13 Partielle Ableitung und Richtungsableitung
|
|
- Rüdiger Heintze
- vor 6 Jahren
- Abrufe
Transkript
1 3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 74 3 Partielle Ableitung und Richtungsableitung 3 Definition und Notiz Sei B R n offen, f : B R m, v R n, so heißt für γ x,v (t) = x + tv d dt f(x + tv) f(x) t=f γ x,v = lim( ) =: Df x (v) t t die Richtungsableitung von f bei x in Richtung v, falls der lim existiert, also Df x (v) := d dt t=f x,v (t), wobei f x,v (t) = f(x + tv) : Ist v = e i, so heißt f (x) := Df x (e i ) = lim( f(x,, x i + t,, x n ) f(x,, x n ) ) x i t t f f x i (x) die i-te partielle Ableitung Ist f =, so ist f x i (x) = f f m m x i (x) f heißt (stetig) partiell differenzierbar (f C (B)), falls alle partielle Ableitungen existieren (und stetig sind) 32 Beispiel ( ) e f(x, x 2 ) = x2 x sin(x )cos(x 2 ) ( f x (x) = ( f x 2 (x) = e x2 cos(x )cos(x 2 ) ) e x2 x sin(x )sin(x 2 ) ) 33 Warnendes Beispiel { (x, y) = (, ) = f(x, y) = xy ist partiell differenzierbar bei (, ), x 2 +y sonst 2 { t = denn f(t, ), f(, t), aber f ist nicht stetig, denn f(t, t) = 2 t
2 3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG Notation x i ( x i2 ( x i3 ( x ir f))) =: r x i x ir f heißt partielle Ableitung von f der Ordnung r, falls sie existiert f C r (B) : Alle partiellen Ableitungen der Ordnung r existieren und sind stetig 35 Satz (Schwarzscher Satz) Ist f eine C r -Funktion (dh f C r (B)), so sind die partiellen Ableitungen bis zur Ordnung r miteinander vertauschbar, also f C 2 (B) = 2 2 f = f x i x i2 x i2 x i Beweis: MWS der Differentialrechnung, siehe Literatur 36 Notation Sei B R n offen, so heißt f := gradf = von f f = divf = n f f := rotf = x f x n f für differenzierbare f : B R, der Gradient f i x i, für f : B R n differenzierbar, die Divergenz von f 3 x 2 f2 x 3 f x 3 f3 x f 2 x f x 2, f : B R 3, n = 3 die Rotation von f f x (x) J f (x) = f k x (x) für f : B R k die Jacobimatrix von f 37 Anwendung f x n (x) f k x n (x) Ist v : R 3 R 2 eine C -Abbildung Wann hat v ein Potential, dh, wann gibt es eine Abbildung f :( R 2 ) R mit gradf = v? Notwendige Bedingung: x v 2 = v x 2 v, wobei v = v ( ) 2 y Beispiel: v(x, y) =, x x v 2 =, y v = Also hat v kein Potential
3 3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG Lemma Ist f : B R differenzierbar und hat f bei x ein lokales Extremum, so ist gradf(x ) =, denn dann ist für i = n 39 Definition d dt t=f(x + te i ) = Ist f : B R differenzierbar, x B, gradf(x ) =, so heißt x kritischer Punkt von f 3 Bemerkung Nicht jeder kritische Punkt ist lokales Extremum, zb f(x, y) = x 2 y 2, gradf(, ) = (, ) Die Abbildungen f γ,e und f γ,e2 haben verschiedene lokale Extrem: f γ,e (t) = f(t, ) = t 2 hat bei ein Minimum, die Abbildung f γ,e2 (t) = f(, t) = t 2 hat bei ein Maximum 3 Definition Ein kritischer Punkt x einer Abbildung f : B R heißt Sattelpunkt: Für alle ǫ > gibt es x, x 2 U ǫ (x ) mit f(x ) > x und f(x 2 ) < x 32 Definition Sei f C 2 (B) Die symmetrische Matrix H f (x ) = ( 2 f x i x j ) m,j=m heißt die Hessematrix zu f bei x 33 Beispiele f(x, y) = x 2 + y 2, f hat bei (, ) lokales Minimum (sogar ein isoliertes), denn f(x, y) und f(x, y) = (x, y) = (, ) gradf (,) = ( ) 2 H f (, ) = 2 2 f(x, y) = x 2 + y 4 : f hat bei (, ) ein isoliertes lokales Minimum
