Wiederholung. Lemma 16 Ist A symmetrisch, so gibt eine eine orthogonale Matrix O, s.d. O 1 AO diagonal ist.

Größe: px
Ab Seite anzeigen:

Download "Wiederholung. Lemma 16 Ist A symmetrisch, so gibt eine eine orthogonale Matrix O, s.d. O 1 AO diagonal ist."

Transkript

1 Wiederholung Lemma 6 Ist A smmetrisch, so gibt eine eine orthogonale Matrix O, sd O AO diagonal ist

2 Wiederholung Lemma 6 Ist A smmetrisch, so gibt eine eine orthogonale Matrix O, sd O AO diagonal ist (Smmetrische Matrizen über R sind diagonalisierbar mit Hilfe von ortogonalen Transformationen) Folgerung (Spektralsatz) Sei A smmetrisch Dann gibt es eine orthonormale Basis, die aus Eigenvektoren besteht Beweis Betrachte O aus Lemma 6, und die Basisvektoren b = Oe,,b n = Oe n Da O orthogonal und deswegen nichtausgeartet ist, ist {b,,b n } eine Basis Es gilt: Ab i = OO }{{} Id

3 Wiederholung Lemma 6 Ist A smmetrisch, so gibt eine eine orthogonale Matrix O, sd O AO diagonal ist (Smmetrische Matrizen über R sind diagonalisierbar mit Hilfe von ortogonalen Transformationen) Folgerung (Spektralsatz) Sei A smmetrisch Dann gibt es eine orthonormale Basis, die aus Eigenvektoren besteht Beweis Betrachte O aus Lemma 6, und die Basisvektoren b = Oe,,b n = Oe n Da O orthogonal und deswegen nichtausgeartet ist, ist {b,,b n } eine Basis Es gilt: Ab i = OO }{{} Id AOe i = O O } {{ AO } e i = λ i Oe i = λ i b i, diagonla also b i ist ein Eigenvektor Nach Definition von orthogonalen { Matrizen gilt, falls i = j (Oe i,oej) = (e i,e j ) = Dann ist die Basis {b, sonst,,b n } orthogonal

4 Wiederholung: Bilinerformen Def 35 LAAG Smmetrische Bilinearform auf V

5 Wiederholung: Bilinerformen Def 35 LAAG Smmetrische Bilinearform auf V ist eine Abbildung σ : V V R mit den Eigenschaften

6 Wiederholung: Bilinerformen Def 35 LAAG Smmetrische Bilinearform auf V ist eine Abbildung σ : V V R mit den Eigenschaften (Smmetrie) σ(u,v) = σ(v,u)

7 Wiederholung: Bilinerformen Def 35 LAAG Smmetrische Bilinearform auf V ist eine Abbildung σ : V V R mit den Eigenschaften (Smmetrie) σ(u,v) = σ(v,u) (Bilinearität)

8 Wiederholung: Bilinerformen Def 35 LAAG Smmetrische Bilinearform auf V ist eine Abbildung σ : V V R mit den Eigenschaften (Smmetrie) σ(u,v) = σ(v,u) (Bilinearität) σ(λ u + λ u,v) = λ σ(u,v) + λ σ(u,v) Satz 29 LAAG Jede smmetrische Bilinearform auf R n ist gegeben durch σ A (v,u) = v t Au, wobei A eine smmetrische Matrix ist Ferner gilt: a ij = σ(e i,e j )

9 Wiederholung: Bilinerformen Def 35 LAAG Smmetrische Bilinearform auf V ist eine Abbildung σ : V V R mit den Eigenschaften (Smmetrie) σ(u,v) = σ(v,u) (Bilinearität) σ(λ u + λ u,v) = λ σ(u,v) + λ σ(u,v) Satz 29 LAAG Jede smmetrische Bilinearform auf R n ist gegeben durch σ A (v,u) = v t Au, wobei A eine smmetrische Matrix ist Ferner gilt: a ij = σ(e i,e j ) (Gramm sche Matrix) Frage: Was passiert mit der Matrix der Form, falls wir die Basis ändern? Nach Basiswecksel Lemma 7 A B t AB, wobei b i = Be i Beweis: Nach Satz 6 sind die Koordinaten des Vektors {b,,b n } gleich B x x n x x n in der Basis Dann muss die Matrix A von σ in der neuen Basis die Gleichung (B x) t A B x = x t Ax für alle x R n erfüllen Dann ist x t Ax = x t (B ) t A B x Nach Satz 29 LAAG ist (B ) t A B = A, und deswegen ist A = B t AB

