination von v und v 2 denn u = 2 v v 2 Daniel Gerth (JKU) Lineare Algebra 19 / 35
44 Definition 1.10 Seien v 1, v 2,..., v k k Vektoren in R n. Wir nennen v 1, v 2,..., v k (linear) Unabhängig, wenn gilt k λ i v i = 0 genau dann wenn λ i = 0 für alle i i=1 Daniel Gerth (JKU) Lineare Algebra 20 / 35
45 Definition 1.10 Seien v 1, v 2,..., v k k Vektoren in R n. Wir nennen v 1, v 2,..., v k (linear) Unabhängig, wenn gilt Beispiel 1 k λ i v i = 0 genau dann wenn λ i = 0 für alle i i=1 Seien v 1, v 2, u wie zuvor, also u = 2 v v 2. Dann ist u 2 v 1 3 v 2 = 0. Es gilt also λ 1 = 1, λ 2 = 2, λ 3 = 3. Die Vektoren sind folglich nicht linear unabhängig. Daniel Gerth (JKU) Lineare Algebra 20 / 35
46 Definition 1.10 Seien v 1, v 2,..., v k k Vektoren in R n. Wir nennen v 1, v 2,..., v k (linear) Unabhängig, wenn gilt Beispiel 1 k λ i v i = 0 genau dann wenn λ i = 0 für alle i i=1 Seien v 1, v 2, u wie zuvor, also u = 2 v v 2. Dann ist u 2 v 1 3 v 2 = 0. Es gilt also λ 1 = 1, λ 2 = 2, λ 3 = 3. Die Vektoren sind folglich nicht linear unabhängig. Beispiel Seien v 1 = 0, v 2 = 2, v 1 = 0 Nun gilt λ 1 v 1 + λ 2 v 2 + λ 3 v 3 = nur, falls λ 1 = 0, λ 2 = 0, λ 3 = 0. Die Vektoren sind folglich linear unabhängig. Daniel Gerth (JKU) Lineare Algebra 20 / 35
47 Untersuchung von Vektoren auf Unabhängigkeit führt i.a. auf ein lineares Gleichungssystem. Ausnahme: zwei Vektoren v 1, v 2 sind linear unabhängig, genau dann wenn sie parallel sind, d.h. es gibt ein λ R\{0} so dass v 1 = λ v 2 Daniel Gerth (JKU) Lineare Algebra 20 / 35 Definition 1.10 Seien v 1, v 2,..., v k k Vektoren in R n. Wir nennen v 1, v 2,..., v k (linear) Unabhängig, wenn gilt Beispiel 1 k λ i v i = 0 genau dann wenn λ i = 0 für alle i i=1 Seien v 1, v 2, u wie zuvor, also u = 2 v v 2. Dann ist u 2 v 1 3 v 2 = 0. Es gilt also λ 1 = 1, λ 2 = 2, λ 3 = 3. Die Vektoren sind folglich nicht linear unabhängig. Beispiel Seien v 1 = 0, v 2 = 2, v 1 = 0 Nun gilt λ 1 v 1 + λ 2 v 2 + λ 3 v 3 = nur, falls λ 1 = 0, λ 2 = 0, λ 3 = 0. Die Vektoren sind folglich linear unabhängig.
48 Spatprodukt Gegeben seien drei linear unabhängige Vektoren a, b, c, die ein Parallelepiped (Spat) im R 3 aufspannen. Definition 1.11 Das Spatprodukt ist definiert als Kombination von Kreuz-und Skalarprodukt: [ a, b, c] := ( a b) c Beispiel Seien a = (1, 1, 2) T, b = (0, 1, 0) T, c = (1, 0, 1) T. Dann ist V = ( a b) c = 1 Daniel Gerth (JKU) Lineare Algebra 21 / 35
49 Spatprodukt Gegeben seien drei linear unabhängige Vektoren a, b, c, die ein Parallelepiped (Spat) im R 3 aufspannen. Definition 1.11 Das Spatprodukt ist definiert als Kombination von Kreuz-und Skalarprodukt: [ a, b, c] := ( a b) c Für das Volumen V des Parallelepipeds gilt: V = ( a b) c ( a b) c = ( b c) a = ( c a) b weitere Eigenschaften können aus den Eigenschaften von Kreuz- und Skalarprodukt abgeleitet werden Beispiel Seien a = (1, 1, 2) T, b = (0, 1, 0) T, c = (1, 0, 1) T. Dann ist V = ( a b) c = 1 Daniel Gerth (JKU) Lineare Algebra 21 / 35
50 Definition 1.12 Die maximale Anzahl linear unabhängiger Vektoren eines Vektorraumes heißt Dimension. Der Raum R n hat die Dimension n. Daniel Gerth (JKU) Lineare Algebra 22 / 35
