Lineare Algebra und Numerische Mathematik für D-BAUG
|
|
- Brigitte Bretz
- vor 6 Jahren
- Abrufe
Transkript
1 P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen: A = ( ) 2 4, B = ( 2 ) a) Bestimmen Sie Basen für Bild(A), Bild(A ), Kern(A), Kern(A ) Lösung: Kern von A: Die Spalten der Matrix A sind Vielfache voneinander, also sind sie linear abhängig und A hat Rang Somit hat das Bild von A Dimension Aus dem Dimensionssatz für Matrizen folgt, dass der Kern von A Dimension 2 haben muss Wir bestimmen den Kern von A, in dem wir zwei linear unabhängige Vektoren x suchen, welche Ax = erfüllen Man bringt A in Zeilenstufenform Z, Dann folgt Z = ( ) 2 4 {( 2 ) ( 4 )} Kern(A) = span, Bild von A: Wie vorher bemerkt, sind die Spalten von A linear abhängig, und das Bild hat deswegen Dimension, Bild(A) = span{( 2 )} Kern von A : Wir bemerken wieder, dass die Spalten von A linear abängig sind und das Bild der Matrix deswegen Dimension hat Aus dem Dimensionssatz für Matrizen folgt, dass dim Kern(A ) = Man bringt A in Zeilenstufenform Z, 2 Z = Serie 8 Seite Aufgabe 8
2 Wir finden Kern(A ) = span{( 2 )} Bild von A : Wie vorher bemerkt, hat das Bild der Matrix Dimension, da die Spaltenvektoren linear abängig sind, )} Bild(A 2 ) = span{( 8b) Bestimmen Sie Basen für Bild(B), Bild(B ), Kern(B), Kern(B ) Lösung: Kern von B: Die Zeilenstufenform Zvon B ist: ( ) 4 Z = B hat Rang 2 Kern(B) hat Dimension, Kern(B) = span{( 4 4 )} Bild von B: Die und die Spalte von B sind linear abhängig Also lässt sich das Bild von B mit der und 2 Spalte beschreiben, Bild(B) = span{( 2 ), ( 2 5 )} Kern von B : Laut Dimensionssatz für Matrizen ist dim Bild(C) + dim Kern(C) = n, für eine Matrix C R m,n Da dim Bild(B ) = 2, muss dim Kern(B) = sein Womit klar ist, dass Kern(B ) = {( )} ) ( )} Bild von B : Bild(B 2 25 ) = span{(, 4 8 Aufgabe 82 Lineare Abhängigkeit von Mengen von Vektoren In der Vorlesung haben Sie lineare Abhängigkeit und Unabhängigkeit definiert In dieser Aufgabe geht es darum, die Begriffe ein wenig genauer zu untersuchen und sich zu überlegen, in welchen Fällen Sie es mit linear abhängigen bzw unabhängigen Mengen von Vektoren zu tun haben Seien k, n, p N Kreuzen Sie an, ob die folgenden Aussagen wahr oder falsch sind Serie 8 Seite 2 Aufgabe 82
3 82a) Die Menge S := {}, welche nur aus dem Nullvektor in R n besteht ist linear unabhängig (i) Richtig (ii) Falsch Die Aussage ist falsch Verwenden wir die Definition der linearen (Un)Abhängigkeit, so erhalten wir α = α R, beliebig Somit ist die Menge von Vektoren S = {} nicht linear unabhängig, also linear abhängig 82b) Eine Menge S := {v}, welche nur einen einzigen nicht-null-vektor v R n enthält, ist linear unabhängig (i) Richtig (ii) Falsch Die Aussage ist richtig Wir verwenden wieder die Definition der linearen (Un)Abhängigkeit und erhalten α v = α =, da v Somit ist die Menge von Vektoren S = {v} linear unabhängigg 82c) Die Menge S := {v, v 2 } R n ist genau dann linear abhängig, wenn einer der Vektoren aus S ein skalares Vielfaches des anderen Vektors darstellt (i) Richtig (ii) Falsch Die Aussage ist richtig Wir verwenden wieder die Definition der linearen Abhängigkeit und erhalten ( ) α v + α 2 v 2 α = Es existiert eine Lösung R 2 \ {} (82) Also gilt entweder α oder α 2 Wir nehmen ohne Beschränkung der Allgemeinheit an, dass gilt α (ansonsten vertauschen wir die Rolle von v und v 2 ) Wir können nun die Vektorgleichung (82) nach v auflösen (82) v = α 2 α v 2, und erhalten die Darstellung von v als skalares Vielfaches von v 2 α 2 Serie 8 Seite Aufgabe 82