4 3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 77 H f (, ) = ( ) 2 3 f(x, y) = x 2 y 4 : f hat bei (, ) einen Sattelpunkt ( ) 2 H f (, ) = 4 f(x, y) = x 2 y 2 ; f hat bei (, ) isoliertes lokales Maximum: ( ) 2 H f (, ) = 2 5 f(x, y) = xy: f hat bei Sattelpunkt, denn f(x, x) = x 2 >, falls x und f(x, x) = x 2 < falls x ( ) H f (, ) = Kriterium zur Bestimmung von Minima und Maxima aus Hessematrix später, dazu ist erst etwas lineare Algebra notwendig
5 4 BASEN UND DIMENSIONEN VON VEKTORRÄUMEN 78 4 Basen und Dimensionen von Vektorräumen Sei V ein k-vr 4 Definition und Notiz Sei S V, dann heißt der kleinste UVR von V, der S enthält, die lineare Hülle oder der Span von S Wir schreiben < S >= LH(S) = span(s) Sind v,,v r V und U V ein Untervektorraum von V mit U =< v,, v r >, so heißen v,, v r ein erzeugendes System von U Es ist dann U = {λ v + + λ r v r λ i k} ( ist klar, gilt auch, da {λ v + + λ r v r λ i k} ein VR ist) 2 v V heißt Linearkombination von v,,v r V, wenn es λ,, λ r k gibt mit v = r λ i v i 3 v,, v r heißen linear unabhängig, wenn aus r λ i v i = folgt, dass λ = λ 2 = = λ r = Sonst heißen v,, v r linear abhängig 4 v,, v r heißen eine Basis von V, wenn v,, v r linear unabhängig sind und span{v,, v r } = V gilt 42 Beispiele ( a span{ b ) { ( a } = λ b ) } λ R span{, } = R 2 2 und 2 sind linear abhängig 2 und sind linear abhängig
6 4 BASEN UND DIMENSIONEN VON VEKTORRÄUMEN 79 und sind linear unabhängig 3 Sei V = C (R); φ i : R R, φ i C (R) x [i 2 φ, i + 2 ] i (x) = x i + 2 x [i 2, i] x + i + 2 x [i, i + 2 ] {φ, φ 2,, φ N } sind linear unabhängig für jedes N N, denn aus N λ iφ i = folgt λ = λ 2 = =, aber φ, φ N bilden für kein N eine Basis für C (R) 43 Definition und Notiz Die Vektoren e =, e 2 =,, e n = bilden eine Basis von k n, die sogenannte Standardbasis 44 Bemerkung Dies ist natürlich nicht die einzige Basis von R n 45 Notiz Sind v,, v r linear unabhängig und ist x span{v,, v r }, x = r λ i v i, dann sind die λ,,λ r eindeutig bestimmt, denn r r λ i v i = λ i v i r (λ i λ i)v i =,
7 4 BASEN UND DIMENSIONEN VON VEKTORRÄUMEN 8 also folgt aus der linearen Unabhängigkeit von {v,, v r }, dass λ i λ i = für alle i {,,r} 46 Basisergänzungssatz Ist V ein k-vr, U = {u,,u r } eine Menge linear unabhängiger Vektoren, W = {w,,w t } ein erzeugendes System für V, dann ist t r und es gibt j(),, j(s) {,,t}, so dass {u,, u r, w j(),, w j(s) } eine Basis von V ist Insbesondere hat jeder VR mit endlich erzeugendem System eine endliche Basis Beweis: Siehe Literatur 47 Beispiel V = R 4 u =, sind linear unabhängig, w = {e, e 2, e 3, e 4 } ist ein erzeugendes System (sogar Basis) mit e i = i,,,, ist eine Basis von R 4 48 Korollar und Definition Sind {v,, v n } eine Basis von V, {w,,w m } ebenfalls eine Basis von V, dann folgt aus (36) n = m Die damit wohldefinierte Anzahl der Basisvektoren n eines (endlich erzeugten) VRs heißt die Dimension
