Formelsammlung Mathematik

Größe: px
Ab Seite anzeigen:

Download "Formelsammlung Mathematik"

Transkript

1 Formelsammlung Mathematik Änderungshistorie:..5 Erste Version; Logarithmen; Vektoren 3..5 Vektoren: Skalarprodukt, Richtungswinkel, Vektorprodukt 7..5 Korrekturen, Spatprodukt, Geraden, Abstand Punkt-Gerade 9..5 Korrekturen, Ebenen (Parameterdarst., (Hesse-)Normalform), Abstand Ebene- Ursprung, Abstand Punkt-Ebene, Abstand Gerade-Gerade 5..5 Vektorraum, Lineare Abhängigkeit, Basis 7..5 Matrizen, Transponieren, Matrixmultiplikation, Falk-Schema 9..5 Inhaltsverzeichnis, Koordinatentransformation mit Matrizen, Determinanten (Sarrus, Laplace), Dreiecksmatrix, Elementaroperationen 3..5 Rang einer Matrix 5..5 Potenzen, Wurzeln, Trigonometrie Grundlagen 6..5 Inverse Matrix..5 Lineare Gleichungssysteme, Cramer'sche Regel, Gauß'sches Eliminationsverfahren..6 Komplexe Zahlen, Inverses Element, Darstellungsformen, Umformungen, Rechnen in der Normalform..6 Rechnen in der Polarform, Potenzen, Wurzeln 5..6 Korrekturen Polynome (Nullstellen) Formelsammlung Mathematik ET5 Seite

2 Inhalt Änderungshistorie:... Inhalt... Potenzen...3 Wurzeln...3 Logarithmen...3 Trigonometrie Grundlagen...3 Vektoren...4 Geraden...7 Ebenen...8 Vektorraum... Matrizen... Determinanten...4 Lineare Gleichungssysteme (LGS)...5 Komplexe Zahlen...7 Polynome (Nullstellen)... Formelsammlung Mathematik ET5 Seite

3 Potenzen a, b, x, y R und a,b a x a y =a x y a x a y=ax y a b x =a x b x a x y =a x y a = a x = a x a n = a n Wurzeln m, n N und a,b R n a b= n a n b n a n b = a n b m a= n m n a Logarithmen Logarithmen mit gleicher Basis (hier für Basis e ) ln aln b=ln a b ln a lnb=ln a b ln b = lnb ln a = lna Allgemein a log a x =x lna n =n ln a lna=ln a = lna Trigonometrie Grundlagen Rechtwinkliges Dreieck sin = g h tan = g a Sinussatz sin sin sin = = a b c cos= a h cot = a g a= Ankathete, g= Gegenkathete, h= Hypothenuse h =a g Konsinussatz (Satz des Pythagoras) a =b c bc cos b =a c ac cos c =a b ab cos Formelsammlung Mathematik ET5 Seite 3

4 Vektoren Betrag eines Vektors (seine Länge) a =a a a 3 a= 3 a = 3 =4 Vektor normieren (Einheitsvektor) (Länge auf verkürzen unter Beibehaltung der Richtung) a = a a a= 3 a = 3 4 Gleichheit zweier Vektoren Zwei Vektoren gelten dann als gleich, wenn Betrag und Richtung identisch sind. Die absolute Position ist kein Kriterium. Ortsvektor Zeigt vom Nullpunkt (oder ) auf einen bestimmten Punkt (gegeben durch absolute Koordinaten) a=p=r P Strecke zwischen zwei Punkten (Abstand zwischen zwei Punkten) A=a a B=b b a 3, 3 b AB=b a b a 3 b 3 a Der Abstand ist der Betrag dieses Vektors! Vektor-Addition a b=c a=a a 3, a b=b b 3 b c=ab a b a 3 b 3 Skalare Multiplikation (ein Vektor mit einer reellen Zahl multiplizieren) b= a b = a b= a a a a 3= a 3 a Formelsammlung Mathematik ET5 Seite 4

5 Skalarprodukt Das Skalarprodukt zweier Vektoren ergibt eine reelle Zahl. a b=a a b a 3 b b 3=a b a b a 3 b 3 = a b cos arccos a b a b a b (=9 ) wenn a b=! a b 9 a b 9 a a= a Richtungswinkel Winkel, die ein Vektor zusammen mit der x- oder y-achse einschließt (ohne Drehsinn, d.h. es wird immer der Kleinere angegeben). x arccos a a y y arccos a a z arccos a y 3 a x x cos x cos x = (Ebene) cos x cos x cos z = (Raum) a Projektion eines Vektors auf einen anderen b a hat die selbe Richtung wie a. b a = cos b = a b a b b a = b a a = a b a a b a a Formelsammlung Mathematik ET5 Seite 5

