solche Permutationen. Für n von 1 bis 8 ergeben sich folgende Zahlen: [ ]

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "solche Permutationen. Für n von 1 bis 8 ergeben sich folgende Zahlen: [ ]"

Transkript

1 5A Permutationen Symmetrien geometrischer Figuren beschreibt man mathematisch durch Vertauschungen einer gewissen Anzahl von Punten, welche die Gesamtfigur unverändert lassen Beispiel : Drehungen und Spiegelungen eines Quadrates Solche Vertauschungen wollen wir jetzt genauer untersuchen Permutationen sind Anordnungen der ersten n natürlichen Zahlen in einer beliebigen Reihenfolge Wie ein leichter Indutionsbeweis zeigt, gibt es n! ( n ) n solche Permutationen Für n von bis 8 ergeben sich folgende Zahlen:,, 6,, 0, 70, 500, 00 Für n 8 gibt es also bereits 8! 00 Permutationen Eine davon ist [ ] Allgemein bezeichnet man Permutationen meist mit griechischen Buchstaben und schreibt oder zur besseren Übersicht σ [ σ( ) σ( ) σ( n )] σ n σ( ) σ( ) σ( n ) Eine Permutation ist also nicht anderes als eine bijetive Abbildung auf der Menge der ersten n natürlichen Zahlen, oder allgemeiner auf irgendeiner n-elementigen Menge

2 Beispiel : Eine Drehung um die Achse R (,, ) T π mit einem Drehwinel von φ 0 0 bewirt eine zylische Permutation der drei anonischen Einheitsvetoren: Sie dreht e nach e, entsprechend e nach e und e nach e Nach der früher berechneten Formel d φ ( x ) cos( φ) x + ( cos( φ) ) a x T a + sin( φ ) axx hat die Drehung um den normierten Achsenvetor a,, T bei variablem Drehwinel φ die Darstellungsmatrix R( φ) cos( φ) + cos( φ ) sin( φ) cos( φ ) + sin( φ) cos( φ ) + sin( φ) cos( φ) + cos( φ ) sin( φ) cos( φ ) sin( φ) cos( φ ) + sin( φ) cos( φ) + Jede der drei Spalten dieser Matrix ist eine Parameterdarstellung des Kreises durch die Spitzen der drei anonischen Einheitsvetoren! Das "Mercedes-Lenrad" im Bild:

3 Vernüpfung von Permutationen Für die Hintereinanderausführung τ o σ zweier Permutationen schreibt man üblicherweise σ τ ; also erst σ und dann τ anwenden! Transpositionen vertauschen nur ein einziges Paar von Zahlen j und, während alle anderen Zahlen fest bleiben Man benutzt für eine solche Transposition die abürzende Notation τ (j,) Zylische Permutationen oder Zyel schreibt man in der Form σ (n,,n ) falls n auf n, dieses auf n usw und schließlich n wieder auf n verschoben wird: σ( n ) n, σ( n ) n,, σ( n ) n Jede Permutation ist ein Produt von zylischen Permutationen, wobei es hier nicht auf die Reihenfolge der Zylen anommt! Beispiel : Produte von zwei Zylen Die Permutation σ [ ] hat die (nach Weglassen der Einerzylen) die bequeme und überschaubare Zyeldarstellung σ (, ) ( 6, 8, 7) Die Permutation ρ [ ] hat die Zyeldarstellung ρ (,, 8 ) (,, 5, 6, 7 )