8 5 LINEARE ABBILDUNGEN 8 5 Lineare Abbildungen 5 Definition Eine Abbildung f : V W zwischen VRen heißt linear oder Vektorraumhomophismus, wenn gilt f(x + y) = f(x) + f(y) für alle x, y V 2 f(λx) = λ f(x) für alle x V, λ k Die Menge der linearen Abbildungen f : V W bezeichnet man mit L(V, W) oder Hom k (V, W) (=Hom(V, W)) Ein Isomorphismus zwischen 2 VRen ist eine bijektive, lineare Abbildung Zwei VRe V und W heißen isomorph, wenn es einen Isomorphismus f : V W gibt 52 Lemma Ist f ein Isomorphismus, so ist f ebenfalls eine lineare Abbildung 53 Beispiele f : R R, x 2x ist ein Isomorphismus f : R R, x x + ist nicht linear f : R R, x x 2 ist keine lineare Abbildung 2 C ([a, b]) C ([a, b]), f f ist eine lineare Abbildung: (f + g) = f + g, f, g C ([a, b]) (λf) = λ f, λ k 54 Erinnerung und Notation A = (A ij ) m;j=n A A j A n (Zeile ) A = A i A ij A in (Zeile i) A m A mj A mn (Zeile m) (Spalte ) (Spalte j) (Spalte n) A M(m n, k) (m Zeilen, n Spalten) Für A, B M(m n, k) ist A + B =: (A ij + B ij ) M(m n, R) A M(m n, k), B(n r, k) ist A B =: C M(m r, k), c ij = n a ip b pj p= R m = M(m, R)
9 5 LINEARE ABBILDUNGEN Notiz Ist A M(m n, k), dann definiert die Matrizenmultiplikation mit A eine lineare Abbildung k n k m, nämlich: T A : R n R m, v A v Falls kein Missverständnis möglich ist, werden wir die lineare Abbildung T A wieder mit A bezeichnen 56 Bemerkung In der i-ten Spalte von A steht das Bild von e i unter T A, denn a k a 2k T A (e k ) = = m a jk e j j= a mk (mit e k als Basisvektor in R n und e j als Basisvektor in R m ) wobei A = (a ij ) m;j=n 57 Beispiel ( ) A : R 2 x R, x x + 2x 2 (n = 2, m = ; a =, a 2 = 2); 2 58 Notiz Ist f eine lineare Abbildung, so ist f() =, denn f( + v) = f() + f(v) = }{{} f(v) f() = 59 Lemma und Definition Ist f : V W eine lineare Abbildung, so sind kerf := {x V f(x) = } der Kern von f und bildf := {f(x) W x V } UVRe, kerf V, bildf W Beweis: Sind x, y kerf, so ist auch f(x+y) = f(x)+f(y) =, also x+y kerf Ist x kerf, λ k, so ist f(λx) = λ f(x) = λ =, also λ x kerf und kerf nach (22) Ebenso folgt, dass bildf W ein UVR von W ist
10 5 LINEARE ABBILDUNGEN 83 5 Lemma Eine lineare Abbildung f ist genau dann injektiv, wenn kerf = gilt Beweis: f(x) = f(y) f(x) f(y) = f(x y) = x y kerf 5 Lemma Ist V ein VR, U = {u,, u n } V Dann gilt: U ist genau dann eine Basis von V, wenn φ U : k n V, λ λ n n λ i u i ein Isomorphismus ist φ U heißt dann der durch U gegebene Basisisomorphismus Insbesondere gilt dann φ u (e i ) = u i 52 Beweis φ U ist linear λ 2 φ U = n λ i u i =, λ n also kerφ U = u,, u n linear unabhängig, also ist genau dann φ U injektiv, wenn u,, u n linear unabhängig sind 3 φ U ist surjektiv {u,,u n } ist erzeugendes System von V 53 Korollar V hat genau dann die Dimension n, wenn es einen Isomorphismus f : k n V gibt Beweis: = : = : Ist v = (v,,v n ) eine Basis von V, so definiere φ v wie in 5 Ist f : k n V ein Isomorphismus, dann ist {f(e ),, f(e n )} eine Basis von V
