7 Lineare Abbildungen und Skalarprodukt
|
|
- Christoph Holst
- vor 6 Jahren
- Abrufe
Transkript
1 Mathematik II für inf/swt, Sommersemester 22, Seite Lineare Abbildungen und Skalarprodukt 71 Vorbemerkungen Standard Skalarprodukt siehe Kap 21, Skalarprodukt abstrakt siehe Kap 34 Norm u 2 u, u 1/2 (Länge eines Vektors u, v u 2 v 2 (Cauchy-Schwarzsche Ungleichung x orthogonal zu y x, y B {b 1,, b n } ist ONB B ist Basis und b j, b k δ jk Gram-Schmidt: Erzeugung von ONBen 71 Bemerkung: Die Abbildung Q : V K : v Q(v : v, v heißt zum Skalarprodukt gehörende quadratische Form Im Fall K R gilt: < u, v > 1 ( Q(u + v Q(u v 4 Im Fall K C gilt: < u, v > 1 ( Q(u + v Q(u v iq(u iv + iq(u + iv 4 (Polarisierung Ein Skalarprodukt ist also durch die zugehörige quadratische Form festgelegt (Beweis durch Nachrechnen Im Folgenden seien immer V, W Vektorräume mit Skalarprodukt über K R oder K C 72 Satz: Sei B {e 1,, e n } ONB von V 1 Ist v V, x x j e j, dann x j x, e j, also j1 x x, e j e j j1 2 Für x, y V gilt x y z V : x, z y, z j 1,, n : x, e j y, e j 3 Ist f : V K linear (also Linearform, dann existiert genau ein y V, so dass x V : f(x x, y
2 Mathematik II für inf/swt, Sommersemester 22, Seite 122 Beweis: 1 Siehe Kap 36 2 x y z V : x, z y, z 3 f(x j 1,, n : x, e j y, e j x x, e j e j y, e j e j y B ONB eil 1 j1 x y ( 1 f x, e j e j f linear j1 x, e j f(e j j1 x, f(e j e j j1! x, y y j1 f(e j e j j1 72 Die adjungierte Abbildung 73 Satz (voriger Satz für lin Abb: Sei : V W linear, B {e 1,, e n } ONB von V, B {f 1,, f m } ONB von W 1 Ist (α ij M B,B, dann α ij (e j, f i 2 Ist S : V W linear, dann S x V, y W : Sx, y x, y Beweis: 1 e j, f i (α ij, 1 1 α1j, α mj 1 α ij 2 Rechte Seite voriger Satz, eil 1 x V : Sx x 74 Satz (Existenz der adjungierten Abbildung: Seien, B, B wie im letzten Satz Es existiert genau eine lineare Abbildung : W V mit x V, y W : x, y x, y
3 Mathematik II für inf/swt, Sommersemester 22, Seite 123 Ist M B,B A (α ij, dann ist A α 11 α m1 : A α 1n α mn heißt die zu adjungierte Abbildung, A heißt die zu A adjungierte Matrix Beweis: 1 Eindeutigkeit klar nach vorigem Satz 2 Sei A : M B,B Setze A : A Dann existiert genau ein : W V mit und es gilt α 11 α m1 e j, f i 1 1,, α 1n α mn α i1 α in 1 α ij α ij e j, f i A 75 Beispiele: (In kanonischen Koordinaten ( 1 1 A ( ˆ Spiegelung an x 1 1 x 2 : A A ( cos ϕ sin ϕ 2 A (Drehung mit Winkel ϕ im Gegenuhrzeigersinn sin ϕ cos ϕ ( ( cos ϕ sin ϕ cos( ϕ sin( ϕ A (Drehung um ϕ sin ϕ cos ϕ sin( ϕ cos( ϕ ( ( 1 3 A : A 1 4 Ist B ONB und, dann Also alle Eigenwerte sind reell Frage: Wann gilt 1