10 Folgerung A aus Lemmata 6,7 Man kann die Matrix jeder smmetrischen Bilinearform mit Hilfe vom ortonormierten Basiswecksel in Diagonalform bringen Tatsächlich, Lemma 6 sagt dass jede smmetrische A kann man mit Hilfe A O AO in eine Diagonalform bringen Wegen O = O t kann man jede smmetrische A man mit Hilfe A O t AO in eine Diagonalform bringen, und dies ist (nach Lemma 7) die Matrix der smmetrischen Bilinearform σ A in der Basis {Oe,,Oe n }, die orthonormiert ist (weil O das Standart-Skalarprodukt enthält)

11 Folgerung B aus Lemmata 6,7 Man kann die Matrix jeder smmetrischen Bilinearform mit Hilfe vom Basiswecksel in die Form ± ± bringen Beweis Sei A die Matrix der Bilinearform Nach Folgerung A (Eigentlich, nach Lemma 6) gibt es eine (orthogonale) Matrix O sd O t AO = λ λk, wobei λ i ist Betrachte C := λ Õ λ k, und B := OC

12 Da die beide Matrizen nichtausgeartet sind, ist B auch nichtausgeartet, und b i := Be i bilden deswegen eine Basis Nach Lemma 7 hat die Bilinearform in der Basis {b,,b n } die Matrix B t AB = (OC) t AOC = C t O t AO }{{} Lemma 6 C = λ Õ λ k λ λk λ Õ λ k = λ λ λ k λ k = ± ±

13 Quadriken Wir arbeiten in R n mit Standard-Skalarprodukt und Standartkoorinaten x x n Def 33 Die Lösungsmenge der Gleichung n n a ij x i x j + a i x i + a = i,j= i= heißt Quadrik (a ij,a i,a R ) Fragen: In welche beste Form kann man die Gleichung der Quadrik mit Hilfe einer Isometrie bzw affiner Transformation bringen? Gegeben eine Quadrik, wie kann man die Form der Quadrik finden, onhe die Transformation explizit einzugeben

14 Analogie: Jordan-Normalform: In welche beste Form kann man die Gleichung der Quadrik mit Hilfe einer Isometrie bzw affiner Transformation bringen? Gegeben eine Quadrik, wie kann man die Form der Quadrik finden, ohne die Transformation explizit einzugeben Man kann einer Matrix in Jordan-Normalform bringen Für kleinere Dimensionen, braucht man nur ℵ A, Min A und deren Nullstellen auszurechnen, um Jordan-Normalform zu finden

15 Gleichung der Quadrik in Matrix-Form Die Gleichung n n a ij x i x j + a i x i + a = i,j= i= kann man in der Matrix-Form a a n x x (x x n) + (a a n) a n a nn x n x n + a = schreiben In den fall kann mann immer Voraussetzen, dass die Matrix A := (a ij ) smmetrisch ist Tatsächlich, wenn wir die Matrix A mit der Matrix 2 (A + At ) ersetzen (die offensichtlich smmetrisch ist), wird die Gleichung und deswegen die Lösungsmenge nicht geändert: x t Das ist Matrix Ax = (x t Ax) t Rechenregeln = x t A t x, und deswegen die ursprungliche Gleihung is diesselbe wie a a n a a t n x x (x x n) (a a n) a n a nn a n a nn x n x n + a =

16 Erweiterte Matrix der Gleichung Man kann die Gleichung der Quadrik auch in der Form (x x n ) a a n a /2 x a n a nn a n/2 x n a /2 a n/2 a ßÞ Ð Erweiterte (smmetrische) Matrix Erw Q = Beweis: Einfach nachrechnen und die Gleichung a a n x x (x x n) + (a a n) a n a nn x n x n + a = bekommen

