2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
|
|
- Beate Thomas
- vor 7 Jahren
- Abrufe
Transkript
1 Algebra und Algebra 2. Dezember 2011
2 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
3 Das Skalarprodukt I Algebra und Definition (Skalarprodukt) Sei K {R, C} und V ein K-Vektorraum. Eine Abbildung, : V V K, (v, w) v, w heißt wenn sie folgende Eigenschaften erfüllt: S1 v + v, w = v, w + v, w λv, w = λ v, w S2 v, w + w = v, w + v, w v, λw = λ v, w S3 v, w = w, v S4 v, v > 0 R für alle v 0 V Hierbei ist λ die zu λ konjugiert komplexe Zahl: (a + ib) = a ib
4 Das Skalarprodukt Algebra und Ein Skalarprodukt ist eine positiv definite (S4) hermitesche (S3) Sesquilinearform, d.h. linear im ersten Argument (S1) und semilinear im zweiten Argument (S2) Ist K = R, dann ist λ = λ und das Skalarprodukt damit eine positive definite symmetrische Bilinearform Wegen (S3) ist v, v R (also insbes. auch für K = C) Ein R-Vektorraum mit Skalarprodukt heißt euklidischer Vektorraum, ein C-Vektorraum mit Skalarprodukt unitärer Vektorraum
5 Norm & Metrik I Algebra und Definition (Norm) Sei V ein reeller oder komplexer Vektorraum. Eine Abbildung : V R, v v heißt Norm auf V, falls für alle v, w V und alle λ K gilt: N1 λv = λ v N2 v + w v + w (Dreiecksungleichung) N3 v = 0 K gdw. v = 0 V Ein Vektorraum mit einer Norm heißt normierter Vektorraum Für alle v V gilt: v 0
6 Norm & Metrik Algebra Bemerkung Für einen euklidischen bzw. unitären Vektorraum V definiert man eine Norm mittels und v := v, v für alle v V Für einen normierten Vektorraum V definiert man eine Metrik mittels d(v, v ) := v v für alle v V Euklidischer/unitärer VR normierter VR metrischer VR
7 Orthonormalbasis Algebra und Definition Sie V ein euklidischer bzw. unitärer Vektorraum. Zwei Vektoren v, w V heißen orthogonal falls v, w = 0. Eine Familie von Vektoren (v i ) i I aus V heißt orthogonal, falls je zwei Vektoren v i, v j ; i, j I, i j orthogonal sind. Eine Familie von Vektoren (v i ) i I aus V heißt orthonormal, falls sie orthogonal ist und v i = 1 für alle i I. Eine Familie von Vektoren (v i ) i I aus V heißt Orthonormalbasis, falls sie Basis von V und orthonormal ist. Jeder endlich-dimensionale euklidische bzw. unitäre Vektorraum besitzt eine Orthonormalbasis
8 Hilbertraum Algebra und Definition Ein Vektorraum mit Skalarprodukt heißt Prähilbertraum/Skalarproduktraum/Innenproduktraum. Ein Prähilbertraum heißt Hilbertraum, wenn er bzgl. der induzierten Metrik vollständig ist. Definition Sei (M, d) ein metrischer Raum mit Metrik d. (M, d) heißt vollständig, wenn jede Cauchy-Folge konvergiert, d.h. ihr Grenzwert in M liegt. Eine Folge (a i ) i N heißt Cauchy-Folge, wenn zu jedem ε > 0 ein N N existiert, sodass d(a n, a m ) < ε für alle n, m N
9 Der Begriff der Matrix I Algebra und A = A ist eine m n-matrix. a 11 a 12 a a 1n a 21 a 22 a a 2n..... a m1 a m2 a m3... a mn Kurzschreibweise: (a ij ), i = 1,..., m und j = 1,..., n
10 Der Begriff der Matrix Algebra und 1. Spalte 2. Reihe Reihen und Spalten a 11 a 21.. a m1 (a 21, a 22,..., a 2n ) a ij ist die ij-te Komponente der Matrix.