4 Produte von Transpositionen Ein einfacher Indutionsschluß zeigt, daß jede Permutation σ durch Hintereinanderschalten von s Transpositionen entsteht, wobei s die Anzahl der sogenannten "Fehlstände" ist, dh die Anzahl der Zahlen j mit j < σ( j ) Man nennt sign( σ ) ( ) s das Signum der Permutation Für die identische Permutation id [,,,,n], die gar eine Veränderung bewirt, ist natürlich sign( id) ( ) 0 ( ), und für jede Transposition τ gilt definitionsgemäß sign( τ) Die Produtgleichung sign( σ τ ) sign( σ ) sign( τ) ist plausibel aufgrund der Potenzregel ( ) s ( ) t ( ) ( s + t ) Sie hat einige nützliche Konsequenzen, zum Beispiel diese: Ist σ ein Produt von Transpositionen, so gilt sign( σ ) ( ) (obwohl nicht die Anzahl der Fehlstände zu sein braucht! ) Insbesondere gilt die Gleichung sign( σ ) ( ) für jede zylische Permutation von + Elementen: σ (n 0,,n ) (n 0,n )(n 0,n ) Allgemein ann man so für Permutationen in Zyeldarstellung das Signum ermitteln: Ist σ ein Produt von Zylen der Längen +,, m +, so gilt sign( σ ) ( ) mit m j j Gerade und ungerade Permutationen Das Signum ist gleich oder gleich -, je nachdem ob die Permutation aus einer geraden oder einer ungeraden Anzahl von Transpositionen zusammengesetzt ist Im ersten Fall spricht man von einer geraden, im zweiten von einer ungeraden Permutation Beispiel : Fehlstände der obigen Permutation σ [ ] sind

5 <, 6 < 7, 7 < 8 Die Hintereinanderausführung der drei Transpositionen, die diese Fehlstände beseitigen, also liefert τ [ ] (,) τ [ ] (6,7) τ [ ] (7,8) τ τ τ σ Somit haben wir sign( σ ) ( ) -, also eine ungerade Permutation Dies ergibt sich auch unmittelbar aus der Zyeldarstellung σ (, ) ( 6, 8, 7 ) Permutationsmatrizen sind quadratische Matrizen, bei denen in jeder Zeile und jeder Spalte genau eine und sonst nur Nullen stehen Sie bewiren bei Multipliation mit einem Zeilenvetor (von lins) oder einem Spaltenvetor (von rechts) stets eine Permutation, dh Vertauschung der Komponenten dieses Vetors Diese treten also auch im Bildvetor alle wieder auf, nur in anderer Reihenfolge Beispiel 5: Zeilen- und Spaltenpermutation a b c c a b [ a b c] [ b c a] Beachten Sie, daß diese Permutationsmatrix eine andere Vertauschung bei den Zeilen als bei den Spalten bewirt! Nur symmetrische Permutationsmatrizen wiren auf Zeilen ebenso wie auf Spalten Jeder Permutation σ entspricht genau eine Permutationsmatrix p j, P P σ [ ] deren Koeffizienten folgendermaßen festgelegt sind: p, j, falls σ( j ) 0 sonst p j, Das ist gerade die Darstellung derjenigen linearen Abbildung, die die anonischen Einheitsvetoren mittles σ vertauscht Es gilt dann allgemein

6 P σ x x n x ( ) σ x ( ) σ n Beispiel 6: Türme auf dem Schachbrett Jede Verteilung von acht Türmen auf einem Schachbrett, die sich gegenseitig nicht bedrohen, liefert eine 8 8-Permutationsmatrix (und umgeehrt) σ [ ] Produte von Permutationsmatrizen Die Hintereinanderausführung zweier Permutationen entspricht dem Produt der zugehörigen Permutationsmatrizen: P σ P τ P σ τ Im allgemeinen ist σ τ nicht gleich τ σ! Beispiel 7: Verschiedene Produte von Permutationen Wir betrachten zwei Permutationen der Zahlen,, (als Spalten geschrieben) und die zugehörigen Matrizen:

7 ,,, σ P σ τ P τ Für σ τ und die Produtmatix P σ P τ erhalten wir:, Andererseits ergibt sich für τ σ und P τ P σ :, Beispiel 8: Drei Transpositionen (als Spalten geschrieben) und ihre Darstellungsmatrizen:,,,,, ρ R σ S τ T Die Permutationsmatrix von ρ σ τ ist das Produt der drei Transpositionsmatrizen:,,, ρ σ R S ρ σ τ R S T Mit Hilfe der Permutationen ann man eine explizite Formel für Determinanten angeben Aus der Entwiclungsformel nach Laplace folgt mit einem etwas mühseligen Indutionsbeweis die Leibniz-Formel für Determinanten: ( ) det A ( ) sign σ j n a, j σj wobei über alle möglichen Permutationen der ersten n natürlichen Zahlen zu summieren ist Für n ist das die Regel von Sarrus, aber bei größeren Matrizen erweist sich die alternierende Summe der Produte von jeweils n Matrixoeffizienten (aus jeder Zeile und Spalte einer), summiert über alle n! Permutationen, als viel zu aufwendig (bei n 8 sind es ja bereits über Summanden) Die üblichen exaten Verfahren zur Berechnung von Determinanten laufen über die Laplace-Entwiclung oder den Gaußschen Eliminations-Algorithmus Obwohl die Leibniz-Formel für pratische Berechnungen großer Determinaten wenig hilfreich ist, gehört sie zu den großen mathematischen Entdecungen des 7 Jahrhunderts durch das Universalgenie G W Leibniz