17 Bsp in dim 2: Ausgeartete Quadriken: ist eine Quadrik: die entsprechende Gleichung x = (x ) + = (x ) x x = Ein Punkt is eine Quadrik: zb (,2) ist die Lösungsmenge der Gleichung (x ) 2 + ( 2) 2 = Und diese Gleichung ist x x = (x ) +( 2 4) +5 = (x ) 2 x 2 5 = x { x } Gerade ist eine Quadrik: zb ist die Gerade sd x= die Lösungsmenge der Gleichung (x ) 2 = Und diese Gleichung ist x 2 2x + 2 = (x ) = (x ) x x x = (Vereinigung { von) Zwei Geraden ist eine Quadrik: zb ist die x } { x } sd x= sd x=- die Lösungsmenge der Gleichung (x )(x + ) = Und diese Gleichung ist x 2 2 = (x ) = (x ) x x =

18 Nichtausgeartete Quadriken: Bsp Ellips: ax 2 + b 2 = c, wobei a >, b >, c > (x ) c = (x ) a b x = a b x c Hperbel: ax 2 b 2 = c, wobei a >, b > c (x ) c = (x ) a b x = a b x c Parabel: ax 2 + b =, wobei a, b +b = (x ) (x ) a x a b/2 x b/2 =

19 Was machen affine Isomorphismen mit Quadriken? Sei F eine affine Isomorphismus, sei Q eine Quadrik Frage Was ist Bild F (Q) einer Quadrik Q? Anwort (Lemma 8) Es ist eine Quadrik Beweis Nach Vorlesung 7 LAAG ist die Umkehrabbildung F auch ein affine Isomophismus, und hat deswegen die Form F(x) = b + f B ( x) := b + Bx ( ) für einen b R n und eine nichtausgeartete n n Matrix B Ist x Bilf F (Q), so ist F (x) Q, also (b b n) + (x x n)b t a a n x b B + + ßÞ Ð (F (x)) t =(Bx+b) t a n a nn x n b n ßÞ Ð x b (a a n) B + x n b n ßÞ Ð F (x)=bx+b + a =, und deswegen F (x)=bx+b x t B t AB x + 2B t Ab + B t t t t a x + a b + b Ab + a = ( ), ßÞ Ð A ßÞ Ð ßÞ Ð a a Bemerkung Dies ist die Formel für die Gleichung der Quadrik Bild F (Q)

20 Formel ( ) für erweiterte Matirzen Erw Q = B t b b n a a n a n a nn a /2 a n/2 a /2 a n/2 a B B B b b n t Beweis: Auszurechnen

21 Hauptsatz der Theorie der Quadriken Satz 28 Man kann jede Quadrik mit Hilfe einer Isometrie in eine Quadrik der Form λ x x (x x n) λ k + ( a ßÞ Ð k+ a n) + a = überführen x n k x n Ferner gilt: ist k n und mind ein von a k+,, a n, so kann man a = machen Satz 29 Man kann jede Quadrik mit Hilfe eines affinen Isomorphismus in eine Quadrik der Form ± x x (x x n) ± + ( a ßÞ Ð k+ a n) + a = überführen x n k x n Ferner gilt: man kann alle a k+,, a n gleich ± oder machen Ferner gilt: ist k n und mind ein von a k+,, a n, so kann man a = machen

Erweiterte Koordinaten

Erweiterte Koordinaten Erweiterte Koordinaten Sei K n ein n dimensionaler affiner Raum Die erweiterten Koordinaten des Punktes x x n K n sind x x n Kn+ (Das ist für alle K sinnvoll, weil in jedem Körper K wohldefiniert ist In

Mehr

Erweiterte Koordinaten

Erweiterte Koordinaten Erweiterte Koordinaten Sei K n ein n dimensionaler affiner Raum Die erweiterten Koordinaten x des Punktes x K n sind Kn+ (Ist für alle K sinnvoll, weil in jedem Körper K wohldefiniert ist; in dieser Vorlesung

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

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w = 1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition

Mehr

Die Nicht-Negativität d (x,y) 0 haben wir als zusätzliche Eigenschaft angegeben, obwohl sie aus den anderen Bedingungen folgt.