11 Der Begriff der Matrix I Algebra A i = (a i1, a i2,..., a in ) und A j = a 1j a 2j. a mj
12 Der Begriff der Matrix IV Algebra und Beispiel ( )
13 Spezielle I Algebra und Ein (Reihen-)Vektor ist eine 1 n Matrix. Ein (Spalten-)Vektor ist eine n 1 Matrix. (x 1,..., x n ) x 1. x n
14 Spezielle Algebra und Falls n = m wird die Matrix quadratische Matrix genannt. Beispiele sind: Beispiel ( )
15 Spezielle I Algebra und Für die Nullmatrix O gilt a ij = 0 für alle i, j O =
16 Addition von I Algebra und Seien A = (a ij ) und B = (b ij ) zwei m n-. A + B ist diejenige Matrix, die die Komponente a ij + b ij in der i-ten Reihe und der j-ten Spalte besitzt.
17 Addition von Algebra und Beispiel A = ( A + B = ) B = ( ( ) ) Es gilt: O + A = A + O = A
18 Multiplikation einer Matrix mit einem Skalar I Algebra und Sei c eine Zahl und A = (a ij ) eine Matrix. ca ist diejenige Matrix, deren ij-te Komponente gleich ca ij ist. Beispiel ca = (ca ij ) Seien A und B wie oben. Sei c = 2. ( ) A = 2B = ( )
19 Multiplikation einer Matrix mit einem Skalar Algebra ( 1)A = A = ( ) und Es gilt für alle A: A + ( 1)A = O
20 Der Raum der Algebra und Theorem Die (einer gegebenen Größe m n) mit Komponenten aus einem Körper K bilden einen Vektorraum über K, der mit Mat m n (K) bezeichnet wird.
21 Die transponierte Matrix I Algebra und Sei A = (a ij ) eine m n-matrix. Die n m-matrix B mit b ji = a ij wird die transponierte Matrix von A genannt und durch t A bezeichnet. a 11 a 12 a a 1n a 21 a 22 a a 2n A =..... a m1 a m2 a m3... a mn a 11 a 21 a a m1 t a 12 a 22 a a m2 A =..... a 1n a 2n a 3n... a mn
22 Die transponierte Matrix Algebra und Beispiel A = ( ) t A =
23 Die transponierte Matrix I Algebra Eine Matrix A wird symmetrisch genannt, falls gilt: t A = A Eine symmetrische Matrix ist immer eine quadratische Matrix. und Beispiel Die Matrix ist symmetrisch
24 Die transponierte Matrix IV Algebra und Sei A = (aij) eine quadratische Matrix. Die Einträge a 11, a 22,..., a nn werden die diagonalen Komponenten von A genannt. Eine quadratische Matrix heißt Diagonalmatrix, falls alle Komponenten außer (möglicherweise) den diagonalen Komponenten gleich 0 sind; also a ij = 0, falls i j. a a a nn
25 Die transponierte Matrix V Algebra und Definition Die Einsmatrix I n ist diejenige n n-diagonalmatrix, deren diagonale Komponenten gleich 1 sind I n =
26 Multiplikation von I Algebra und Definition Sei A = (a ij ), i = 1,..., m und j = 1,..., n eine m n-matrix. Sei B = (b jk ), j = 1,..., n und k = 1,..., s eine n s-matrix. A = a a 1n... a m1... a mn B = b b 1s... b n1... b ns Das Produkt AB ist die m s-matrix, deren ik-te Koordinate durch n a ij b jk = a i1 b 1k + a i2 b 2k a in b nk gegeben ist. j=1
27 Multiplikation von Algebra und Beispiel A = ( AB ist die 2 2-Matrix mit AB = ) B = ( )
28 Multiplikation von I Algebra und Beispiel Sei ( ) 1 3 C = 1 1 und A, B wie oben. BC = 3 4 ( ) = und A(BC) = ( ) 1 5 ( ) =
29 Multiplikation von IV Algebra und Sei A eine m n-matrix und B eine n 1-Matrix; d.h. B ist ein Spaltenvektor. Dann ist das Produkt von A und B: mit a 1... a 1n.. a m1... a mn c i = b 1. b n = c 1. c m n a ij b j = a i1 b a in b n j=1