51 Definition 1.12 Die maximale Anzahl linear unabhängiger Vektoren eines Vektorraumes heißt Dimension. Der Raum R n hat die Dimension n. Definition 1.13 Eine Menge n linear unabhängiger Vektoren im R n heißt Basis. Theorem 3 Sei e 1, e 2,..., e n eine Basis in R n. Dann lässt sich jeder Vektor u R n \ 0 eindeutig als Linearkombination der Basisvektoren darstellen, d.h. es gilt mit mindestens einem λ i 0. u = n λ i e i i=1 Daniel Gerth (JKU) Lineare Algebra 22 / 35
52 Wir haben bisher -und werden auch weiterhin- die Standardbasis im R n verwenden, d.h. e 1 = , e 2 = , e n = Daniel Gerth (JKU) Lineare Algebra 23 / 35
53 Wir haben bisher -und werden auch weiterhin- die Standardbasis im R n verwenden, d.h. e 1 = , e 2 = , e n = Sei v = v 1 v 2 v 3 R 3. Dann gilt v = v v v = v 1 e 1 + v 2 e 2 + v 3 e 3. Daniel Gerth (JKU) Lineare Algebra 23 / 35
54 Geraden Wir beschränken uns nun auf den 3-dimensionalen Raum R 3. Wir wissen bereits, wie man einen Punkt im R 3 darstellt. Definition 2.1 Eine Gerade im R 3 wird bestimmt durch einen Punkt (mit Ortsvektor p), durch den sie geht, sowie die Richtung r, in die sie verläuft. g := x 1 x 2 x 3 = p 1 p 2 p 3 + λ r 1 r 2 r 3 = p + λ r, λ R Jeder Punkt auf der Gerade wird für ein bestimmtes λ erreicht. Sei Q = (q 1, q 2, q 3 ) R 3. Dann liegt Q auf der Geraden g genau dann wenn es ein λ 0 gibt so dass q = p + λ 0 r. Daniel Gerth (JKU) Lineare Algebra 24 / 35
55 Beispiel Sei P = (1, 2, 3) T, Q = (3, 2, 1) T. Die Gerade durch die Punkte P und Q ist gegeben durch g = x 1 x 2 = p + λ P Q = λ 4. x Der Punkt A(3, 2, 1) liegt (mit λ = 1) auf g, der Punkt B = (3, 1, 1) jedoch nicht. Daniel Gerth (JKU) Lineare Algebra 25 / 35
56 Ebenen Es gibt mehrere Wege eine Ebene zu beschreiben: über 3 gegebene Punkte (die nicht auf einer Geraden liegen) über 2 gegebene Punte und eine Richtung über 1 gegebenen Punkt und 2 (nicht parallele) Richtungen über 1 gegebenen Punkt und einen Normalenvektor Die Varianten 1-3 sind nahezu äquivalent. Es ergibt sich die Parameterform Daniel Gerth (JKU) Lineare Algebra 26 / 35
57 Ebenen Es gibt mehrere Wege eine Ebene zu beschreiben: über 3 gegebene Punkte (die nicht auf einer Geraden liegen) über 2 gegebene Punte und eine Richtung über 1 gegebenen Punkt und 2 (nicht parallele) Richtungen über 1 gegebenen Punkt und einen Normalenvektor Die Varianten 1-3 sind nahezu äquivalent. Es ergibt sich die Parameterform Definition 2.2 Ein Ebene im R 3 in Parameterdarstellung ist gegeben durch E := x 1 x 2 = p + λ r + µ s = p 1 p 2 + λ r 1 r 2 + µ s 1 s 2 x 3 p 3 r 3 s 3 wobei p der Ortsvektor zum Punkt P = (p 1, p 2, p 3 ) ist, r, s linear unabhängig sind und λ, µ R. Daniel Gerth (JKU) Lineare Algebra 26 / 35
58 Ebenen Es gibt mehrere Wege eine Ebene zu beschreiben: über 3 gegebene Punkte (die nicht auf einer Geraden liegen) über 2 gegebene Punte und eine Richtung über 1 gegebenen Punkt und 2 (nicht parallele) Richtungen über 1 gegebenen Punkt und einen Normalenvektor Die Varianten 1-3 sind nahezu äquivalent. Es ergibt sich die Parameterform Definition 2.2 Ein Ebene im R 3 in Parameterdarstellung ist gegeben durch E := x 1 x 2 = p + λ r + µ s = p 1 p 2 + λ r 1 r 2 + µ s 1 s 2 x 3 p 3 r 3 s 3 wobei p der Ortsvektor zum Punkt P = (p 1, p 2, p 3 ) ist, r, s linear unabhängig sind und λ, µ R. Seien P, Q und R drei verschiedene Punkte im R 3. Dann ist die Ebene durch die Punkte gegeben durch E := p + λ P Q + µ P R. Daniel Gerth (JKU) Lineare Algebra 26 / 35