Die Nicht-Negativität d (x,y) 0 haben wir als zusätzliche Eigenschaft angegeben, obwohl sie aus den anderen Bedingungen folgt. Metrische Räume Def. Sei X eine Menge. Eine Abbildung d : X X R 0 heißt eine Metrik, wenn x, y, z X die folgenden Bedingungen erfüllt sind: (Definitheit) d (x,y) = 0 x = y, (Symmetrie) (Dreiecksungleichung)

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

Quadratische Matrizen

Quadratische Matrizen Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch

Mehr

1 Eigenschaften von Abbildungen

1 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

Mehr

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016, Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren

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

6 Hauptachsentransformation

6 Hauptachsentransformation 6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten

Mehr

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Def. Eine Gleitspiegelung ist eine Spiegelung an einer Geraden (Spiegelachse) verknüpft mit einer Translation parallel zu dieser

Mehr

Drehung um einen Punkt um Winkel α.

Drehung um einen Punkt um Winkel α. Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D

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

5 Lineare Algebra (Teil 3): Skalarprodukt

5 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

Mehr

Klausurvorbereitungsblatt Lineare Algebra

Klausurvorbereitungsblatt Lineare Algebra Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen

Mehr

Lineare Abbildungen und Matrizen

Lineare 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

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. 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

Mehr

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 8 (SS 2011) Abgabetermin: Donnerstag, 9. Juni.

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 8 (SS 2011) Abgabetermin: Donnerstag, 9. Juni. Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 8 (SS 2011) Abgabetermin: Donnerstag, 9. Juni http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Hermitesche

Mehr

Kapitel 11. Bilinearformen über beliebigen Bilinearformen

Kapitel 11. Bilinearformen über beliebigen Bilinearformen Kapitel 11 Bilinearformen über beliebigen Körpern Wir können in diesem Kapitel rasch vorgehen, weil die meisten Konzepte im Zusammenhang mit Sesquilinearformen bereits eingeführt wurden. In diesem Abschnitt

Mehr

Anwendung: Teilbarkeitsregeln im Dezimalsystem

Anwendung: Teilbarkeitsregeln im Dezimalsystem Anwendung: Teilbarkeitsregeln im Dezimalsystem Seien α n,α n 1,,α 0 {0,,9} α n α n 1 α 0 sei die Zahl α n 10 n + + α 0 (Bsp 237 = 2 100 + 3 10 + 7) Frage: 2 : α n α n 1 α 0? (In Worten: teilt 2 die Zahl

Mehr

Lineare Algebra II 8. Übungsblatt

Lineare 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.

Mehr

Konvexe Funktionen und Legendre-Transformation

Konvexe Funktionen und Legendre-Transformation Konvexe Funktionen und Legendre-Transformation Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x, y auch stets deren Verbindungsstrecke xy = {x +t xy 0 t 1} = {(1 t)x +ty 0 t 1} enthält.

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag 9.6 $Id: quadrat.tex,v. 9/6/9 4:6:48 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6. Symmetrische Matrizen Eine n n Matrix heißt symmetrisch wenn

Mehr

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153 3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische

Mehr

6.3 Hauptachsentransformation

6.3 Hauptachsentransformation Im Wintersemester 6/7 wurde in der Vorlesung Höhere Mathematik für Ingenieurstudiengänge der folgende Algorithmus zur Hauptachsentransformation besprochen: 63 Hauptachsentransformation Die Matrizen, die

Mehr

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau 312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind

Mehr

Wiederholung: lineare Abbildungen

Wiederholung: 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 ) =

Mehr

Bilinearformen und quadratische Formen

Bilinearformen und quadratische Formen 107 Kapitel 7 Bilinearformen und quadratische Formen 7.1 Bilinearformen 7.1.1 Linearformen Definition 7.1 Es sei V ein linearer Raum über dem Körper Ã. Als lineares Funktional oder Linearform bezeichnet

