Kapitel 2 Lineare Algebra II. 2.1 Lineare Abbildungen
|
|
- Margarete Albert
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 2 Lineare Algebra II 2 Lineare Abbildungen Die mit der Vektorraumstruktur verträglichen Abbildungen zwischen Vektorräumen werden als linear bezeichnet Genauer definiert man: 2 Definition Eine Abbildung L: V W zwischen zwei reellen Vektorräumen V und W heisst linear, wenn für alle v,w V, λ R, folgendes gilt: L(v +w) = L(v)+L(w) 2 L(λv) = λl(v) 22 Bemerkung Für jede lineare Abbildung L:V W gilt L(0) = 0, das heisst L bildet den Nullvektor aus V auf den Nullvektor aus W ab Beweis Denn sei v V gewählt Dann folgt aus der zweiten Bedingung L(0) = L(0 v) = 0 L(v) = 0 qed 23 Beispiele (a) Sämtliche Drehungen des R 2 um den Nullpunkt um einen beliebigen Winkel α [0, 2π] sind linear, sie sind sogar längentreu und bilden Dreiecke auf kongruente Dreiecke ab Entsprechend ist jede räumliche Drehung um eine Achse durch den Nullpunkt eine lineare Selbstabbildung von R 3 (b) Jede Spiegelung des R 2 an einer Gerade durch den Nullpunkt ist linear Aber die Spiegelungen, deren Spiegelachsen nicht durch den Nullpunkt gehen, sind nicht linear, weil sie den Nullpunkt nicht festlassen (c)dieprojektionp:r 3 R 2,(,,z) (,)istlinear,wiemandirektnachrechnet Auch jede andere orthogonale Projektion des Raumes auf eine Ebene, wie sie verwendet werden, um Grundrisse, Aufrisse, Seitenansichten von Gebäuden zu zeichnen, sind linear (d) Ein Zoom, also eine Streckung Einheiten um einen bestimmten Vergrosserungsfaktor ist linear Dasselbe gilt für die Reskalierung von Koordinaten mit unterschiedlichen Faktoren, also im zweidimensionalen zum Beispiel in -Richtung um Faktor 2 und in -Richtung um Faktor 3 (e) Der Ableitungsoperator D:C [a,b] C 0 [a,b], der einer stetig differenzierbaren Funktion f auf [a,b] jeweils ihre Ableitung f zuordnet, ist linear
2 2 Lineare Abbildungen 25 (f) Auch der Integraloperator I:C 0 [a,b] R, definiert durch I(f) := b a f()d für f C 0 [a,b], ist linear, weil Integration mit Summenbildung und Skalarmultiplikation vertauschbar ist Drehungen, Spiegelungen und senkrechte Projektionen haben die Eigenschaft, sämtliche affinen Geraden wieder auf affine Geraden oder Punkte abzubilden Das gilt auch für jede beliebige lineare Abbildung des R 2 und daher der Name Lineare Abbildungen lassen sich durch Matrizen beschreiben Hier ein erstes Beispiel 24 Beispiel Die folgende Abbildung L:R 2 R 3 ist definiert durch die Multiplikation von ebenen Vektoren mit einer festgewählten 3 2-Matri A: ( ) 2 ) +2 L( ) := ( = Man kann leicht nachrechnen, dass diese Abbildung linear ist Ausserdem ist ( ) L(e ) = L( ) = ) 0 und L(e 0 2 ) = L(( ) = Wir stellen also fest, dass die Bilder der kanonischen Basisvektoren e und e 2 mit den beiden Spalten der Matri A übereinstimmen Allgemeiner gilt folgendes: 25 Satz Jede Matri A vom Tp m n definiert eine lineare Abbildung L A :R n R m, v A v Umgekehrt gibt eszujeder linearenabbildung L:R n R m einem n-matriamit L = L A An den Spalten von A können wir die Bilder der kanonischen Basisvektoren e j R n unter L ablesen Beweis Man kann direkt nachrechnen, dass die Multiplikation von Spaltenvektoren mit einer festen Matri eine lineare Abbildung liefert Sei jetzt umgekehrt eine lineare Abbildung L:R n R m vorgegeben Um die entsprechende Matri zu finden, schreiben wir zunächst die Bilder der kanonischen Basisvektoren e,,e n des R n als Spaltenvektoren in R m auf: a L(e ) =,,L(e n ) = a m Aus diesen n Spaltenvektoren bilden wir eine Matri a a n A := a m a mn a n a mn