59 Eine Ebene ist bestimmt durch zwei Richtungen. Es gibt (bis auf das Vorzeichen) genau ein Richtung, die senkrecht auf der Ebene steht. Sei E = p + λ r + µ s und n = r s. Sei P = (p 1, p 2, p 3 ) T ein gegebener Punkt in der Ebene. Dann gilt für jeden weiteren Punkt X = (x 1, x 2, x 3 ) T in der Ebene x 1 p 1 n 1 P X n = 0 x 2 p 2 n 2 = 0 ( x p) n = 0 x 3 p 3 Diese Darstellung heißt Normalenform. Es gilt weiterhin: n 3 Daniel Gerth (JKU) Lineare Algebra 27 / 35
60 Eine Ebene ist bestimmt durch zwei Richtungen. Es gibt (bis auf das Vorzeichen) genau ein Richtung, die senkrecht auf der Ebene steht. Sei E = p + λ r + µ s und n = r s. Sei P = (p 1, p 2, p 3 ) T ein gegebener Punkt in der Ebene. Dann gilt für jeden weiteren Punkt X = (x 1, x 2, x 3 ) T in der Ebene x 1 p 1 n 1 P X n = 0 x 2 p 2 n 2 = 0 ( x p) n = 0 x 3 p 3 Diese Darstellung heißt Normalenform. Es gilt weiterhin: Es ist d := p n bekannt. Also ist n 3 ( x p) n = x n p n n 1 x 1 + n 2 x 2 + n 3 x 3 = d Dies ist die Ebenengleichung in Koordinatenform Daniel Gerth (JKU) Lineare Algebra 27 / 35
61 Eine Ebene ist bestimmt durch zwei Richtungen. Es gibt (bis auf das Vorzeichen) genau ein Richtung, die senkrecht auf der Ebene steht. Sei E = p + λ r + µ s und n = r s. Sei P = (p 1, p 2, p 3 ) T ein gegebener Punkt in der Ebene. Dann gilt für jeden weiteren Punkt X = (x 1, x 2, x 3 ) T in der Ebene x 1 p 1 n 1 P X n = 0 x 2 p 2 n 2 = 0 ( x p) n = 0 x 3 p 3 Diese Darstellung heißt Normalenform. Es gilt weiterhin: Es ist d := p n bekannt. Also ist n 3 ( x p) n = x n p n n 1 x 1 + n 2 x 2 + n 3 x 3 = d Dies ist die Ebenengleichung in Koordinatenform Sei e n := n n der Einheitsvektor in Richting n, d e := p e n. Dann ist die Hessesche Normalform der Ebene gegeben durch q e n = d e Daniel Gerth (JKU) Lineare Algebra 27 / 35
62 Beispiel Gegeben seien die Punkte P = (1, 2, 1), Q = ( 2, 1, 1), R = (5, 5, 0). Dann ist die durch die 3 Punkte aufgespannte Ebene in Parameterform x E := x 2 = 2 + λ 1 + µ 7, x 3 in Normalenform (mit P Q P R = (13, 11, 25) T ) x x = 0 x und in Koordinatenform 13x x x 3 = 10 Daniel Gerth (JKU) Lineare Algebra 28 / 35
63 Je nach Aufgabe bieten sich andere Ebenendarstellungen an: Suchen einer Ebene, die senkrecht auf einer geg. Gerade steht: Normalenform, Koordinatenform Berechnen des Schnittpunktes einer Geraden und einer Ebene: Koordiantenform, Parameterform Berechnen des Abstands Punkt-Gerade: Normalenform Berechnen des Abstands eines Punktes zu einer Ebene: Normalenform, Koordinatenform Berechnen der Schnittgerade zweier Ebenen: Normalenform, Parameterform... Daniel Gerth (JKU) Lineare Algebra 29 / 35
64 Lagebeziehungen einfach: Punkt-Punkt, Punkt-Gerade, Punkt-Ebene Daniel Gerth (JKU) Lineare Algebra 30 / 35
65 Lagebeziehungen einfach: Punkt-Punkt, Punkt-Gerade, Punkt-Ebene Gerade-Gerade identisch parallel schneiden sich in einem Punkt windschief Daniel Gerth (JKU) Lineare Algebra 30 / 35