4 Mathematik II für inf/swt, Sommersemester 22, Seite Satz (Eigenschaften der Adjungierten: Falls die Ausdrücke sinnvoll sind, gilt 1 ( : y, x y, x 2 (S + S + 3 (α α 4 (S S (Reihenfolge dreht sich um! 5 Kern( (Bild( 6 Rang( Rang( Falls Endomorphismus (dh : V V, dann 7 det( det( 8 λ σ( λ σ( Beweis: 1 Für x V, y W gilt y, ( x Def ( y, x x, y x, y y, x ( 2 x, (S + y Def (S + x, y Sx, y + x, y Def x, S y + x, y x, (S + y 3 x, (α y (α x, y α x, y α x, y x, (α y 4 x, (S y (S x, y S( x, y x, S y x, (S y x, ( S y 5 x Kern y W : x, y y W : x, y x (Bild 6 Aus 5 mit Dimensionsformel: Rang dim V dim Kern dim V dim(bild dim V (dim V dim Bild dim Bild Rang 7 Sei A : : det det(a det A det A 8 λ σ( det( λ 1l det( λ 1l det (( λ 1l det( λ 1l (1l 1l λ σ(
5 Mathematik II für inf/swt, Sommersemester 22, Seite Normale lineare Abbildungen 77 Definition: : V V heißt normal, falls 78 Beispiele: 1 ( 1 ist nicht normal: ( ( 1 1 ( ( 1 1 ( 1, ( 1 2 (dh ist selbstadjungiert ist normal: (dh ist unitär ist normal: 1l 79 Hauptsatz: Sei V komplexer Vektorraum Für : V V linear sind äquivalent: 1 besitzt eine ONB aus Eigenvektoren 2 (dh ist normal 71 Folgerung: normal ist diagonalisierbar und Eigenvektoren zu verschiedenen Eigenwerten sind orthogonal Beweis: 1 2: Sei B ONB aus Eigenvektoren von Dann : A, A A A A 2 1: Behauptung a: normal und e λ e e λ e Beweis: Fall (i λ : : A e 2 2 e, e e, ( e e, ( e e, Fall (ii λ : λ 1l ist normal mit ( λ 1le : (i ( λ 1l e ( λ1le e λ e Behauptung b: normal, e λ e, W : {e}, dann (W W und (W W
6 Mathematik II für inf/swt, Sommersemester 22, Seite 126 Beweis: Sei w W {e}, dann e, w e, w λ e, w w {e} W, e, w e, w λ e, w w {e} W Beweis von 2 1 mit vollständiger Induktion nach n dim V : n 1: Klar, jede lineare Abbildung besitzt ONB aus Eigenvektoren Behauptung sei bewiesen für dim V n 1 Sei dim V n Da K C, hat p mindestens eine Nullstelle, also hat mindestens einen Eigenwert mit Eigenvektor e OBdA e 1 Sei W : {e}, dann W normal (Behauptung b dim W n 1 Es existiert ONB {e 2,, e n } aus EV von W {e 1,, e n } ist ONB aus EV von 74 Unitäre und orthogonale Abbildungen 711 Definition: Sei : V V linear mit u, v u, v u, v V (dim V < Falls K C, heißt unitär, Falls K R, heißt orthogonal 712 Hauptsatz: Sei V Vektorraum über C Für : V V linear sind äquivalent: 1 ist unitär 2 ist isometrisch, dh u V : u u 3 ist invertierbar und 1 (dh 1l 4 ist normal und σ( {λ C : λ 1} 5 transformiert ONBen in ONBen 6 Es existiert eine ONB B, so dass die Spalten von eine ONB bilden 7 Für jede ONB B bilden die Spalten von eine ONB 713 Beispiele: 1 A 2 A ( 1 3/5 4/5 4/5 3/5 ( 2 3/5 4/5 4/5 3/5 ist unitär (und orthogonal ist nicht unitär, da ( 2 nicht normiert