3 26 Kapitel 2 Lineare Algebra II Diese Matri leistet das Gewünschte, denn es gilt: L = L( e + + n e n ) = L(e )+ + n L(e n ) = A n n für alle,, n R qed 26 Folgerung Eine lineare Abbildung L von R n nach R m ist durch ihre Wirkung auf die kanonischen Basisvektoren bereits eindeutig festgelegt Zu jeder Wahl von Vektoren v,,v n R m gibt es auch eine lineare Abbildung, die jeweils e j auf v j abbildet 27 Beispiele (a) Die ( Matri zur Drehung ) D α des R 2 um den Nullpunkt ( ) um cosα sinα den Winkel α lautet: Das bedeutet, ist v =, so ist sinα cosα ( ) ( ) ( ) cosα sinα cosα sinα D α (v) = = sinα cosα sinα+cosα (b) Die Spiegelung des R 2 an der Geraden durch den Nullpunkt, die mit der Achse den Winkel α bildet, wird beschrieben durch Multiplikation mit dieser Matri: ( ) cos(2α) sin(2α) sin(2α) cos(2α) (c) Die lineare Abbildung L:R 2 R 2 mit L(e ) = 5e +e ( 2 und) L(e 2 ) = e +2e 2 ist 5 gegeben durch Multiplikation mit der Matri A = Sie hat folgende 2 Wirkung auf das markierte Einheitsquadrat: L(e 2 ) L(v) e 2 e v L(e ) L(e )
4 2 Lineare Abbildungen 27 (d) Die Projektion p:r 3 R 2, (,,z) (,) wird durch die folgende Matri induziert: ( ) Bemerkung Die Komposition (oder Hintereinanderausführung) von zwei linearen Abbildungen L :K n K s und L 2 :K s K m ist definiert durch L 2 L (v) = L 2 (L (v)) für alle v K n Ist L durch die Multiplikation mit der Matri B gegeben und L 2 durch die Multiplikation mit der Matri A, so entspricht L 2 L der Multiplikation mit der Produktmatri C = AB Denn L 2 (L (v)) = A(Bv) = (AB)v = Cv für alle v K n 29 Beispiel Schauen wir uns an, welchen Effekt es hat, wenn wir die Koordinatenebene R 2 zunächst um den Winkel α drehen, dann an der -Achse spiegeln und schliesslich um den Winkel α zurückdrehen Das Produkt der entsprechenden Matrizen lautet: ( )( )( ) ( ) cosα sinα 0 cosα sinα cos(2α) sin(2α) C := = sinα cosα 0 sinα cosα sin(2α) cos(2α) Die zusammengesetzte Abbildung ist also eine Spiegelung an derjenigen Geraden, die mit der -Achse den Winkel α bildet (siehe Beispiel 27) Betrachten wir jetzt allgemeiner lineare Abbildungen zwischen abstrakten endlichdimensionalen Vektorräumen Halten wir zunächst folgende Verallgemeinerung von Folgerung 26 fest 20 Satz Seien V,W Vektorräume und A = (v,,v n ) eine Basis von V Jede lineare Abbildung L von V nach W ist durch ihre Wirkung auf v,,v n bereits eindeutig festgelegt Umgekehrt gibteszujederwahlvonnvektorenṽ,,ṽ n W eine lineare Abbildung L:V W mit L(v j ) = ṽ j für alle j Beweis Jeder Vektor v V lässt sich in eindeutiger Weise als Linearkombination der Form v = v + + n v n schreiben Ist L:V W eine lineare Abbildung, so gilt L(v) = L(v )+ + n L(v n ) Also ist L(v) durch die Koordinaten j von v und durch die Bildvektoren L(v j ) bereits eindeutig bestimmt Sind umgekehrt n Vektoren ṽ,,ṽ n W ausgewählt, so wird durch die Vorschrift L(v) := ṽ + + n ṽ n eine lineare Abbildung L: V W festgelegt qed Jetzt wollen wir eine solche Abbildung L: V W wiederum als Multiplikation mit einer Matri beschreiben Dazu müssen wir aber zunächst Basen und damit Koordinatenssteme für beide Vektorräume V und W wählen Ist A = (v,,v n ) eine Basis von V und v = v + + n v n eine Linearkombination, dann sind die die Zahlen,, n sind die Koordinaten von v bezogen auf die Basis A
5 28 Kapitel 2 Lineare Algebra II v 2 v 2 v v 2 v Den Spaltenvektor, gebildet aus den j, bezeichnen wir als den Koeffizientenvektor von v bezüglich der Basis A: Koeff A (v) := n AufdieseWeiseerhaltenwireinebijektivelineareAbbildungvonV nachr n,nämlich V R n ; v Koeff A (v) Entsprechend liefert die Wahl einer Basis B = (w,,w m ) von W die bijektive lineare Abbildung W R m ; w Koeff B (w) Setzen wir diese Identifikationen mit der linearen Abbildung L zusammen, erhalten wir eine lineare Abbildung L:R n R m ; Koeff A (v) v L(v) Koeff B (L(v)) Wir wissen bereits, dass diese Abbildung durch Multiplikation mit einer Matri A gegeben ist, wobei in den Spalten die Koeffizienten der Bilder L(v j ), ausgedrückt in der Basis B stehen Damit haben wir folgendes Resultat gefunden: 2 Satz Sei V ein Vektorraum mit Basis A = (v,,v n ), W ein Vektorraum mit Basis B = (w,,w m ) und L:V W eine lineare Abbildung Schreibt man die n Bildvektoren L(v j ) in Koordinaten bezogen auf die Basis B, und bildet aus den Koeffizientenvektoren als Spalten eine m n-matri A, so gilt Koeff B (L(v)) = A Koeff A (v) Ist V = W, verwendet man üblicherweise dieselbe Basis für Ausgangs- und Bildraum