4 82d) ist Es gibt Vektoren v,, v k R n so, dass die Menge {, v,, v k} linear unabhängig (i) Richtig (ii) Falsch Die Aussage ist falsch Die Definition der linearen (Un)Abhängigkeit lautet in diesem Fall α + α 2 v + + α k+ v k = (822) Wir bemerken, dass α R beliebig gewählt werden kann Somit ist zum Beispiel R k+ \ {} eine nichttriviale Lösung von (822) Die Menge ist folglich linear abhängig α α 2 α k+ := ( ) 82e) Wenn die Menge { { v, v 2,, v k} R n linear abhängig ist, dann ist auch die Menge v, v 2,, v k, w, w 2,, w p} R n linear abhängig für beliebige Vektoren w i R n, i {,, p} (i) Richtig (ii) Falsch Die Aussage ist richtig Nach Definition der linearen (Un)Abhängigkeit erhalten wir α v + + α k v k + α k+ w + + α k+p w p = (82) Da nach Annahme { v,, v k} linear abhängig sind, gibt es einen nicht-null-vektor a := {}, für welchen gilt α v + + α k v k = α α k ( α α k ) R k \ Erweitern wir diesen Vektor a um α k+ = = α k+p =, dann erfüllt dieser Vektor Rk+p \ {} die Bedingung (82) Die Menge { v, v 2,, v k, w, w 2,, w p} R n ist somit linear abhängig Serie 8 Seite 4 Aufgabe 82
5 82f) Sofern {v, v 2 } R n linear unabhängig ist, die Menge {v, v 2, v } R n jedoch linear abhängig, dann kann v als Linearkombination von v und v 2 dargestellt werden (i) Richtig (ii) Falsch Wir starten wieder mit der Definition der linearen (Un)Abhängigkeit Die erste Aussage, dass { v, v 2} R n linear unabhängig ist, liefert uns α v + α 2 v 2 = α = α 2 = (824) somit muss für die zweite Aussage gelten, dass es ein α gibt, sodass gilt α v + α 2 v 2 + α v = (825) Ansonsten hätten wir die Gleichung auf (824) zurückgeführt und nur die triviale Lösung, was im Widerspruch zur linearen Abhängigkeit von { v, v 2, v } stehen würde Da es ein α gibt, können wir die Gleichung (825) umformen zu v = α α v α 2 α v 2 (826) Aufgabe 8 Lineare Abhängigkeit orthogonaler Vektoren Es sei M := {v,, v k } R n \ {} eine Menge von von verschiedenen Vektoren in R n für die gilt Zeigen Sie, dass M linear unabhängig ist v m, v l = für alle l, m {,, k}, m l (8) Lösung: Wir betrachten die Vektorgleichung α v + α 2 v α k v k = Aus der Vorlesung wissen wir, dass v,, v k genau dann linear unabhängig sind, wenn die einzigen α l, l =,, k, die die obige Gleichung erfüllen, α = = α k sind Wir bilden das Skalarprodukt der obigen Gleichung mit einem beliebigen v l, l =,, k v l, α v + α 2 v α k v k = Da das Skalarprodukt linear ist, ist dies equivalent zu Nun verwenden wir (8), und finden α v l, v + α 2 v l, v α k v l, v k = α l v l, v l =, weil alle anderen Summanden null sind Da v l impliziert das, dass α l = Wir erinnern uns, dass wir l beliebig gewählt haben Das selbe Argument können wir aslo für alle l =,, k wiederholen und finden so, dass α = = α k = Somit sind die Vektoren v,, v k linear unabhängig Serie 8 Seite 5 Aufgabe 8
6 Aufgabe 84 Orthonormale Basis Gegeben seien die Vektoren v () = , v (2) = 2, v () = Zeigen Sie, dass die Vektoren v (), v (2), v () eine orthonormale Basis von R bilden, d h zeigen Sie, dass v (), v (2), v () Einheitsvektoren sind (das bedeutet, dass ihre Länge ist, ie v (i), v (i) =, i =, 2, ), paarweise orthogonal sind, eine Basis von R bilden Lösung: Einheisvektoren: Zu zeigen ist, dass v (), v (2), v () die Länge haben: v () = v (), v () = = v (2) = v (2), v (2) = = v () = v (), v () = = Paarweise orthogonal: Zu zeigen ist, dass v (i), v (j) = für i j: v (), v (2) = = v (), v () = = v (2), v () = = Wegen der Symmetrie des Skalarprodukts gilt dann automatisch auch v (2), v () = usw Der R ist -dimensional Deswegen bilden die drei paarweise orthogonalen Einheitsvektoren v (), v (2), v () eine Basis des R Zusammenfassend sind sie also eine orthonormale Basis von R Aufgabe 85 Basiswechsel Gegeben sei der Vektorraum V = R mit der Standardbasis B Die Matrix A = definiert eine lineare Abbildung von V nach V Serie 8 Seite 6 Aufgabe 84