7 Mathematik II für inf/swt, Sommersemester 22, Seite 127 Beweis: 1 2: durch Polarisierung (siehe : u, v u, v u, v u, v V 1l 1 3 2: x 2 x, x ( x, x x, x x 2 3 4: 1 1l 1 ist normal Sei B Basis aus EVen: λ j 1 λ j λ j λ 1 1 λ n 4 3: Sei B Basis aus EVen: λ 1 2 λ n 2 1l 1 5: B {e 1,, e n } ONB e i, e j e i, e j δ ij { e 1,, e n } ist ONB 5 7: B ONB In den Spalten von nach 5 stehen die Bilder der Basisvektoren, also ONB 7 6: Klar 6 3: Sei B ONB, so dass bilden e 1 e n }{{} Zeilenvektoren (e 1,, e n, wobei die Spalten {e 1,, e n } eine ONB e 1, e 1 (e 1,, e n e 1, e n e n, e 1 e n, e n 1l ( cos ϕ sin ϕ Spezialfall K R: Sei ϕ : und sei sin ϕ cos ϕ 1l 4 Es existiert eine ONB B, so dass ϕ1, ϕ i kπ ϕk
8 Mathematik II für inf/swt, Sommersemester 22, Seite 128 Dann gilt Selbstadjungierte und symmetrische lineare Abbildungen 714 Definition: : V V heißt selbstadjungiert, falls Nach Kapitel 72 ist genau dann selbstadjungiert, falls für A gilt: α ij α ji in einer/allen ONBen B 715 Hauptsatz: Sei V Vektorraum über C Für : V V linear sind äquivalent: 1 ist selbstadjungiert 2 ist normal und σ( R 3 x, x R x V Beweis: 1 2: ist normal Es existiert ONBB mit λ i λ i λ i R 2 2 3: klar in ONB aus EVen: x 1 x n, x 1 x n λ i x i x i R i1 3 1: Polarisierung und einige Rechnung 716 Folgerung: Sei A reelle n n - Matrix und symmetrisch (dh A A Dann existiert im R n eine ONB aus EVen von A Beweis: Sei V C n, so, dass A M E,E Dann A symmetrisch A reell Nach Satz existiert eine ONB aus EVen im C n A reell, λ reell und Ax λ x für EV x C n Ax Ax λ x λ x } selbstadjungiert A(x + x λ (x + x A ( ( x x 2i λ x x 2i Ist x C n EV von A zum EW λ, dann sind Re x, Im x R n EVen von A zum EW λ Behauptung
9 Mathematik II für inf/swt, Sommersemester 22, Seite Positive lineare Abbildungen 717 Satz: Für : V V sind äquivalent: 1 x, x x V bzw x, x > x V \ {} 2 ist selbstadjungiert und σ( [, [ bzw σ( ], [ 3 S : S S bzw S invertierbar : S S Beweis: 1 2: ist selbstadjungiert λ EW mit EV x: λ ( x, x (> x x 2 3: Sei B ONB aus EVen von, Definiere S durch S : λ n λ1 λn S S 3 1: x, x (S Sx, x Sx, Sx Sx 2 (> falls S invertierbar und x 718 Definition: Falls eine der Bedingungen erfüllt ist, heißt positiv semidefinit bzw positiv definit 77 Quadratische Formen 719 Beispiel: Skizziere K : {( x1 x 2 } R 2 : 13x 2 1 1x 1 x x Lösung: 13x 2 1 1x 1 x x 2 2 ( 13x1 5x 2 5x x 2 ( }{{} :A symmetrisch, reell ( x1, ( x1 x 2 { ( ( } Es existiert reelle ONB aus EVen: B, }{{}}{{} EV zum EW 18 EV zum EW 8 ( x1, x 2 x 2
10 Mathematik II für inf/swt, Sommersemester 22, Seite 13 ( ransformiere auf Basis B: x Sy M E,B 1l y, y M E,B 1l x 13x 2 1 1x 1 x x 2 2 A Sy, Sy S A Sy, y ( ( ( 18 y1 y1, 8 y 2 y 2 18y y 2 2 Also: 13x 2 1 1x 1 x x y y y y ( y1 2 ( y Im y 1, y 2 -System: y 2 Im x 1, x 2 -System: x 2 y 1 x 1 72 Allgemein: Die Abbildung R n x Q(x : α ij x i x j mit α ij R heißt quadratische Form Die Menge 1 i j n { x R n : Q(x (+ c, x d } (c R n, d R fest heißt Kurve 2 Ordnung/Kegelschnitt (n 2 oder Flächen 2 Ordnung (n 3 Mit A : α α 12 α α 12 α α α 1n 2 α 2n 2 gilt Q(x Ax, x
