0, v 6 = , v 4 = 1

Größe: px
Ab Seite anzeigen:

Download "0, v 6 = , v 4 = 1"

Transkript

1 Aufgabe 6. Linearkombinationen von Vektoren Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 : M = v =, v =, v 3 =, v 4 =, v 5 =, v 6 =. Zeigen Sie, dass sich jeder Vektor v i M, i =,,..., 6, als Linearkombination der anderen Vektoren aus M\{v i } schreiben lässt.. Zeigen Sie, dass gilt: span(v, v 5, v 6 ) = span(v 3, v 5, v 6 ). 3. Geben Sie eine Basis des von M aufgespannten Untervektorraums des R 4 an. 4. Betrachten Sie für λ, λ,..., λ 6 R die Vektorgleichung (Linearkombinationen des Nullvektors R 4 ): λ v + λ v { + λ 3 v 3 + λ 4 v 4 + λ 5 v 5 + λ 6 v 6 =. Zeigen Sie, dass die Menge K := (λ, λ,..., λ 6 ) R } 6 λ i v i = aller Vektoren λ = (λ, λ,..., λ 6 ) R 6, welche die obige Vektorgleichung erfüllen, ein Untervektorraum des R 6 ist. i= LÖSUNG:. v ist eine Linearkombination (LK) von n Vektoren v,.., v n V (Vektorraum über K), n N. v = λ v + λ v λ n v n = n λ i v i mit λ i K. Durch Vergleich der Komponenten der Vektoren erkennt man beispielsweise: v = v + v 4, v = v v 4, v 3 = v v 5, v 4 = v v, v 5 = v v 3, v 6 = v + v 3. n span(v,.., v n ) = { λ i v i λ i R, i =,.., n} Wir zeigen zunächst span(v, v 5, v 6 ) span(v 3, v 5, v 6 ) und suchen v als LK von v 3, v 5, v 6 v = v 3 + v 5 v, v 5, v 6 span(v 3, v 5, v 6 ) span(v, v 5, v 6 ) span(v 3, v 5, v 6 ) Umgekehrt gilt: v 3 = v v 5 v 3, v 5, v 6 span(v, v 5, v 6 ) span(v 3, v 5, v 6 ) span(v, v 5, v 6 ) i= Insgesamt folgt: span(v 3, v 5, v 6 ) = span(v, v 5, v 6 ) Zusatz: Wegen v = (v 5 + v 6 ) bzw. v 3 = (v 6 v 5 ) gilt: span(v, v 5, v 6 ) = span(v 3, v 5, v 6 ) = span(v 5, v 6 ) 3. Um eine Basis des Untervektorraums (?) U = span(v, v,..., v 6 ) anzugeben, müssen wir eine minimale Teilfamilie B von {v, v,..., v 6 } mit span B = span(v, v,..., v 6 ) angeben. Für die Vektoren v 4, v 5, v 6 gilt nach.: v 4 = v v, v 5 = v v 3 und v 6 = v + v 3. Somit gilt span(v, v,..., v 6 ) = span(v, v, v 3 ). i=

