Lineare Algebra und analytische Geometrie II
|
|
- Kornelius Hochberg
- vor 7 Jahren
- Abrufe
Transkript
1 Prof Dr H Brenner Osnabrück SS 26 Lineare Algebra und analytische Geometrie II Vorlesung 2 Orthogonalität Mit dem Skalarprodukt kann man die Eigenschaft zweier Vektoren, aufeinander senkrecht zu stehen, ausdrücken Definition 2 Sei V ein Vektorraum über K mit einem Skalarprodukt, Man nennt zwei Vektoren v,w V orthogonal zueinander (oder senkrecht), wenn v,w = ist Bemerkung 22 Dass die über das Skalarprodukt definierte Orthogonalität der anschaulichen Orthogonalität entspricht, kann man sich folgendermaßen klar machen Zu orthogonalen Vektoren u,v V gilt, dass v zu den beiden Punkten u und u den gleichen Abstand besitzt Es ist ja v u 2 = v u,v u = v,v + u,u = v +u,v +u = v +u 2 Pythagoras von Samos lebte im sechsten vorchristlichen Jahrhundert Sein Satz war aber schon tausend Jahre früher in Babylon bekannt
2 2 Wir rufen uns den Satz des Pythagoras in Erinnerung Der folgende Satz ist der Satz des Pythagoras, genauer die Skalarproduktversion davon, die trivial ist Die Beziehung zum klassischen, elementargeometrischen Satz des Pythagoras ist diffizil, da es nicht selbstverständlich ist, dass unser über das Skalarprodukt eingeführter Orthogonalitätsbegriff und unser ebenso eingeführter Längenbegriff mit dem entsprechenden intuitiven Begriff übereinstimmt Dass unser Normbegriff der wahre Längenbegriff ist, beruht wiederum auf dem Satz des Pythagoras in einem cartesischen Koordinatensystem, was den klassischen Satz voraussetzt Satz 2 Es sei V ein K-Vektorraum mit Skalarprodukt, Es seien u, v V Vektoren, die aufeinander senkrecht stehen Dann ist Beweis Es ist u+v 2 = u 2 + v 2 u+v 2 = u+v,u+v = u,u +2 u,v + v,v = u 2 + v 2 Definition 24 Sei V ein K-Vektorraum mit Skalarprodukt und U V ein Untervektorraum Dann heißt U = {v V v,u = für alle u U} das orthogonale Komplement von U Das orthogonale Komplement zu einem Untervektorraum ist selbst wieder ein Untervektorraum, siehe Aufgabe 2 Beispiel 2 Sei V = R n versehen mit dem Standardskalarprodukt Zum eindimensionalen Untervektorraum Re i zum Standardvektor e i besteht das
3 orthogonale Komplement aus allen Vektoren x x i x i+ x n, deren i-ter Eintrag ist Zum eindimensionalen Untervektorraum Rv zu einem Vektor v = a a 2 a n kann man das orthogonale Komplement bestimmen, indem man den Lösungsraum der linearen Gleichung a x + +a n x n = bestimmt Zu einem Untervektorraum U R n, der durch eine Basis (oder ein Erzeugendensystem) v i = a i a in, i =,,k, gegeben ist, bestimmt man das orthogonale Komplement als Lösungsraum des linearen Gleichungssystems x A =, x n wobei A = (a ij ) die aus den v i gebildete Matrix ist Orthonormalbasen Definition 26 Sei V ein K-Vektorraum mit einem Skalarprodukt Eine Basis v i, i I, von V heißt Orthogonalbasis, wenn gilt v i,v j = für i j Definition 27 Sei V ein K-Vektorraum mit Skalarprodukt, Eine Basis v i, i I, von V heißt Orthonormalbasis, wenn gilt v i,v i = für alle i I und v i,v j = für i j