11 Mathematik II für inf/swt, Sommersemester 22, Seite 131 Es existiert eine relle ONB aus EVen ransformation: x M E,B 1l y : Sy, y S x Ax, x A Sy, Sy S A Sy, y y, y λ 1 y λ n yn 2 Also: Q(x c λ 1 y λ n y 2 n c Aus den EWen λ i, insbesondere aus den Vorzeichen, kann man ablesen, welche Gestalt die Kurve/Fläche hat Die EVen von A heißen Hauptachsen der quadratischen Form 721 Spezialfälle: 1 Alle λ i >, also A positiv definit: K : { x R n : Q(x c > } ist beschränkte Menge im R n, und Q heißt elliptisch 2 Gibt es positive und negative EWe, alle, so ist K unbeschränkt, und Q heißt hyperbolisch
6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
MehrDie Determinante ist eine Abbildung
SS 2005 Mathematik II für inf/swt 20.4.05 Die Determinante ist eine Abbildung det : M n,n (K) K : A det A =: A mit den Eigenschaften: (D1) det a 1. α a k + β b. a n = α det = a 1. a k. a n + β det a 1.
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
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).
Mehr3 Vektorräume abstrakt
Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
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
MehrJede symmetrische Bilinearform b definiert eine quadratische Form q durch. q(x) := b(x, x).
1 Kapitel 1 Clifford-Algebren 1 Innere Produkte Sei k {R, C}, V stets ein endlich-dimensionaler k-vektorraum. Fehlende Beweise finden sich in der Literatur ([Art1], [Bou1], [Brie], [Cohn]). Definition.
Mehr4.4 Hermitesche Formen
44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung
MehrKlausur zu. Lineare Algebra II. Viel Erfolg! Fachbereich Mathematik WS 2012/13 Dr. habil. Matthias Schneider. Bonus Note. Aufgabe
Klausur zu Lineare Algebra II Fachbereich Mathematik WS 0/3 Dr. habil. Matthias Schneider Aufgabe 3 4 5 6 7 Bonus Note Punktzahl 4 3 3 3 3 0 erreichte Punktzahl Es sind keine Hilfsmittel zugelassen. Die
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
Mehr10 Unitäre Vektorräume
10 Unitäre Vektorräume Pink: Lineare Algebra 2014/15 Seite 98 10 Unitäre Vektorräume Die Theorie komplexer Vektorräume mit Skalarprodukt folgt denselben Linien wie die Theorie reeller Vektorräume mit Skalarprodukt;
MehrProbeklausur Lineare Algebra für Physiker
Fachbereich Mathematik Prof. Dr. K. Grosse-Brauckmann D. Frisch Probeklausur Lineare Algebra für Physiker SS 8 26./27.6.27 Name:..................................... Vorname:.................................