6 Vektorprodukt (Kreuzprodukt) Unter dem Vektorprodukt c=a b versteht man einen Eindeutig bestimmten Vektor, der auf a und b orthogonal steht ( c a c b bzw. c a= c b= ). Der Betrag des Vektorprodukts ist gleich der Fläche A des von den Vektoren a und b aufgespannten Parallelogramms. Kommutativ- und Assoziativgesetz gelten genauso wenig, wie es neutrale oder inverse Elemente gibt. c = a b sin a, b [,8 ] a=a a 3, a b=b b 3 b b 3 a 3 b a b=a a 3 b a b 3 a b a b c= a b b A= a b a Rechenregeln: a, b,c sind Vektoren im Raum, R. a b= b a. a b=a b=a b 3. ab c=a cb c 4. a b= a, b sind kollinear (einer ist Vielfaches des anderen) 5. a b = a b a b Spatprodukt Das Spatprodukt entspricht der Determinante von a, b,c (in dieser Reihenfolge!). Ein Spat ist ein Parallelogramm im Raum. det a, b,c=a b c det a, b,c Rechtssystem Linkssystem = a, b, c liegen in Ebene, sind komplanar, linear abhängig ) det a,b,c=det c, a,b=det b,c,a= det b,a,c= det c,b,a= det a,c,b ) det a d, b, c=det a, b,cdet d, b,c 3) det a, b,c= det a, b,c 4) det e, e, e 3 = G= b c h = a b c = a b c b c V =G h V = det a, b,c h a c G b Formelsammlung Mathematik ET5 Seite 6

7 Geraden Punkt-Richtungsform (Parameter-Darstellung) (gegeben sind ein Punkt P und ein Vektor a ) g :q=p a, R P a q Q p Zwei-Punkt-Form (gegeben sind zwei Punkte P und P ) P P P P g :q=p p p, R p p Verhalten zweier Geraden zueinander g :q= p a, R g :q= p a, R ) gleich a, a und p p sind kollinear ) parallel a und a sind kollinear 3) sich in einem Punkt schneiden p a = p a 4) windschief ), ) und 3) gelten nicht Abstand: Punkt Gerade Gegeben sind eine gerade g :q=p a sowie ein Punkt P. a und p p spannen ein Parallelogramm auf, dessen Höhe d ist. d=a p p d = a p p a P p p p a p P d g Abstand: Gerade Gerade (gegeben sind zwei Geraden: g :q= p a und g :q= p a ) Geraden sind parallel: ( a linear abhängig von a ) Geraden sind windschief: d = a p p a d = det a, a, p p a a Formelsammlung Mathematik ET5 Seite 7

8 Ebenen Punkt-Richtungs-Form (Parameter-Darstellung) (gegeben sind ein Punkt P ( p = Ortsvektor) und zwei nicht kollineare Vektoren a und b ( a, b = Richtungsvektoren)) P b a E :q=pa b,, R p Drei-Punkt-Form (Parameter-Darstellung) (gegeben sind drei Punkte P, P, P 3, die nicht auf einer Gerade liegen) p p P E :q= p p p p 3 p,, R P p 3 p p P 3 Normalform (gegeben ist ein Punkt P und ein Vektor n, zu dem die Ebene senkrecht verlaufen soll) E :q n p n= Hesse-Normalform (statt n (Normalenvektor) n (Normaleinheitsvektor)) E :q n p n = : E x n y n z n 3 p p n p 3 n n 3 = p q P n Q q p E :n xn yn 3 z n p n p n 3 p 3 = p n entspricht dem Abstand zum Ursprung. Umwandlung: Normalform Parameterdarstellung Für x und y werte annehmen und Ebenengleichung nach z umformen. Damit ist ein Punkt P auf der Ebene bestimmt. Das gleiche für P 3 wiederholen. a= p p, b= p 3 p Umwandlung: Parameterdarstellung Normalform n durch a b bzw. p p p 3 p bestimmen (bei Hesse-NF normieren). P entspricht dem P bzw. dem P auf der Parameterdarstellung. Formelsammlung Mathematik ET5 Seite 8

9 Abstand: Ebene Ursprung Der Abstand d ist eine Projektion von p auf n. n d= p n = p n n n P d = p n Aus Parameterdarstellung: d = p n = p a b d p Abstand: Punkt Ebene Es wird eine gedachte parallele Ebene konstruiert. Die Differenz der Abstände der beiden Ebenen zum Ursprung entspricht dem Abstand des Punktes P zur Ebene. d = p n p n P P d p p Formelsammlung Mathematik ET5 Seite 9