66 Lagebeziehungen einfach: Punkt-Punkt, Punkt-Gerade, Punkt-Ebene Gerade-Gerade identisch parallel schneiden sich in einem Punkt windschief Gerade-Ebene Gerade liegt in Ebene parallel schneiden sich in einem Punkt Daniel Gerth (JKU) Lineare Algebra 30 / 35
67 Lagebeziehungen einfach: Punkt-Punkt, Punkt-Gerade, Punkt-Ebene Gerade-Gerade identisch parallel schneiden sich in einem Punkt windschief Gerade-Ebene Gerade liegt in Ebene parallel schneiden sich in einem Punkt Ebene-Ebene parallel schneiden sich in einer Gerade Daniel Gerth (JKU) Lineare Algebra 30 / 35
68 Matrizen Matrizen beschreiben lineare Operatoren auf Vektoren, sie verallgemeinern die lineare Funktion y = ax. Sie treten auch bei linearen Gleichungssystemen auf. Daniel Gerth (JKU) Lineare Algebra 31 / 35
69 Definition 3.1 Unter einer reellen n m-matrix A R n m versteht man die n m Zahlen a ij, i = 1,..., n, j = 1,... m,die in dem rechteckigen Schema a 11 a 12 a 1,m 1 a 1,m a 21 a 22 a 2,m 1 a 2,m A =.... a n 1,1 a n 1,2 a n 1,m 1 a n 1,m a n,1 a n,2 a n,m 1 a n,m zusammengefasst werden. Wir schreiben auch kurz A = (a ij ). Die Matrix A besteht aus n Zeilen und m Spalten. Die Zahlen a ij heißen Matrixelemente. Die Elemente a i,i heißen Diagonalelemente. Eine Matrix heißt quadratisch wenn m = n. Daniel Gerth (JKU) Lineare Algebra 32 / 35
70 Definition 3.1 Unter einer reellen n m-matrix A R n m versteht man die n m Zahlen a ij, i = 1,..., n, j = 1,... m,die in dem rechteckigen Schema a 11 a 12 a 1,m 1 a 1,m a 21 a 22 a 2,m 1 a 2,m A =.... a n 1,1 a n 1,2 a n 1,m 1 a n 1,m a n,1 a n,2 a n,m 1 a n,m zusammengefasst werden. Wir schreiben auch kurz A = (a ij ). Die Matrix A besteht aus n Zeilen und m Spalten. Die Zahlen a ij heißen Matrixelemente. Die Elemente a i,i heißen Diagonalelemente. Eine Matrix heißt quadratisch wenn m = n. Beispiel Es sind A = ( ) R und A = R Daniel Gerth (JKU) Lineare Algebra 32 / 35
71 Definition 3.2 Unter der transponierten Matrix versteht man die Matrix A T = (a ji ), die man durch Vertauschen von Zeilen und Spalten erhält. Gilt A = A T so heißt A symmetrisch. Daniel Gerth (JKU) Lineare Algebra 33 / 35
72 Definition 3.2 Unter der transponierten Matrix versteht man die Matrix A T = (a ji ), die man durch Vertauschen von Zeilen und Spalten erhält. Gilt A = A T so heißt A symmetrisch. Beispiel A = ( ) R 2 3 A T = Daniel Gerth (JKU) Lineare Algebra 33 / 35
73 Definition 3.2 Unter der transponierten Matrix versteht man die Matrix A T = (a ji ), die man durch Vertauschen von Zeilen und Spalten erhält. Gilt A = A T so heißt A symmetrisch. Beispiel A = ( ) R 2 3 A T = Definition 3.3 Eine Matrix I R n n mit 1 als Diagonalelementen und 0 sonst, I = heißt Einheitsmatrix (manchmal auch mit E bezeichnet) Daniel Gerth (JKU) Lineare Algebra 33 / 35
74 Lineare Gleichungssysteme folgt Daniel Gerth (JKU) Lineare Algebra 34 / 35
75 Determinante, Eigenwerte, Eigenvektoren folgt Daniel Gerth (JKU) Lineare Algebra 35 / 35
Inhalt. 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
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
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
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
Mehrentspricht 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.