6 2 Lineare Abbildungen Beispiel Sei V die Ebene durch 0, erzeugt von zwei linear unabhängigen Vektoren v,v 2 in R 3 Die Abbildung L:V V sei festgelegt durch L(v ) = 2v und L(v 2 ) = v +v 2 DannwählenwiralsBasisA = (v,v 2 )undlesenabkoeff A (L(v )) = ( 2 0 ) ( und Koeff A (L(v 2 )) = ( ) 2 die Matri beschrieben 0 Wichtige Spezialfälle: ) Also wird L bezogen auf die Basis A hier durch Sind V = R n, W = R m und A und B die kanonischen Basen, erhalten wir die in Satz 25 gegebene Beschreibung wieder zurück Ist V = W, wählt man üblicherweise A = B Die linearen Selbstabbildungen werden auch als Endomorphismen bezeichnet und entsprechen quadratischen Matrizen 23 Beispiele (a) Sei V = W = R 3 und L eine Drehung um die Achse g durch den Nullpunkt und um den Winkel α Wir wählen für V eine Basis A = (v,v 2,v 3 ), so dass v in Richtung der Drehachse g zeigt, v 2,v 3 in der zu g senkrechten Ebene einen Winkel von 90 Grad bilden und beide dieselbe Länge haben Bezogen auf dieses Koordinatensstem lautet die Matri von L: M A (L) = cosα sinα 0 sinα cosα (b)sei V der Raumder Polnome vonhöchstgrad 3mit derbasis A = (,, 2, 3 ) und W der Raum der Polnome von Höchstgrad 2 mit Basis B = (,, 2 ) Die lineare Abbildung L:V W sei definiert durch die Ableitung L(p) := p für p V Offenbar ist dann L() = 0, L() =, L( 2 ) = 2, L( 3 ) = 3 2 Daraus können wir die Matri von L ablesen Sie lautet: BM A (L) = (c) Sei λ > 0 vorgegeben und bezeichne V den Lösungsraum der Differentialgleichung = λ 2 Durch Ableiten wird eine lineare Abbildung L:V V definiert Als Basis A von V wählen wir das Fundamentalsstem, gebildet aus f() = cos(λ) und g() = sin(λ) Dann ist L(f) = f = λg und L(g) = g = λf Also lautet hier die entsprechende Matri: ( ) 0 λ M A (L) = λ 0
2.2 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
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
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
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2008/09 7 Einführung Definition lineare Abbildung
MehrPrüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?
1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2
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
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
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
Mehr3.8. Lineare Abbildungen.
38 Lineare Abbildungen 38 Lineare Abbildungen 38 Definition Es seien V und W Vektorräume über K Eine Abbildung α : V W heißt linear, wenn für alle Vektoren u, v V und alle Skalare k K gilt: α(u + v α(u
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 (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
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
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
Mehr7 Vektorräume und Körperweiterungen
$Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig
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
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
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).
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
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
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
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
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
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.