10 Vektorraum R n ={ x R n x i R ;i=,,n}= { x,,x n x i R ;i=,,n} x n In diesem Raum sind definiert ( a,, a k R n ;,, k R ): Linearkombination (Addition und skalare Multiplikation): b= a a k a k Skalarprodukt: a n b= a i b i i = Betrag: a = i = Winkel: a, b=arccos a b a b n a i Gerade und Ebene in Parameter-/Koordinatendarstellung Nicht mehr möglich ist sind Vektorprodukt sowie die Normalform einer Ebene! Gilt a,, a k =R n, so heißt { a,, a k } Erzeugendensystem von des R n. Lineare Abhängigkeit k Vektoren a,, a k R heißen linear abhängig (l.a.) :,, k R, die nicht alle gleich Null sind, sodass a k a k =. Andernfalls heißen sie linear unabhängig (l.u.). Zwei Vektoren sind l.a., wenn sich einer durch die skalare Multiplikation eines anderen erzeugen lässt. Drei Vektoren im R 3 sind dann l.u., wenn det a, b,c Basis Man braucht n unabhängige Vektoren um R n zu erzeugen. { e,, e n } ist eine Basis des R n, die sogenannte kanonische Basis Die Basis eines Vektorraums ist nicht eindeutig, aber ihre Mächtigkeit. Sie bestimmt die Dimension des Raums. Beispiel (rechts): a= und b= R. x= 4 4 =! bilden die Basis des soll in diesem Raum dargestellt werden. =4 = =3 = x= 3 a b x= 4 Formelsammlung Mathematik ET5 Seite

11 Matrizen A= A a ik =a a ak an a a a k a n a i a i a ik a in a m a m a mk a mn Eine Matrix vom Typ m n ist ein rechteckiges Zahlenschema aus m Zeilen und n Spalten. Die Zahlen a ik R heißen Elemente von A. Wenn alle Diagonalen-Elemente sind, nennt man dies Einheitsmatrix E ; z.b.: E= Rang einer Matrix Der Rang RgA der Matrix A M m,n ist gleich der Anzahl der linear unabhängigen Zeilen bzw. Spalten. Er ändert sich nicht, wenn elementare Zeilen- oder Spaltenoperationen auf die Matrix angewandt werden. ) RgA minm,n ) RgA= RgA T 3) RgE n =n (Einheitsmatrix hat immer vollen Rang ) 4) det A= RgA= A= 3, RgA= B= 4, RgB= A= = z z z 3 z z 4 z z 5 z = z 3 z z 4 z z 5 3z RgA= Transponieren Vertauschen von Zeilen und Spalten. Wenn A T = A, heißt A symmetrisch. A= a a a a, A = T a a a a Matrixmultiplikation Die Multiplikation ist nur dann definiert, wenn Spaltenzahl_A = Zeilenzahl_B ( m n n p ). Wichtig: A B B A! A= a a a a, B= b b b b A B= a b a b a b a b a b a b a b a b Rechenregeln: ) A B C = A B C ) A E =E A= A 3) A BC = A B A C (auf Reihenfolge achten!) 4) A = ; A= 5) A B T =B T A T Formelsammlung Mathematik ET5 Seite

12 Falk-Schema Das Falk-Schema ist eine optische Vereinfachung der Matrixmultiplikation. Die Zeilen von A, die sich mit den Spalten von B schneiden werden elementweise miteinander multipliziert. A= 3 4, B= 3 A B B A Koordinatentransformation mit Matrizen Gegeben seien: = { e, e, e 3 } { a, a, a 3 } mit a, a =, a = 3, 3 x= 5 Welche Koordinaten habe die alten Basisvektoren bezüglich der neuen Basis? (Mit welchen Faktoren muss man die neuen Basisvektoren multiplizieren, um damit jeweils den alten zu erzeugen?) e = a a a 3 e = a a a 3 e 3 = a a a 3 A= (Achtung: Hier werden Spalten nun zu Zeilen!) Nun können die Koordinaten des Vektors x berechnet werden: A x= 3 5 = 7 Inverse Matrix Die Inverse A ist quasi der Faktor, der mit A multipliziert wieder das neutrale Element E ergibt (bei reellen Zahlen ). Sie kann nur von quadratischen Matrizen A M n,n mit vollem Rang RgA=n gebildet werden; ist dies möglich nennt man A regulär, ansonsten singulär. ) A = A ) A T = A T 3) A B =B A 4) A n = A n 5) A = A 6) A = A Formelsammlung Mathematik ET5 Seite

13 Mit inversen Matrizen kann man nun Matrizengleichungen auflösen: ) A X =B A A X = A B X = A B Achtung: X A=B X =B A ) A X X =B AE X =B X = AE B Achtung: X A X =B X =B AE Bildung inverser Matrizen Mit elementaren Zeilen- bzw. Spaltenoperationen (nicht mischen!) muss die Ausgangsmatrix schrittweise der entsprechenden Einheitsmatrix angenähert werden: A E E A. Zeilenoperationen werden von links, Spaltenoperationen von rechts durchgeführt. Wird bei der Überführung mind. eine Zeile komplett Null, so ist die Matrix singulär und es gibt keine Inverse. C= = C E 3 4 = = = 5 9 = C = = Bildung inverser Matrizen mit Determinanten (Inversenformel) A = A i j A ij T (gilt natürlich nur, wenn A regulär ist) a3 a 3 a a 3 a 3 a 33 A 33 a a 3 a 3 a 33 = a a 3 a 3 a 33 a a 3 a 3 a 33 a a 3 a a 3 a a 3 a a 3 A=a a a 3 a a a 3 A a a a a 3 a 3 T a 3 a a a a 3 a a a Der Einfachheit halber wurde A nicht ausmultipliziert (einfach Determinante von A nehmen). Transponieren nicht vergessen! Formelsammlung Mathematik ET5 Seite 3