Mehr

3 Bilinearformen und quadratische Formen

3 Bilinearformen und quadratische Formen 3 Bilinearformen und quadratische Formen Sei V ein R Vektorraum. Definition: Eine Bilinearform auf V ist eine Abbildung s : V V R, welche linear in beiden Variablen ist, d.h.: Für u, v, w V und λ, µ R

Mehr

Symplektische Geometrie

Symplektische Geometrie Symplektische Geometrie Def. Eine symplektische Form auf U R 2n ist eine geschlossene, nichtausgeartete 2-Differentialform. }{{}}{{} d.h. dω = 0 wird gleich definiert Wir bezeichnen sie normalerweise mit

Mehr

Satz 7. A sei eine nichtleere Teilmenge des nichttrivialen Vektorraums (V, +, ). Dann sind die folgende Aussagen äquivalent.

Satz 7. A sei eine nichtleere Teilmenge des nichttrivialen Vektorraums (V, +, ). Dann sind die folgende Aussagen äquivalent. Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine nichtleere Teilmenge

Mehr

Lineare Algebra 2 (SS 13) Blatt 13: Musterlösung

Lineare Algebra 2 (SS 13) Blatt 13: Musterlösung Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra 2 (SS ) Blatt : Musterlösung Aufgabe. Es sei C (R) der R-Vektorraum der unendlich oft differenzierbaren Funktionen auf R und : C (R) C (R), f f die Abbildung,

Mehr

Definition 27 Affiner Raum über Vektorraum V

Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,

Mehr

β 1 x :=., und b :=. K n β m

β 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

x 2 + y 2 = f x y = λ

x 2 + y 2 = f x y = λ Lineare Abbildungen Def Es seien (V 1,+, ) und (V 2,+, ) zwei Vektorräume Eine Abbildung f : V 1 V 2 heißt linear, falls für alle Vektoren u,v V 1 und für jedes λ R gilt: f (u + v) = f (u) + f (v), f (λu)

Mehr

Tutorium Mathematik II, M Lösungen

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

Mehr

x,y A = t xay v i,v j A = e i,e j t PAP

x,y A = t xay v i,v j A = e i,e j t PAP 75 Lineare Algebra II SS 2005 Teil 6 Bilinearformen 6A Kongruenz quadratischer Matrizen Sei K ein Körper, sei A M(n n, K) eine quadratische Matrix Wie wir zu Beginn von Teil 3 gesehen haben, liefert A

Mehr

LINEARE ALGEBRA FÜR ANALYSIS

LINEARE ALGEBRA FÜR ANALYSIS LINEARE ALGEBRA FÜR ANALYSIS ALBERTO S. CATTANEO Zusammenfassung. Eine Zusammenfassung der wichtigsten in der Analysis gebrauchten Grundbegriffe aus der linearen Algebra (speziell für diejenigen, die lineare

Mehr

Übungen zu Lineare Algebra und Geometrie 1

Übungen zu Lineare Algebra und Geometrie 1 Übungen zu Lineare Algebra und Geometrie 1 Andreas Čap Sommersemester 2015 Wiederholung grundlegender Begriffe (1 Bestimme Kern und Bild der linearen Abbildung f : R 3 R 3, die gegeben ist durch f(x, y,

Mehr

Ferienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte

Ferienkurs - 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

Mehr

Vektorräume. Kapitel Definition und Beispiele

Vektorräume. 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

Mehr

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent. Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen

Mehr

Koordinaten und darstellende Matrizen

Koordinaten und darstellende Matrizen Koordinaten und darstellende Matrizen Olivier Sète 4 Juli 2008 Inhaltsverzeichnis Koordinatenabbildung 2 Definition und Eigenschaften 2 2 Beispiel 3 2 Matrixdarstellung eines Vektorraumhomomorphismus 3

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 206 Lineare Algebra und analytische Geometrie II Vorlesung 33 Das Kreuzprodukt Eine Besonderheit im R 3 ist das sogenannte Kreuzprodukt, das zu zwei gegebenen Vektoren