11 5 LINEARE ABBILDUNGEN Bemerkung Lineare Abbildungen sind durch ihre Werte auf den Basisvektoren schon festgelegt, dh, ist f : V W linear, v,, v n Basis von V, f(v i ) =: w i (w,, w n nicht notwendig erzeugend oder linear unabhängig), dann ist f( n λ i v i ) = n λ i f(v i ) = n λ i w i 55 Satz Sei T : V W eine lineare Abbildung, dann ist dimkert + dimbildt = dimv Beweis: Sei v,, v n eine Basis von kert, v,, v n, w,, w k eine Basis von V, also dimv = n + k, dim kert = n Dann ist {T(w ),, T(w k )} bildt eine Basis von bildt, denn: span{w,, w k } kert = {} 2 span{t(w ),, T(w k )} = bildt, denn für x bildt gibt es λ i n k, λ i k mit x = λ i T(v i ) + k λ i T(w i), also gilt und ist klar } {{ } 3 T(w ),, T(w k ) sind linear unabhängig: T( k λ i w i ) = = λ k = Def ker k k λ i w i kert () k λ i T(w i ) =, Linearität λ i w i = λ = 56 Definition rgt := dim bildt heißt der Rang von T 57 Korollar Ist f Hom(V, V ), dann ist f genau dann injektiv, wenn es surjektiv ist
12 6 MATRIZEN UND LINEARE GLEICHUNGSSYSTEME 85 6 Matrizen und lineare Gleichungssysteme 6 Erinnerung Ist A M(m n, k), dann definiert die Matrizenmultiplikation mit A eine lineare Abbildung k n k m, nämlich: T A : R n R m, v A v Falls kein Missverständnis möglich ist, werden wir die lineare Abbildung T A wieder mit A bezeichnen 62 Notiz Ist A = (a a n ) M(m n, k), wobei a j k m, dann ist denn a j = T A (e j ) 63 Definition bildt A = span{a,, a n }, Die maximale Anzahl der linear unabhängigen Spaltenvektoren, der Rang von A, ist rga := dimbildt A 64 Notiz Folgende Operationen ändern den Rang einer Matrix nicht: Vertauschen zweier Spalten 2 Multiplikation einer Spalte mit einem Skalar λ 3 Addition einer Spalte zu einer anderen 65 Beispiel rg 2 4 3Sp 2Sp 2 {}}{ = rg λ λ + 2µ 3µ 66 Bemerkung = folgt λ = µ = = rg 2 = 2, denn aus 3 3Sp 2 Sp {}}{ (64) gilt analog für Zeilenumformungen (vgl Übung)
13 6 MATRIZEN UND LINEARE GLEICHUNGSSYSTEME Lemma Sind V, W VRe mit Basen v = (v,, v n ) und w = (w,, w m ), f : V W eine lineare Abbildung, so ist durch mit f(v j ) =: f v,w := (a ij ) m;j=n M(m n, k) m a ij w i eine m n-matrix wohldefiniert f v,w heißt die Matrixdarstellung von f bezüglich der Basen v, w Es ist dann λ n m f( λ j v j ) = µ i w i f v,w j= λ n denn f( n λ j v j ) = j= j= j= = µ µ m n m n λ j f(v j ) = λ j a ij w i } {{ } µ i Insbesondere ist (T A ) En,E m = A, wobei E n := (e,,e n ), E m := (e,,e m ) die Standardbasen in R n bzw R m sind 68 Beispiel f : R 3 R 2, f( x y ) = z ( x + 3y z 2x ( ) 3 f E3,E 2 =, denn 2 ( ) ( 3 f(e ) =, f(e 2 2 ) = ( ) f( e }{{} ) = }{{} }{{} 2 v a }{{} w 2 Sei f wie in () ) ( a 2 ) (, f(e 3 ) = ) }{{} w 2, ), also v := {e, e 2, e 3 } = E 3 ( ) ( 3 w := {, 2 ) } Es ist f(e ) = w f(e 2 ) = w 2 f(e 3 ) = 2 w + 6 w 2 = f v,w = ( ) 2 6