MehrKapitel 16 Skalar- und Vektorprodukt
Kapitel 16 Skalar- und Vektorprodukt Mathematischer Vorkurs TU Dortmund Seite 210 / 246 Bisher hatten wir die Möglichkeit Vektoren des Vektoren mit rellen Zahlen zu multiplizieren. n zu addieren und Man
Mehr1 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
MehrVektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1
Vektoren Kapitel 13 Vektoren Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren 131 Denition: Vektoren im Zahlenraum Ein Vektor (im Zahlenraum) mit n Komponenten ist ein n-tupel reeller Zahlen,
MehrVektoren, Vektorräume
Vektoren, Vektorräume Roman Wienands Sommersemester 2010 Mathematisches Institut der Universität zu Köln Roman Wienands (Universität zu Köln) Mathematik II für Studierende der Chemie Sommersemester 2010
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil
MehrKurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif
14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte
MehrGeometrie. Bei der Addition von Vektoren erhält man einen Repräsentanten des Summenvektors +, indem man die Repräsentanten von aneinanderfügt:
Geometrie 1. Vektoren Die Menge aller zueinander parallelen, gleich langen und gleich gerichteten Pfeile werden als Vektor bezeichnet. Jeder einzelne Pfeil heißt Repräsentant des Vektors. Bei Ortsvektoren:
MehrBrückenkurs 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
MehrGrundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015
Vektorrechnung Fakultät Grundlagen Juli 205 Fakultät Grundlagen Vektorrechnung Übersicht Grundsätzliches Grundsätzliches Vektorbegriff Algebraisierung der Vektorrechnung Betrag 2 Skalarprodukt Vektorprodukt
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
MehrVektorprodukt. Satz: Für a, b, c V 3 und λ IR gilt: = a b + a c (Linearität) (Linearität) b = λ
Vektorprodukt Satz: Für a, b, c V 3 und λ IR gilt: 1 a b = b a (Anti-Kommutativität) ( ) 2 a b + c ( 3 a λ ) b = λ = a b + a c (Linearität) ( a ) b (Linearität) Satz: Die Koordinatendarstellung des Vektorprodukts
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
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
MehrDenition 6.1 Eine Gerade ist die Menge aller Losungen (x; y) einer linearen Gleichung. y = A B x + C B : Ax + By = C mit 6= 0
6 Der Vektorraum R n In den folgenden Wochen wenden wir uns der Linearen Algebra zu, die man als eine abstrakte Form des Rechnens mit Vektoren auassen kann. Ein zentrales Thema werden lineare Raume (=
MehrAnalytische Geometrie, Vektorund Matrixrechnung
Kapitel 1 Analytische Geometrie, Vektorund Matrixrechnung 11 Koordinatensysteme Eine Gerade, eine Ebene oder den Anschauungsraum beschreibt man durch Koordinatensysteme 111 Was sind Koordinatensysteme?
Mehrd 2 b 2 c 2 d 3 b 3 c 3 , D a 1 d 1 c 1 v 3 Definiton (Verbindungsvektor): Zwei Punkte A(a 1 a 2 a 3 ) und B(b 1 b 2 b 3 ) legen den Vektor b 1 a 1
2008/2009 Das Wichtigste in Kürze Klasse 3 Lineare Gleichungssysteme und Determinanten Definiton (Lineare Gleichungssysteme: Lineare Gleichungssysteme löst man entweder mit dem Gauß-Algorithmus oder nach
MehrZusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren
Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier
MehrGrundwissen Abitur Geometrie 15. Juli 2012
Grundwissen Abitur Geometrie 5. Juli 202. Erkläre die Begriffe (a) parallelgleiche Pfeile (b) Vektor (c) Repräsentant eines Vektors (d) Gegenvektor eines Vektors (e) Welcher geometrische Zusammenhang besteht
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
MehrÜbungsblatt 5 : Lineare Algebra
Aufgabe 5.1 Übungsblatt 5 : Lineare Algebra Gegeben sind die folgenden Vektoren: Bestimmen Sie die Komponenten von Aufgabe 5.2 Gegeben seien die Vektoren Berechnen Sie (a) (b) (c) Aufgabe 5.3, d.h. der
MehrDefinition von R n. Parallelverschiebungen in R n. Definition 8.1 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R... R (n-mal), d.h.