Mehr

Musterlösungen zur Linearen Algebra II Übungsklausur

Musterlösungen zur Linearen Algebra II Übungsklausur Musterlösungen zur Linearen Algebra II Übungsklausur Aufgabe. Sei A R 3 3. Welche der folgenden Aussagen sind richtig? a Ist det(a =, dann ist A eine orthogonale Matrix. b Ist A eine orthogonale Matrix,

Mehr

Tutorium 7. Definition. Sei V ein C-Vektorraum. Eine Abbildung, : V V C heißt komplexes Skalarprodukt : det F k > 0 mit F k := (f i,j ) C k k

Tutorium 7. Definition. Sei V ein C-Vektorraum. Eine Abbildung, : V V C heißt komplexes Skalarprodukt : det F k > 0 mit F k := (f i,j ) C k k Skalarprodukte Tutorium 7 Bemerkung. Für jeden komplexen Vektorraum V mit dim V und jede komplexe Bilinearform P auf V findet man einen Vektor v mit P (v, v) =. Es gibt also keine positiv definite Bilinearformen

Mehr

Inhaltsverzeichnis. I Lineare Gleichungssysteme und Matrizen 1. Vorwort

Inhaltsverzeichnis. I Lineare Gleichungssysteme und Matrizen 1. Vorwort Vorwort V I Lineare Gleichungssysteme und Matrizen 1 1 Der Begriff des Körpers 3 1.1 Mengen 3 1.2 Köiperaxiome 3 1.3 Grundlegende Eigenschaften von Körpern 5 1.4 Teilkörper 7 1.5 Aufgaben 8 1.5.1 Grundlegende

Mehr

4 Lineare Abbildungen Basisdarstellungen

4 Lineare Abbildungen Basisdarstellungen 4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w

Mehr

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2, Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist

Mehr

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli.

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli. Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Hier

Mehr

4 Lineare Abbildungen und Matrizen

4 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

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

Übungen zu Lineare Algebra und Geometrie für LAK

Übungen zu Lineare Algebra und Geometrie für LAK Übungen zu Lineare Algebra und Geometrie für LAK Andreas Cap Wintersemester 2010/11 Wiederholung grundlegender Begriffe (1) Bestimme Kern und Bild der linearen Abbildung f : R 3 R 3, die gegeben ist durch

Mehr

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse

Mehr

Rückblick auf die letzte Vorlesung

Rückblick auf die letzte Vorlesung Rückblick auf die letzte Vorlesung Lineare Differentialgleichungen Ausblick auf die heutige Vorlesung Lineare autonome Differentialgleichungen 2 Bestimmung des Fundamentalsystems 3 Jordansche Normalform

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein

Mehr

Übungsaufgaben zur Linearen Algebra II. 1.) Lösen Sie das folgende lineare Gleichungssystem mit der Cramerschen Regel.

Übungsaufgaben zur Linearen Algebra II. 1.) Lösen Sie das folgende lineare Gleichungssystem mit der Cramerschen Regel. Blatt 1 21.4.97 1.) Lösen Sie das folgende lineare Gleichungssystem mit der Cramerschen Regel. 3x 1 x 2 + 5x 3 = 1 x 1 + 2x 2 + x 3 = 1 2x 1 + 4x 2 + 3x 3 = 1 2.) Zeigen Sie: det 1 1 0 0.......... 0 1

Mehr

Neues Thema: Inversion am Kreis (Kreisspiegelung)

Neues Thema: Inversion am Kreis (Kreisspiegelung) Neues Thema: Inversion am Kreis (Kreisspiegelung) Wir arbeiten in ( R 2,, standard ). Def. Betrachte einen Kreis um O vom Radius r > 0. Inversion (bzgl. des Kreises) ist eine Abbildung I O,r : R 2 \ {O}

Mehr

( ) Lineare Gleichungssysteme

( ) Lineare Gleichungssysteme 102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv

Mehr

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1. Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x