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
Mehr7.2 Die adjungierte Abbildung
7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)
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
MehrLösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung
MehrLösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015
sskizzen der Klausur zur Linearen Algebra im Herbst 5 Aufgabe I. Es sei (G, ) eine Gruppe mit neutralem Element e und M {x G x x e}. Zeigen Sie: (a) Ist G kommutativ, so ist M eine Untergruppe von G. (b)
MehrAufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009
I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe
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
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
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,
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
Mehr4 Orthogonale Endormorphismen
4 Orthogonale Endormorphismen Frage: Bei welchen Abbildungen R R bzw. R 3 R 3 bleibt der Abstand zwischen zwei Punkten erhalten? Für α R setzen wir cosα sin α D(α) = und S(α) := sin α cosα ( cos α sin
MehrVorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)
Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 15: Eigenwerte und -vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 5. November 2009) Diagonalisierbarkeit
MehrLineare Algebra II 11. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des
Mehrr i w i (siehe (3.7)). r i v, w i = 0.
Orthogonales Komplement und Orthogonalprojektion Wir betrachten weiterhin einen euklidischen Vektorraum V,,. (6.13) Def.: Ist M V, so heißt das orthogonale Komplement von M. (6.14) Fakt. (i) M ist Untervektorraum
MehrAufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie:
Aufgabe I (4 Punkte Gegeben seien die Matrix und die Menge Zeigen Sie: H := L := {A R 4 4 A HA = H} a L ist bezüglich der Matrizenmultiplikation eine Gruppe b Die Matrizen der Form ( E O, O B wobei E R
Mehr7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?
Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist
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
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,
Mehr= ( n x j x j ) 1 / 2
15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
Mehr4.2 Die adjungierte Abbildung
4.2. DIE ADJUNGIERTE ABBILDUNG 177 4.2 Die adjungierte Abbildung Die Vektorräume dieses Paragraphen seien sämtlich euklidisch, die Norm kommt jetzt also vom inneren Produkt her, v = v v. Zu f Hom R (V,
MehrHenning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich
Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es
MehrKapitel 5. Vektorräume mit Skalarprodukt
Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Eigenvektoren
MehrEXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME
EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen
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
MehrQuadratische Formen. und. Symmetrische Matrizen
Quadratische Formen und Symmetrische Matrizen 1 Ouverture: Lineare Funktionen von R n nach R 1 2 Beispiel: n = 2 l : (x 1, x 2 ) T 0.8x 1 + 0.6x 2 = < x, g > mit g := (0.8, 0.6) T. Wo liegen alle x = (x
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,
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
Mehr5 Diagonalisierbarkeit
5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj
MehrLineare Algebra für Physiker 11. Übungsblatt
Lineare Algebra für Physiker 11. Übungsblatt Fachbereich Mathematik SS 01 Prof. Dr. Matthias Schneider./. Juli 01 Dr. Silke Horn Dipl.-Math. Dominik Kremer Gruppenübung Aufgabe G1 (Minitest) (a) Welche
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
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
MehrAussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9
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
Mehr3 Geometrische Klassifikation der Bewegungen im R 2 und R 3
3 Geometrische Klassifikation der Bewegungen im R 2 und R 3 Sei f : R n R n eine Bewegung Sie kann beschrieben werden in der Form Dabei ist T (f)(x) = A x f(x) = Ax + b mit A O(n) und b R n Definition:
Mehra) Ein Gruppenhomomorphismus von G nach H ist eine Abbildung Φ : G H, sodass für alle g 1, g 2 G die Gleichung Φ(g 1 g 2 ) = Φ(g 1 ) Φ(g 2 )
I. (4 Punkte) Es seien (G, ) eine Gruppe mit neutralem Element e G und (H, ) eine weitere Gruppe. a) Geben Sie die Definition eines Gruppenhomomorphismus Φ : G H an und beweisen Sie, dass für solch einen
MehrD-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j
D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 0 Tom Ilmanen Musterlösung 2. Falls b := (v,,v n ) eine Orthonormalbasis von V ist, dann lassen sich die Komponenten von einem Vektor v = n i= t i v i bezüglich
Mehr44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall
44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall 44 1 Zusammenfassung Dieser Paragraf richtet sich im Aufbau weitgehend nach 42, um den Zerlegungssatz (44.7) analog zum Satz über die
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
MehrAnalytische Geometrie
21 Vorlesungen über Analytische Geometrie für Lehramtstudierende der Schulformen Grund-, Mittel- und Realschule Jens Jordan Universität Würzburg, Wintersemster 2015/16 Hier kommt noch ein schönes Bildchen
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016
Name, Vorname Matrikel-Nr. Aufg. Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 206 Bearbeiten Sie bitte
MehrLösungen zu Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Sommer 4 Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT. [ Punkte] Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
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
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 34 Die Diagonalisierbarkeit von Isometrien im Komplexen Satz 34.1. Es sei V ein endlichdimensionaler C-Vektorraum
MehrGrundlagen der Mathematik 2 Nachklausur
Andreas Gathmann und Yue Ren Sommersemester 6 Grundlagen der Mathematik Nachklausur Bearbeitungszeit: 8 Minuten Aufgabe (6 Punkte): Es sei f : R R, (x,y) xye (x+y). (a) Bestimme alle lokalen Maxima und
MehrDrehachse und Drehwinkel
Drehachse und Drehwinkel Jede Drehung Q im R 3 besitzt eine Drehachse, d.h. lässt einen Einheitsvektor u invariant, und entspricht einer ebenen Drehung um einen Winkel ϕ in der zu u orthogonalen Ebene.
MehrLeitfaden 34. , dies ist eine reelle symmetrische Matrix, also diagonalisierbar.
Leitfaden 34 5. Euklidsche und unitäre Räume (und selbstadjungierte, orthogonale, unitäre, normale Endomorphismen). 5.1. Reelle symmetrische Matrizen sind diagonalisierbar. Satz: Reelle symmetrische Matrizen
MehrLina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen
Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - en Kommentare an HannesKlarner@FU-Berlinde FU Berlin SS 1 Dia- und Trigonalisierbarkeit Aufgabe (1) Gegeben seien A = i i C 3 3 und B = 1
Mehr9. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 9. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS /..-4.. Aufgabe G (Koordinatentransformation)
MehrOrientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops
15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den
MehrSkalarprodukt, Norm & Metrik
Skalarprodukt, Norm & Metrik Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 11. Mai 2016 Stefan Ruzika 5: Skalarprodukt, Norm & Metrik 11. Mai 2016 1 / 13 Gliederung 1
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013
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
MehrAusgewählte Lösungen zu den Übungsblättern 9-10
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt
MehrIna Kersten Analytische Geometrie und Lineare Algebra 1. L A TEX-Bearbeitung von Stefan Wiedmann
Ina Kersten Analytische Geometrie und Lineare Algebra 1 L A TEX-Bearbeitung von Stefan Wiedmann Universitätsverlag Göttingen 2005 Voraussetzungen 11 1 Einige Grundbegriffe 12 1.1 Die komplexen Zahlen 12
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016
Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016 Bearbeiten Sie bitte zwei
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
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. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrKlausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen.