30 Multiplikation von V Algebra und Sei X = (x 1,..., x m ) ein Reihenvektor; d.h. eine 1 m-matrix. Das Produkt XA wird dann wie folgt gebildet: mit (x 1,..., x m ) a 1... a 1n.. a m1... a mn y k = x 1 a 1k x m a mk = (y 1,..., y n )
31 Multiplikation von VI Algebra und Theorem Seien A, B, C. Angenommen A, B und A, C können multipliziert werden und B, C können addiert werden. Dann können A und B + C multipliziert werden und es gilt: A(B + C) = AB + AC Falls x eine Zahl ist, gilt ferner: A(xB) = x(ab)
32 Multiplikation von V Algebra und Theorem Seien A, B, C. Angenommen A, B und B, C können multipliziert werden. Dann kann A mit BC und AB mit C multipliziert werden und es gilt: (AB)C = A(BC)
33 Multiplikation von VI Algebra und Definition Sei A eine quadratische n n-matrix. A heißt invertierbar oder nicht-singulär falls eine n n-matrix B existiert mit AB = BA = I n B wird die zu A inverse Matrix genannt und durch A 1 bezeichnet.
34 Multiplikation von IX Algebra und Theorem Seien A, B, die multipliziert werden können. Dann können t B und t A multipliziert werden und es gilt: t (AB) = t B t A
35 Der Begriff der n Abbildung I Algebra und Definition Seien V und V Vektorräume über einem Körper K. Eine lineare Abbildung F : V V ist eine Abbildung, die die folgenden Eigenschaften hat: 1 für beliebige Elemente u, v V gilt: 2 für alle c K und v V gilt: F(u + v) = F(u) + F(v) F(cv) = cf(v)
36 Der Begriff der n Abbildung Algebra und Beispiel Sei V ein endlich dimensionaler Vektorraum über K und sei {v 1,..., v n } eine Basis von V. Definiere F : V K n durch Abbildung von v auf den Koordinatenvektor X bezüglich der Basis. Also falls v = x 1 v x n v n ist, mit x i K dann ist F(v) = (x 1,..., x n ) Die Abbildung F ist eine lineare Abbildung.
37 Der Raum der n Abbildung I Algebra und Seien V, V Vektorräume über einem Körper K. Die Abbildung O, die jedem Element v V das Element 0 in V zuordnet ist eine lineare Abbildung. Seien T : V V und F : V V lineare. Definiere die Summe T + F für ein Element u V durch: (T + F)(u) = T(u) + F(u) Die Abbildung T + F ist dann linear.
38 Der Raum der n Abbildung Algebra und Sei a K und T : V V eine lineare Abbildung. Definiere für u V eine Abbildung at durch: (at)(u) = at(u) at ist dann eine lineare Abbildung. Die Menge L der linearen von V nach V bildet bezüglich dieser Operationen einen Vektorraum.
39 Kern und Bild einer n Abbildung I Algebra und Definition Seien V und W Vektorräume über einem Körper K und sei F : V W eine lineare Abbildung. Der Kern von F ist die Menge aller v V mit F(v) = O. Der Kern von F wird durch Ker F bezeichnet. Der Kern von F ist ein Teilraum von V.
40 Kern und Bild einer n Abbildung Algebra und Beispiel Sei L : R 3 R die Abbildung mit L(x, y, z) = 3x 2y + z Falls A = (3, 2, 1) kann L wie folgt geschrieben werden: L(X) = X A Der Kern von L ist die Menge aller Lösungen der Gleichung: 3x 2y + z = 0
41 Kern und Bild einer n Abbildung I Algebra und Lemma Die folgenden Aussagen sind äquivalent. 1 Der Kern von F ist gleich {O}. 2 Falls v, w Elemente von V mit F(v) = F(w) sind, dann ist v = w, d.h. F ist injektiv.