14 6 MATRIZEN UND LINEARE GLEICHUNGSSYSTEME Satz Sind U, V, W VRe f : U V, g : V W lineare Abbildungen, so gilt für Matrixdarstellungen bezüglich Basen u, v, w: denn ist g v,w f u,v = (g f) u,w, f u,v g v,w = (a ij ) n;j=m = (b ij ) r;j=n mit dimu = m, dimv = n, dimw = r, so ist (g f)(u j ) = g( 6 Notiz n a ij v i ) = n a ij g(v i ) = n,r,k= a ij b ki w k }{{} (B A) kj Seien v = (v,,v n ), w = (w,,w m ) Basen von V und W und φ v : k n V, e i v i, ψ w : k m W, e i w i die dadurch gegebenen Basisisomorphismen Dann kommutiert f V W φ v ψ w f v,w k m dh f φ v (x) = ψ w (f v,w x) 6 Korollar k n Seien v = {v,, v n }, v = {v,,v n }, w = {w,, w m }, w = {w,, w m } Basen von V und W mit v i = n a ji v j und w i = m b ji w j Dann ist j= f v,w = B f v,w A (B = (b ij ) i,j=m, A = (a ij ) i,j=n ), denn folgendes Diagramm kommutiert: j=
15 6 MATRIZEN UND LINEARE GLEICHUNGSSYSTEME Notiz und Notation Sei A M(m n, k), A = (a ij ), a ij k: x kera x kert A (mit T A : R n R m, x Ax) a x + +a n x n = ( ) a m x + +a mn x n = : x = T (x,, x n ) ist Lösung des durch (*) gegebenen homogenen Systems linearer Gleichungen Sei b R m, b = (b,, b m ): Ax = b a x + +a n x n = b ( ) a m x + +a mn x n = b m : x ist Lösung des durch (**) gegebenen inhomogenen Systems linearer Gleichungen 63 Korollar Die Lösungen von (62*) bilden einen VR, dh sind x und x Lösungen von (62*), so auch λx, λ k und x + x 2 Ist x eine Lösung von (62**), so ist die Menge aller Lösungen von (62**) durch {x + v v Lösung von (62*)} gegeben 3 Ist n = m, so hat (62**) genau dann für jedes b R m genau eine Lösung, wenn (62*) nur die triviale Lösung hat 64 Beispiel x + z = 2x + y + 3z = x y y + z = z A { }}{ ker 2 3 Das Gleichungssystem hat den -dim Lösungsraum L = {λ λ R} (denn offenbar ist L kera und rga 2, denn 2 und sind
16 6 MATRIZEN UND LINEARE GLEICHUNGSSYSTEME 89 linear unabhängig, also ist dimkera, also ist L = kera) 4 Betrachte das inhomogene System x + z = 2x + y + 3z = ( ) y + z = Dann ist offenbar eine Lösung von (***), dh der Lösungsraum von (***) ist durch λ + λ λ R gegeben λ 4 rga + dimker A = dim V }{{}}{{} 2 =3
Mathematik I. Vorlesung 12. Lineare Abbildungen
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 12 Lineare Abbildungen Definition 12.1. Es sei K ein Körper und es seien V und W K-Vektorräume. Eine Abbildung heißt lineare Abbildung,
MehrLineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,
MehrLineare Abbildungen - I
Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung ϕ : V W
Mehr1 Lineare Abbildungen
1 Lineare Abbildungen Definition 1 Sei K ein Körper und V und W K-Vektoräume. Eine Abbildung f : V W heisst linear oder Homomoprhismus, wenn gilt: fv 1 + v 2 = fv 1 + fv 2 v 1, v 2 V fλv = λfv λ K, v V
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra 2014/15 Seite 59 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra HS 2014 Seite 56 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 6. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November, 7 Vektoräume Eine Menge E zusammen mit zwei Verknüpfungen + : E E E, x, y x + y Addition : E E E,
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Definition. Sei K ein Körper, a ij K für 1 i m, 1 j n und b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2......