2 Nun ist noch die lineare Abhängigkeit der drei Vektoren v, v und v 3 zu untersuchen. Wir vermuten, dass diese drei Vektoren linear unabhängig sind, und zeigen dazu, dass diese nur eine triviale LK des Nullvektors bilden, d.h. aus dem Ansatz: λ v + λ v + λ 3 v 3 = folgt λ = λ = λ 3 =. λ + λ + λ 3 = λ + λ = λ = λ λ + λ + λ 3 = λ + λ + λ 3 = λ 3 = λ + λ = λ = λ = λ = λ 3 = Somit sind die drei Vektoren v, v und v 3 linear unabhängig und B = (v, v, v 3 ) eine minimale Teilfamilie mit span B = span(v, v,..., v 6 ). Also ist B eine Basis des Untervektorraumes U, der ein drei-dimensionaler Untervektorraum des R 4 ist. 4. Es sei also K = {λ = (λ,..., λ 6 ) R 6 λ i v i = }. i= Um nachzuweisen, dass K ein Untervektorraum ist, weisen wir nach, dass K nicht die leere Menge ist, dass K unter der Vektor-Addition abgeschlossen ist, und dass K unter Multiplikation mit Skalaren abgeschlossen ist. Dabei ist noch zu bemerken, dass bei dem Beweis die spezielle Gestalt der Vektoren v,..., v 6 gar nicht berücksichtigt werden muss. (Um Platz zu sparen, schreiben wir die Elemente von R 6 als 6-Tupel.) K, weil der Nullvektor (,,,,, ) in K ist. Es seien λ = (λ,..., λ 6 ), µ = (µ,..., µ 6 ) K. Dann ist auch λ + µ K, weil λ + µ = (λ + µ,..., λ 6 + µ 6 ) und gilt. (λ i + µ i )v i = i= (λ i v i + µ i v i ) = ( i= λ i v i ) + ( Es sei λ = (λ,..., λ 6 ) K und α R. Dann ist auch αλ K, weil αλ = (αλ,..., αλ 6 ) und i= µ i v i ) = + = i= gilt. ((αλ i ) v i ) = i= (α (λ i v i )) = α ( (λ i v i )) = α = i= i=

3

4

5

6

7 Aufgabe 64. Basiswechsel konkret. Gegeben seien die drei Einheitsvektoren e, e, e 3 R 3 sowie drei weitere Vektoren v, v, v 3 R 3 : e =, e =, e 3 =, v =, v =, v 3 =.. Die Standardbasis des R Vektorraums R 3 besteht aus den drei Einheitsvektoren e, e, e 3 R 3. Zeigen Sie, dass die Vektoren v, v, v 3 R 3 ebenfalls eine Basis des R 3 bilden, und stellen Sie die Einheitsvektoren e, e, e 3 als Linearkombinationen der Vektoren der Basis {v, v, v 3 } dar.. Gegeben seien nun die drei Vektoren p = 6 3, q = 3 und s = s s R s 3 Stellen Sie die drei Vektoren p, q und s jeweils (a) als Linearkombination der Vektoren der Standardbasis {e, e, e 3 } dar und (b) als Linearkombination der Vektoren der Basis {v, v, v 3 } dar. LÖSUNG:. Wir zeigen, dass die drei Vektoren v, v, v 3 R 3 linear unabhängig sind, durch den Ansatz: λ v + λ v + λ 3 v 3 = mit λ, λ, λ 3 R λ + λ + λ 3 = () () λ = () λ + λ 3 = (3) () λ 3 = () λ + λ + λ 3 = () λ + λ 3 = (3) λ + λ + λ 3 = λ = λ = λ 3 = Behauptung. Da die Dimension von R 3 drei ist, bilden v, v, v 3 eine Basis des R 3 und es lassen sich alle Vektoren des R 3 als Linearkombinationen der Basisvektoren v, v, v 3 darstellen. Wir bestimmen die Linearkombination für e i, i =,, 3 jeweils durch den Ansatz: λ v + λ v + λ 3 v 3 = e i Für i = : λ +λ mit λ, λ, λ 3 R +λ 3 = () λ + λ + λ 3 = () λ + λ 3 = (3) λ + λ + λ 3 = () () λ = () λ + λ 3 = λ = λ =, λ 3 = e = v + v v 3. (3) () λ 3 = Für i = : λ +λ +λ 3 = () λ + λ + λ 3 = () λ + λ 3 = (3) λ + λ + λ 3 = () () λ = () λ + λ 3 = (3) () λ 3 = λ =, λ =, λ 3 = e = v + v. Dies kann man auch direkt sehen!

