Wiederholung. Lemma 16 Ist A symmetrisch, so gibt eine eine orthogonale Matrix O, s.d. O 1 AO diagonal ist.
|
|
- Richard Meyer
- vor 6 Jahren
- Abrufe
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 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
MehrErweiterte 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
MehrAbschnitt: (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
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
MehrDie 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)
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
MehrQuadratische 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
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
MehrKlausur 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
MehrAffine 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
Mehr6 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
MehrGleitspiegelung 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
MehrDrehung 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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
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
MehrKlausurvorbereitungsblatt 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
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
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
MehrLineare 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
MehrKapitel 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
MehrAnwendung: 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
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrKonvexe 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.
Mehr6 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
Mehr3.3 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
Mehr6.3 Hauptachsentransformation
Im Wintersemester 6/7 wurde in der Vorlesung Höhere Mathematik für Ingenieurstudiengänge der folgende Algorithmus zur Hauptachsentransformation besprochen: 63 Hauptachsentransformation Die Matrizen, die
Mehr4.3 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
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 ) =
MehrBilinearformen 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
Mehr3 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
MehrSymplektische 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
MehrSatz 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
MehrLineare 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,
MehrDefinition 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,
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
Mehrx 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)
MehrTutorium 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 +
Mehrx,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
MehrLINEARE 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
MehrÜbungen 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,
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
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
MehrSatz 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
MehrKoordinaten 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
MehrLineare 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
MehrMusterlösungen 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,
MehrTutorium 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
MehrInhaltsverzeichnis. 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
Mehr4 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
Mehra 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
MehrLineare 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
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
MehrLineare 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
MehrÜbungen 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
MehrEigenwerte, 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
MehrRückblick 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
MehrEuklidische 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
MehrÜbungsaufgaben 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
MehrNeues 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
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
MehrSysteme 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
Mehr2) 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
Mehr3.5 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
Mehr6 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.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
MehrKlausurähnliche 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),
MehrMAT 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
Mehr5 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
Mehr4.4 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
MehrOrthonormalisierung. 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).
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
MehrKapitel 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
MehrProseminar 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
MehrDie 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
MehrKlausur 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
Mehr3.3 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.
MehrLineare 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
MehrAufgaben 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
Mehr6 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,
MehrRückblick 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
Mehr14 (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
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
MehrAussagenlogik. 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
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
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
MehrLineare 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.............................
MehrVariante 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
MehrEuklidische 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.
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
Mehr3.3 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
MehrKlausurenkurs 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.
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,...,
MehrAnwendung 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 $
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
MehrDEUTSCHE 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
MehrEigenwerte 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
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
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.
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
MehrKapitel 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