8 Elemente der linearen Algebra 81 Der euklidische Raum R n Definition von R n Definition 81 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R R (n-mal), dh R n = {(x 1, x 2,, x n ) : x
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 6 4. Mai 2010 Definition 69. Der Vektor f 3 x 2 (x 1, x 2, x 3 ) f 2 x 3 (x 1, x 2, x 3 ) f 1 x 3 (x 1, x 2, x 3 ) f 3 x 1 (x 1, x 2, x 3 ) f 2 x
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
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
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
MehrGrundlagen der Vektorrechnung
Grundlagen der Vektorrechnung Ein Vektor a ist eine geordnete Liste von n Zahlen Die Anzahl n dieser Zahlen wird als Dimension des Vektors bezeichnet Schreibweise: a a a R n Normale Reelle Zahlen nennt
MehrTeil II. Geometrie 19
Teil II. Geometrie 9 5. Dreidimensionales Koordinatensystem Im dreidimensionalen Koordinatensystem gibt es acht Oktanten, oben I bis VI und unten VI bis VIII. Die Koordinatenachsen,x 2 und stehen jeweils
MehrSkalarprodukte (Teschl/Teschl Kap. 13)
Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +
MehrMathematik Analytische Geometrie
Mathematik Analytische Geometrie Grundlagen:. Das -Dimensionale kartesische Koordinatensystem: x x x. Vektoren und Ortsvektoren: a x = x x ist ein Vektor, der eine Verschiebung um x -Einheiten in x-richtung,
MehrBasistext Geraden und Ebenen
Basistext Geraden und Ebenen Parameterdarstellung Geraden Eine Gerade ist durch zwei Punkte P und Q, die auf der Geraden liegen, eindeutig festgelegt. Man benötigt zur Darstellung den Vektor. Dieser wird
MehrGRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 1. Vektorrechnung und Geometrie Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies
MehrVorlesung Mathematik 2 für Informatik
Vorlesung Mathematik für Informatik Inhalt: Lineare Algebra Rechnen mit Vektoren und Matrizen Lineare Gleichungssysteme, GauÿAlgorithmus Vektorräume, Lineare Abbildungen Eigenwerte und Eigenvektoren Literatur
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
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,
MehrLineare Algebra in der Oberstufe
Lineare Algebra in der Oberstufe Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 16. April 2016 Stefan Ruzika 1: Schulstoff 16. April 2016 1 / 32 Übersicht Ziel dieses Kapitels
MehrKapitel I: Vektorrechnung 2: Vektoren im Raum
WS 1/14 - Prof Dr Manfred Leitz 2 Vektoren im Raum A Grundbegriffe B Rechnen mit Vektoren C Der euklidische Betrag D Das euklidische Skalarprodukt E Vektorprodukt und Spatprodukt F Geraden und Ebenen im
MehrGeometrie. 1 Vektoren, Vektorielle analytische Geometrie der Ebene
Geometrie Geometrie W. Kuhlisch Brückenkurs 207. Vektoren, Vektorrechnung und analytische Geometrie der Ebene 2. Vektorrechnung und analytische Geometrie des Raumes 3. Anwendungen in der Geometrie, Lagebeziehungen
MehrVektoralgebra Anwendungen der Vektorrechnung VEKTORRECHNUNG. Prof. Dr. Dan Eugen Ulmet. Hochschule Esslingen 1/64
1/64 VEKTORRECHNUNG Prof. Dr. Dan Eugen Ulmet Hochschule Esslingen März 2011 2/64 Overview Vektoralgebra 1 Vektoralgebra 2 Was sind Vektoren? 3/64 Vektoren werden geometrisch definiert als Pfeilklassen:
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
Mehr3 Vektoren. 3.1 Kartesische Koordinaten in Ebene und Raum. Höhere Mathematik 60
Kartesische Koordinaten in Ebene und Raum 3 Vektoren 3.1 Kartesische Koordinaten in Ebene und Raum In der Ebene (mathematisch ist dies die Menge R 2 ) ist ein kartesisches Koordinatensystem festgelegt
Mehr1 lineare Gleichungssysteme
Hinweise und Lösungen: http://mathemathemathe.de/lineare-algebra-grundlagen 1 lineare Gleichungssysteme Übung 1.1: Löse das lineare Gleichungssystem: I 3x + 3y + 7z = 13 II 1x 2y + 2, 5z = 1, 5 III 4x
MehrLänge, Skalarprodukt, Geradengleichungen
Länge, Skalarprodukt, Geradengleichungen Jörn Loviscach Versionsstand: 9. April 2010, 18:48 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.youtube.com/joernloviscach
Mehr5. Geraden und Ebenen im Raum 5.1. Lineare Abhängigkeit und Unabhängigkeit von Vektoren
5 Geraden und Ebenen im Raum 5 Lineare Abhängigkeit und Unabhängigkeit von Vektoren Definition: Die Vektoren a,a,,a n heißen linear abhängig, wenn mindestens einer dieser Vektoren als Linearkombination
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
Mehr(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2
Vektoren Mit der Vektorrechnung werden oft geometrische Probleme gelöst. Wenn irgendwelche Aufgabenstellungen geometrisch darstellbar sind, z.b. Flugbahnen oder Abstandsberechnungen, dann können sie mit
MehrHilfsblätter Lineare Algebra
Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,
MehrZusammenfassung der Analytischen Geometrie
Zusammenfassung der Analytischen Geometrie 1. Rechnen mit Vektoren (Addition, Subtraktion, S-Multiplikation, Linearkombinationen) 1. Gegeben sind die Punkte A(2-6 ) und B(-1 14-4), 4 4 sowie die Vektoren
MehrAbitur 2013 Mathematik Geometrie V
Seite 1 http://www.abiturloesung.de/ Seite Abitur 1 Mathematik Geometrie V Teilaufgabe b ( BE) Ein auf einer horizontalen Fläche stehendes Kunstwerk besitzt einen Grundkörper aus massiven Beton, der die