8 Für i = 3 : λ +λ () () λ = () λ + λ 3 = (3) () λ 3 = +λ 3 = () λ + λ + λ 3 = () λ + λ 3 = (3) λ + λ + λ 3 = λ =, λ =, λ 3 = e 3 = v + v 3. Dies kann man auch direkt sehen!. (a) Die Vektoren p, q und s erhält man direkt als Linearkombinationen der Einheitsvektoren e, e, e 3 : p = 6 e + 3 e + 9 e 3, q = 3 e + e + 6 e 3, s = s e + s e + s 3 e 3. (b) Da wir in. die Einheitsvektoren als Linearkombinationen der Vektoren v, v, v 3 bestimmt haben: e = v + v v 3, e = v + v, e 3 = v + v 3 bekommen wir die Linearkombinationen der Vektoren p, q und s in der Basis v, v, v 3 direkt als: p = 6 e + 3 e + 9 e 3 = 6 (v + v v 3 ) + 3 ( v + v ) + 9 ( v + v 3 ) = 3 v + 3 v 3 Probe durch Nachrechnen! q = 3 e + e + 6 e 3 = 3 (v + v v 3 ) + ( v + v ) + 9 ( v + v 3 ) = v v + 3 v 3 Probe durch Nachrechnen! s = s e + s e + s 3 e 3 = s (v + v v 3 ) + s ( v + v ) + s 3 ( v + v 3 ) = (s s ) v + (s + s s 3 ) v + ( s + s 3 ) v 3 = s v + s v + s 3 v 3 mit s = s s, s = s + s s 3, und s 3 = s + s 3 als Koordinaten von s in der Basis {v, v, v 3 }. Damit haben wir eine einfache Umrechnung der alten Koordinaten s, s, s 3 von s bzgl. der alten Basis {e, e, e 3 } in die neuen Koordinaten s, s, s 3 von s bzgl. der neuen Basis {v, v, v 3 }. Bemerkung: Man kann die neuen Koordinaten von p, q oder s auch über folgenden Ansatz bestimmen: λ v + λ v + λ 3 v 3 = p, q oder s mit λ, λ, λ 3 R Dies führt wie oben auf Lineare Gleichungssysteme zur Bestimmung der neuen Koordinaten λ, λ, λ 3 in der Basis {v, v, v 3 }, z.b. für s : λ () λ + λ + λ 3 = s () λ + λ 3 = s (3) λ + λ + λ 3 = s 3 + λ λ = s s, λ = s + s s 3, λ 3 = s + s 3 s = (s s ) v + (s + s s 3 ) v + ( s + s ) v 3. + λ 3 = () () λ = s s () λ + λ 3 = s (3) () λ 3 = s 3 s Damit gilt für p : p = (6 3) v + ( ) v + ( 6 + 9) v 3 = 3 v + 3 v 3 und für q : q = (3 ) v + (3 + 6) v + ( 3 + 6) v 3 = v v + 3 v 3 s s s 3

Einführung in die Mathematik für Informatiker

Einführung in die Mathematik für Informatiker Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 21.11.2016 6. Vorlesung aufgespannter Untervektorraum Span(T ), Linearkombinationen von Vektoren Lineare Unabhängigkeit

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

Mehr

Lineare Abhängigkeit

Lineare Abhängigkeit Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x

Mehr

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume

Mehr

Lineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.

Lineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A. Lineare Hülle Def A sei eine nichtleere Teilmenge des Vektorraums (V,+, ) Die lineare Hülle von A (Bezeichung: span(a)) ist die Menge aller Linearkombinationen der Elemente aus A { k } span(a) := λ i v

Mehr

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v Kap 1: VEKTORRÄUME Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung ϕ : I X, i ϕ(i) = x i, wobei die Menge I in diesem Zusammenhang auch Indexmenge genannt wird. Man schreibt vereinfacht

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

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen. 1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild

Mehr

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Lösungen Serie 6 (Vektorräume, Skalarprodukt) Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9

Mehr

11. BASIS, UNTERRAUM, und DIMENSION

11. BASIS, UNTERRAUM, und DIMENSION 11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen

Mehr

Kapitel 2: Mathematische Grundlagen

Kapitel 2: Mathematische Grundlagen [ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen

Mehr

& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors

& 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

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Basen von Schnitt und Summe berechnen

