SBP Mathe Aufbaukurs 2 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 2

Größe: px
Ab Seite anzeigen:

Download "SBP Mathe Aufbaukurs 2 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 2"

Transkript

1 SBP Mathe Aufbaukurs 2 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 2

2 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das Lernen mit Lernkarten funktioniert nur wenn die Inhalte bereits einmal verstanden worden sind. Ich warne davor diese Lernkarten nur stur auswendig zu lernen. Diese und andere Lernkarten können von heruntergeladen werden. Viel Erfolg bei der SBP Mathe Aufbaukurs 2 Prüfung! Clifford Wolf <clifford@clifford.at> Diese Lernkarten stehen unter der CC BY-NC-SA Lizenz.

3 SBP Mathe Aufbaukurs 2 # 1 by Clifford Wolf Winkelfunktionen im rechtwinkeligen Dreieck

4 # 1 Antwort C b a α A c B sin α = a/c... Gegenkathete/Hypotenuse cos α = b/c... Ankathete/Hypotenuse tan α = a/b... Gegenkathete/Ankathete a... Gegenkathete zu α, b... Ankathete zu α, c... Hypotenuse

5 SBP Mathe Aufbaukurs 2 # 2 by Clifford Wolf Winkelfunktionen besonderer Winkel

6 # 2 Antwort α rad sin α cos α tan α π 6 45 π 4 60 π π 2 1 0

7 SBP Mathe Aufbaukurs 2 # 3 by Clifford Wolf Zusammenhänge der Winkelfunktionen

8 # 3 Antwort sin α = cos(90 α) cos α = sin(90 α) cos(α) = cos( α) sin( α) = sin(α) tan(α) = sin α cos α sin α = sin (180 α) = y arc sin y = [180 ] α cos α = cos(360 α) = x arc cos x = [360 ] α tan α = tan(180 + α) = z arc tan z = [180 +] α ACHTUNG: Die Umkehrfunktionen der Winkelfunktionen sind nicht eindeutig!

9 SBP Mathe Aufbaukurs 2 # 4 by Clifford Wolf Höhensatz und Kathetensatz

10 # 4 Antwort C b h a A p c q B Höhensatz: h 2 = p q Kathetensatz: a 2 = q c, b 2 = p c

11 SBP Mathe Aufbaukurs 2 # 5 by Clifford Wolf Polarkoordinaten und kartesische Koordinaten

12 # 5 Antwort y r (x; y) [r; ϕ] ϕ x x = r cos(ϕ) r = x 2 + y 2 y = r sin(ϕ) ϕ = arc tan(y/x) [+180 ]

13 SBP Mathe Aufbaukurs 2 # 6 by Clifford Wolf Winkelfunktionen am Einheitskreis

14 # 6 Antwort y y = tan ϕ y = sin ϕ ϕ x = cos ϕ x r = cos 2 ϕ + sin 2 ϕ = 1

15 SBP Mathe Aufbaukurs 2 # 7 by Clifford Wolf Graphen von Sinus und Cosinus

16 # 7 Antwort sin x π π π 2π π 3π x cos x π π π 2π π 3π x

17 SBP Mathe Aufbaukurs 2 # 8 by Clifford Wolf Ableitungen der Winkelfunktionen

18 # 8 Antwort sin x = cos x ( π ) cos x = sin 2 x cos x = sin x tan x = sin x cos x tan x = 1 cos 2 x = 1 + tan2 x

19 SBP Mathe Aufbaukurs 2 # 9 by Clifford Wolf Sinussatz

20 # 9 Antwort In jedem Dreieck gilt: a sin α = b sin β = c sin γ Achtung: In manchen Fällen liefert der Sinussatz keine eindeutige Lösung! Es seien z.b. a, b und α gegeben und h c < a < b: α b a a c Wenn 2 Seiten und 1 Winkel gegeben sind und die dem Winkel anliegende Seite die längere ist, dann ist der Sinussatz nicht immer eindeutig.

21 SBP Mathe Aufbaukurs 2 # 10 by Clifford Wolf Trigonometrische Flächeninhaltsformel für allgemeine Dreiecke

22 # 10 Antwort Für den Flächeninhalt A eines Dreicks gilt: A = ab 2 sin γ = ac 2 sin β = bc 2 sin α

23 SBP Mathe Aufbaukurs 2 # 11 by Clifford Wolf Cosinussatz

24 # 11 Antwort In jedem Dreieck gilt: a 2 = b 2 + c 2 2bc cos α b 2 = a 2 + c 2 2ac cos β c 2 = a 2 + b 2 2ab cos γ

25 SBP Mathe Aufbaukurs 2 # 12 by Clifford Wolf Ähnliche Dreiecke

26 # 12 Antwort Zwei Dreiecke heißen ähnlich, wenn sie in den drei Winkeln übereinstimmen. In ähnlichen Dreiecken gilt: a b = a b, a c = a c, b c = b c = a a = b b = c c

27 SBP Mathe Aufbaukurs 2 # 13 by Clifford Wolf 1. Summensatz der Winkelfunktionen

28 # 13 Antwort sin(α + β) = sin α cos β + cos α sin β sin(α β) = sin α cos β cos α sin β cos(α + β) = cos α cos β sin α sin β cos(α β) = cos α cos β + sin α sin β

29 SBP Mathe Aufbaukurs 2 # 14 by Clifford Wolf 2. Summensatz der Winkelfunktionen

30 # 14 Antwort sinα + sinβ = 2 sin α + β 2 sinα sinβ = 2 cos α + β 2 cos α + cos β = 2 cos α + β 2 cos α cos β = 2 sin α + β 2 cos α β 2 sin α β 2 cos α β 2 sin α β 2

31 SBP Mathe Aufbaukurs 2 # 15 by Clifford Wolf Das Bogenmaß

32 # 15 Antwort Das Bogenmaß eines Winkels ist das Verhältnis a = b r, wobei b die Länge eines zum Winkel gehörenden Kreisbogens mit dem Radius r ist. Damit entspricht das Bogenmaß eines Winkels der Länge des zum Winkel gehörenden Kreisbogens im Einheitskreis. Das Bogenmaß ist eine dimensionslose Verhältniszahl. Zur besseren Kennzeichnung wird es jedoch manchmal mit der Benennung Radiant (rad) versehen.