7 85a) Durch die Wahl der neuen Basis 2 B =,, 2 werden neue Koordinaten eingeführt Bestimmen Sie die Übergangsmatrix T von B nach B Durch welche Matrix B wird die lineare Abbildung in den neuen Koordinaten beschrie- 85b) ben? 85c) Interpretieren Sie die Abbildung geometrisch Lösung: a) Die Übergangsmatrix von B nach B ist durch 2 S = 2 gegeben, weil deren Spalten aus den Koordinatenvektoren der neuen Basisvektoren bezüglich der Standardbasis bestehen Die gesuchte Übergangsmatrix T von B nach B ist invers zu S Wir invertieren darum S mit dem Gaussverfahren: Somit gilt T = b) Nach der Formel aus der Vorlesung gilt B = T AT = T AS Somit bekommen wir 5 2 B = = 5 = c) Wir bezeichnen die Basisvektoren aus B mit b, b 2 und b Nach Aufgabenteil b) wird b auf b und b 2 auf b 2, sowie b auf abgebildet Somit handelt es sich um die Projektion entlang Serie 8 Seite 7 Aufgabe 85
8 b auf die Ebene, die durch b und b 2 aufgespannt wird, gefolgt von einer Punktspiegelung am Nullpunkt Bemerkung: Weil b senkrecht auf b und b 2 steht, ist die obige Projektion entlang b die Orthogonalprojektion auf die Ebene, die durch b und b 2 aufgespannt wird (bezüglich des Standardskalarprodukts) Aufgabe 86 Unterräume des R 86a) Sei V die folgende Teilmenge des R : { (x, y, 2x + y) R x, y R } Zeigen Sie, dass V ein Unterraum des reellen Vektorraumes R ist Lösung: V ist offensichtlich eine nichtleere Teilmengen von R Wir müssen also noch die restlichen zwei Bedingungen der Definition für Unterräume überprüfen x Wir zeigen: V = y R x, y R ist ein Unterraum von R : 2x + y x x 2 Seien a = y 2x + y, b = y 2 2x 2 + y 2 V Es gilt: x + x 2 x a + b = y + y 2 = y V, 2(x + x 2 ) + y + y 2 2x + y wobei x = x + x 2, y = y + y 2 Sei a wie oben, α R : αx x 4 αa = αy = y 4 V, 2αx + αy 2x 4 + y 4 wobei x 4 = αx, y 4 = αy Also ist V ein Unterraum von R 86b) Ist die Menge W = { (x, 2x +, x) R x R } auch ein Unterraum von R? Begründen Sie Ihre Antwort Lösung: W ist offensichtlich eine nichtleere Teilmengen von R Wir müssen also noch die restlichen zwei Bedingungen in der Definition für Unterräume überprüfen x Seien a = 2x +, b = x x 2 2x 2 + W Dann gilt: x 2 x + x 2 a + b = 2(x + x 2 ) + 2 W x + x 2 Serie 8 Seite 8 Aufgabe 86
9 W ist also kein Unterraum von R! Bemerkung: Wenn wir zeigen wollen, dass etwas im Allgemeinen gilt, so müssen wir es für alle Fälle nachprüfen (wie hier bei Teilaufgabe 86a), wir prüfen es für alle a, b V und für alle α R) Wenn wir hingegen zeigen wollen, dass etwas im Allgemeinen nicht gilt, so genügt es ein Gegenbeispiel zu finden Teilaufgabe 86b) lässt sich somit einfacher lösen, indem man z B feststellt, dass zwar v := (,, ) ein Element von W ist (mit x = ), aber v + v = (2, 6, 2) nicht in W ist (da kein x R existiert, so dass v + v = (x, 2x +, x) ) Aufgabe 87 Ein Unterraum des R 4 Die Vektoren a = (, 2, 5, ), b = (2,,, 4) und c = (, 8,, 5) erzeugen einen Unterraum W von R 4 87a) Bestimmen Sie dim W und eine Basis von W 87b) Vervollständigen Sie diese Basis zu einer Basis von R 4 87c) Geben Sie ein homogenes LGS an, welches W als Lösungsraum hat Lösung: a) Wir wenden das Gaussverfahren auf die Matrix mit den Zeilen a, b und c an: Beim Gaussverfahren wird der von den Zeilen erzeugte Unterraum nicht verändert Deshalb ist dim W = 2 und {(, 2, 5, ), (, 7, 9, 2) } eine Basis von W b) Eine mögliche Vervollständigung dieser Basis zu einer Basis von R 4 ist {(, 2, 5, ), (, 7, 9, 2), (,,, ), (,,, ) } Dies ist eine Basis, weil die Zeilenstufenform der Matrix A mit diesen Zeilen die Einheitsmatrix ist c) Die lineare Gleichung u x + u 2 x 2 + u x + u 4 x 4 = hat die Basisvektoren (, 2, 5, ) und (, 7, 9, 2) von W als Lösung für (x, x 2, x, x 4 ), falls (u, u 2, u, u 4 ) eine Lösung des linearen Gleichungssystems mit der Koeffizientenmatrix ( 2 5 ) ist Durch Rückwärtseinsetzen sehen wir, dass dies genau dann der Fall ist, wenn u 2 = 9 7 u 2 7 u 4, u = 2u 2 5u + u 4 = 7 7 u u 4 Serie 8 Seite 9 Aufgabe 87