MehrLineare 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
Mehr1 Linearkombinationen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung heißt lineare
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
Mehrauf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a
x LINEARE ABBILDUNGEN Denition: Seien V; V Vektorraume Eine Abbildung f heit linear, falls (i) (ii) f(x + y) f(x) + f(y) (x; y V ) f(x) f(x) ( R; x V ) Bemerkungen: I (i) und (ii) oben sind aquivalent
MehrLineare Abbildungen und Darstellungsmatrizen
KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt
Mehrx 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
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
Mehr1 Eigenschaften von Abbildungen
Technische Universität München Christian Neumann Ferienkurs Lineare Algebra für Physiker Vorlesung Dienstag WS 2008/09 Thema des heutigen Tages sind zuerst Abbildungen, dann spezielle Eigenschaften linearer
MehrLineare Abbildungen und Matrizen
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume
Mehr4 Lineare Abbildungen und Matrizen
4.1 Lineare Abbildungen Definition 4.1. Es seien V, W K-Vektorräume. Eine Abbildung f : V W heißt linear oder Homomorphismus, wenn für alle u, v V und λ K gilt Beispiel 4.2. L1 f(u + v) = f(u) + f(v),
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
MehrVektorräume und lineare Abbildungen
Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten
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
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrLineare 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
MehrKlausurenkurs 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
MehrKapitel III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
MehrLösungsskizze zur Hauptklausur Lineare Algebra I
Lösungsskizze zur Hauptklausur Lineare Algebra I Aufgabe Seien V und W zwei K-Vektorräume für einen Körper K. a) Wann heißt eine Abbildung f : V W linear? b) Wann heißt eine Abbildung f : V W injektiv?
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzugen zur Vorlesung: Der Vollständigkeit
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
MehrDefinitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.
Technische Universität Berlin Wintersemester 7/8 Institut für Mathematik 9. April 8 Prof. Dr. Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Nachklausur zur Linearen Algebra I Aufgabe ++ Punkte Definieren
MehrGrundlagen der Mathematik 1
Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben
MehrDer Rangsatz für lineare Abbildungen
Der Rangsatz für lineare Abbildungen Satz Sei f : V W eine lineare Abbildung Dann gilt dim V = dim Kern(f) + dim Bild(f), also gleichbedeutend dim Kern(f) = dim V rg(f) Da uns in der Regel bei gegebenem
Mehr3 Vektorräume abstrakt
Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare
MehrSummen und direkte Summen
Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M
Mehr37 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
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 9 Basiswechsel Wir wissen bereits, dass in einem endlichdimensionalen Vektorraum je zwei Basen die gleiche Länge
MehrVorlesung Abbildungen und Matrizen
Vorlesung Abbildungen und Matrizen Ferienkurs Lineare Algebra 1 Wintersemester 2009/10 09.03.2010 In diesem Abschnitt befassen wir uns mit linearen Abbildungen zwischen Vektorräumen und deren Darstellung
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein
MehrLineare Abbildungen und Matrizen
Lineare Abbildungen und Matrizen Seien V und W K-Vektorräume mit dimv = n und dimw = m Im folgenden wollen wir jeder m n Matrix eine lineare Abbildung V W zuordnen, und umgekehrt jeder linearen Abbildung
MehrIV.3. RANG VON MATRIZEN 81
IV3 RANG VON MATRIZEN 8 Ist b,,b n eine Basis des reellen Vektorraums V, dann bildet b,,b n auch eine Basis des komplexen Vektorraums V C Mit V ist daher auch V C endlichdimensional und es gilt dim C V
Mehr$Id: vektor.tex,v /01/21 14:35:13 hk Exp $
Mathematik für Physiker I, WS 2/2 Freitag 2 $Id: vektortex,v 5 2//2 4:35:3 hk Exp $ Vektorräume 2 Untervektorräume und Erzeugendensysteme Am Ende der letzten Sitzung hatten wir wieder einmal den Lösungsraum
Mehrtechnische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller
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 4.3 und 4.4
MehrVektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:
Mehr2 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
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eine Familie von Gleichungen der Form a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2............ a m1 x 1 + a m2 x 2 +... + a mn x n = b m
Mehr3 Lineare Abbildungen und Matrizen
3 Lineare Abbildungen und Matrizen Definition 3.1. Es seien V und W zwei Vektorräume über demselben Zahlkörper k. Eine Abbildung heisst linear, falls gilt i) [ λ k ] [ v V ] [ f (λ v) = λ f ( v) ] ii)
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana.