Leitfaden Lineare Algebra: Determinanten

Leitfaden Lineare Algebra: Determinanten Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv

Mehr

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung 43 Permutationen Definition Eine Permutation der Elementen {,, n} ist eine bijektive Abbildung σ : {,,n} {,,n} Es ist leicht zu sehen, dass die Hintereinanderführung zweier Permutationen ergibt wieder

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Lineare Gleichungssysteme und Determinanten. Lineare Gleichungssysteme.2 Determinanten 3 iii 2 LINEARE GLEIHUNGSSYSTEME UND DETERMINANTEN KAPITEL

Mehr

Permutationen und symmetrische Gruppe

Permutationen und symmetrische Gruppe Permutationen und symmetrische Gruppe Für eine beliebige Menge M bilden die Bijektionen von M in M, versehen mit der Komposition von Abbildungen als Operation, eine Gruppe, die sogenannte symmetrische

Mehr

Einführung in die Mathematik für Informatiker

Einführung 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

Mehr

Grundlagen der Kombinatorik

Grundlagen der Kombinatorik 60 Kapitel 4 Grundlagen der Kombinatori Einer der Schwerpunte der Kombinatori ist das Abzählen von endlichen Mengen. Wir stellen zunächst einige Grundregeln des Abzählens vor, die wir gelegentlich auch

Mehr

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,

1.3 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

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr

Copyright, Page 1 of 5 Die Determinante

Copyright, Page 1 of 5 Die Determinante wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist

Mehr

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

2. Symmetrische Gruppen

2. Symmetrische Gruppen 14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen

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

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar 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

Mehr

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015

Grundsätzliches 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

Mehr

Lineare Algebra I Zusammenfassung

Lineare 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

Mehr

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1) 34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)

Mehr

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.) 3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten

Mehr

1 Rechnen mit 2 2 Matrizen

1 Rechnen mit 2 2 Matrizen 1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12

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

4.4. Rang und Inversion einer Matrix

4.4. 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

Mehr

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

C 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

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. Übung zur Vorlesung,,Diskrete Strukturen (SS 01)

1. Übung zur Vorlesung,,Diskrete Strukturen (SS 01) 1 Übung zur Vorlesung,,Disrete Struturen (SS 01 Lösung zu Aufgabe Es ist zu zeigen: Für, n N 0 gilt Algebraischer Beweis ( ( n + n + + 1 0 Es sei n N 0 beliebig Wir beweisen die Behauptung durch Indution

Mehr

Matrizen und Determinanten

Matrizen und Determinanten Matrizen und Determinanten 1 Matrizen und Determinanten 1 Einführung in den Matrizenbegriff Zur Beschreibung und Lösung vieler physikalischer Probleme ist die Vektorrechnung vonnöten Durch Verwendung von

Mehr

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix Eine n-reihige, quadratische Matrix heißt regulär, wenn ihre Determinante einen von Null verschiedenen Wert besitzt. Anderenfalls heißt sie singulär.

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I (Wintersemester 2003/2004) Aufgabenblatt 9

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

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +

Mehr

Erfüllt eine Funktion f für eine feste positive Zahl p und sämtliche Werte t des Definitionsbereichs die Gleichung

Erfüllt eine Funktion f für eine feste positive Zahl p und sämtliche Werte t des Definitionsbereichs die Gleichung 34 Schwingungen Im Zusammenhang mit Polardarstellungen trifft man häufig auf Funktionen, die Schwingungen beschreiben und deshalb für den Ingenieur von besonderer Wichtigkeit sind Fast alle in der Praxis

Mehr

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen 3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange

Mehr

Quadratische Matrizen Inverse und Determinante

Quadratische Matrizen Inverse und Determinante Kapitel 2 Quadratische Matrizen Inverse und Determinante In diesem Abschnitt sei A M(n, n) stets eine quadratische n n Matrix. Für nicht-quadratische Matrizen ergeben die folgenden Betrachtungen keinen

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

Wie misst man Symmetrie?