33 SBP Mathe Aufbaukurs 2 # 16 by Clifford Wolf Definition: Vektor

34 # 16 Antwort Ein Vektor bezeichnet eine Richtung und eine Länge im Raum. Vektoren werden oft als Pfeile veranschaulicht. Alle Pfeile mit gleicher Orientierung und gleicher Länge sind Repräsentanten des gleichen Vektors. Zwei Vektoren heissen gleich (oder äquivalent) wenn sie die gleiche Orientierung im Raum und die gleiche Länge haben.

35 SBP Mathe Aufbaukurs 2 # 17 by Clifford Wolf Graphische Summe von Vektoren

36 # 17 Antwort a b a + b b a Vektoren werden graphisch addiert, indem man die Repräsentanten (Pfeile) der Vektoren durch Parallelverschiebung so angeordnet werden, dass der Anfang eines Pfeils am Ende des vorhergehenden Pfeils zu liegen kommt. Der Pfeil vom Anfang des ersten Vektors zum Ende des letzten Vektors ist ein Repräsentant des Summenvektors. Die Addition von Vektoren ist Kommutativ und Assoziativ. In der Physik ist es üblich, die Summanden als Komponenten und die Summe als Resultierende zu bezeichnen.

37 SBP Mathe Aufbaukurs 2 # 18 by Clifford Wolf Graphische Skalarmultiplikation von Vektoren

38 # 18 Antwort a 2 a Die Skalarmultiplikation x a des Vektors a wird graphisch gebildet, indem ein Repräsentant (Pfeil) des Vektors so verlängert oder verkürzt wird, dass seine neue Länge das x-fache der ursprünglichen Länge ist. Die Orientierung (Richtung) des Vektors muss dabei unverändert bleiben. Die Skalarmultiplikation von Vektoren ist distributiv und assoziativ: r a + s a = (r + s) a r( a + b) = r a + r b r(s a) = (rs) a Der Vektor a zeigt in die entgegengesetzte Richtung wie a.

39 SBP Mathe Aufbaukurs 2 # 19 by Clifford Wolf Vektoren, Punkte, Ortsvektoren

40 # 19 Antwort A a B Häufig werden Vektoren durch ihre Anfangsund Endpunkte angegeben: a = AB Jedem Punkt X ist der Ortsvektor OX zugeordnet. Häufig wird einfach X geschrieben wenn OX gemeint ist: a = AB = OB OA = B A A a B O

41 SBP Mathe Aufbaukurs 2 # 20 by Clifford Wolf Vektoren und Koordinaten

42 # 20 Antwort Wie Punkte im Raum können auch Vektoren mit Koordinaten angeschrieben werden: ( ) a1 A = (a 1 ; a 2 ) = OA = a 2 Sei a = ( ) ( a 1 a 2 und b = b1 ) b2 : ( ) a + a1 + b b = 1 a a 2 + b b = 2 ( ) a1 b 1 a 2 b 2 x a = ( ) xa1 xa 2

43 SBP Mathe Aufbaukurs 2 # 21 by Clifford Wolf Betrag eines Vektors

44 # 21 Antwort Der Betrag eines Vektors ist seine Länge, die mit dem Pythagoräischen Lehrsatz errechnet werden kann: a = a 1. a n = a = a 2 = a a2 n Vektoren mit dem Betrag 1 nennt man Einheitsvektoren.

45 SBP Mathe Aufbaukurs 2 # 22 by Clifford Wolf Kartesische Einheitsvektoren

46 # 22 Antwort ( ) 1 Man nennt die Vektoren i = und j = 0 Einheitsvektoren der Ebene. ( ) 0 kartesische 1 a = ( a1 a 2 ) = a 1 i + a 2 j 1 Analog dazu heißen i = 0, j = 0 Einheitsvektoren des Raumes und k = kartesische

47 SBP Mathe Aufbaukurs 2 # 23 by Clifford Wolf Inneres Produkt zweier Vektoren

48 # 23 Antwort Das innere Produkt von a und b (auch: Skalarprodukt oder Punktprodukt ) a b ist das Produkt der Beträge der Parallelen Komponenten der beiden Vektoren: a b = a b cos ( a, b) a b = a 1 b a n b n a b a b = 0

49 SBP Mathe Aufbaukurs 2 # 24 by Clifford Wolf Winkel zwischen zwei Vektoren

50 # 24 Antwort Aus der Beziehung a b = a b cos ( a, b) (Definition des inneren Produkts zweier Vektoren) folgt ( a, a b b) = arc cos a. b

51 SBP Mathe Aufbaukurs 2 # 25 by Clifford Wolf Rechenregeln für das innere Produkt von Vektoren

52 # 25 Antwort Das innere Produkt ist Kommutativ und Distributiv: a b = b a a ( b + c) = a b + a c Das innere Produkt ist Assoziativ bzgl. der Skalarmultiplikation: x( a b) = (x b) a = b (x a) Aber das innere Produkt ist selbst nicht Assoziativ: a, b, c : a ( b c) ( a b) c

53 SBP Mathe Aufbaukurs 2 # 26 by Clifford Wolf Das vektorielle Produkt

54 # 26 Antwort Des vektorielle Produkt v = ω r (auch: Kreuzprodukt ) ist ein Vektor, der rechtwinkelig auf die von r und ω aufgespannte Ebene steht und vom Betrag her das Produkt der Beträge der normal aufeinander stehenden Komponenten von r und ω ist. ω r v = ω r v, ω und r bilden ein Rechtssystem: v = Daumen ω = Zeigefinger r = Mittelfinger Der Betrag von a b ist gleich dem Flächeninhalt des von a und b aufgespannten Parallelogramms.