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
MehrLehrskript Mathematik Q12 Analytische Geometrie
Lehrskript Mathematik Q1 Analytische Geometrie Repetitorium der analytischen Geometrie Eine Zusammenfassung der analytischen Geometrie an bayerischen Gymnasien von Markus Baur, StR Werdenfels-Gymnasium
MehrLineare Algebra in der Oberstufe
Lineare Algebra in der Oberstufe Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 11. April 2016 Stefan Ruzika 1: Schulstoff 11. April 2016 1 / 21 Übersicht Ziel dieses Kapitels
MehrÜbungsaufgaben Vektoren
Kallenrode, www.sotere.uos.de Übungsaufgaben Vektoren 1. Gegeben sind die Einheitsvektoren in Zylinderkoordinaten e ϱ = cos ϕ sin ϕ, e ϕ = sin ϕ cos ϕ und e z = 0 0 0 0 1 und Kugelkoordinaten: sin ϑ cos
MehrVorkurs Mathematik. Vektoren, lineare Gleichungssysteme und Matrizen
Dorfmeister, Boiger, Langwallner, Pfister, Schmid, Wurtz Vorkurs Mathematik TU München WS / Blatt Vektoren, lineare Gleichungssysteme und Matrizen. In einem kartesischen Koordinatensystem des R sei eine
MehrMathematik I. Vorlesung 18. Vielfachheiten und diagonalisierbare Abbildungen. µ λ = dim(eig λ (ϕ))
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 18 Vielfachheiten und diagonalisierbare Abbildungen Satz 18.1. Es sei K ein Körper und es sei V ein endlichdimensionaler K- Vektorraum.
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
Mehr2.2 Kollineare und koplanare Vektoren
. Kollineare und koplanare Vektoren Wie wir schon gelernt haben, können wir einen Vektor durch Multiplikation mit einem Skalar verlängern oder verkürzen. In Abbildung 9 haben u und v die gleiche Richtung,
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
MehrLänge, Skalarprodukt, Vektorprodukt
Länge, Skalarprodukt, Vektorprodukt Jörn Loviscach Versionsstand: 20. April 2009, 19:39 1 Überblick Ein Vektorraum muss nur eine Minimalausstattung an Rechenoperationen besitzen: die Addition zweier Vektoren
MehrAnalytische Geometrie
13 Analytische Geometrie Gegenstand der analytischen Geometrie ist, wie man bereits ahnen kann, die klassische Geometrie mit analytischen Methoden. Grundlage ist die Idee Rene Decartes, Punkte in der Ebene
MehrMit Skalarprodukt und Vektorprodukt lässt sich ein weiteres, kombiniertes Produkt, das Spatprodukt
Mit Skalarprodukt und Vektorprodukt lässt sich ein weiteres, kombiniertes Produkt, das Spatprodukt a ( b c) bilden. Aus der geometrischen Interpretation von Skalarprodukt und Vektorprodukt ist sofort ersichtlich,
MehrTutorium: Diskrete Mathematik. Vektoren
Tutorium: Diskrete Mathematik Vektoren Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Definition I Im allgemeinen Sinn versteht man in der linearen Algebra unter einem Vektor ein Element
MehrAufgabenskript. Lineare Algebra
Dr Udo Hagenbach FH Gießen-Friedberg Sommersemester 9 Aufgabenskript zur Vorlesung Lineare Algebra 6 Vektoren Aufgabe 6 Gegeben sind die Vektoren a =, b =, c = Berechnen Sie die folgenden Vektoren und
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
Mehr13. Klasse TOP 10 Grundwissen 13 Geradengleichungen 01
. Klasse TOP 0 Grundwissen Geradengleichungen 0 Punkt-Richtungs-Form Geraden sind gegeben durch einen Aufpunkt A (mit Ortsvektor a) auf der Geraden und einen Richtungsvektor u: x = a + λ u, λ IR. (Interpretation:
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 207/8 2 Matrixalgebra / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrMatrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I
Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS Kapitel 2 Matrixalgebra Technologiematrix und wöchentliche Nachfrage (in Werteinheiten):
Mehr1 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
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
Mehr12. R n als EUKLIDISCHER VEKTORRAUM
12. R n als EUKLIDISCHER VEKTORRAUM 1 Orthogonalität in der Ebene. Die Vektoren in der Ebene, die (im üblichen Sinne) senkrecht zu einem Vektor x = (x 1, x 2 ) T stehen, lassen sich leicht angeben. Sie
MehrMathematik für Chemische Technologie 2
Mathematik für Chemische Technologie 2 Themenüberblick: Funktionen mehrerer unabhängigen Veränderlichen Vektoralgebra Lineare Gleichungssysteme und Determinanten Fehlerrechnung Schwerpunkt des Sommersemesters
MehrAufgabenskript. Lineare Algebra
Dr Udo Hagenbach FH Gießen-Friedberg Sommersemester Aufgabenskript zur Vorlesung Lineare Algebra 6 Vektoren Aufgabe 6 Gegeben sind die Vektoren a =, b =, c = Berechnen Sie die folgenden Vektoren und ihre
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
Mehrn n x a 1 a 2 = 0 n 1 x 1 + n 2 x 2 + ( n 1 a 1 n 2 a 2 )
IX. Normalformen ================================================================== 9.1 Die Normalenform einer Geradengleichung im 2-dimensionalen Punktraum ----------------------------------------------------------------------------------------------------------------
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
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
MehrLineare Algebra. 9. Übungsstunde. Steven Battilana.