Basen von Schnitt und Summe berechnen Basen von Schnitt und Summe berechnen 1 / 8 Voraussetzung Es seien U 1, U 2 Untervektorräume von K n. Wir wollen Basen des Schnittes U 1 U 2 und der Summe bestimmen. U 1 + U 2 2 / 8 Bezeichnung Der Einfachheit

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume

Mehr

Aufgaben zu Kapitel 15

Aufgaben zu Kapitel 15 Aufgaben zu Kapitel 5 Aufgaben zu Kapitel 5 Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation

Mehr

Lineare Algebra II, Lösungshinweise Blatt 9

Lineare Algebra II, Lösungshinweise Blatt 9 Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren

Mehr

Bild und Kern. Für eine lineare Abbildung L : V W bezeichnet man mit. Kern L = {v V : L(v) = 0} V. den Kern und mit

Bild und Kern. Für eine lineare Abbildung L : V W bezeichnet man mit. Kern L = {v V : L(v) = 0} V. den Kern und mit Bild und Kern Für eine lineare Abbildung L : V W bezeichnet man mit Kern L = {v V : L(v) = 0} V den Kern und mit Bild L = {w W : v V mit L(v) = w} W das Bild von L. Bild und Kern 1-1 Bild und Kern Für

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Mathematik I für Biologen, Geowissenschaftler und Geoökologen 28. November 2011 Definition Beispiel: Wassermengen und Konzentrationen in einem Fluss Beispiel Zeilenstufenform Beispiel (Fortsetzung) Anhang

Mehr

1 0 1, V 3 = M, und λ A = λa

1 0 1, V 3 = M, und λ A = λa Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a

Mehr

00. Einiges zum Vektorraum R n

00. 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

Mehr

Die Dimension eines Vektorraumes

Die Dimension eines Vektorraumes Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je

Mehr

Vektorräume und Lineare Abbildungen

Vektorräume und Lineare Abbildungen Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

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

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

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

Die Lineare Algebra-Methode. Mahir Kilic

Die Lineare Algebra-Methode. Mahir Kilic Die Lineare Algebra-Methode Mahir Kilic 23. Juni 2004 1 Einführung 1.1 Überblick Im Allgemein benutzt man die Lineare Algebra-Methode in der Kombinatorik wie folgt: Für die Bestimmung einer Obergrenze

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

Formale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz

Formale Grundlagen 2008W. Vorlesung im 2008S  Institut für Algebra Johannes Kepler Universität Linz Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Vektoren in der Ebene Zwei Punkten P, Q in der Ebene

Mehr

2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.

2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R. Übung 6 1) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 + bx 2 + c mit a, b, c R und nennen diesen V. Die Vektoren f 1 (x) = 2x 4 + 2x 2 + 2 und f 2 (x) = 3x 4 + x 2 + 4 sind in diesem Vektorraum

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

5. Vektorräume. 5.1 Grundbegriffe, Untervektorräume

5. Vektorräume. 5.1 Grundbegriffe, Untervektorräume 5 Vektorräume Die lineare Algebra ist die Theorie der Vektorräume Vektoren und Vektorräume treten in vielfacher Gestalt und in vielen Anwendungen auf Sowohl die Technik, als auch die theoretische Physik

Mehr

Kapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen

Kapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen Kapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen Vorschau: Lineare Abbildungen Wer Vektorräume studiert,

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008

KLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008 KLAUSUR ZUR LINEAREN ALGEBRA I. Februar 008 MUSTERLÖSUNG Diese Klausur wurde je nach Sitzreihe in zwei verschiedenen Versionen geschrieben. Die andere Version unterscheidet sich von der vorliegenden jedoch

Mehr

1 Mengen und Abbildungen

1 Mengen und Abbildungen 1 MENGEN UND ABBILDUNGEN 1 1 Mengen und Abbildungen Wir starten mit einigen einführenden Definitionen und Ergebnissen aus der Theorie der Mengen und Abbildungen, die nicht nur Grundlage der Linearen Algebra