55 SBP Mathe Aufbaukurs 2 # 27 by Clifford Wolf Berechnung von a b

56 # 27 Antwort a a 2 b 3 a 3 b 2 b = a 3 b 1 a 1 b 3 a 1 b 2 a 2 b 1 a b = a b sin ( a, b)

57 SBP Mathe Aufbaukurs 2 # 28 by Clifford Wolf Definition: Vektorraum

58 # 28 Antwort Sei V eine Menge von Vektoren (n-tupel). V ist ein Vektorraum wenn: eine kommutative und assoziative algebraische Funktion definiert ist, die je zwei Vektoren v 1, v 2 V einen weiteren Vektor v 1 v 2 V zuordnet. ein neutraler Vektor n definiert ist für den v n = v gilt. fuer jeden Vektor v V ein inverser Vektor v V definiert ist für den v v = n gilt. eine algebraische Funktion definiert ist die je einer Zahl t R und einem Vektor v V einen weiteren Vektor t v V zuordnet, so dass gilt: t (v 1 v 2) = (t v 1) (t v 2) s (t v) = (s t) v (s + t) v = (s v) (t v) 1 v = v

59 SBP Mathe Aufbaukurs 2 # 29 by Clifford Wolf Definition: Betragsfunktion eines reellen Vektorraums

60 # 29 Antwort Es sei V ein reeller Vektorraum (R k ). Eine Funktion f : V R heisst Norm oder Betragsfunktion von V wenn: f(v) 0 für alle v V f(v) = 0 v = n (n = neutrales Element von V) f(t v) = t f(v) f(v 1 v 2 ) f(v 1 ) + f(v 2 ) Statt f(v) wird meist v oder v oder Betrag von v geschrieben.

61 SBP Mathe Aufbaukurs 2 # 30 by Clifford Wolf Parameterdarstellung einer Geraden

62 # 30 Antwort P g Q g Sei g eine Gerade und P, Q g, P Q. Dann nennt man g = PQ ( g o) einen Richtungsvektor der Geraden g und oder kurz g = { X X = P + t g } g : X = P + t g die Parameterdarstellung von g (mit dem Parameter t). Zu jeder Geraden gibt es unendlich viele Parameterdarstellungen.

63 SBP Mathe Aufbaukurs 2 # 31 by Clifford Wolf Parallele Geraden

64 # 31 Antwort Zwei Geraden g und h sind genau dann parallel, wenn jeder Richtungsvektor von g auch ein Richtungsvektor von h ist und umgekehrt.

65 SBP Mathe Aufbaukurs 2 # 32 by Clifford Wolf Schnittpunkt zweier Geraden

66 # 32 Antwort Seien g : X = A + t g und h: X = B + s h Geraden. Um den Schnittpunkt P von g und h zu ermitteln setzt man die beiden Parameterdarstellungen gleich: } P = A + t 0 g P = B + s 0 h = A + t 0 g = B + s 0 h Hat dieses Gleichungssystem keine Lösung so gibt es keinen Schnittpunkt. D.h. die Geraden sind dann parallel oder windschief. Hat dieses Gleichungssystem unendlich viele Lösungen, so heißt das, daß die beiden Geraden identisch sind.

67 SBP Mathe Aufbaukurs 2 # 33 by Clifford Wolf Normalvektorform einer Geraden

68 # 33 Antwort Sei g : X eine Gerade in der Ebene, P ein beliebiger Punkt auf g und n ein Normalvektor von g, dann ist n X = n P die Normalvektorform von g. Wir setzten für n = ( ) ( a b, X = x1 ) ( x 2 und P = p1 ) p 2 ein: ( a ) ( b x1 ) ( x 2 = a ) ( b p1 ) p 2 = ax1 + bx 2 = ap 1 + bp }{{} 2 const. Die Normalvektorform beschreibt also die Gerade als Lösungsmenge einer linearen Gleichung mit den zwei Unbekannten x 1 und x 2.

69 SBP Mathe Aufbaukurs 2 # 34 by Clifford Wolf Von der Parameterdarstellung einer Geraden zur Normalvektorform

70 # 34 Antwort Sei g : X = P + t g eine Gerade in der Ebene. Ansatz 1: Erweitern mit einem Normalvektor n g X = P + t g n = X n = P n + t g n }{{} =0 Ansatz 2: Eliminieren von t ( x1 ) ( x 2 = a ( b) + t c ) x d 1 = a + t c x 2 = b + t d t = x 2 b d x 1 = a + x 2 b d c = dx 1 cx 2 = ad bc

71 SBP Mathe Aufbaukurs 2 # 35 by Clifford Wolf Von der Normalvektorform zur Parameterdarstellung einer Geraden

72 # 35 Antwort Sei ax 1 + bx 2 = y die Normalvektorform der Geraden g. Gesucht ist die Parameterdarstellung X = P + t g. Aus dem Normalvektor n = ( a b) kann gefolgert werden, dass g = ( b a) ein Richtungsvektor von g ist. Durch eine willkürliche Wahl von x 1 oder x 2 wird der Punkt P entweder als P = ( ) ( x 1 (y ax 1 )/b oder als P = (y bx2 ) )/a festgelegt. x 2 X = ( ) x 1 (y ax 1 )/b +t ( b ) a bzw. X = ( ) (y bx 2 )/a x 2 +t ( b ) a Bei a = 0 bzw. b = 0 ist nur jene definition von P möglich die nicht zu einer Division durch Null führt.

73 SBP Mathe Aufbaukurs 2 # 36 by Clifford Wolf Ebene, Richtunungsvektor der Ebene, Parameterdarstellung der Ebene

74 # 36 Antwort Durch drei Punkte des Raums, die nicht auf einer Geraden liegen, geht genau eine Ebene. Ein vom Nullvektor verschiedener Vektor, der Parallel zur Ebene E liegt, heißt ein Richtunungsvektor der Ebene E. Also jeder Vektor, der zwei voneinander verschiedene Punkte in der Ebene E verbindet, ist ein Richtunungsvektor dieser Ebene E. Seien a und b zwei linear unabhänige Richtungsvektoren der Ebene E und sei P ein Punkt in E. Dann ist E : X = P + u a + v b eine Parameterdarstellung der Ebene E mit den Parametern u und v.