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

3.5 Duale Vektorräume und Abbildungen

3.5 Duale Vektorräume und Abbildungen 3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung

Mehr

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum Kapitel II Lineare Algebra und analytische Geometrie 6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum geometrischen

Mehr

$Id: vektor.tex,v /01/24 14:10:45 hk Exp $ $Id: cartesisch.tex,v /01/24 14:28:24 hk Exp $

$Id: vektor.tex,v /01/24 14:10:45 hk Exp $ $Id: cartesisch.tex,v /01/24 14:28:24 hk Exp $ $Id: vektor.tex,v.7 20/0/24 4:0:45 hk Exp $ $Id: cartesisch.tex,v.3 20/0/24 4:28:24 hk Exp $ Vektorräume.5 Lineare Abbildungen Am Ende der letzten Sitzung hatten wir die sogenannten linearen Abbildungen

Mehr

Klausurähnliche Aufgaben

Klausurähnliche Aufgaben Sommersemester 2007/08 Lineare Algebra Klausurähnliche Aufgaben Aufgabe 1 Seien v 1, v 2, v 3, v 4, v 5, v 6 die Vektoren in R 5 mit v 1 = (1, 2, 3, 1, 2), v 2 = (2, 4, 6, 2, 4), v 3 = ( 1, 1, 3, 0, 3),

Mehr

MAT Lineare Algebra, SS 07 Prof. Joachim Rosenthal Lösung zu Übungsblatt 7

MAT Lineare Algebra, SS 07 Prof. Joachim Rosenthal Lösung zu Übungsblatt 7 MAT.4 - Lineare Algebra, SS 07 Prof. Joachim Rosenthal Lösung zu Übungsblatt 7 Aufgabe Sei ϕ : V V R eine symmetrische Bilinearform auf einem reellen Vektorraum V. Für die Vektoren v,...,v n V gelte ϕ(v

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

Mehr

4.4 Symmetrische Bilinearformen

4.4 Symmetrische Bilinearformen 4.4. SYMMETRISCHE BILINEARFORMEN 195 4.4 Symmetrische Bilinearformen Alle betrachteten Vektorräume seien euklidisch. Wir betrachten Bilinearformen Φ: V V R, von denen wir nur voraussetzen, daß sie symmetrisch

Mehr

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).

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

Kapitel 3 Quadratische Formen und symmetrische Matrizen

Kapitel 3 Quadratische Formen und symmetrische Matrizen Kapitel 3 Quadratische Formen und symmetrische Matrizen 3.1 Skalarprodukte und Normen Das übliche Skalarprodukt für Vektoren aus dem R ist folgendermassen erklärt: ( ) ( ) x1 x v w = := x 1 x +y 1 y. y

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

Mehr

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche" Punkte mit inhomogenen K

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche Punkte mit inhomogenen K Kapitel IV Projektive Geometrie In diesem Kapitel wird eine kurze Einführung in die projektive Geometrie gegeben. Es sollen unendlich ferne Punkte mit Hilfe von homogene Koordinaten eingeführt werden und

Mehr

Klausur Lineare Algebra I & II

Klausur Lineare Algebra I & II Prof. Dr. G. Felder, Dr. Thomas Willwacher ETH Zürich, Sommer 2010 D MATH, D PHYS, D CHAB Klausur Lineare Algebra I & II Bitte ausfüllen! Name: Vorname: Studiengang: Bitte nicht ausfüllen! Aufgabe Punkte

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Universität Karlsruhe (TH) Institut für Algebra und Geometrie Dr. Klaus Spitzmüller Dipl.-Inform. Wolfgang Globke Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Lösungen zum

Mehr

Aufgaben zu Kapitel 21

Aufgaben zu Kapitel 21 Aufgaben zu Kapitel Aufgaben zu Kapitel Verständnisfragen Aufgabe. Welche der nachstehend genannten Abbildungen sind quadratische Formen, welche quadratische Funktionen: a f(x = x 7x + x + x x x b f(x

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

Rückblick auf die letzte Vorlesung. Bemerkung

Rückblick auf die letzte Vorlesung. Bemerkung Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D