Wie misst man Symmetrie? Wie misst man Symmetrie? Was ist Symmetrie? Beispiele Bewegungen Friesgruppen Verallgemeinerungen Was ist Symmetrie denn eigentlich? Kann man sie überhaupt messen? Symmetrie = Gleichmaß August Ferdinand

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

Notizen zu Transformationen und Permutationen. T (A) = {f : A A}

Notizen zu Transformationen und Permutationen. T (A) = {f : A A} Transformationen Notizen zu Transformationen und Permutationen Ist A eine Menge, so ist die Menge T (A) = {f : A A} bezüglich der Komposition (Hintereinanderausführung) als Operation und der identischen

Mehr

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Inhaltsverzeichnis INHALTSVERZEICHNIS 1 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4

Mehr

Übungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr.

Übungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr. Übungsblatt 13 Lineare Algebra I, Prof Dr Plesen, SS 2008 Aufgabe 1 (Transponierte lineare Abbildung) Sei α : V W linear Zeige: α tr ist injetiv (surjetiv) genau dann, wenn α surjetiv (injetiv) ist Ist

Mehr

9 Funktionen und ihre Graphen

9 Funktionen und ihre Graphen 57 9 Funktionen und ihre Graphen Funktionsbegriff Eine Funktion ordnet jedem Element aus einer Menge D f genau ein Element aus einer Menge W f zu. mit = f(), D f Die Menge aller Funktionswerte nennt man

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare Algebra 1. Roger Burkhardt Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 Roger Burkhardt roger.burkhardt@fhnw.ch

Mehr

Lösung (die Geraden laufen parallel) oder unendlich viele Lösungen.

Lösung (die Geraden laufen parallel) oder unendlich viele Lösungen. 1 Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 2008 Kapitel 16 Determinanten und inverse Matrizen

Mehr

Homogenität Assoziativgesetz A (B 1 + B 2 ) = A B 1 + A B 2 Distributivgesetz 1 (A 1 + A 2 ) B = A 1 B + A 2 B Distributivgesetz 2

Homogenität Assoziativgesetz A (B 1 + B 2 ) = A B 1 + A B 2 Distributivgesetz 1 (A 1 + A 2 ) B = A 1 B + A 2 B Distributivgesetz 2 1. Formatbedingungen der Matrixoperationen Die Addition (Subtraktion) A ± B verlangt gleiches Format der Operanden A und B. Das Ergebnis hat das Format der Operanden. Skalarmultiplikation λa: Es gibt keine

Mehr

V DETERMINANTEN In diesem Kapitel entwickeln wir die Theorie der Determinanten Die folgenden Beispiele sollen die Einfuhrung dieses Begries motivieren

V DETERMINANTEN In diesem Kapitel entwickeln wir die Theorie der Determinanten Die folgenden Beispiele sollen die Einfuhrung dieses Begries motivieren SKRIPTUM { LINEARE ALGEBRA II JB COOPER Inhaltsverzeichnis: x Determinanten x Eigenwerte x Euklidische Raume x8 Dualitat, Tensorprodukte, Alternierende Formen Anhang: ) Mengen, Abbildungen ) Gruppen )

Mehr

1.3 Funktionen einer reellen Veränderlichen und ihre Darstellung im x, y - Koordinatensystem

1.3 Funktionen einer reellen Veränderlichen und ihre Darstellung im x, y - Koordinatensystem .0.0. Funktionen einer reellen Veränderlichen und ihre Darstellung im, - Koordinatensstem Vereinbarungen Wir betrachten vorerst nur noch Funktionen f, deren Definitionsund Wertebereich jeweils R oder ein

Mehr

Skalarprodukte (Teschl/Teschl Kap. 13)

Skalarprodukte (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 +

Mehr

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen. Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems

Mehr

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Mathematik 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/

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

Outline. 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 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

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte 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