10 gilt, wobei u und u 4 frei gewählt werden können Wir wählen (u, u 4 ) = (7, ) und (u, u 4 ) = (, ) und sehen, dass das LGS 7x + 9x 2 + 7x = x 2 + x + x 4 = die Basisvektoren (, 2, 5, ), (, 7, 9, 2) von W als Lösung hat Die Koeffizientenmatrix dieses LGS ist in Zeilenstufenform und hat Rang 2 Daher hat der Lösungsgraum dieses LGS die Dimension 4 2 = 2 Da die obigen Basisvektoren von W im Lösungsraum liegen, ist dieser gleich W Veröffentlichung am November 25 Abzugeben bis 8 November 25 Serie 8 Seite Aufgabe 87
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
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
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
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
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
MehrVektorräume und Rang einer Matrix
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung
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
MehrLösungen Serie 6 (Vektorräume, Skalarprodukt)
Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrKapitel 15. Aufgaben. Verständnisfragen
Kapitel 5 Aufgaben Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation einen K-Vektorraum bildet
MehrMathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7
Mathematik für Wirtschaftswissenschaftler im WS 203/4 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Aufgabe 27 Sei eine lineare Abbildung f : R 4 R 3 gegeben durch f(x, x 2, x 3 ) = (2 x 3 x 2
MehrAufgaben zu Kapitel 15
Aufgaben zu Kapitel 5 Aufgaben zu Kapitel 5 Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
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
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
Mehr4. Vektorräume und Gleichungssysteme
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume
Mehr2.2 Kern und Bild; Basiswechsel
22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare
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 (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
MehrDie Dimension eines Vektorraumes
Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 21.11.2016 6. Vorlesung aufgespannter Untervektorraum Span(T ), Linearkombinationen von Vektoren Lineare Unabhängigkeit
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
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
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
MehrVektorräume und Lineare Abbildungen
Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit
MehrLineare Gleichungssysteme - Grundlagen
Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente
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
MehrEine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein
Mehr& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors
Einführu hnung Was ist ein Vektor? In Bereichen der Naturwissenschaften treten Größen auf, die nicht nur durch eine Zahlenangabe dargestellt werden können, wie Kraft oder Geschwindigkeit. Zur vollständigen
MehrBeispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger
Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit
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
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
MehrMusterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.2012
Musterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.0 Aufgabe : Entscheiden Sie in dieser Aufgabe, ob die Aussagen wahr oder falsch sind. Begründungen sind nicht erforderlich. Ein korrekt gesetztes
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
MehrDonnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.
Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
MehrLänge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren
Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(
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
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
Mehr11. BASIS, UNTERRAUM, und DIMENSION
11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen
MehrFormelsammlung Mathematik Grundkurs Inhalt
Formelsammlung Mathematik Grundkurs Inhalt Inhalt...1 Trigonometrie Grundlagen... Vektoren...3 Skalarprodukt...4 Geraden...5 Abstandsberechnungen...6 Ebenen...7 Lineare Gleichungssysteme (LGS)...8 Gauß'sches
MehrMatrizen. Aufgabe 1. Sei f R 2 R 3 definiert durch. x y x Berechnen Sie die Matrix Darstellung von f. Lösung von Aufgabe 1.
Matrizen Aufgabe Sei f R R 3 definiert durch ( x 3y x f x + y y x Berechnen Sie die Matrix Darstellung von f Lösung von Aufgabe ( f ( f 3 Die Matrix Darstellung von f ist somit A 3 Aufgabe Eine lineare
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
MehrFachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen)
Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie (Lineare Abbildungen) Dozent/in: R. Burkhardt Büro:.6 Klasse: Semester: Datum: HS 8/9. Aufgabe Zeige, dass die folgenden Abbildungen
Mehr6. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 6. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 2/ 25..-.2. Aufgabe G (Lineare Gleichungssysteme)
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
Mehry x x y ( 2x 3y + z x + z
Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = 0 4 0 0 0 0 0 Berechnen Sie
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien 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... a m1
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
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
MehrEin Beispiel für eine lineare Abbildung
Inhaltsverzeichnis Ein Beispiel für eine lineare Abbildung Lothar Melching Vorbemerkungen 2 Ein Beispiel 2 2 Definition der Abbildung f 2 22 Die Abbildungsmatrix 3 23 Anwendung 3 Eigenwerte 3 Die neue
MehrSkalarprodukte (Teschl/Teschl Kap. 13)
Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
Mehr0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )
Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,
MehrLineare Algebra I: Eine Landkarte
Bild F Algebra I: Eine Landkarte Faser Versuch einer Übersicht der Themen und Zusammenhänge der n Algebra 1. 1 Algebra I: Bild F Faser Sei B Basis von V. Jedes v V läßt sich eindeutig aus den Basisvektoren
MehrMathematischer Vorkurs Lösungen zum Übungsblatt 5
Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 c.v.meister@skmail.ikp.physik.tu-darmstadt.de Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und
MehrLineare Algebra II 6. Übungsblatt
Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der
Mehr9 Vektorräume mit Skalarprodukt
9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden
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
MehrAllgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.
Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische
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
MehrZusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren
Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier
MehrLineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich
Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,
MehrLineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya
Lineare Abhängigkeit und Unabhängigkeit -E Ma Lubov Vassilevskaya Eindimensionaler Raum Abb. -: Zwei nicht gleiche Vektoren auf der gleichen Gerade Jeden Vektor, der auf einer Geraden liegt, kann man durch
MehrInverse Matrix. 1-E Ma 1 Lubov Vassilevskaya
Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix Eine n-reihige, quadratische Matrix heißt regulär, wenn ihre Determinante einen von Null verschiedenen Wert besitzt. Anderenfalls heißt sie singulär.