14 Determinanten Determinanten können nur von quadratischen Matrizen M n,n berechnet werden! ) A = A T ) A B = A B 3) A B A B (!) n = A= a a a a A = a a a a =a a a a n = 3 (nach Sarrus) det a, b c b,c= a a b c 3 a a 3 b 3 c n allgemein (nach Laplace) b a b a 3 b 3 =a b c 3 b c a 3 c a b 3 a 3 b c b 3 c a c 3 a b Durch Streichen von je einer Zeile sowie einer Spalte werden Unterdeterminanten gebildet (sog. Adjunken). Deren Ergebnisse werden jeweils mit dem Matrix-Element multipliziert, in dem sich die gedachten Streichlinien kreuzen (eingezeichnet für a 3 ). a a a3 a4 a3 a4 a3 a4 a a4 a a3 a a a 3 a 4 a 3 a 3 a 33 a a a 3 a 33 a 4 a a 3 a 33 a 4 3 a a 3 a 3 a 4 4 a a 3 a 3 a 33 4 a a 4 a 4 a 43 a 4 a 43 a 44 a a 4 a 43 a 44 a a 4 a 4 a 44 a a 4 a 4 a 44 =a 43 Ob die Unterdeterminanten addiert oder subtrahiert werden, wird nach folgendem Muster festgelegt: Berechnung mit Dreiecksmatrix A =a a a n a a a 3 a a 3 a a 33 a 33 =a Elementare Zeilen- und Spaltenoperationen Zeilen und Spaltenoperationen nicht mischen! Beachen, dass zum Beispiel beim Vertauschen zweier Zeilen die gesamte Determinante negiert werden muss! ) Multiplikation einer Zeile/Spalte mit : B = A ) Vertauschen zweier Zeilen/Spalten: B = A 3) Addieren eines Vielfaches einer Zeile/Spalte zu einer Zeile/Spalte: B = A Formelsammlung Mathematik ET5 Seite 4

15 Lineare Gleichungssysteme (LGS) Ein LGS vom Typ m n sieht folgendermaßen aus: m : Anzahl der Gleichungen n: Anzahl der Unbekannten In Matrixschreibweise: A x= b A : Koeffizientenmatrix x : Lösungsvektor b : rechte Seite a a n x A=a a m a m a mn x= n x a x + a x + + a n x n = b a x + a x + + a n x n = b a m x + a m x + + a mn x n = b m b b= m b LGS können mit verschiedenen Verfahren wie dem Gauß'schem Eliminationsverfahren oder der Cramer'schen Regel (die auf Determinanten aufbaut) gelöst werden Lösungsmöglichkeiten. genau eine Lösung ( RgA=n ). unendlich viele Lösungen ( RgAn, aufgrund von Abhängigkeiten zwischen Gleichungen, müssen Parameter eingeführt werden; es ergibt sich z.b. eine Lösungsgerade bei einem Paramenter, Lösungsebene bei zweien usw.) 3. keine Lösung (es entsteht ein Widerspruch; z.b. =5 ) Beispiel mit einem -System: Eine Lösung: (die Geraden Kreuzen sich) Unendlich viele Lösungen: (Geraden liegen aufeinander) Keine Lösung: (Geraden parallel) A= 4 5 b= x A= b= x y =,5 oder b= A= 4 b= y = 3,5 Ein homogenes LGS hat als Lösung den Nullvektor und ist aufgrund dessen immer eindeutig lösbar (Triviallösung ). Erhält man eine allgemeine Lösung, z.b. Schnittgerade zweier Ebenen im dreidimensionalen Raum, so kann man man durch annehmen von Werten für die Parameter auch spezielle Lösungen bestimmen. Cramer'sche Regel Sie baut auf der Berechnung von Determinanten auf. Die Koordinaten des Lösungsvektors ergeben sich aus dem Quotienten der Determinanten det A n, bei der die n-te Spalte durch die Ergebnis-Spalte ersetzt wurde, und der Determinante. x = det A det A x n = det A n det A Dieses Verfahren zur Lösung von LGS sollte nur bei 3 oder weniger Unbekannten angewendet werden, da sonst die Berechnung der Determinanten sehr aufwendig wird. Formelsammlung Mathematik ET5 Seite 5