Mehr

Beziehungen zwischen Vektorräumen und ihren Dimensionen

Beziehungen zwischen Vektorräumen und ihren Dimensionen Beziehungen zwischen Vektorräumen und ihren Dimensionen Lineare Algebra I Kapitel 9 20. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem

Mehr

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle Anhang A Etwas affine Geometrie In diesem Anhang stellen wir die wichtigsten Grundbegriffe aus der affinen Geometrie zusammen, soweit sie eben für uns von Nutzen sind. Für weiterführende Ergebnisse sei

Mehr

Lineare Abbildungen und Gleichungssysteme

Lineare Abbildungen und Gleichungssysteme Lineare Abbildungen und Gleichungssysteme Klaus-R Loeffler Lineare Abbildungen Definition: Lineare Abbildung Es wird vorausgesetzt, dass V und W Vektorräume sind Eine Abbildung f von V in W heißt dann

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i.

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i. Kapitel Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften von R 3 interessieren, so stört manchmal die Ausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise

Mehr

3.8. Lineare Abbildungen.

3.8. Lineare Abbildungen. 38 Lineare Abbildungen 38 Lineare Abbildungen 38 Definition Es seien V und W Vektorräume über K Eine Abbildung α : V W heißt linear, wenn für alle Vektoren u, v V und alle Skalare k K gilt: α(u + v α(u

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

Mehr

Grundlagen der Vektorrechnung

Grundlagen 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

Mehr

Affine und projektive Räume

Affine und projektive Räume Affine und projektive Räume W. Kühnel Literatur hierzu: G.Fischer, Analytische Geometrie, 7. Aufl., Vieweg 2001 Zur Motivation: Wenn man in einem Vektorraum die Elemente nicht als Vektoren, sondern als

Mehr

Unterräume; Basis und Dimension; Skalarprodukt, Norm und Vektorprodukt im R 3

Unterräume; Basis und Dimension; Skalarprodukt, Norm und Vektorprodukt im R 3 TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 2006/07 en Blatt 9 18.12.2006 Unterräume; Basis und Dimension; Skalarprodukt,

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

Vektorgeometrie Layout: Tibor Stolz

Vektorgeometrie Layout: Tibor Stolz Hanspeter Horlacher Vektorgeometrie Layout: Tibor Stolz 1. Einführung Eine Grösse, zu deren Festlegung ausser einer Zahl auch noch die Angabe einer Richtung nötig ist, heisst VEKTOR. P 2 P 1 P 1 P 2 P

Mehr

1 Vektoren, Vektorräume, Abstände: 2D

1 Vektoren, Vektorräume, Abstände: 2D 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

Mehr

45 Eigenwerte und Eigenvektoren

45 Eigenwerte und Eigenvektoren 45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.

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

Lineare Abbildungen. i=0 c ix i n. K n K m

Lineare Abbildungen. i=0 c ix i n. K n K m Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel 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

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

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

Affine Geometrie (Einfachere, konstruktive Version)

Affine Geometrie (Einfachere, konstruktive Version) Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit

Mehr

Kapitel VIII: Der Raum R n ; allgemeine Vektorräume

Kapitel VIII: Der Raum R n ; allgemeine Vektorräume Kapitel VIII: Der Raum R n ; allgemeine Vektorräume a) Vektoren: Definition und Grundlagen Größen, die sich durch Angabe eines Zahlenwertes und einer Einheit vollständig beschreiben lassen, nennt man Skalare

Mehr

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl. Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )

Mehr

Grundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015

Grundsätzliches 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

Mehr

Länge, Skalarprodukt, Vektorprodukt

Länge, 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

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

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

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,

Mehr

Übungsaufgaben Vektoren

Übungsaufgaben 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

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 6 Vektorräume Die Addition von zwei Pfeilen a und b, ein typisches Beispiel für Vektoren. Der zentrale

Mehr

Analytische Geometrie

Analytische Geometrie Kapitel 2 Analytische Geometrie 21 Vektoren Die Elemente des kartesischen Produktes R n, d h die n Tupel oder Zeilenvektoren (a 1,, a n ) mit a k R für k n, interpretiert man als Punkte eines n dimensionalen