Lineare Algebra 6. Übungsstunde Steven attilana stevenb@student.ethz.ch November, 6 Lineare Abbildungen Eine Abbildung f : X Y heisst injektiv, falls x, x X : x x fx fx. In Worten: erschiedene Elemente
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Martin Gubisch Lineare Algebra I WS 27/28 Definition (a ij ) 1 j n 1 i n heiÿt eine m n-matrix mit Komponenten a ij K Dabei bezeichnet i den Zeilenindex und j den Spaltenindex
MehrLösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3
Mehrx 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
MehrWiederholung: lineare Abbildungen
Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) =
MehrÜbungen zur Linearen Algebra 1 Probeklausur Musterlösung: Aufgabe A
Musterlösung: Aufgabe A Wir betrachten die Matrix A = 1 4 1 1 3 1 4 5 2 M(3 3, Q) und die dazugehörige Abbildung f : Q 3 Q 3 ; v A v. Für j = 1, 2, 3 bezeichne v j Q 3 die j-te Spalte von A. Teilaufgabe
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
MehrMathematik II. Vorlesung 46. Der Gradient
Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 46 Der Gradient Lemma 46.1. Es sei K ein Körper und V ein K-Vektorraum, der mit einer Bilinearform, versehen sei. Dann gelten folgende Aussagen
MehrGegeben 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
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
MehrVektorräume. Kapitel Definition und Beispiele
Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
Mehr4.5 Lokale Extrema und die Hessesche Form
80 Kapitel 4. Differentialrechnung in mehreren Variablen 4.5 Lokale Extrema und die Hessesche Form Sei ab jetzt U R n offen und f:u R eine Funktion. Unter einem lokalen Extremum der Funktion f verstehen
Mehr4 Elementare Vektorraumtheorie
4. ELEMENTARE VEKTORRAUMTHEORIE 51 4 Elementare Vektorraumtheorie Im folgenden sei K stets ein Körper. Definition. (i) Eine homogene Gleichung in den Unbekannten ξ 1,..., ξ n ist ein Ausdruck der Gestalt
MehrBasis eines Vektorraumes
Basis eines Vektorraumes Basisergänzungssatz: Ist U V ein Unterraum von V und dim V = n, so kann jede Menge linear unabhängiger Vektoren aus U zu einer Basis von U erweitert werden Und es gilt: Beweis:
MehrFerienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte
Technische Universität München, Fakultät für Physik Ferienkurs - ineare Algebra Hanna Schäfer 03. März 04 0. inearität. f : M N, x : y = f(x) Merkinhalte. f(x + λy) = f(x) + λf(y), x, y V, λ K 3. ineare
Mehr70 IV. ENDLICH-DIMENSIONALE VEKTORRÄUME
IV. Endlich-dimensionale Vektorräume Unter einem endlich-dimensionalen Vektorraum verstehen wir einen Vektorraum, der eine endliche Basis besitzt. Die entscheidende Beobachtung ist die Tatsache, dass in
MehrAUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW
AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x
Mehr4 Affine Koordinatensysteme
4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner
Mehrf f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 49 Zu einer reellwertigen Funktion Extrema auf einer offenen Menge G R n interessieren wir uns, wie schon bei einem eindimensionalen
MehrIII Reelle und komplexe Zahlen
Mathematik für Elektrotechniker Klausur Vorbereitung Prof Dr Volker Bach, Dr Sébastien Breteaux, Institut für Analysis und Algebra Jeder Satz, der einen Namen hat, ist wichtig III Reelle und komplexe Zahlen