16 Gauß'sches Eliminationsverfahren Es wird die Koeffizientenmatrix eines LGS in eine Einheitsmatrix (Diognale mit, Rest ) umgeformt. Zuerst wird das Dreieck links unten der Diagonale von oben nach unten komplett eliminiert (alle Faktoren werden ), dann das Dreieck rechts oben von unten aus. Hierbei können Vielfache von Zeilen zu anderen addiert werden, Zeilen und Spalten vertauscht werden. Sollten im Laufe dieser Umformung eine oder mehrere Zeilen komplett Null werden, so waren die entsprechenden Gleichungen linear abhängig. Sind nun weniger Gleichungen als Unbekannte vorhanden, so müssen Parameter eingeführt werden (normalerweise griechische Kleinbuchstaben) um zu einer allgemeinen Lösung dieses System zu gelangen. Beispiel: x x x 3 Operation 3-7 Zeile nach oben verschieben x Zeile ; Vorzeichen umkehren 8-8 -x Zeile x Zeile ; Zeile wird ; Parameter! x Zeile x Zeile x Zeile Dieses LGS hat als unendlich viele Lösungen die auf einer Gerade liegen: x= 6 44 = Setzt man nun für z.b. ein, erhält man eine spezielle Lösung (Punkt auf der Geraden): x= 7 8 Formelsammlung Mathematik ET5 Seite 6

17 Komplexe Zahlen Definition Imaginäre Einheit: j := Menge der komplexen Zahlen: C:={z=x jy x, y R} Enthalten die reelen Zahlen: R C x ist der Real- und y der Imaginär-Teil Gleichheit: x =x y = y geometrische Darstellung in Gauß'scher Zahlenebene Potenzen von j... j 4 = j 4 = j 3 = j 3 = j j 4 = j j = j = j = j = j j = j j = j= j = = j 3 = j= j j 4 = j j =... allgemein: j 4 n =, j 4 n = j, j 4 n =, j 4 n 3 = j Inverses Element Es gelten die Selben Rechenregeln wie bei reellen Zahlen. Lediglich das inverse Element bez. der Multiplikation ist eine Besonderheit. z=x jy z = x x y j y x y z= 3 j 5 z = 3 34 j 5 34 Darstellungsformen Normalform: z=x jy Polarform: z=r cos j sin imaginäre Achse y z x reelle Achse Es gilt die Eulerische Formel: e j =cos j sin, deshalb ist folgende Kurzschreibweise ebenfalls korrekt: z=r e j y=sin z x=cos Formelsammlung Mathematik ET5 Seite 7

18 Umwandlung zwischen Darstellungsformen Polarform Normalform: z=r cos j r sin Normalform Polarform: z= x y e arctan y x Zum Winkel muss, je nachdem in welchen Quadranten der komplexe Zeiger gerichtet ist, noch etwas dazu addiert werden (um negative Winkel zu vermeiden):. und 3. Quadrant: +π / +8 4 Quadrant: +π / +36 Will man negative Zeiger zulassen (Elektrotechnik!) muss man nur Acht geben, wann der Zeiger die ±8 Grenze übertritt. y 3 4 x Rechnen in der Normalform In dieser Schreibweise fällt die Addition und Subtraktion besonders leicht. Für Punktrechenarten sollte der Polarform der Vortritt gewährt werden. Addition z z =x x j y y z =3 j 5 z = j z z =4 j 3 Multiplikation z z =x x y y j x y x y z =3 j 5 z = j z z =3 j Division z = x jy x jy z x jy x jy z = 4 3 j z = 4 3 j z = 55 z 73 j Rechnen in der Polarform Multiplikation z z =r r cos j sin Exponentialform: z z =r r e j Spezialfälle: ) Negation: z =r e ) Quadrat: z =r e j j 8 Division z z = r r cos j sin Exponentialform: z = r e j z r Spezialfall: ) Kehrwert: z = r e j z = e j 45 z =4 e j z z =8 e j 65 z =5 e j z =,5 e j 45 z z = e j 75 Pontenzieren z n =r n cos j sin n Exponentialform: z n =r n e j n 4 e j 4 3 =64 e j Formelsammlung Mathematik ET5 Seite 8

19 Radizieren (Wurzel ziehen) Wurzeln sind definiert als Ergebnis einer Potenz. Im C gibt es für die Gleichung z n =a=a cos j sin immer n Lösungen, wobei k n. Diese Lösungen liegen in einer Gauß'schen Zahlenebene auf einem Kreis mit r= n a. Ist der Betrag, die Länge r des komplexen Zeigers, der Wurzel, so spricht man von der n-ten Einheitswurzel. z k = a n cos 36 k n n j sin n Exponentialform: z k = n a e j n 36 k n 36 k n z 3 = j= e 45 z =6 e j 5 z =6 e j 35 z =6 e j 55 Formelsammlung Mathematik ET5 Seite 9