42 Kern und Bild einer n Abbildung IV Algebra und Theorem Sei F : F W eine lineare Abbildung mit Kern gleich {O}. Falls v 1,..., v n linear unabhängige Elemente aus V sind, dann sind F(v 1 ),..., F(v n ) linear unabhängige Elemente von W. Definition Sei F : V W eine lineare Abbildung. Das Bild von F ist die Menge der Elemente w W für die ein Element v V existiert mit F(v) = w. Das Bild von F wird durch Im F bezeichnet. Das Bild von F ist ein Teilraum von W.
43 Kern und Bild einer n Abbildung V Algebra und Theorem Sei V ein Vektorraum. Sei L : V W eine lineare Abbildung von V in einen anderen Raum W. Sei n die Dimension von V, q die Dimension des Kerns von L und s die Dimension des Bildes von L. Dann ist n = q + s. Also: dimv = dim Ker L + dim Im L
44 Die einer Matriz entsprechende Abbildung I Algebra und Definition Sei A = a 11 a 12 a a 1n a 21 a 22 a a 2n..... a m1 a m2 a m3... a mn eine m n-matrix. Die A entsprechende lineare Abbildung L A : R n R m ist definiert durch: L A (X) = AX für jeden Spaltenvektor X in R n.
45 Die einer Matriz entsprechende Abbildung Algebra Es gilt: A(X + Y) = AX + AY und A(cX) = cax und Beispiel A = ( ) und X = ( 3 7 ) Dann ( ) ( 3 7 ) = ( ) = ( )
46 Die einer Matriz entsprechende Abbildung I Algebra und Theorem Falls A, B m n-matrixen sind und falls L A = L B, dann A = B. Falls also zwei dieselbe lineare Abbildung induzieren, sind sie gleich.
47 Die einer n Abbildung entsprechende Matriz I Algebra und Zuerst ein Spezialfall: Sei L : R n R eine lineare Abbildung. Zu zeigen: Es existiert ein Vektor A in R n mit der Eigenschaft L = L A, d.h. für jedes X gilt: L A (X) = AX
48 Die einer n Abbildung entsprechende Matriz Algebra Generalisierung und Theorem Sei L : K n K m eine lineare Abbildung. Dann gibt es eine (eindeutig bestimmte) Matrix A mit L = L A. a a 1n.. a m1... a mn x 1. x n = a 11 x a 1n x n. a m1 x a mn x n
49 Die einer n Abbildung entsprechende Matriz I Algebra und Beispiel Sei F : R 3 R 2 eine Projektion, d.h. die Abbildung mit: F(x 1, x 2, x 3 ) = (x 1, x 2 ) Die mit F assoziierte Matrix ist dann: ( )
50 Die einer n Abbildung entsprechende Matriz IV Algebra und Beispiel Eine lineare Abbildungh L : R 2 R 2 wir eine Rotation genannt, falls ihre Matrix in der folgenden Form geschrieben werden kann: ( ) cosθ sinθ sinθ cosθ
51 Die einer n Abbildung entsprechende Matriz V Algebra und Es gilt: L A+B = L A + L B und L ca = cl A
Euklidische und unitäre Vektorräume
Euklidische und unitäre Vektorräume In allgemeinen Vektorräumen gibt es keine Möglichkeit der Längenmessung von Vektoren und der Winkelmessung zwischen zwei Vektoren. Dafür ist eine zusätzliche Struktur
Mehr10 Unitäre Vektorräume
10 Unitäre Vektorräume Pink: Lineare Algebra 2014/15 Seite 98 10 Unitäre Vektorräume Die Theorie komplexer Vektorräume mit Skalarprodukt folgt denselben Linien wie die Theorie reeller Vektorräume mit Skalarprodukt;
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
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).
MehrBC 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
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
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
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrKapitel 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
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
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
Mehr4.4 Hermitesche Formen
44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung
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
MehrMatrizen. 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
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
MehrLösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung
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,
MehrInhalt. 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
Mehr1 Die Jordansche Normalform
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 4/5 A Die Jordansche Normalform Vierter Tag (9.03.205) Im Zusammenhang mit der Lösung komplexer Differentialgleichungssysteme
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
MehrLösungsskizze zur Wiederholungsserie
Lineare Algebra D-MATH, HS Prof. Richard Pink Lösungsskizze zur Wiederholungsserie. [Aufgabe] Schreibe die lineare Abbildung f : Q Q 5, x +x +x x x +x +6x f x := x +x +8x x x +x +x. x +x +5x als Linksmultiplikation
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.