75 SBP Mathe Aufbaukurs 2 # 37 by Clifford Wolf Von der Parameterdarstellung der Ebene zur Normalvektorform

76 # 37 Antwort Gegeben: X = P + u a + v b Gesucht: n X = k Lösungsstrategie: Die gegebene Parameterdarstellung wird als Gleichungssystem mit 3 Gleichungen angeschrieben. Anschliessend werden die unbekannten u und v eliminiert und so eine lineare Gleichung in X erstellt: x 1 = p 1 + u a 1 + v b 1 x 2 = p 2 + u a 2 + v b 2 x 3 = p 3 + u a 3 + v b 3 = n 1 x 1 + n 2 x 2 + n 3 x 3 = k n X = k

77 SBP Mathe Aufbaukurs 2 # 38 by Clifford Wolf Von der Normalvektorform der Ebene zur Parameterdarstellung

78 # 38 Antwort Gegeben: n X = k Gesucht: X = P + u a + v b Ansatz 1: Ermitteln von 3 Punkten Es werden 3 (verschiedene) Punkte P, A und B ermittelt: jeweils 2 Koordinaten willkürlich festlegen und die dritte durch Einsetzen in die Gleichung errechnen. Eine Parameterdarstellung ist: X = P + u P A + v P B Ansatz 2: Teilweises festlegen der Richtungsvekotren Die gegebene Gleichung wird in die Form x 1 = a + bx 2 + cx 3 umgewandelt. Indem man u = x 2 und v = x 3 setzt ergibt sich folgende Parameterdarstellung: ( x1 ) x 2 x 3 = ( a 0 0 ) + u( b 1 0 ) + v( c 0 1 )

79 SBP Mathe Aufbaukurs 2 # 39 by Clifford Wolf Normale Geraden im Raum und Normalvektoren von Ebenen

80 # 39 Antwort Zwei Vektoren im Raum stehen normal aufeinander, wenn ihr inneres Produkt Null ergibt. Zwei Geraden im Raum sind dann normal, wenn ihre Richtungsvektoren normal aufeinander stehen. Ein Vektor n heißt Normalvektor einer Ebene E, wenn n zu allen Richtungsvektoren von E normal ist. Das innere Produkt von einem Normalvektor n einer Ebene und jedem Punkt X der Ebene ist konstant.

81 SBP Mathe Aufbaukurs 2 # 40 by Clifford Wolf Linearkombinationen von Vektoren und lineare Abhänigkeit von Vektoren

82 # 40 Antwort Ein Vektor x = λ 1 a 1 + λ 2 a λ n a n heißt Linearkombination von a 1, a 2,..., a n. Existiert eine Linearkombination λ 1 a 1 + λ 2 a λ n a n = 0 mit mindestens einem λ k 0, so heißen die Vektoren linear abhänig, ansonsten linear unabhänig. In einer Liste von linear unabhänigen Vektoren kann mindestens einer der Vektoren als Linearkombination der übrigen dargestellt werden. Im n-dimensionalen Raum können maximal n Vektoren linear unabhänig voneinander sein.

83 SBP Mathe Aufbaukurs 2 # 41 by Clifford Wolf Matrix

84 # 41 Antwort Unter einer m n-matrix versteht man ein rechteckiges Schema reeller oder komplexer Zahlen mit m Zeilen und n Spalten. a 11 a 12 a 1n a 21 a 22 a 2n A = a m1 a m2 a mn Im Fall m = n spricht man von einer quadratischen Matrix. Im Fall a ij = a ji spricht man von einer symetrischen Matrix. Durch Vertauschung von Zeilen und Spalten (= kippen um die Hauptdiagonale) erhällt man die transponierte Matrix A T.

85 SBP Mathe Aufbaukurs 2 # 42 by Clifford Wolf Addition von Matrizen und Multiplikation von Matrix und Skalar

86 # 42 Antwort Addition von Matrizen: Seien A = (a ij ) und B = (b ij ) jeweils m n-matrizen: A + B = (a ij + b ij ) Multiplikation von Matrix und Skalar: Sei A = (a ij ) eine m n-matrix und λ ein Skalar: λ A = (λ a ij )

87 SBP Mathe Aufbaukurs 2 # 43 by Clifford Wolf Multiplikation von Matrizen

88 # 43 Antwort Seien A = (a ij ) eine m n-matrix und B = (b jk ) eine n p- Matrix: AB = C (C = (c ik ) ist eine m p-matrix) c ik = n a ij b jk j=1 Das heißt die Elemente von C werden gebildet indem jeweils das innere Produkt des passenden Zeilenvektors aus A und des passenden Spaltenvektors aus B gebildet wird.

89 SBP Mathe Aufbaukurs 2 # 44 by Clifford Wolf Zeilenweise Multiplikation von Matrizen

90 # 44 Antwort a 11 a 12 a 13 b 11 b 12 b 13 c 11 c 12 c 13 a 21 a 22 a 23 b 21 b 22 b 23 = c 21 c 22 c 23 } a 31 a 32 {{ a 33 } } b 31 b 32 {{ b 33 } } c 31 c 32 {{ c 33 } A B C Jede Zeile von C ist eine Linearkombination aller Zeilen aus B mit den Koeffizienten aus der entsprechenden Zeile aus A. c 21 c 22 = a 21 b 11 b 12 + a 22 b 21 b 22 + a 23 b 31 b 32 c 23 b 13 b 23 b 33

91 SBP Mathe Aufbaukurs 2 # 45 by Clifford Wolf Spaltenweise Multiplikation von Matrizen

92 # 45 Antwort a 11 a 12 a 13 b 11 b 12 b 13 c 11 c 12 c 13 a 21 a 22 a 23 b 21 b 22 b 23 = c 21 c 22 c 23 } a 31 a 32 {{ a 33 } } b 31 b 32 {{ b 33 } } c 31 c 32 {{ c 33 } A B C Jede Spalte von C ist eine Linearkombination aller Spalten aus A mit den Koeffizienten aus der entsprechenden Spalte aus B. c 12 c 22 = b 12 a 11 a 21 + b 22 a 12 a 22 + b 32 a 13 a 23 c 32 a 31 a 32 a 33

93 SBP Mathe Aufbaukurs 2 # 46 by Clifford Wolf Nullmatrix und Einheitsmatrix

94 # 46 Antwort Die Nullmatrix O ist jene Matrix, die mit einer anderen Matrix addiert wieder diese andere Matrix als Ergebnis liefert: 0 0 O = Die Einheitsmatrix E ist jene Matrix, die mit einer anderen Matrix multipliziert wieder diese andere Matrix als Ergebnis liefert: ) E = (