Mehr

14 (Symmetrische) Bilinearformen und Quadriken

14 (Symmetrische) Bilinearformen und Quadriken 1 14 (Symmetrische) Bilinearformen und Quadriken Motivation: Geometrie, CAD, NW, Verallgemeinerung des Begriffs Skalarprodukt. Wiederholung: Bilinearformen, symmetrische Bilinearformen, positiv definiertes

Mehr

++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1

++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1 Hauptachsentransformation. Einleitung Schneidet man den geraden Kreiskegel mit der Gleichung = + und die Ebene ++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen +2 + +dx+ey+f = 0. Die

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

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

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

Lineare 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 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

Mehr

Lineare Algebra Vordiplom Kurs

Lineare Algebra Vordiplom Kurs Lineare Algebra Vordiplom Kurs Gabriel Puebla-Hellmann 19. Juli 2004 Inhaltsverzeichnis 1 Grundbegriffe 3 1.1 Lineare Gleichungssysteme...................... 3 1.2 Vektorräume.............................

Mehr

Variante A. Hinweise

Variante A. Hinweise Lehrstuhl C für Mathematik (Analsis Prof. Dr. Y. Guo Aachen, den 6..3 Klausur zur Höheren Mathematik I WS /3 Variante A Hinweise Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind handschriftliche

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume 7.1 Skalarprodukte Definition 7.1.1 Es seien V und W Vektorräume über einem Körper K.Eine Abbildung s : V W K heißt Bilinearform, wenn gilt BF1 s(v 1 + v 2,w)

Mehr

= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0.

= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0. Def 4 Eine Menge K mit zwei Abbildungen + : K K K und : K K K (heißen Addition und Multiplikation; wir werden a b bzw a+b statt (a,b), +(a,b) schreiben) ist ein kommutativer Ring, falls: (R1) (K, +) ist

Mehr

3.3 Klassifikation quadratischer Formen auf R n

3.3 Klassifikation quadratischer Formen auf R n 3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen

Mehr

Klausurenkurs zum Staatsexamen (WS 2013/14): Lineare Algebra und analytische Geometrie 7

Klausurenkurs zum Staatsexamen (WS 2013/14): Lineare Algebra und analytische Geometrie 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 3/4): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr, Thema 3, Aufgabe 4) Im R 3 seien die beiden Ebenen E : 6x+4y z = und E : +s +t 4 gegeben.

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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,...,

Mehr

Anwendung v. symmetrischen Matrizen: Hauptachsentransformation

Anwendung v. symmetrischen Matrizen: Hauptachsentransformation Zusammenfassung: Eigenwerte, Eigenvektoren, Diagonalisieren Eigenwertgleichung: Bedingung an EW: Eigenwert Eigenvektor charakteristisches Polynom Für ist ein Polynom v. Grad, Nullstellen. Wenn EW bekannt

Mehr

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

$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

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

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

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 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn

Mehr

(a) Bestimmen Sie die Matrixdarstellung dieser Abbildung bzgl. einer möglichst einfachen Basis von P n - (b) Bestimmen Sie die zu F duale Abbildung F.

(a) Bestimmen Sie die Matrixdarstellung dieser Abbildung bzgl. einer möglichst einfachen Basis von P n - (b) Bestimmen Sie die zu F duale Abbildung F. Übung. Wiederholen Sie die folgenden Begriffe und geben sie jeweils Beispiele (a) Vektorraum (b) Vektorraumhomomorphismus mit Spezialfällen (c) Basis (d) Dualraum (e) Duale Basis (f) Koordinatenabbildung

Mehr

Kapitel III. Lineare und multilineare Algebra. 1 Lineare Gleichungssysteme

Kapitel III. Lineare und multilineare Algebra. 1 Lineare Gleichungssysteme Kapitel III Lineare und multilineare Algebra 1 Lineare Gleichungssysteme Sei K ein beliebiger Körper Sind V 1,, V n K-Vektorräume, so ist auch ein K-Vektorraum, mit V 1 V n := {(x 1,, x n ) x i V i für

Mehr