Mehr1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,
Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
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
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
MehrLineare (affine) Abbildung
Lineare affine Aildung A e 2 a e Wir üerziehen die Eene neen dem vertrauten Quadrat-Gitternetz, das durch die Basisvektoren e und e 2 festgelegt ist, mit einem Parallelogramm-Gitternetz, dessen Maschen
MehrInhaltsverzeichnis INHALTSVERZEICHNIS 1
INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4
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
MehrKapitel III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
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
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
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:
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
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
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
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 +
Mehr4.4. Rang und Inversion einer Matrix
44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert
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
Mehr1 Analytische Geometrie
Analytische Geometrie. Grundlagen, Begriffe, Schreibweisen Achsenkreuz Die Achsen heißen in dieser Darstellung x und -Achse. Punkte Punkte werden weiterhin mit großen, lateinischen Buchstaben bezeichnet
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 Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.
Lineare Abbildungen Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls (1) u, v V : f( u + v) = f( u) + f( v). (2) v V α K : f(α v) = αf( v).
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
Mehr1 Vektoren, Vektorräume, Abstände: 2D
Vektoren, Vektorräume, Astände: D Definition: Die Menge aller (geordneten Paare reeller Zahlen (oder allgemeiner: Elemente eines elieigen Körpers, als Spalten geschrieen, ezeichnen wir als Vektoren: R
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 )
MehrAffine und projektive Räume
Affine und projektive Räume W. Kühnel Literatur hierzu: G.Fischer, Analytische Geometrie, 7. Aufl., Vieweg 2001 Zur Motivation: Wenn man in einem Vektorraum die Elemente nicht als Vektoren, sondern als
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
Mehr2.3.1 Rechtshändiges und linkshändiges Koordinatensystem
2.3. Rechtshändiges und linkshändiges Koordinatensstem Die Koordinatenachsen im dreidimensionalen Raum lassen sich auf wei verschieden Arten anordnen: Linkshändig und Rechtshändig (s. Abbildung 2.9). Um
MehrWas sind Vektoren? Wozu braucht man sie?
Was sind Vektoren? Wozu braucht man sie? Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 30. März 2005 1 Einleitung Dieser
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,
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
MehrGrundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015
Vektorrechnung Fakultät Grundlagen Juli 205 Fakultät Grundlagen Vektorrechnung Übersicht Grundsätzliches Grundsätzliches Vektorbegriff Algebraisierung der Vektorrechnung Betrag 2 Skalarprodukt Vektorprodukt
MehrAnalytische Geometrie, Vektorund Matrixrechnung
Kapitel 1 Analytische Geometrie, Vektorund Matrixrechnung 11 Koordinatensysteme Eine Gerade, eine Ebene oder den Anschauungsraum beschreibt man durch Koordinatensysteme 111 Was sind Koordinatensysteme?
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 36 Dreiecke In dieser und der nächsten Vorlesung stehen Dreiecke im Mittelpunkt. Unter einem Dreieck verstehen
MehrLineare Algebra: Theorie und Anwendungen
Lineare Algebra: Theorie und Anwendungen Sommersemester 2012 Bernhard Burgeth Universität des Saarlandes c 2010 2012, Bernhard Burgeth 1 VEKTOREN IN DER EBENE UND IM RAUM 2 1 Vektoren in der Ebene und
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,
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
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
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
MehrBasen von Schnitt und Summe berechnen
Basen von Schnitt und Summe berechnen 1 / 8 Voraussetzung Es seien U 1, U 2 Untervektorräume von K n. Wir wollen Basen des Schnittes U 1 U 2 und der Summe bestimmen. U 1 + U 2 2 / 8 Bezeichnung Der Einfachheit
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
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
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
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 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
MehrLineare Algebra II, Lösungshinweise Blatt 9
Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren
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
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
MehrKapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3
Kapitel 5 Untermannigfaltigkeiten 5.1 Glatte Flächen in R 3 Bisher haben wir unter einem glatten Weg im R n stets eine differenzierbare Abbildung γ:i R n, definiert auf einem Intervall I R, verstanden.
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
Mehr4 Lineare Algebra. 1 Vektorräume und Untervektorräume
69 4 Lineare Algebra 1 Vektorräume und Untervektorräume Wir erinnern uns an die Gruppe (R 2, + mit komponentenweiser Addition und die Schreibweise der k fachen Summe (a, b + + (a, b durch k (a, b (ka,
MehrAufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
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
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
MehrMathematik für Chemische Technologie 2
Mathematik für Chemische Technologie 2 Themenüberblick: Funktionen mehrerer unabhängigen Veränderlichen Vektoralgebra Lineare Gleichungssysteme und Determinanten Fehlerrechnung Schwerpunkt des Sommersemesters
MehrGeometrie. 1 Vektorielle analytische Geometrie der Ebene, Kegelschnitte
Geometrie Geometrie W. Kuhlisch Brückenkurs 206. Vektorrechnung und analytische Geometrie der Ebene, Kegelschnitte 2. Vektorrechnung und analytische Geometrie des Raumes, Anwendungen in der Geometrie,
MehrTheorie der Vektorräume
Kapitel 3 Theorie der Vektorräume 3.1 Gruppen, Ringe, Körper In diesem Abschnitt führen wir die drei wichtigsten algebraischen Grundstrukturen ein, nämlich Gruppen, Ringe und Körper. Sie sind nicht nur
Mehrf(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J}
9 Der Satz über implizite Funktionen 41 9 Der Satz über implizite Funktionen Wir haben bisher Funktionen g( von einer reellen Variablen immer durch Formelausdrücke g( dargestellt Der Zusammenhang zwischen
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
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
MehrDefinition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i.