95 SBP Mathe Aufbaukurs 2 # 47 by Clifford Wolf Determinante einer Matrix

96 # 47 Antwort Sei A = (a ij ) eine quadratische n n-matrix. Dann ist det(a) = A (die Determinante von A) definiert als: n = 1: A = a 11 n = 2: A = a 11 a 12 a 21 a 22 = a 11a 22 a 12 a 21 n = 3: a 11 a 12 a 13 A = a 21 a 22 a 23 a 31 a 32 a 33 = a11 a22 a23 a 21 a 23 a 32 a 33 a12 a 21 a 22 a 31 a 33 +a13 a 31 a 32 = = a 11a 22a 23 + a 12a 23a 31 + a 13a 21a 32 a 31a 22a 13 a 32a 23a 11 a 33a 21a 12

97 SBP Mathe Aufbaukurs 2 # 48 by Clifford Wolf Entwicklungssatz von Laplace zur Berechnung von Determinanten

98 # 48 Antwort Eine Determinante kann nach jeder beliebigen Zeile oder Spalte entwickelt werden. Das heißt: A = a i1 A i1 + a i2 A i2 + + a in A in bzw. A = a 1j A 1j + a 2j A 2j + + a mj A mj i = 1,..., m j = 1,..., n Wobei A xy jene Matrix ist, die man erhaellt wenn man aus A die x-te Zeile und y-te Spalte entfernt und die resultierende Matrix mit 1 multipliziert wenn x + y ungerade ist. Zum Beispiel: a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 = a11 a22 a23 a 32 a 33 a 21 a 23 a12 a 31 a 33 + a 21 a 22 a13 a 31 a 32

99 SBP Mathe Aufbaukurs 2 # 49 by Clifford Wolf Eigenschaften von Determinanten

100 # 49 Antwort Vertauscht man zwei Zeilen oder Spalten, so ändert sich das Vorzeichen der Determinante. Multipliziert man eine Zeile oder Spalte mit einem konstanten Faktor, so multipliziert sich auch die Determinante mit diesem Faktor. Addiert man ein Vielfaches einer Zeile (Spalte) zu einer anderen Zeile (Spalte), so ändert sich die Determinante nicht. Für die Transponierte einer Matrix gilt A T = A sowie für das Produkt AB = A B. Für die Inverse einer Matrix gilt A 1 = A 1. Wenn die Determinante einer Matrix 0 ist so gibt es keine Inverse zu dieser Matrix.

101 SBP Mathe Aufbaukurs 2 # 50 by Clifford Wolf Die inverse Matrix

102 # 50 Antwort Sei A eine quadratische Matrix. Wenn (und nur wenn) A 0 dann gibt es eine inverse Matrix A 1, so dass ist. A A 1 = A 1 A = E (E = Einheitsmatrix) Die inverse Matrix wird berechnet indem in die oben stehende Definition eingesetzt wird. Zum Beispiel: ( ) ( ) a b = c d ( ) } 2a + 1c = 1 a = 3 5a + 3c = 0 c = 5 } 2b + 1d = 0 b = 1 5b + 3d = 1 d = 2

103 SBP Mathe Aufbaukurs 2 # 51 by Clifford Wolf Lineare Gleichungssysteme und Matrizen

104 # 51 Antwort Lineare Gleichungssysteme der Form a 11 x 1 + a 12 x 2 = k 1 a 21 x 1 + a 22 x 2 = k 2 können auch als Multiplikation einer Matrix mit einem Spaltenvektor angeschrieben werden: ( ) ( ) ( ) a11 a 12 x1 k1 = a 21 a 22 x 2 k 2 Lösung mittels Gaußschem Eliminationsverfahren oder der inversen Matrix: A x = b = x = A -1 b

105 SBP Mathe Aufbaukurs 2 # 52 by Clifford Wolf Cramersche Regel

106 # 52 Antwort Die Cramersche Regel (Determinantenmethode) ist ein Verfahren zum Lösen linearer Gleichungssysteme. A x = b = x i = det(a i) det(a) Wobei A i aus der Matrix A entsteht, wenn man die i-te Spalte durch den Vektor b ersetzt. z.b. 1x 1 + 2x 2 = 3 4x 1 + 5x 2 = 6 x 1 = , x 2 =

107 SBP Mathe Aufbaukurs 2 # 53 by Clifford Wolf Lösungsäquivialente Umformungen in linearen Gleichungssystemen

108 # 53 Antwort Sei A x = b eine lineare Gleichung in x. Die Lösungsgesamtheit des linearen Gleichungssystems ändert sich nicht bei: Vertauschen zweier Geichungen (d.h. zweier Zeilen von [A b]) Vertauschen zweier Spalten von A (und Umbezeichnung der zugehörigen Variablen) Multiplikation einer Gleichung mit einem Faktor 0 Multiplikation einer Gleichung mit einem Faktor und Addition zu einer anderen Gleichung

109 SBP Mathe Aufbaukurs 2 # 54 by Clifford Wolf Gaußsches Eliminationsverfahren

110 # 54 Antwort Sei A x = b eine lineare Gleichung in x. Durch Lösungsäquivialente Umformungen wird die Gleichung so in A x = b umgewandelt, daß A eine obere Dreiecksmatrix ist. Zum Beispiel: ( ) ( x1 ) x 2 = x 3 ( ) ( ) ( x1 ) x 2 = x 3 ( ) Durch einsetzen von unten nach oben werden die Werte für die Variablen bestimmt: 4x 3 = 8 x 3 = 2 3x 2 + 6x 3 = 2 3x 2 = = 10 x 2 = 10 /3 x 1 2x 2 + 3x 3 = 4 x 1 = / = 26 /3

111 SBP Mathe Aufbaukurs 2 # 55 by Clifford Wolf Gleichungen von Kreis und Kugel

112 # 55 Antwort Ein Kreis k ist die Menge jener Punkte in der Ebene, die den Abstand r (Radius) zum Punkt M (Mittelpunkt) haben. k : { X R 2 X M = r } (x 1 m 1 ) 2 + (x 2 m 2 ) 2 = r 2 Eine Kugel s (Sphere) ist die Menge jener Punkte im Raum, die den Abstand r (Radius) zum Punkt M (Mittelpunkt) haben. s : { X R 3 X M = r } (x 1 m 1 ) 2 + (x 2 m 2 ) 2 + (x 3 m 3 ) 2 = r 2