Mehr

Zahlen und Gleichungen

Zahlen und Gleichungen Kapitel 2 Zahlen und Gleichungen 21 Reelle Zahlen Die Menge R der reellen Zahlen setzt sich zusammen aus den rationalen und den irrationalen Zahlen Die Mengen der natürlichen Zahlen N, der ganzen Zahlen

Mehr

Eine zweidimensionale Stichprobe

Eine zweidimensionale Stichprobe Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,

Mehr

Vorkurs Mathematik Übungen zu Komplexen Zahlen

Vorkurs Mathematik Übungen zu Komplexen Zahlen Vorkurs Mathematik Übungen zu Komplexen Zahlen Komplexe Zahlen Koordinatenwechsel Aufgabe. Zeichnen Sie die folgende Zahlen zunächst in ein (kartesisches) Koordinatensystem. Bestimmen Sie dann die Polarkoordinaten

Mehr

4. Mathematik-Schularbeit für die 5. Klasse Autor: Gottfried Gurtner

4. Mathematik-Schularbeit für die 5. Klasse Autor: Gottfried Gurtner 4. Mathemati-Schularbeit für die 5. Klasse Autor: Gottfried Gurtner Arbeitszeit: 100 Minuten Lernstoff: Mathematische Grundompetenzen (Un-)Gleichungen und Gleichungsssteme: AG.3 Quadratische Gleichungen

Mehr

Urs Wyder, 4057 Basel Funktionen. f x x x x 2

Urs Wyder, 4057 Basel Funktionen. f x x x x 2 Urs Wyder, 4057 Basel Urs.Wyder@edubs.ch Funktionen f 3 ( ) = + f ( ) = sin(4 ) Inhaltsverzeichnis DEFINITION DES FUNKTIONSBEGRIFFS...3. NOTATION...3. STETIGKEIT...3.3 ABSCHNITTSWEISE DEFINIERTE FUNKTIONEN...4

Mehr

Lineare Algebra und Geometrie für LehramtskandidatInnen. Andreas Čap

Lineare Algebra und Geometrie für LehramtskandidatInnen. Andreas Čap Lineare Algebra und Geometrie für LehramtskandidatInnen (Kapitel 6 9) Wintersemester 2010/11 Andreas Čap Fakultät für Mathematik, Universität Wien, Nordbergstraße 15, A 1090 Wien E-mail address: Andreas.Cap@esi.ac.at

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

Grundlagen der Vektorrechnung

Grundlagen der Vektorrechnung Grundlagen der Vektorrechnung Ein Vektor a ist eine geordnete Liste von n Zahlen Die Anzahl n dieser Zahlen wird als Dimension des Vektors bezeichnet Schreibweise: a a a R n Normale Reelle Zahlen nennt

Mehr

Vokabelliste FB Mathematik Vokabeln 7./8. Klasse // Vokabeln 9./10. Klasse // Vokabeln Sek II. Mengenbegriffe:

Vokabelliste FB Mathematik Vokabeln 7./8. Klasse // Vokabeln 9./10. Klasse // Vokabeln Sek II. Mengenbegriffe: Vokabeln 7./8. Klasse // Vokabeln 9./10. Klasse // Vokabeln Sek II Mathematik Symbol, Definition Deutsch Erklärung Mengenbegriffe: natürlichen Zahlen natürlichen Zahlen inkl. der 0 ganzen Zahlen rationalen

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

Lineare Gleichungssysteme

Lineare Gleichungssysteme Poelchau-Oberschule Berlin A. Mentzendorff September 2007 Lineare Gleichungssysteme Inhaltsverzeichnis 1 Grundlagen 2 2 Das Lösungsverfahren von Gauß 4 3 Kurzschreibweise und Zeilensummenkontrolle 6 4

Mehr

2. Aufgabe Vereinfachen Sie die folgenden Ausdrücke so, dass möglichst wenige Multiplikationen ausgeführt werden müssen!

2. Aufgabe Vereinfachen Sie die folgenden Ausdrücke so, dass möglichst wenige Multiplikationen ausgeführt werden müssen! Studiengang: PT/LOT/PVHT Semester: WS 9/ lgebra Serie: 2 Thema: Matrizen, Determinanten. ufgabe Gegeben sind die Matrizen = µ 2 3 2 µ 3 2 4, B = 2 Berechnen Sie: a) 2 + 3B b) B 2 c) B T d) B T e) T B f)

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

Klausurvorbereitung für die Semesterferien - 20 Aufgaben -

Klausurvorbereitung für die Semesterferien - 20 Aufgaben - Klausurvorbereitung für die Semesterferien - 20 Aufgaben - Sebastian Heger B.Sc. - SoSe 2010 Mathematik für Informatiker II bei Prof. Dr. J. Baumeister Aufgabe 1. (Mengenbeweise) Seien ABC beliebige Mengen.