4 4 Die Elemente in einer Orthonormalbasis haben alle die Norm und sie stehen senkrecht aufeinander Eine Orthonormalbasis ist also eine Orthogonalbasis, bei der zusätzlich die Normbedingung v i = v i,v i = erfüllt ist Man kann problemlos von einer Orthogonalbasis zu einer Orthonormalbasis übergehen,indem man jedesv i durchdienormierung v i ersetzt v i (da v i Teil einer Basis ist, ist die Norm von verschieden) Lemma 28 Es sei V ein K-Vektorraum mit Skalarprodukt und sei u i, i I, eine Orthonormalbasis von V Dann ergeben sich die Koeffizienten eines Vektors v bezüglich dieser Basis durch v = i I v,u i u i Beweis Da eine Basis vorliegt, gibt es eine eindeutige Darstellung v = j I a j u j (wobei alle a j bis auf endlich viele gleich sind) Die Behauptung ergibt sich somit aus v,u i = a j u j,u i = a j u j,u i = a i j I j I ( 4 Wir werden Orthonormalbasen hauptsächlich im endlichdimensionalen Fall betrachten Im R n ist die Standardbasis eine Orthonormalbasis ( ( ) ( In der( Ebene ) a b a b R 2 ist eine Orthonormalbasis von der Form, oder,, b) a b) a ) ( ) jeweils mit a 2 + b 2 4 = Beispielsweise ist, eine Orthonormalbasis Das folgende Schmidtsche Orthonormalisierungsverfahren erlaubt es, ausgehend von einer Basis eines endlichdimensionalen Vektorraumes eine Orthonormalbasis zu konstruieren Satz 29 Es sei V ein endlichdimensionaler K-Vektorraum mit Skalarprodukt und es sei v,v 2,,v n eine Basis von V Dann gibt es eine Orthonormalbasis u,u 2,,u n von V mit für alle i =,,n v,v 2,,v i = u,u 2,,u i Hier bezeichnet den von den Vektoren erzeugten Untervektorraum, nicht das Skalarprodukt
5 Beweis Die Aussage wird durch Induktion über i bewiesen, dh es wird sukzessive eine Familie von orthonormalen Vektoren konstruiert, die jeweils den gleichen Untervektorraum aufspannen Für i = muss man lediglich v normieren, also durch u = v v ersetzen Sei die Aussage für i schon bewiesen und sei eine Familie von orthonormalen Vektoren u,,u i mit u,,u i = v,,v i bereits konstruiert Wir setzen Dieser Vektor steht wegen w i+ = v i+ v i+,u u v i+,u i u i w i+,u j = v i+ v i+,u u v i+,u i u i,u j = v i+,u j v i+,u k u k,u j v i+,u j u j,u j k i,k j = v i+,u j v i+,u j = senkrecht auf allen u,,u i und offenbar ist u,,u i,w i+ = v,,v i,v i+ Durch Normieren von w i+ erhält man u i+ Beispiel 2 Es sei V der Kern der linearen Abbildung R R, (x,y,z) 2x+y z Als Unterraum des R trägt V ein Skalarprodukt Wir möchten eine Orthonormalbasis von V bestimmen Dazu betrachten wir die Basis bestehend aus den Vektoren Es ist v = und somit ist v = und v 2 = 2 u = v v = der zugehörige normierte Vektor Gemäß dem 2 Schmidtschen Orthonormalisierungsverfahren setzen wir w 2 = v 2 v 2,u u = =, Häufig ist es numerisch geschickter, zuerst nur zu orthogonalisieren und die Normierung erst zum Schluss durchzuführen, siehe Beispiel 2 2 2
6 6 Es ist und daher ist w 2 = = = u 2 = = = 6 der zweite Vektor der Orthonormalbasis = = 4 Korollar 2 Es sei V ein endlichdimensionaler K-Vektorraum mit Skalarprodukt Dann gibt es eine Orthonormalbasis in V Beweis Dies folgt direkt aus Satz 29 Korollar 22 Sei V ein endlichdimensionaler K-Vektorraum mit Skalarprodukt und U V ein Untervektorraum Dann ist V = U U, dh V ist die direkte Summe aus U und seinem orthogonalen Komplement Beweis Aus u U U folgt direkt u,u = und daher u = Somit ist die Summe direkt Sei u,,u k eine OrthonormalbasisvonU,diewirzueinerOrthonormalbasisu,,u n vonv ergänzen Dann ist U = u k+,,u n und somit ist V die Summe aus den Unterräumen Zur folgenden Aussage vergleiche auch Lemma und Aufgabe 29 Korollar 2 Es sei V ein K-Vektorraum mit einem Skalarprodukt, Dann gelten folgende Aussagen () Zu Untervektorräumen U U V ist (2) Es ist = V und V = U U