Lineare Algebra 9. Übungsstunde Steven Battilana stevenb@student.ethz.ch November 2, 26 Erinnerung Sei x, y 2 E n, 2 E, danngilt: hx, yi = kxkkyk cos( ). Ist m eine beliebige natürliche Zahl, apple i,
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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
MehrDidaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra
A. Filler[-3mm] Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra, Teil 8 Folie 1 /27 Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra 8. Das Skalarprodukt, metrische
MehrGeometrie. 1 Vektorielle analytische Geometrie der Ebene, Kegelschnitte
Geometrie Geometrie W. Kuhlisch Brückenkurs 206. Vektorrechnung und analytische Geometrie der Ebene, Kegelschnitte 2. Vektorrechnung und analytische Geometrie des Raumes, Anwendungen in der Geometrie,
MehrAnalytische Geometrie II
Analytische Geometrie II Rainer Hauser März 212 1 Einleitung 1.1 Geradengleichungen in Parameterform Jede Gerade g in der Ebene oder im Raum lässt sich durch einen festen Punkt auf g, dessen Ortsvektor
MehrAufgabenskript. Lineare Algebra
Dr Udo Hagenbach FH Gießen-Friedberg Sommersemester Aufgabenskript zur Vorlesung Lineare Algebra 7 Vektoren Aufgabe 7 Gegeben sind die Vektoren a =, b =, c = Berechnen Sie die folgenden Vektoren und ihre
MehrVektorprodukte und analytische Geometrie
KAPITEL 4 Vektorprodukte und analytische Geometrie 4. Vektorprodukte.................................... 8 4. Skalarprodukt für Vektoren im R n.......................... 8 4. Anwendung des Skalarprodukts..........................
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
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
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
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
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Definition I Im allgemeinen Sinn versteht man in der linearen Algebra unter einem Vektor ein Element eines Vektorraums,
Mehr& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors
Einführu hnung Was ist ein Vektor? In Bereichen der Naturwissenschaften treten Größen auf, die nicht nur durch eine Zahlenangabe dargestellt werden können, wie Kraft oder Geschwindigkeit. Zur vollständigen
MehrFormelsammlung Analytische Geometrie
Formelsammlung Analytische Geometrie http://www.fersch.de Klemens Fersch 6. August 6 Inhaltsverzeichnis 6 Analytische Geometrie 6. Vektorrechung in der Ebene......................................... 6..
MehrGleiche Vorgehensweise wie beim Einheitsvektor in der Ebene (also wie bei 2D).Beispiel:
VEKTOREN Vektoren im Raum (3D) Länge/Betrag eines räumlichen Vektors Um die Länge eines räumlichen Vektors zu bestimmen, berechnen wir dessen Betrag. Auch hier rechnet man genauso wie bei einem zweidimensionalen
MehrGeometrie 3. Lagebeziehung zwischen geometrischen Objekten. 28. Oktober Mathe-Squad GbR. Lagebeziehung zwischen geometrischen Objekten 1
Geometrie 3 Lagebeziehung zwischen geometrischen Objekten Mathe-Squad GbR 28. Oktober 2016 Lagebeziehung zwischen geometrischen Objekten 1 Lage zweier Geraden Geraden g : #» X = #» A + λ #» u mit λ R h
MehrAnalytische Geometrie Spatprodukt
Analytische Geometrie Spatprodukt David Schmid, Reto Da Forno Kantonsschule Schüpfheim Januar 2005 Analytische Geometrie: Das Spatprodukt 1 Das Spatprodukt Hinweis: Die Vektoren werden aus darstellungstechnischen
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 7
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr 5, Thema, Aufgabe ) Sei V ein reeller Vektorraum. a) Wann nennt man eine Teilmenge U
MehrVektorrechnung Raumgeometrie
Vektorrechnung Raumgeometrie Sofja Kowalewskaja (*1850, 1891) Hypatia of Alexandria (ca. *360, 415) Maria Gaetana Agnesi (*1718, 1799) Emmy Noether (*1882 1935) Émilie du Châtelet (*1706, 1749) Cathleen
Mehr