Kapitel Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften von R 3 interessieren, so stört manchmal die Ausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise
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
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
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
MehrFür die Veranstaltung mit Eltern und Schülerinnen und Schülern des Max- Planck-Gymnasiums Göttingen am 11. Juli 2012
Einige Bemerkungen u Gleichungen und mmetrien, die geometrische Körper beschreiben und ihre mmetrien. Zu Objekten der ammlung mathematischer Modelle und Instrumente am mathematischen Institut der Georg-
Mehr8 Die Riemannsche Zahlenkugel
8 Die Riemannsche Zahlenkugel Wir untersuchen zunächst Geraden- und Kreisgleichungen in der komplexen Ebene C = R 2. Geradengleichungen Die Parameterdarstellung einer Geraden durch zwei Punkte z 1 z 2
MehrElemente von S n = Aut([1, n]) heißen Permutationen. Spezielle Permutationen sind Transpositionen und Zyklen. (Vergl. Skript S
Begriffe Faser: Es sei f : M N eine Abbildung von Mengen. Es sei n N. Die Menge f 1 ({n}) M nennt man die Faser in n. (Skript Seite 119). Parallel: Zwei Vektoren v und w heißen parallel, wenn für einen
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
Mehr1.5 Duales Gitter und Diskriminantengruppe
Gitter und Codes c Rudolf Scharlau 24. April 2009 27 1.5 Duales Gitter und Diskriminantengruppe Dieser Abschnitt ist im wesentlichen algebraischer Natur: Es spielt keine Rolle, dass unsere Gitter in einem
MehrII. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme
52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte
MehrLineare Abbildungen Definitionen von linearer Abbildung, linearer Transformation, affiner Abbildung. Parallentreue und Teilverhältnistreue
Lineare Abbildungen Vorlesung Lineare Algebra mit integrierten Übungen WS 12 13 Studiengang LBS Unterrichtsfach Mathematik Lineare Algebra, Teil 2 Abbildungen Lineare Abbildungen Lineare Eigenwerte, Eigenvektoren
MehrKoordinaten und darstellende Matrizen
Koordinaten und darstellende Matrizen Olivier Sète 23 Juli 200 Inhaltsverzeichnis Koordinatenabbildung 5 Definition und Eigenschaften 5 2 Beispiele 6 2 Matrixdarstellung eines Vektorraumhomomorphismus
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:
MehrWas ist ein Skalarprodukt und wozu wird es verwendet?
Was ist ein Skalarprodukt und wozu wird es verwendet? FRANZ PAUER UND FLORIAN STAMPFER (UNIVERSITÄT INNSBRUCK) 1. Einleitung Es kommt selten vor, dass ein mathematischer Fachbegriff den Weg in die Tagespresse
Mehr46 Eigenwerte und Eigenvektoren symmetrischer Matrizen
46 Eigenwerte und Eigenvektoren symmetrischer Matrizen 46.1 Motivation Symmetrische Matrizen (a ij = a ji für alle i, j) kommen in der Praxis besonders häufig vor. Gibt es für sie spezielle Aussagen über
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
MehrVektoren. Jörn Loviscach. Versionsstand: 11. April 2009, 23:42
Vektoren Jörn Loviscach Versionsstand:. April 29, 23:42 Rechnen mit Pfeilen Bei den komplexen Zahlen haben wir das Rechnen mit Pfeilen schon kennen gelernt. Addition und Subtraktion klappen in drei wie
MehrSymmetrien. Transformationen. Affine und euklidische Räume
Symmetrien Transformationen Der Gruppenbegriff entwickelte sich aus dem Begriff der Transformationsgruppe. In dieser Form tauchen auch die meisten Gruppen in der Mathematik, Physik, Chemie, Kristallographie,
MehrMatrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle
2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische
Mehr