Brückenkurs Mathematik. Mittwoch Freitag

Brückenkurs Mathematik. Mittwoch Freitag Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs

Mehr

Inhalt. 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 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

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden

Mehr

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2 Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete

Mehr

3 Matrizenrechnung. 3. November

3 Matrizenrechnung. 3. November 3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige

Mehr

03. Vektoren im R 2, R 3 und R n

03. Vektoren im R 2, R 3 und R n 03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch

Mehr

Grundwissen Abitur Geometrie 15. Juli 2012

Grundwissen Abitur Geometrie 15. Juli 2012 Grundwissen Abitur Geometrie 5. Juli 202. Erkläre die Begriffe (a) parallelgleiche Pfeile (b) Vektor (c) Repräsentant eines Vektors (d) Gegenvektor eines Vektors (e) Welcher geometrische Zusammenhang besteht

Mehr

03. Vektoren im R 2, R 3 und R n

03. Vektoren im R 2, R 3 und R n 03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen

Mehr

Kapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49

Kapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.

Mehr

Kapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49

Kapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 207/8 2 Matrixalgebra / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.

Mehr

Matrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I

Matrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS Kapitel 2 Matrixalgebra Technologiematrix und wöchentliche Nachfrage (in Werteinheiten):

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n

Mehr

Formelsammlung Mathematik Grundkurs Inhalt

Formelsammlung 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

Mehr

3 Invertierbare Matrizen Die Inverse einer (2 2)-Matrix Eigenschaften invertierbarer Matrizen... 18

3 Invertierbare Matrizen Die Inverse einer (2 2)-Matrix Eigenschaften invertierbarer Matrizen... 18 Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik 2 Dr. Thomas Zehrt Vektoren und Matrizen Inhaltsverzeichnis Vektoren(Wiederholung bzw. Selbststudium 2. Linearkombinationen..............................

Mehr

2 Die Algebra der Matrizen

2 Die Algebra der Matrizen Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y

Mehr

Zusammenfassung 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 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

Mehr

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 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

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare 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

Mehr

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 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

Mehr

9.2 Invertierbare Matrizen

9.2 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

Mehr

1 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 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

Mehr

VEKTOREN. Allgemeines. Vektoren in der Ebene (2D)

VEKTOREN. Allgemeines. Vektoren in der Ebene (2D) VEKTOREN Allgemeines Man unterscheidet im Schulgebrauch zwischen zweidimensionalen und dreidimensionalen Vektoren (es kann aber auch Vektoren geben, die mehr als 3 Komponenten haben). Während zweidimensionale

Mehr

Grundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015

Grundsätzliches 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

Mehr

Brückenkurs Mathematik

Brückenkurs 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

Mehr

Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif

Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif 14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte

Mehr

Lernunterlagen Vektoren in R 2

Lernunterlagen Vektoren in R 2 Die Menge aller reellen Zahlen wird mit R bezeichnet, die Menge aller Paare a 1 a 2 reeller Zahlen wird mit R 2 bezeichnet. Definition der Menge R 2 : R 2 { a 1 a 2 a 1, a 2 R} Ein Zahlenpaar a 1 a 2 bezeichnet

Mehr

= 9 10 k = 10

= 9 10 k = 10 2 Die Reihe für Dezimalzahlen 1 r = r 0 +r 1 10 +r 1 2 100 + = r k 10 k, wobei r k {0,,9} für k N, konvergiert, da r k 10 k 9 10 k für alle k N und ( 1 ) k 9 10 k 9 = 9 = 10 1 1 = 10 10 k=0 k=0 aufgrund

Mehr

Mathematische Grundlagen der Computerlinguistik Lineare Algebra

Mathematische Grundlagen der Computerlinguistik Lineare Algebra Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 30 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen

Mehr

Hilfsblätter Lineare Algebra

Hilfsblätter Lineare Algebra Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,

Mehr

Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)

Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) 1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 2: Der Euklidische Raum Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 30. Oktober 2007) Vektoren in R n Definition

Mehr

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Musterlösungen 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

Mehr

Universität 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. 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

Mehr

Kapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24

Kapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt

Mehr

Basiswissen Matrizen

Basiswissen Matrizen Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)

Mehr

Züchtungslehre - Einführung in Lineare Algebra Peter von Rohr

Züchtungslehre - Einführung in Lineare Algebra Peter von Rohr Züchtungslehre - Einführung in Lineare Algebra Peter von Rohr 04-09-2016 Einführung in Lineare Algebra Aus der linearen Algebra brauchen wir für diese Vorlesung nur das Rechnen mit Vektoren und Matrizen.

Mehr

FH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB 5./7. November 2008 Prof. Dr. H.-R. Metz. Matrizen 1. a m1 a m2 a m3 a mn

FH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB 5./7. November 2008 Prof. Dr. H.-R. Metz. Matrizen 1. a m1 a m2 a m3 a mn FH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB./7. November 2008 Prof. Dr. H.-R. Metz (Matrix) Matrizen 1 Ein System von Zahlen a ik, die rechteckig in m Zeilen und n Spalten angeordnet

Mehr

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme

II. 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

Mehr

8. Elemente der linearen Algebra 8.1 Der euklidische Raum R n

8. Elemente der linearen Algebra 8.1 Der euklidische Raum R n 8 Elemente der linearen Algebra 81 Der euklidische Raum R n Definition von R n Definition 81 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R R (n-mal), dh R n = {(x 1, x 2,, x n ) : x

Mehr

Geometrie. Bei der Addition von Vektoren erhält man einen Repräsentanten des Summenvektors +, indem man die Repräsentanten von aneinanderfügt:

Geometrie. Bei der Addition von Vektoren erhält man einen Repräsentanten des Summenvektors +, indem man die Repräsentanten von aneinanderfügt: Geometrie 1. Vektoren Die Menge aller zueinander parallelen, gleich langen und gleich gerichteten Pfeile werden als Vektor bezeichnet. Jeder einzelne Pfeil heißt Repräsentant des Vektors. Bei Ortsvektoren:

Mehr

Definition von R n. Parallelverschiebungen in R n. Definition 8.1 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R... R (n-mal), d.h.