7 7 () Sei V endlichdimensional Dann ist ( U ) = U (4) Sei V endlichdimensional Dann ist dim ( U ) = dim(v) dim(u) Beweis Siehe Aufgabe 27 Orthogonale Projektionen Zu einem endlichdimensionalen K-Vektorraum mit einem Skalarprodukt und einem Untervektorraum U V gibt es ein orthogonales Komplement U und der Raum hat die direkte Summenzerlegung V = U U Die Projektion p U : V U längsu heißtdieorthogonale Projektion aufudiesehängtalleinvonu ab, da ja das orthogonale Komplement eindeutig bestimmt ist Häufig bezeichnet man auch die Abbildung V U V als orthogonale Projektion auf U Lemma 24 Es sei V ein endlichdimensionaler K-Vektorraum mit Skalarprodukt und U V ein Untervektorraum mit einer Orthonormalbasis u,,u m von U Dann ist die orthogonale Projektion auf U durch m p U (v) = v,u i u i gegeben i=
8 8 Beweis Wir ergänzen die Basis zu einer Orthonormalbasis u,,u n von V Das orthogonale Komplement zu U ist i= U = u m+,,u n Nach Lemma 28 ist ( n m ( n v = v,u i u i = v,u i u i )+ i= i=m+ v,u i u i ) Somit ist m i= v,u i u i die Projektion auf U längs U
9 Abbildungsverzeichnis Quelle = Kapitolinischer Pythagorasjpg, Autor = Benutzer Galilea auf de Wikipedia, Lizenz = CC-by-sa 2 Quelle = Pythagoras large fontsvg, Autor = Benutzer KaiMartin auf Commons, Lizenz = CC-by-sa 2 Quelle = Orthogonal Decomposition qtlsvg, Autor = Benutzer Quartl auf Commons, Lizenz = CC-by-sa 7 9
Mathematik für Anwender II
Prof Dr H Brenner Osnabrück SS 22 Mathematik für Anwender II Vorlesung Euklidische Vektorräume Im Anschauungsraum kann man nicht nur Vektoren addieren und skalieren, sondern ein Vektor hat auch eine Länge,
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 34 Die Diagonalisierbarkeit von Isometrien im Komplexen Satz 34.1. Es sei V ein endlichdimensionaler C-Vektorraum
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 8 Dimensionstheorie Ein endlich erzeugter Vektorraum hat im Allgemeinen ganz unterschiedliche Basen. Wenn
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 9 Basiswechsel Wir wissen bereits, dass in einem endlichdimensionalen Vektorraum je zwei Basen die gleiche Länge
MehrAnalysis II. Vorlesung 48. Die Hesse-Form
Prof. Dr. H. Brenner Osnabrück SS 2015 Analysis II Vorlesung 48 Die Hesse-Form Wir sind natürlich auch an hinreichenden Kriterien für das Vorliegen von lokalen Extrema interessiert. Wie schon im eindimensionalen
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 206 Lineare Algebra und analytische Geometrie II Vorlesung 33 Das Kreuzprodukt Eine Besonderheit im R 3 ist das sogenannte Kreuzprodukt, das zu zwei gegebenen Vektoren
MehrMathematik I. Vorlesung 16. Eigentheorie
Prof Dr H Brenner Osnabrück WS 009/00 Mathematik I Vorlesung 6 Eigentheorie Unter einer Achsenspiegelung in der Ebene verhalten sich gewisse Vektoren besonders einfach Die Vektoren auf der Spiegelungsachse
MehrMathematik II. Vorlesung 46. Der Gradient
Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 46 Der Gradient Lemma 46.1. Es sei K ein Körper und V ein K-Vektorraum, der mit einer Bilinearform, versehen sei. Dann gelten folgende Aussagen
MehrMathematik I. Vorlesung 18. Vielfachheiten und diagonalisierbare Abbildungen. µ λ = dim(eig λ (ϕ))
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 18 Vielfachheiten und diagonalisierbare Abbildungen Satz 18.1. Es sei K ein Körper und es sei V ein endlichdimensionaler K- Vektorraum.
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 39 Definitheit von Bilinearformen Wir möchten die symmetrischen Bilinearformen über den reellen Zahlen klassifizieren.