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MehrLineare Algebra - alles was man wissen muß
Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger
MehrVektoren - Basiswechsel
Vektoren - Basiswechsel Grundprinzip Für rein geometrische Anwendungen verwendet man üblicherweise die Standardbasis. Damit ergibt sich in den Zahlenangaben der Koordinaten kein Unterschied zu einem Bezug
MehrLineare Abbildungen und Gleichungssysteme
Lineare Abbildungen und Gleichungssysteme Klaus-R Loeffler Lineare Abbildungen Definition: Lineare Abbildung Es wird vorausgesetzt, dass V und W Vektorräume sind Eine Abbildung f von V in W heißt dann
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
MehrÜbungsaufgaben Vektoren
Kallenrode, www.sotere.uos.de Übungsaufgaben Vektoren 1. Gegeben sind die Einheitsvektoren in Zylinderkoordinaten e ϱ = cos ϕ sin ϕ, e ϕ = sin ϕ cos ϕ und e z = 0 0 0 0 1 und Kugelkoordinaten: sin ϑ cos
MehrKurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok
Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 12.12.2016 9. Vorlesung Eigenschaften linearer Abbildungen Beschreibung linearer Abbildungen durch Matrizen... Eigenschaften
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Vektoren in der Ebene Zwei Punkten P, Q in der Ebene
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
Mehr3. Übungsblatt Aufgaben mit Lösungen
. Übungsblatt Aufgaben mit Lösungen Aufgabe : Gegeben sind zwei Teilmengen von R : E := {x R : x x = }, und F ist eine Ebene durch die Punkte A = ( ), B = ( ) und C = ( ). (a) Stellen Sie diese Mengen
MehrLösung Semesterendprüfung (Nachprüfung)
MLAE Mathematik: Lineare Algebra für Ingenieure Frühlingssemester 6 Dr. Christoph Kirsch ZHAW Winterthur Lösung Semesterendprüfung (Nachprüfung Aufgabe : Aufgabe : a Gemäss Def. der Vorlesung müssen wir
Mehr8 Lineare Abbildungen
80 8 Lineare Abbildungen In diesem Kapitel untersuchen wir lineare Abbildungen von R n nach R m wie zum Beispiel Spiegelungen, Drehungen, Streckungen und Orthogonalprojektionen in R 2 und R 3 Man nennt
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
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
MehrMathematik für Chemische Technologie 2
Mathematik für Chemische Technologie 2 Themenüberblick: Funktionen mehrerer unabhängigen Veränderlichen Vektoralgebra Lineare Gleichungssysteme und Determinanten Fehlerrechnung Schwerpunkt des Sommersemesters
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
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
MehrEs wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form
Gaußscher Algorithmus zur Lösung linearer Gleichungssysteme Wir gehen aus vom Gleichungssystem A=b. Dabei ist A M m n K, b K m. Gesucht werden ein oder alle Elemente K n, so daß obige Gleichung erfüllt
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
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
MehrMat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1
Aufgabe. Bestimmen Sie das Exponential expa) der Matrix ) 5 6 A = Mat, R). 4. Wir bestimmen das charakterische Polynom f A t) = t t = t )t + ). ). Eigenvektor zu EW ist v = ). Eigenvektor zu EW ist v =
MehrVorkurs Mathematik B
Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt
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
MehrKapitel VIII: Der Raum R n ; allgemeine Vektorräume
Kapitel VIII: Der Raum R n ; allgemeine Vektorräume a) Vektoren: Definition und Grundlagen Größen, die sich durch Angabe eines Zahlenwertes und einer Einheit vollständig beschreiben lassen, nennt man Skalare
MehrLineare Gleichungssysteme
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 28. November 2011 Definition Beispiel: Wassermengen und Konzentrationen in einem Fluss Beispiel Zeilenstufenform Beispiel (Fortsetzung) Anhang
Mehr