20 Polynome (Nullstellen) Definition f x=a n x n a n x n a xa, D f =R ein Polynom vom Grad n ( n ) besitzt in C genau n Nullstellen ist x eine Nullstelle so lässt sich das Polynom ohne Rest durch x teilen (Polynomdivision) komplexe Nullstellen treten immer paarweise auf (ist z.b. z bekannt, ist z ebenfalls eine) Polnomdivison Die Nullstellen von Polynomen Grad > lassen sich relativ einfach durch faktorisieren in Erfahrung bringen. Für jeden Schritt muss aber bereits eine Nullstelle bekannt sein (evtl. geraten). f x=x 4 3x 3 x 5x 6 bekannte Nullstellen: x=, x=3 x 4 3x 3 x 5x 6: x=x 3 7x 4x 3 x 4 4x 3 7x 3 x x 3 7x 4x 3:x 3=x x 7x 3 4x x 3 6x 4x 5x x 4x 4x 8x x 3x 3x 6 x 3 3x 6 x 3 Das bedeutet: f x= xx 3 x x. Der hintere Teil lässt sich, in diesem Fall, nur noch weiter mit Hilfe der komplexen Zahlen auflösen: x3,4 = ± 6 = 4 ± 7 6 = 4 ± j 7 6 = 4 ± j 4 7 Somit ergibt sich f x= x x 3x 4 j 4 7x 4 j 4 7 Formelsammlung Mathematik ET5 Seite

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

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

Kapitel I: Vektorrechnung 2: Vektoren im Raum

Kapitel I: Vektorrechnung 2: Vektoren im Raum WS 1/14 - Prof Dr Manfred Leitz 2 Vektoren im Raum A Grundbegriffe B Rechnen mit Vektoren C Der euklidische Betrag D Das euklidische Skalarprodukt E Vektorprodukt und Spatprodukt F Geraden und Ebenen im

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

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

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

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

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

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

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

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

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

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

Kapitel 3 Lineare Algebra

Kapitel 3 Lineare Algebra Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND

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

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

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

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

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

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

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i

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

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

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung

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

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

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

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

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

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

Inhaltsverzeichnis. Inhalt. Einleitung Vektoralgebra

Inhaltsverzeichnis. Inhalt. Einleitung Vektoralgebra Inhalt 3 Inhaltsverzeichnis Einleitung...9 1 Vektoralgebra 1.1 Geometrische Darstellung von Vektoren... 14 1.1.1 Begriff des Vektors... 14 1.1.2 Inverser Vektor und Nullvektor... 17 1.1.3 Addition von

Mehr

Mathematik Analytische Geometrie

Mathematik Analytische Geometrie Mathematik Analytische Geometrie Grundlagen:. Das -Dimensionale kartesische Koordinatensystem: x x x. Vektoren und Ortsvektoren: a x = x x ist ein Vektor, der eine Verschiebung um x -Einheiten in x-richtung,

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

5. Geraden und Ebenen im Raum 5.1. Lineare Abhängigkeit und Unabhängigkeit von Vektoren

5. Geraden und Ebenen im Raum 5.1. Lineare Abhängigkeit und Unabhängigkeit von Vektoren 5 Geraden und Ebenen im Raum 5 Lineare Abhängigkeit und Unabhängigkeit von Vektoren Definition: Die Vektoren a,a,,a n heißen linear abhängig, wenn mindestens einer dieser Vektoren als Linearkombination

Mehr

Lineare Algebra. 1 Lineare Abbildungen

Lineare Algebra. 1 Lineare Abbildungen Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe

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

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

Beispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist

Beispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist 127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte

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

Mathematik-1, Wintersemester Vorlesungsplan, Übungen, Hausaufgaben

Mathematik-1, Wintersemester Vorlesungsplan, Übungen, Hausaufgaben Mathematik-1, Wintersemester 2014-15 Vorlesungsplan, Übungen, Hausaufgaben Vorlesungen: Lubov Vassilevskaya Übungen: Dr. Wilhelm Mons, Lubov Vassilevskaya http://www.math-grain.de/ Inhaltsverzeichnis 1.

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

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

Lineare Gleichungssystem

Lineare Gleichungssystem Lineare Gleichungssystem 8. Juli 07 Inhaltsverzeichnis Einleitung Der Gauß-Algorithmus 4 3 Lösbarkeit von Gleichungssystemen 6 Einleitung Wir haben uns bisher hauptsächlich mit dem Finden von Nullstellen

Mehr

1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat.

1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. 1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. übliche Beispiele: Ort r = r( x; y; z; t ) Kraft F Geschwindigkeit

Mehr

Vektoralgebra Anwendungen der Vektorrechnung VEKTORRECHNUNG. Prof. Dr. Dan Eugen Ulmet. Hochschule Esslingen 1/64

Vektoralgebra Anwendungen der Vektorrechnung VEKTORRECHNUNG. Prof. Dr. Dan Eugen Ulmet. Hochschule Esslingen 1/64 1/64 VEKTORRECHNUNG Prof. Dr. Dan Eugen Ulmet Hochschule Esslingen März 2011 2/64 Overview Vektoralgebra 1 Vektoralgebra 2 Was sind Vektoren? 3/64 Vektoren werden geometrisch definiert als Pfeilklassen:

Mehr

Teil II. Geometrie 19

Teil II. Geometrie 19 Teil II. Geometrie 9 5. Dreidimensionales Koordinatensystem Im dreidimensionalen Koordinatensystem gibt es acht Oktanten, oben I bis VI und unten VI bis VIII. Die Koordinatenachsen,x 2 und stehen jeweils

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

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

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit 3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53

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

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

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer. Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen

Mehr

Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri

Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1

Mehr

Vektorräume und Rang einer Matrix

Vektorräume und Rang einer Matrix Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung

Mehr

Algebra 1. Semester. Matrikel 05. Wintersemester 2005/2006. Markus Langpeter

Algebra 1. Semester. Matrikel 05. Wintersemester 2005/2006. Markus Langpeter Algebra. Semester Matrikel 5 Wintersemester 25/26 Markus Langpeter mlangpet@imn.htwk-leipzig.de Hochschule für Technik, Wirtschaft und Kultur Leipzig Fachbereich IMN 4. Februar 26 . Lineare Gleichungssysteme.

Mehr

Corinne Schenka Vorkurs Mathematik WiSe 2012/13

Corinne Schenka Vorkurs Mathematik WiSe 2012/13 4. Lineare Gleichungssysteme Ein lineares Gleichungssystem ist ein System aus Gleichungen mit Unbekannten, die nur linear vorkommen. Dieses kann abkürzend auch in Matrizenschreibweise 1 notiert werden:

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

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

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

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

Mehr

3 Vektoren. 3.1 Kartesische Koordinaten in Ebene und Raum. Höhere Mathematik 60

3 Vektoren. 3.1 Kartesische Koordinaten in Ebene und Raum. Höhere Mathematik 60 Kartesische Koordinaten in Ebene und Raum 3 Vektoren 3.1 Kartesische Koordinaten in Ebene und Raum In der Ebene (mathematisch ist dies die Menge R 2 ) ist ein kartesisches Koordinatensystem festgelegt

Mehr

Potenzen der Linearen Algebra

Potenzen der Linearen Algebra Potenzen der Linearen Algebra Stufen der Verallgemeinerung und ihre didaktische Umsetzung in der Lehre Fakultät für Ingenieurwissenschaften Prof. Dr. Dieter Schott E-Post: dieter.schott@hs-wismar.de www.et.hs-wismar.de/schott

Mehr

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A 133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des

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

& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors

& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors Einführu hnung Was ist ein Vektor? In Bereichen der Naturwissenschaften treten Größen auf, die nicht nur durch eine Zahlenangabe dargestellt werden können, wie Kraft oder Geschwindigkeit. Zur vollständigen

Mehr

2 Matrizenrechnung und Lineare Gleichungssysteme

2 Matrizenrechnung und Lineare Gleichungssysteme Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der

Mehr

2.3. Vektorprodukt und Spatprodukt

2.3. Vektorprodukt und Spatprodukt .3. Vektorprodukt und Spatprodukt Das Vektorprodukt In sehr vielen mathematischen und physikalisch-technischen Problemstellungen geht es darum, zu einer gegebenen Fläche deren Inhalt und auf ihr senkrecht

Mehr

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/

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

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine Vektorräume (Teschl/Teschl 9 Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen: Eine

Mehr

Analytische Geometrie II

Analytische Geometrie II Analytische Geometrie II Rainer Hauser März 212 1 Einleitung 1.1 Geradengleichungen in Parameterform Jede Gerade g in der Ebene oder im Raum lässt sich durch einen festen Punkt auf g, dessen Ortsvektor

Mehr

Das inhomogene System. A x = b

Das inhomogene System. A x = b Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist

Mehr

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das

Mehr

Einheitsmatrix E = , Nullmatrix O = c c Diagonalmatrix diag(c 1, c 2,..., c n ) = Rang

Einheitsmatrix E = , Nullmatrix O = c c Diagonalmatrix diag(c 1, c 2,..., c n ) = Rang 3 Matrizen 1 0 0 0 0 0 0 1 0 0 0 0 Einheitsmatrix E =, Nullmatrix O = 0 0 1 0 0 0 c 1 0 0 0 c Diagonalmatrix diag(c 1, c 2,, c n ) = 2 0 0 0 c n, Rang Definition: Die Zahl r heißt Rang einer Matrix, falls

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

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:

Mehr

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch. Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):

Mehr

Lernhilfe Höhere Mathematik I

Lernhilfe Höhere Mathematik I Lernhilfe Höhere Mathematik I Tim Weber 3. 24 Vielen Dank an Andreas del Galdo für seine Zusammenfassung, Jakob Haufe für seine Musterlösungen, Marco Oster für den Abschnitt über QR- Zerlegung, Robert

Mehr

Grundlegende Definitionen aus HM I

Grundlegende Definitionen aus HM I Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen

Mehr

Studiengänge) Beispiele

Studiengänge) Beispiele Grundkurs Höhere Mathematik I (für naturwissenschaftliche Studiengänge) Beispiele Prof. Dr. Udo Hebisch Diese Beispielsammlung ergänzt das Vorlesungsskript und wird ständig erweitert. DETERMINANTEN Determinanten

Mehr

Zusammenfassung der Analytischen Geometrie

Zusammenfassung der Analytischen Geometrie Zusammenfassung der Analytischen Geometrie 1. Rechnen mit Vektoren (Addition, Subtraktion, S-Multiplikation, Linearkombinationen) 1. Gegeben sind die Punkte A(2-6 ) und B(-1 14-4), 4 4 sowie die Vektoren

Mehr

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }. 154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =

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

Analytische Geometrie Spatprodukt

Analytische Geometrie Spatprodukt Analytische Geometrie Spatprodukt David Schmid, Reto Da Forno Kantonsschule Schüpfheim Januar 2005 Analytische Geometrie: Das Spatprodukt 1 Das Spatprodukt Hinweis: Die Vektoren werden aus darstellungstechnischen

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

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Kapitel 3 Lineare Gleichungssysteme 3.1. Einleitung Beispiel 1 3 Kinder haben eingekauft. Franz hat 4 Lakritzen, 2 Schokoriegel und 5 Kaugummis

Mehr

Einführung Vektoralgebra VEKTORRECHNUNG. Prof. Dr. Dan Eugen Ulmet. Hochschule Esslingen. October 6, 2007

Einführung Vektoralgebra VEKTORRECHNUNG. Prof. Dr. Dan Eugen Ulmet. Hochschule Esslingen. October 6, 2007 Hochschule Esslingen October 6, 2007 Overview Einführung 1 Einführung 2 Was sind Vektoren? Vektoren werden geometrisch definiert als Pfeilklassen: Strecken mit gleichem Betrag, gleicher Richtung und Orientierung.

Mehr

7 Matrizen über R und C

7 Matrizen über R und C Mathematik für Physiker I, WS 06/07 Montag 9 $Id: matrixtex,v 7 06//9 :58: hk Exp $ 7 Matrizen über R und C 7 Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit

Mehr

Übungsblatt 5 : Lineare Algebra

Übungsblatt 5 : Lineare Algebra Aufgabe 5.1 Übungsblatt 5 : Lineare Algebra Gegeben sind die folgenden Vektoren: Bestimmen Sie die Komponenten von Aufgabe 5.2 Gegeben seien die Vektoren Berechnen Sie (a) (b) (c) Aufgabe 5.3, d.h. der

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

Ökonometrische Analyse

Ökonometrische Analyse Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der

Mehr

LINEARE ALGEBRA UND ANALYSIS FÜR FUNKTIONEN EINER VARIABLEN

LINEARE ALGEBRA UND ANALYSIS FÜR FUNKTIONEN EINER VARIABLEN Fakultät Mathematik Institut für Numerische Mathematik LINEARE ALGEBRA UND ANALYSIS FÜR FUNKTIONEN EINER VARIABLEN 6. Komplexe Zahlen Prof. Dr. Gunar Matthies Wintersemester 2017/18 G. Matthies Lineare

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

Grundlagen komplexe Zahlen. natürliche Zahlen

Grundlagen komplexe Zahlen. natürliche Zahlen Grundlagen komplexe Zahlen Die Zahlenbereichserweiterungen von den natürlichen Zahlen hin zu den reellen Zahlen waren dadurch motiviert, bestimmte Rechenoperationen uneingeschränkt ausführen zu können.

Mehr

Addition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):

Addition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ): Komplexe Zahlen Definition 1. Eine komplexe Zahl z ist ein geordnetes Paar reeller Zahlen (a, b). Wir nennen a den Realteil von z und b den Imaginärteil von z, geschrieben a = Re z, b = Im z. Komplexe

Mehr

Lineare Algebra. Teil III. Inhaltsangabe

Lineare Algebra. Teil III. Inhaltsangabe Teil III Lineare Algebra Inhaltsangabe 3 Lineare Algebra 22 3.1 Einführung.......................... 22 3.2 Matrizen und Vektoren.................... 23 3.3 Spezielle Matrizen...................... 24

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

Vorkurs Mathematik. Vektoren, lineare Gleichungssysteme und Matrizen

Vorkurs Mathematik. Vektoren, lineare Gleichungssysteme und Matrizen Dorfmeister, Boiger, Langwallner, Pfister, Schmid, Wurtz Vorkurs Mathematik TU München WS / Blatt Vektoren, lineare Gleichungssysteme und Matrizen. In einem kartesischen Koordinatensystem des R sei eine

Mehr

Analytische Geometrie

Analytische Geometrie 13 Analytische Geometrie Gegenstand der analytischen Geometrie ist, wie man bereits ahnen kann, die klassische Geometrie mit analytischen Methoden. Grundlage ist die Idee Rene Decartes, Punkte in der Ebene

Mehr

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(

Mehr