Mehr

Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)

Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) M. Sc. Frank Gimbel Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) 1 Motivation Ziel ist es, ein gegebenes lineares Gleichungssystem der Form Ax = b (1) mit x, b R n und A R n n zu lösen.

Mehr

KV Logik als Arbeitssprache. Christoph Hörtenhuemer LVA-Nummer: LVA-Leiterin: Wolfgang Windsteiger. Agnes Schoßleitner

KV Logik als Arbeitssprache. Christoph Hörtenhuemer LVA-Nummer: LVA-Leiterin: Wolfgang Windsteiger. Agnes Schoßleitner KV Logik als Arbeitssprache LVA-Nummer: 326.014 LVA-Leiterin: Wolfgang Windsteiger Abgabedatum: 02. 06. 2004 Christoph Hörtenhuemer 0355958 Agnes Schoßleitner 0355468 Inhaltsverzeichnis Kurzbeschreibung...

Mehr

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Übersicht Lineare Gleichungssystem mit 2 Variablen 1 Lineare Gleichungssystem mit 2 Variablen Beispiele 2 Fakultät Grundlagen Folie: 2 Beispiel I Lineare

Mehr

Reihen/Partialsummenfolgen und vollständige Induktion. Robert Klinzmann

Reihen/Partialsummenfolgen und vollständige Induktion. Robert Klinzmann Reihen/Partialsummenfolgen und vollständige Induktion Robert Klinzmann 3. Mai 00 Reihen / Partialsummen 1 Inhaltsverzeichnis 1 Vorwort Das Prinzip der vollständigen Induktion 3 3 Herleitung der Gauß schen

Mehr

1 Algebraische Grundbegriffe

1 Algebraische Grundbegriffe 1 Algebraische Grundbegriffe Eine Algebra besteht aus einer Trägermenge S sowie eineroder mehreren Operationen. Eine Operation ist dabei eine k-stellige Abbildung, d.h. es gilt für eine Operation f f S

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

) in der Ebene aufgespannten Parallelogramms ist, wie wir wissen, gleich a 1. b 2. ) und b = ( b 1

) in der Ebene aufgespannten Parallelogramms ist, wie wir wissen, gleich a 1. b 2. ) und b = ( b 1 45 Determinanten Die orientierte Fläche eines von zwei Vektoren a ( a, a und b ( b, b in der Ebene aufgespannten Parallelogramms ist, wie wir wissen, gleich a b a b Bis auf das Vorzeichen ist dies der

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

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte. Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische

Mehr

Lineare Algebra I Klausur. Klausur - Musterlösung

Lineare Algebra I Klausur. Klausur - Musterlösung Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra I Klausur Klausur - Musterlösung 20. Februar 203 Aufgabe - Lösung Aussage wahr falsch (Z, +, 0) ist eine abelsche Gruppe. Der Ring Z/24Z ist nullteilerfrei.

Mehr

Kreissektoren und Bogenmaß

Kreissektoren und Bogenmaß M 10.1 Kreissektoren und Bogenmaß In einem Kreis mit Radius gilt für einen Kreissektor mit Mittelpunktswinkel : Länge des Kreisbogens Fläche des Kreissektors = = 360 360 Das Bogenmaß eines Winkels ist

Mehr

Kreissektoren und Bogenmaß

Kreissektoren und Bogenmaß M 10.1 Kreissektoren und Bogenmaß In einem Kreis mit Radius gilt für einen Kreissektor mit Mittelpunktswinkel : Länge des Kreisbogens Fläche des Kreissektors = 2 = 360 360 Das Bogenmaß eines Winkels ist

Mehr

37 II.1. Abbildungen

37 II.1. Abbildungen 37 II.1. Abbildungen "Abbildung" und "Funktion" sind verschiedene Namen für denselben Begriff, der charakterisiert ist durch die Angabe der Definitionsmenge ("Was wird abgebildet?"), der Wertemenge ("Wohin

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

Lineare Gleichungssysteme (Teschl/Teschl 11.1) Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...