Klausur Lineare Algebra I am 03.02.10 Es sind insgesamt 60 Punkte bei der Klausur zu erreichen. Aufgabe 1. (6 Punkte insgesamt) a.) (3P) Definieren Sie, was eine abelsche Gruppe ist. b.) (3P) Definieren
MehrD-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld. Clicker Fragen
D-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld Clicker Fragen Frage 1 Wenn eine reelle Matrix einen Eigenvektor hat, so hat es unendlich viele Eigenvektoren Sei u K n einen Eigenvektor von A M
Mehr6 Symmetrische und hermitesche Matrizen
$Id: quadrat.tex,v.0 0/06/9 :47:4 hk Exp $ $Id: orthogonal.tex,v.4 0/06/9 3:46:46 hk Exp $ 6 Symmetrische und hermitesche Matrizen 6.3 Quadratische Funktionen und die Hauptachsentransformation Wir sind
MehrLineare Algebra für PhysikerInnen
Universität Wien, SS 2015 Lineare Algebra für PhysikerInnen Beispiele für Multiple-Choice-Fragen Punkteschlüssel: [Typ 1 aus 4] und [Typ 3 aus 4]... 0.8 Punkte [Typ 2 aus 4]... 1 Punkt Bei der schriftlichen
Mehr6 Die Schursche Normalform und einige Klassen von Matrizen
ME Lineare Algebra HT 28 111 6 Die Schursche Normalform und einige Klassen von Matrizen 61 Die Schur-Normalform und Hauptvektoren Für nichtdiagonalisierbare Matrizen gibt es andere Normalformen: Jordan-
MehrLösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:
Lineare Algebra D-MATH, HS 04 Prof. Richard Pink Lösung zu Serie. [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: a) F (X) := X 5 X in R[X] und C[X]. b) F (X) := X 4 +X 3 +X in
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
MehrMathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen
Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
MehrWann heit eine Menge reeller Zahlen beschrankt? oen? abgeschlossen? Was ist das Supremum (Inmum) Maximum (Minimum) einer Teilmenge
1 1 Check-Liste Analysis 1.1 Mengen und Abbildungen Wann heit eine Menge reeller Zahlen beschrankt? oen? abgeschlossen? kompakt? Was ist das Supremum (Inmum) Maximum (Minimum) einer Teilmenge von R? Was
MehrSteilkurs Lineare Algebra 1 einige wichtige Stationen
Steilkurs Lineare Algebra 1 einige wichtige Stationen Für einen Körper K ist ein K-Vektorraum V eine Menge mit einer kommutativen und assoziativen Verknüpfung + : V V V, für die es ein neutrales Element
MehrÜbungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 12
Übungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 12 Schriftliche Aufgaben Aufgabe 1. Sei A M(n n, C). Zeigen Sie: (1) exp(a) ist invertierbar mit exp(a) 1 = exp( A). (2) Ist A M(n n, C) selbstadjungiert
Mehr11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen
11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des
MehrAUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW
AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x
Mehr6 Symmetrische und hermitesche Matrizen
Mathematik für Physiker II, SS Freitag 4.6 $Id: quadrat.tex,v.8 /6/4 4:44:39 hk Exp hk $ 6 Symmetrische und hermitesche Matrizen 6. Prä-Hilberträume Wir sind gerade mit der Diskussion der sogenannten Ausgleichsgerade
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
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
Mehr(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.
L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors
Mehr1 Die Jordansche Normalform
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 4/5 A Die Jordansche Normalform Vierter Tag (9.03.205) Im Zusammenhang mit der Lösung komplexer Differentialgleichungssysteme
Mehr09. Lineare Abbildungen und Koordinatentransformationen
09. Lineare Abbildungen und Koordinatentransformationen Definition. Seien V und W Vektorräume. Unter einer linearen Abbildung versteht man eine Abbildung F : V W, v F v w mit folgender Eigenschaft: F λ
MehrLineare Algebra II. Sommersemester Wolfgang Ebeling
Lineare Algebra II Sommersemester 2006 Wolfgang Ebeling 1 c Wolfgang Ebeling Institut für Mathematik Universität Hannover Postfach 6009 30060 Hannover E-mail: ebeling@mathuni-hannoverde 1 Euklidische und
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.
MehrD-ITET. D-MATL, RW Lineare Algebra HS 2017 Dr. V. Gradinaru T. Welti. Online-Test 2. Einsendeschluss: Sonntag, den
D-ITET. D-MATL, RW Lineare Algebra HS 7 Dr. V. Gradinaru T. Welti Online-Test Einsendeschluss: Sonntag, den..7 : Uhr Dieser Test dient, seriös bearbeitet, als Repetition des bisherigen Vorlesungsstoffes
Mehr11 Eigenwerte und Eigenvektoren
11 Eigenwerte und Eigenvektoren Wir wissen bereits, dass man jede lineare Abbildung ϕ : K n K n durch eine n n-matri A beschreiben kann, d.h. es ist ϕ() = A für alle K n. Die Matri A hängt dabei von der
Mehr