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein

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

3.6 Eigenwerte und Eigenvektoren

3.6 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

Mehr

Abschnitt: (symmetrische) Bilinearformen

Abschnitt: (symmetrische) Bilinearformen Abschnitt: (symmetrische) Bilinearformen Def Es seien (V,+, ) ein Vektorraum, u,u,u,v,v,v beliebige Vektoren aus V und λ,λ R beliebiege Skalare Eine Bilinearform auf V ist eine Abbildung σ : V V R mit

Mehr

Damit haben wir schon die Koeffizienten der Gleichung gefunden, in dem wir n noch durch 6 teilen. 5x 2y + 13z = C. (2) = 36 = C.

Damit haben wir schon die Koeffizienten der Gleichung gefunden, in dem wir n noch durch 6 teilen. 5x 2y + 13z = C. (2) = 36 = C. Aufgabenblatt 6 0 Punkte Aufgabe 1 (Pyramide) Gegeben ist eine Pyramide P mit dem Dreieck ABC als Grundfläche und Spitze D. Es sei A(2 0 2), B(10 7 0), C(0 8 ) und D(8 1 10). a) Gib eine (möglichst einfache)

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

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme

II. 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

Mehr

2 Geradengleichungen in Parameterform. Länge und Skalarprodukt

2 Geradengleichungen in Parameterform. Länge und Skalarprodukt 2 Geradengleichungen in Parameterform. Länge und Skalarprodukt Jörn Loviscach Versionsstand: 19. März 2011, 15:33 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:

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

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

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

Skript 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.................................

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

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare 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

Mehr

Besondere Lage einer Gerade oder Ebene im Koordinatensystem

Besondere Lage einer Gerade oder Ebene im Koordinatensystem MK 5.. LageKoordsys.mcd Besondere Lage einer Gerade oder Ebene im Koordinatensystem Die Koordinatenachsen: Alle Koordinatenachsen enthalten den Ursprung als Aufpunkt. Beispiel g : = λ Die -Achse Die Einheitsvektoren

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr

10 Kapitel I: Anschauliche Vektorrechnung

10 Kapitel I: Anschauliche Vektorrechnung 10 Kapitel I: Anschauliche Vektorrechnung haben. In Mengenschreibweise ist G = {x x = a + tb für ein t R}. Wir werden für diese einführenden Betrachtungen im Interesse einer knappen Redeweise jedoch häufig

Mehr

Zusammenstellung von Fragen der Vordiplomsprüfung Mathe für Informatiker I (Kurs 1181)

Zusammenstellung von Fragen der Vordiplomsprüfung Mathe für Informatiker I (Kurs 1181) Zusammenstellung von Fragen der Vordiplomsprüfung Mathe für Informatiker I (Kurs 1181) Vorbemerkungen Die nachfolgenden Fragen sind eine Zusammenstellung aus ca. 26 Protokollen von Februar 1990 bis November

Mehr

Lineare Gleichungssysteme - Grundlagen

Lineare Gleichungssysteme - Grundlagen Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente

Mehr

Lineare Algebra und Analytische Geometrie I

Lineare Algebra und Analytische Geometrie I Lineare Algebra und Analytische Geometrie I Wolf P Barth Wintersemester 02/03 Mathematisches Institut der Universität Erlangen, Bismarckstraße 2 e-mail: barth@miuni-erlangende Version vom 6 März 2003 Inhaltsverzeichnis

Mehr

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21 5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11

Mehr

3.4 Gradient, Divergenz, Rotation in anderen Koordinaten

3.4 Gradient, Divergenz, Rotation in anderen Koordinaten 3.3.5 Rechenregeln Für Skalarfelder f, g und Vektorfelder v, w gelten die Beziehungen fg) = f g + g f v w) = v ) w + w ) v + v w) + w v) f v) = f v + v f v w) = w v) v w) 3.5a) 3.5b) 3.5c) 3.5d) f) = div

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

(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2

(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

Mehr