Mehr

Wirtschaftsmathematik Formelsammlung

Wirtschaftsmathematik Formelsammlung Wirtschaftsmathematik Formelsammlung Binomische Formeln Stand März 2015 (a + b) 2 = a 2 +2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) (a b) =a 2 b 2 Fakultät (Faktorielle) n! =1 2 3 4 (n 1) n Intervalle Notation

Mehr

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben: Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise

Mehr

7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.

7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt. 7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim

Mehr

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Aufgabensammlung 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

Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2

Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2 Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die

Mehr

8 Extremwerte reellwertiger Funktionen

8 Extremwerte reellwertiger Funktionen 8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R

Mehr

1.3. Beträge, Gleichungen und Ungleichungen

1.3. Beträge, Gleichungen und Ungleichungen 1.3. Beträge, Gleichungen und Ungleichungen Das Maximum zweier Zahlen a, b wird mit max(a,b) bezeichnet, ihr Minimum mit min(a,b). Der Absolutbetrag einer reellen Zahl a ist a = max ( a, a ) oder auch

Mehr

6. Rechnen mit Matrizen.

6. Rechnen mit Matrizen. 6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 Lineare Gleichungssysteme A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen

Mehr

6.3 Hauptachsentransformation

6.3 Hauptachsentransformation Im Wintersemester 6/7 wurde in der Vorlesung Höhere Mathematik für Ingenieurstudiengänge der folgende Algorithmus zur Hauptachsentransformation besprochen: 63 Hauptachsentransformation Die Matrizen, die

Mehr

Lie Gruppen, SS 2010 Montag $Id: intro.tex,v /04/13 16:06:37 hk Exp hk $ Es wird etwas dauern bis wir in der Lage sind zu sagen was

Lie Gruppen, SS 2010 Montag $Id: intro.tex,v /04/13 16:06:37 hk Exp hk $ Es wird etwas dauern bis wir in der Lage sind zu sagen was $Id: intro.tex,v 1.3 2010/04/13 16:06:37 hk Exp hk $ 1 Einleitung Es wird etwas dauern bis wir in der Lage sind zu sagen was Lie Gruppen eigentlich sind. Dagegen ist es sehr wohl möglich bereits einige

Mehr

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de

Mehr

In der Schule lernen wir den Satz des Pythagoras: Die Flächensumme der beiden blauen Quadrate ist gleich der Fläche des schwarzen Quadrates:

In der Schule lernen wir den Satz des Pythagoras: Die Flächensumme der beiden blauen Quadrate ist gleich der Fläche des schwarzen Quadrates: Hans Walser, [06045] Pythagoras-Schmetterling Das Phänomen Wir beginnen mit einem beliebigen rechtwinkligen Dreieck und zeichnen die übliche Pythagoras-Figur. Dann fügen wir zwei weitere Quadrate an (rot

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Mathematik 1 für Informatiker und Wirtschaftsinformatiker Wintersemester 07/08 (Winkler) Musterprüfung mit Lösungen

Mathematik 1 für Informatiker und Wirtschaftsinformatiker Wintersemester 07/08 (Winkler) Musterprüfung mit Lösungen Mathematik für Informatiker und Wirtschaftsinformatiker Wintersemester 07/08 (Winkler Musterprüfung mit Lösungen. Sei T N. (a Unter welchen beiden Voraussetzungen an T garantiert das Induktionsaxiom (nach

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Grundlagen der Mathematik I Lösungsvorschlag zum 13. Tutoriumsblatt

Grundlagen der Mathematik I Lösungsvorschlag zum 13. Tutoriumsblatt Mathematisches Institut der Universität München Wintersemester 2013/14 Daniel Rost Lukas-Fabian Moser Grundlagen der Mathematik I Lösungsvorschlag zum 13. Tutoriumsblatt Aufgabe 1. a) (i) Eine Verlosung

Mehr

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung 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

Mehr

Surjektive, injektive und bijektive Funktionen.

Surjektive, injektive und bijektive Funktionen. Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens

Mehr