Definition von R n. Parallelverschiebungen in R n. Definition 8.1 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R... R (n-mal), d.h. 8 Elemente der linearen Algebra 81 Der euklidische Raum R n Definition von R n Definition 81 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R R (n-mal), dh R n = {(x 1, x 2,, x n ) : x

Mehr

12 Übungen zu Gauß-Algorithmus

12 Übungen zu Gauß-Algorithmus Aufgaben zum Vorkurs B S. 2 Übungen zu Gauß-Algorithmus 2x x 2 = 7x +, 5x 2 = 7 Aufgabe 6: Aufgabe 7: Aufgabe 8: Aufgabe 9: 2x x 2 = x +2x 2 = 2 2x x 2 = 7x +, 5x 2 =, 5 x 2x 2 = x +x 2 = 5 2x +x 2 = 4

Mehr

entspricht der Länge des Vektorpfeils. Im R 2 : x =

entspricht 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.

Mehr

Lineare Gleichungssysteme und Matrizen

Lineare Gleichungssysteme und Matrizen Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare 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

Mehr

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) 1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 2: Vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 19. Oktober 2011) Vektoren in R n Definition 2.1

Mehr

Kapitel 15 Lineare Gleichungssysteme

Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem

Mehr

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema: Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag

Mehr

Mathematische Grundlagen der Computerlinguistik Lineare Algebra

Mathematische Grundlagen der Computerlinguistik Lineare Algebra Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 1 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen

Mehr

Analytische Geometrie, Vektorund Matrixrechnung

Analytische 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?

Mehr

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren Kapitel 13 Vektoren Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren 131 Denition: Vektoren im Zahlenraum Ein Vektor (im Zahlenraum) mit n Komponenten ist ein n-tupel reeller Zahlen,

Mehr

1 Vektoren, Vektorielle analytische Geometrie der Ebene

1 Vektoren, Vektorielle analytische Geometrie der Ebene Geometrie Geometrie W. Kuhlisch Brückenkurs 208. Vektoren, Vektorrechnung und analytische Geometrie der Ebene 2. Vektorrechnung und analytische Geometrie des Raumes 3. Anwendungen in der Geometrie, Lagebeziehungen

Mehr

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014 Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................

Mehr

(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2

(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2 Vektoren Mit der Vektorrechnung werden oft geometrische Probleme gelöst. Wenn irgendwelche Aufgabenstellungen geometrisch darstellbar sind, z.b. Flugbahnen oder Abstandsberechnungen, dann können sie mit

Mehr

Vorlesung Mathematik 2 für Informatik

Vorlesung Mathematik 2 für Informatik Vorlesung Mathematik für Informatik Inhalt: Lineare Algebra Rechnen mit Vektoren und Matrizen Lineare Gleichungssysteme, GauÿAlgorithmus Vektorräume, Lineare Abbildungen Eigenwerte und Eigenvektoren Literatur

Mehr

5.4 Basis, Lineare Abhängigkeit

5.4 Basis, Lineare Abhängigkeit die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)

Mehr

GRUNDLAGEN MATHEMATIK

GRUNDLAGEN MATHEMATIK Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 1. Vektorrechnung und Geometrie Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies

Mehr

4 Vorlesung: 21.11. 2005 Matrix und Determinante

4 Vorlesung: 21.11. 2005 Matrix und Determinante 4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer

Mehr

05. Lineare Gleichungssysteme

05. Lineare Gleichungssysteme 05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a

Mehr

Mathematik I für MB und ME

Mathematik I für MB und ME Mathematik I für MB und ME Fachbereich Grundlagenwissenschaften Prof Dr Viola Weiÿ Wintersemester 28/29 Übungsaufgaben Serie 4: Lineare Unabhängigkeit, Matrizen, Determinanten, LGS Prüfen Sie, ob die folgenden

Mehr

bzw. eine obere Dreiecksmatrix die Gestalt (U: upper)

bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) U = u 11 u 12 u 1n 1 u nn 0 u 22 u 2n 1 u 2n 0......... 0 0 u n 1n 1 u n 1n 0 0 0 u nn Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere

Mehr

Geometrie. 1 Vektoren, Vektorielle analytische Geometrie der Ebene

Geometrie. 1 Vektoren, Vektorielle analytische Geometrie der Ebene Geometrie Geometrie W. Kuhlisch Brückenkurs 207. Vektoren, Vektorrechnung und analytische Geometrie der Ebene 2. Vektorrechnung und analytische Geometrie des Raumes 3. Anwendungen in der Geometrie, Lagebeziehungen

Mehr

A = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix

A = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix Matrizen Definition: i Eine m n Matrix A ist ein rechteckiges Schema aus Zahlen, mit m Zeilen und n Spalten: a a 2 a n a 2 a 22 a 2n a m a m2 a mn Die Spaltenvektoren dieser Matrix seien mit a,, a n bezeichnet

Mehr

Matrizen und Determinanten, Aufgaben

Matrizen und Determinanten, Aufgaben Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen

Mehr

2 Die Algebra der Matrizen

2 Die Algebra der Matrizen Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem y + z = 1 + y z

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 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

Mehr

Geometrie. Ingo Blechschmidt. 4. März 2007

Geometrie. Ingo Blechschmidt. 4. März 2007 Geometrie Ingo Blechschmidt 4. März 2007 Inhaltsverzeichnis 1 Geometrie 2 1.1 Geraden.......................... 2 1.1.1 Ursprungsgeraden in der x 1 x 2 -Ebene.... 2 1.1.2 Ursprungsgeraden im Raum..........

Mehr

5.1 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

5.1 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

Mehr

1.5 Kongruenz und Ähnlichkeit

1.5 Kongruenz und Ähnlichkeit 19 1.5 Kongruenz und Ähnlichkeit Definition Sei A n der affine Standardraum zum Vektorraum R n. Eine Abbildung F : A n A n heißt Isometrie, falls d(f (X), F (Y )) = d(x, Y ) für alle X, Y A n gilt. Es

Mehr

Matrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.

Matrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A. Matrizenrechnung Matrix: Eine rechteckige Anordnung reeller Zahlen a ij i = 1,..., n i ; j = 1,..., m in Zeilen und Spalten. Die a ij heiÿen Elemente von A. a 11 a 12... a ij... a 1m a 21 a 22.........

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil

Mehr

Mathematische Erfrischungen III - Vektoren und Matrizen

Mathematische 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

Mehr

1 Vorlesungen: und Vektor Rechnung: 1.Teil

1 Vorlesungen: und Vektor Rechnung: 1.Teil 1 Vorlesungen: 4.10.005 und 31.10.005 Vektor Rechnung: 1.Teil Einige in der Physik auftretende Messgrößen sind durch eine einzige Zahl bestimmt: Temperatur T K Dichte kg/m 3 Leistung P Watt = J/s = kg

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2018 Steven Köhler Wintersemester 2018/19 Inhaltsverzeichnis Teil 1 Teil

Mehr

1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6

1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6 Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................

Mehr

10.2 Linearkombinationen

10.2 Linearkombinationen 147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition

Mehr

1 Einleitung. 2 Sinus. Trigonometrie

1 Einleitung. 2 Sinus. Trigonometrie 1 Einleitung Die Trigonometrie (trigonon - griechisch für Dreieck) und die trigonometrischen Funktionen sind wichtige mathematische Werkzeuge zur Beschreibung der Natur. In der Physik werden trigonometrische

Mehr

1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4

1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4 Wirtschaftswissenschaftliches Zentrum 3 Universität Basel Mathematik 2 Dr Thomas Zehrt Lineare Gleichungssysteme Inhaltsverzeichnis Einführung 2 2 Gleichungen und 2 Unbekannte 2 2 3 Gleichungen und 3 Unbekannte

Mehr

Vektoren, Vektorräume

Vektoren, Vektorräume Vektoren, Vektorräume Roman Wienands Sommersemester 2010 Mathematisches Institut der Universität zu Köln Roman Wienands (Universität zu Köln) Mathematik II für Studierende der Chemie Sommersemester 2010

Mehr

SBP Mathe Grundkurs 2 # 0 by Clifford Wolf. SBP Mathe Grundkurs 2

SBP Mathe Grundkurs 2 # 0 by Clifford Wolf. SBP Mathe Grundkurs 2 SBP Mathe Grundkurs 2 # 0 by Clifford Wolf SBP Mathe Grundkurs 2 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das

Mehr

SBP Mathe Aufbaukurs 3. Imaginäre und komplexe Zahlen. Komplexe Zahlen in der Gaußschen Zahlenebene. Darstellungen komplexer Zahlen.

SBP Mathe Aufbaukurs 3. Imaginäre und komplexe Zahlen. Komplexe Zahlen in der Gaußschen Zahlenebene. Darstellungen komplexer Zahlen. SBP Mathe Aufbaukurs 3 # 0 by Clifford Wolf # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das Lernen mit Lernkarten

Mehr

SBP Mathe Aufbaukurs 3 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 3

SBP Mathe Aufbaukurs 3 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 3 SBP Mathe Aufbaukurs 3 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 3 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de c 018 Steven Köhler Wintersemester 018/19 Inhaltsverzeichnis Teil 1 Teil Teil

Mehr

Mathematik 2 für ET. Vektoren in R n und C n. Addition von Vektoren Multiplikation von Vektor und Skalar. Der Nullvektor 0 =

Mathematik 2 für ET. Vektoren in R n und C n. Addition von Vektoren Multiplikation von Vektor und Skalar. Der Nullvektor 0 = Mathematik 2 für ET # 0 by Clifford Wolf # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit Das Lernen mit Lernkarten funktioniert

Mehr

Mathematik 2 für ET # 0 by Clifford Wolf. Mathematik 2 für ET

Mathematik 2 für ET # 0 by Clifford Wolf. Mathematik 2 für ET Mathematik 2 für ET # 0 by Clifford Wolf Mathematik 2 für ET # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das Lernen

Mehr

5 Lineare Gleichungssysteme und Determinanten

5 Lineare Gleichungssysteme und Determinanten 5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von

Mehr

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2. Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar

Mehr

Kapitel 17 Skalar- und Vektorprodukt

Kapitel 17 Skalar- und Vektorprodukt Kapitel 17 Skalar- und Vektorprodukt Mathematischer Vorkurs TU Dortmund Seite 1 / 22 Bisher hatten wir die Möglichkeit Vektoren des R n zu addieren und Vektoren mit rellen Zahlen zu multiplizieren. Man

Mehr

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A

Mehr

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw. Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen

Mehr

Mathematik II Frühjahrssemester 2013

Mathematik II Frühjahrssemester 2013 Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik

Mehr

Mathematischer Vorkurs

Mathematischer Vorkurs Mathematischer Vorkurs Dr Agnes Lamacz Mathematischer Vorkurs TU Dortmund Seite 1 / 17 Vektoren Kapitel 15 Vektoren Mathematischer Vorkurs TU Dortmund Seite 13 / 17 Vektoren 151 Denition: Vektoren im Zahlenraum

Mehr

Zusammenfassung zum Thema Vektor- und Matrizenrechnung

Zusammenfassung zum Thema Vektor- und Matrizenrechnung Zusammenfassung zum Thema Vektor- und Matrizenrechnung Mathematischer Vorkurs für Physiker und Naturwissenschaftler WS 2014/2015 Grundbegriffe der Linearen Algebra Viele physikalische Größen (Geschwindigkeit,

Mehr

2 Geometrie und Vektoren

2 Geometrie und Vektoren Geometrie und Vektoren Vorbemerkung: Begriffe wie die folgenden werden hier als bekannt vorausgesetzt: Punkt, Strecke, Strahl, Gerade, Ebene, Kreis, Winkel, rechter Winkel, etc..1 Grundlegende Sätze Satz

Mehr

Geometrie. 1 Vektorielle analytische Geometrie der Ebene, Kegelschnitte

Geometrie. 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,

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

LINEARE ALGEBRA II. FÜR PHYSIKER LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders

Mehr