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 31 Vektorräume mit Skalarprodukt Im R n kann man nicht nur Vektoren addieren und skalieren, sondern ein Vektor
MehrSkalarprodukt, Norm & Metrik
Skalarprodukt, Norm & Metrik Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 11. Mai 2016 Stefan Ruzika 5: Skalarprodukt, Norm & Metrik 11. Mai 2016 1 / 13 Gliederung 1
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung heißt lineare
MehrAnalysis II. Vorlesung 47
Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Zu einer reellwertigen Funktion Vorlesung 47 interessieren wir uns wie schon bei einem eindimensionalen Definitionsbereich für die Extrema, also Maxima
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 15 Unterräume und Dualraum Untervektorräume eines K-Vektorraumes stehen in direkter Beziehung zu Untervektorräumen
MehrMathematik I. Vorlesung 11. Lineare Unabhängigkeit
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 11 Lineare Unabhängigkeit Definition 11.1. Es sei K ein Körper und V ein K-Vektorraum. Dann heißt eine Familie von Vektoren v i, i I,
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
Mehr11.2 Orthogonalität. Wintersemester 2013/2014
Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 2013/2014 Markus Scheighofer Lineare Algebra I 11.2 Orthogonalität Definition 11.2.1. Seien V ein K-Vektorraum mit Skalarprodukt
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 2 Ein guter Schüler lernt auch bei einem schlechten Lehrer Eigentheorie Unter einer Achsenspiegelung in der
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 7 Die Lösungsmenge eines homogenen linearen Gleichungssystems in n Variablen über einem Körper K ist ein Untervektorraum
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
MehrKapitel 5. Vektorräume mit Skalarprodukt
Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der
MehrUnter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über
9 Innere Produkte In diesem Kapitel betrachten wir immer Vektorräume über dem Körper der reellen Zahlen R oder dem Körper der komplexen Zahlen C. Definition 9.1: Sei V ein Vektorraum über R. Ein inneres
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 0/06 Lineare Algebra und analytische Geometrie I Vorlesung... und ein guter Lehrer kann auch einem schlechten Schüler was beibringen Beziehung zwischen Eigenräumen Wir
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
MehrVektorräume und Lineare Abbildungen
Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um
MehrLineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß
Lineare Algebra I - 26. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Donnerstag 8.12.: 8:30 Uhr - Vorlesung 10:15 Uhr - große Übung / Fragestunde Klausur: Mittwoch, 14.12. 14:15 Uhr, A3 001 Cauchy-Schwarz
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung ϕ : V W
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 215/216 Lineare Algebra und analytische Geometrie I Vorlesung 27 In der letzten Vorlesung haben wir die Haupträume zu einem Eigenwert λ zu einem Endomorphismus ϕ als Kern
MehrAnalysis II. Vorlesung 48. Die Hesse-Form
Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 48 Die Hesse-Form Wir sind natürlich auch an hinreichenden Kriterien für das Vorliegen von lokalen Extrema interessiert. Wie schon im eindimensionalen
Mehr7.2 Die adjungierte Abbildung
7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)
MehrMathematik I. Vorlesung 12. Lineare Abbildungen
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 12 Lineare Abbildungen Definition 12.1. Es sei K ein Körper und es seien V und W K-Vektorräume. Eine Abbildung heißt lineare Abbildung,
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
Mehr3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153
3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische
MehrMathematik III. Vorlesung 68. Das Verhalten von Maßen bei linearen Abbildungen
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 68 Das Verhalten von Maßen bei linearen Abbildungen Lemma 68.1. Es sei V ein reeller Vektorraum und L :R n V eine bijektive lineare
Mehr9 Vektorräume mit Skalarprodukt
9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden
MehrEinführung in die Grundlagen der Numerik
Einführung in die Grundlagen der Numerik Institut für Numerische Simulation Rheinische Friedrich-Wilhelms-Universität Bonn Wintersemester 2014/2015 Normierter Vektorraum Sei X ein R-Vektorraum. Dann heißt
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 49 Zu einer reellwertigen Funktion Extrema auf einer offenen Menge G R n interessieren wir uns, wie schon bei einem eindimensionalen
Mehr= ( n x j x j ) 1 / 2
15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors
Mehr42 Orthogonalität Motivation Definition: Orthogonalität Beispiel
4 Orthogonalität 4. Motivation Im euklidischen Raum ist das euklidische Produkt zweier Vektoren u, v IR n gleich, wenn die Vektoren orthogonal zueinander sind. Für beliebige Vektoren lässt sich sogar der
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
Mehr3 Vektorräume abstrakt
Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare
Mehr6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt
Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 213/214 Markus Schweighofer Lineare Algebra I 6.2 Basen Definition 6.2.1. Seien V ein K-Vektorraum, n N und v 1,..., v n V. (a)
MehrLineare Algebra und analytische Geometrie II. Prof. Dr. Holger Brenner Universität Osnabrück Fachbereich Mathematik/Informatik
Lineare Algebra und analytische Geometrie II Prof. Dr. Holger Brenner Universität Osnabrück Fachbereich Mathematik/Informatik Sommersemester 2016 2 Inhaltsverzeichnis Vorwort 9 1. Vorlesung - Vektorräume
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrFachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Auf dem R n gibt es sehr viele verschiedene Normen, allerdings hängen sehr viele wichtige Begriffe wie die Konvergenz
MehrPrüfung EM1 28. Jänner 2008 A :=
1. Die Menge der Eigenwerte der Matrix ist Prüfung EM1 28. Jänner 2008 A := ( 0 1 ) 0 1 A. {1, 0} B. { 1} C. {0} D. {0, 1, 1} E. {0, 1} 2. Es seien V ein n-dimensionaler reeller Vektorraum, ein Skalarprodukt
Mehr, 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 =
MehrHenning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich
Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es
MehrTechnische Universität München
Technische Universität München Michael Schreier Ferienkurs Lineare Algebra für Physiker Vorlesung Montag WS 2008/09 1 komplexe Zahlen Viele Probleme in der Mathematik oder Physik lassen sich nicht oder
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 36 Dreiecke In dieser und der nächsten Vorlesung stehen Dreiecke im Mittelpunkt. Unter einem Dreieck verstehen
MehrMathematik für Anwender I
Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von
MehrSkalarprodukt und Orthogonalität
Skalarprodukt und Orthogonalität Skalarprodukt und Orthogonalität in R n Wir erinnern an das euklidische Skalarprodukt im R 2 : Wir erinnern an das euklidische Skalarprodukt im R 2 : < a, b >:= α 1 β 1
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 10 Bewegungen Wir haben schon mehrfach die Würfelgruppe betrachtet, also die Gruppe der eigentlichen Symmetrien an einem Würfel.
MehrLineare Algebra II Lösungen der Aufgaben 42 und 43
D Blottière SS 7 P Schützdeller Universität Paderborn Lineare Algebra II Lösungen der Aufgaben 4 und 43 Aufgabe 4 : Bemerkungen : Es sei V ein n-dimensionaler Vektorraum über einem Körper K und β : V V
Mehr$Id: hilbert.tex,v /06/21 13:11:01 hk Exp hk $
$Id: hilbert.tex,v 1.5 2013/06/21 13:11:01 hk Exp hk $ 7 Hilberträume In der letzten Sitzung hatten wir die Theorie der Hilberträume begonnen, und sind gerade dabei einige vorbereitende elementare Grundtatsachen
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 6 Vektorräume Die Addition von zwei Pfeilen a und b, ein typisches Beispiel für Vektoren. Der zentrale
MehrKörper- und Galoistheorie
Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 8 Erzeugte Algebra und erzeugter Körper Satz 8.1. Sei K L eine Körpererweiterung und sei f L ein algebraisches Element. Dann ist
Mehr9. Übung zur Linearen Algebra II -
9. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 00. Aufgabe 33 (i) Beweise oder widerlege: In einem euklidischen VR gilt x + y = x + y x y (Satz von Pythagoras).