Mehr4.4 Lokale Extrema und die Hessesche Form
74 Kapitel 4 Differentialrechnung in mehreren Variablen 44 Lokale Extrema und die Hessesche Form Sei jetzt wieder U R n offen und f:u R eine Funktion Unter einem lokalen Extremum der Funktion f verstehen
MehrLösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 24 1. Zeige: Ist 1 n := min{dim K (V 1 ), dim K (V 2 )} < für Vektorräume V 1 und V 2, so ist jeder Tensor in V 1 K V 2 eine Summe von
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
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
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
Mehr4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.
4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
MehrKlausur zur Vorlesung Lineare Algebra und Geometrie I
Klausur zur Vorlesung Lineare Algebra und Geometrie I Ruhr-Universität Bochum Prof. Dr. Peter Eichelsbacher 3. April 2007, 9.00-13.00 Uhr, 240 Minuten Name und Geburtsdatum: Matrikelnummer: Hinweise: Überprüfen
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrLineare Algebra I. Lösung 9.2:
Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik Lösungsblatt 9 Prof. Dr. Markus Schweighofer 20.01.2010 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 9.1: Voraussetzung:
MehrÜbungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion
Übungen zur Ingenieur-Mathematik III WS 11/1 Blatt 8 3.11.11 Aufgabe 5: Berechnen Sie den kritischen Punkt der Funktion fx, y 3x 5xy y + 3 und entscheiden Sie, ob ein Maximum, Minimum oder Sattelpunkt
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:
MehrBild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis
MehrMusterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr
TUM Ferienkurs Lineare Algebra WiSe 8/9 Dipl.-Math. Konrad Waldherr Musterlösung Relationen Aufgabe Auf R sei die Relation σ gegeben durch (a, b)σ(c, d) : a + b c + d. Ist σ reflexiv, symmetrisch, transitiv,
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrÜbungen 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
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
MehrLineare Algebra I. December 11, 2017
Lineare Algebra I December 11, 2017 1 Grundlagen 1.1 Relationen Definition. Seien X und Y Mengen. Eine Relation auf X Y ist eine Teilmenge R X Y. Für x X, y Y sagen wir x steht in Relation mit y, falls
MehrLineare Abbildungen. Lineare Algebra I. Kapitel Juni 2012
Lineare Abbildungen Lineare Algebra I Kapitel 10 26. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent:
MehrA = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix
Matrizen Definition: i Eine m n Matrix A ist ein rechteckiges Schema aus Zahlen, mit m Zeilen und n Spalten: a a 2 a n a 2 a 22 a 2n a m a m2 a mn Die Spaltenvektoren dieser Matrix seien mit a,, a n bezeichnet
MehrV. Lineare Algebra. 35 Lineare Abbildungen und Matrizen. 156 V. Lineare Algebra
156 V. Lineare Algebra V. Lineare Algebra 35. Lineare Abbildungen und Matrizen 156 36. Eigenwerte und Eigenvektoren 161 37. Hauptvektoren 165 38. Normen und Neumannsche Reihe 168 39. Numerische Anwendungen
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 05.11.2013 Alexander Lytchak 1 / 14 Linearkombinationen Definition Es sei V ein reeller Vektorraum. Es sei (v i ) i
MehrR 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte
Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben
Mehr