Mehr12. R n als EUKLIDISCHER VEKTORRAUM
12. R n als EUKLIDISCHER VEKTORRAUM 1 Orthogonalität in der Ebene. Die Vektoren in der Ebene, die (im üblichen Sinne) senkrecht zu einem Vektor x = (x 1, x 2 ) T stehen, lassen sich leicht angeben. Sie
Mehr5 Analytische Geometrie
5 Analytische Geometrie Die Grundidee der analytischen Geometrie ist es, geometrische Objekte in Räumen mittels linearer Algebra zu beschreiben 51 Affine Räume Definition 511 Ein affiner Raum (AR) über
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
MehrAlgebraische Kurven. Vorlesung 23
Prof. Dr. H. Brenner Osnabrück SS 01 Algebraische Kurven Vorlesung 3 Beispiel 3.1. Das Kartesische Blatt wird durch die Gleichung F = X 3 + Y 3 3XY = 0 beschrieben (die 3 ist dabei nicht wichtig, und könnte
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 22 Algebraische Körpererweiterung Satz 1. Sei K L eine Körpererweiterung und sei f L ein Element. Dann sind folgende Aussagen
MehrAufgaben zu Kapitel 20
Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Verständnisfragen Aufgabe 20 Sind die folgenden Produkte Skalarprodukte? (( R ) 2 ( R 2 )) R : v w,, v v 2 w w 2 (( R ) 2 ( R 2 )) R : v w, 3 v v 2 w w + v
MehrLineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin:
Lineare Algebra I - 9.Vorlesung - rof. Dr. Daniel Roggenkamp & Falko Gauß Korrektur: 2. Klausurtermin: 09.02.2017 Linearkombination von Vektoren lineare Hülle Erzeugendensystem S lineare Unabhängigkeit
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
Mehrtechnische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4
MehrL3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...
L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
MehrLösungen zu Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Sommer 4 Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT. [ Punkte] Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in
MehrElemente der Algebra
Prof. Dr. H. Brenner Osnabrück SS 2015 Elemente der Algebra Vorlesung 1 Der Gruppenbegriff Definition 1.1. Eine Verknüpfung auf einer Menge M ist eine Abbildung : M M M, (x,y) (x,y) = x y. Statt (x,y)
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
Mehr3.5 Duale Vektorräume und Abbildungen
3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
MehrAufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009
I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe
MehrÜbersicht Kapitel 9. Vektorräume
Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 10 Lineare Abbildungen Zwischen zwei Vektorräumen interessieren insbesondere die Abbildungen, die mit den
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 23 Die Gradformel Satz 1. Seien K L und L M endliche Körperweiterungen. Dann ist auch K M eine endliche Körpererweiterung und
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 25 J ai décidé d être heureux parce que c est bon pour la santé Voltaire Trigonalisierbare Abbildungen
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrTutorium 7. Definition. Sei V ein C-Vektorraum. Eine Abbildung, : V V C heißt komplexes Skalarprodukt : det F k > 0 mit F k := (f i,j ) C k k
Skalarprodukte Tutorium 7 Bemerkung. Für jeden komplexen Vektorraum V mit dim V und jede komplexe Bilinearform P auf V findet man einen Vektor v mit P (v, v) =. Es gibt also keine positiv definite Bilinearformen
MehrSchulmathematik: Lineare Algebra & Analytische Geometrie. Kapitel 3: Lineare Analytische Geometrie. MAC.05043UB/MAC.05041PH, VU im SS 2017
Schulmathematik: Lineare Algebra & Analytische Geometrie Kapitel 3: Lineare Analytische Geometrie MAC.05043UB/MAC.0504PH, VU im SS 207 http://imsc.uni-graz.at/pfeiffer/207s/linalg.html Christoph GRUBER,
MehrAufgaben zur Vorlesung: Lineare Algebra und analytische Geometrie I
Institut für Mathematik Blatt Prof. Dr. B. Martin, H. Süß Abgabe: 0.4. Aufgaben zur Vorlesung: Lineare Algebra und analytische Geometrie I Aufgabe : 2 Punkte Stellen Sie die Gleichung der Ebene auf, in
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
MehrKapitel 13. Lineare Gleichungssysteme und Basen
Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x
MehrKapitel V. Affine Geometrie
Kapitel V Affine Geometrie 1 Affine Räume Betrachte ein lineares Gleichungssystem Γ : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 + + a mn x n = b
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
MehrKlausur zur Vorlesung Lineare Algebra II, SoSe 2016,
Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren
MehrBild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis
MehrL3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...
L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt
MehrKapitel II. Vektorräume. Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume
Kapitel II. Vektorräume Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume Die fundamentale Struktur in den meisten Untersuchungen der Linearen Algebra bildet der Vektorraum.
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 24 Das Lernen und der Orgasmus finden letztlich im Kopf statt Der Satz von Cayley-Hamilton Arthur Cayley
Mehra b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 016 Lineare Algebra und analytische Geometrie II Vorlesung 37 Neben den drei Eckpunkten eines Dreieckes gibt es noch weitere charakteristische Punkte eines Dreieckes wie
Mehr