MehrPrüfung Lineare Algebra 2
1. Überprüfen Sie die folgenden Aussagen: (1) Zwei reelle symmetrische Matrizen sind genau dann ähnlich, wenn sie die gleiche Signatur haben. (2) Jede symmetrische Matrix ist kongruent zu einer Diagonalmatrix,
Mehr4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.
4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus
Mehr3 Bilinearformen und quadratische Formen
3 Bilinearformen und quadratische Formen Sei V ein R Vektorraum. Definition: Eine Bilinearform auf V ist eine Abbildung s : V V R, welche linear in beiden Variablen ist, d.h.: Für u, v, w V und λ, µ R
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
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).
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y
MehrLineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18.
18. November 2011 Wozu das alles? Bedeutung von Termen Vektoren in R n Ähnlichkeiten zwischen Termbedeutungen Skalarprodukt/Norm/Metrik in R n Komposition von Termbedeutungen Operationen auf/abbildungen
MehrVektoren 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
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
MehrUniversität 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
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
Mehr1 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
MehrA = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix
Matrizen Definition: i Eine m n Matrix A ist ein rechteckiges Schema aus Zahlen, mit m Zeilen und n Spalten: a a 2 a n a 2 a 22 a 2n a m a m2 a mn Die Spaltenvektoren dieser Matrix seien mit a,, a n bezeichnet
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
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
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
MehrÖkonometrische 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
MehrLineare Algebra. 9. Übungsstunde. Steven Battilana.
Lineare Algebra 9. Übungsstunde Steven Battilana stevenb@student.ethz.ch November 2, 26 Erinnerung Sei x, y 2 E n, 2 E, danngilt: hx, yi = kxkkyk cos( ). Ist m eine beliebige natürliche Zahl, apple i,
Mehr4 Orthogonale Endormorphismen
4 Orthogonale Endormorphismen Frage: Bei welchen Abbildungen R R bzw. R 3 R 3 bleibt der Abstand zwischen zwei Punkten erhalten? Für α R setzen wir cosα sin α D(α) = und S(α) := sin α cosα ( cos α sin
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
Mehr6 Eigenwerte und Eigenvektoren
6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,
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
Mehr4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).
4 Matrizenrechnung Der Vektorraum der m n Matrizen über K Sei K ein Körper und m, n N\{0} A sei eine m n Matrix über K: a a 2 a n a 2 a 22 a 2n A = = (a ij) mit a ij K a m a m2 a mn Die a ij heißen die
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
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
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn
MehrProseminar Lineare Algebra II, SS 11. Blatt
Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2
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
Mehr5 Diagonalisierbarkeit
5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 71 Reelle Matrizen Prof Dr Erich Walter Farkas Mathematik I+II, 71 Reelle Matrizen 1 / 31 1 2 3 4 Prof Dr Erich
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte
MehrDie wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.
Definition: Lineare Abbildung Lineare Abbildungen Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. 8.1 Definition: Lineare Abbildung Eine Funktion f : V Ñ W zwischen
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
Mehr4 Lineare Abbildungen und Matrizen
4.1 Lineare Abbildungen Definition 4.1. Es seien V, W K-Vektorräume. Eine Abbildung f : V W heißt linear oder Homomorphismus, wenn für alle u, v V und λ K gilt Beispiel 4.2. L1 f(u + v) = f(u) + f(v),
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
MehrFerienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte
Technische Universität München, Fakultät für Physik Ferienkurs - ineare Algebra Hanna Schäfer 03. März 04 0. inearität. f : M N, x : y = f(x) Merkinhalte. f(x + λy) = f(x) + λf(y), x, y V, λ K 3. ineare
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
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra HS 2014 Seite 56 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 2, 207 Erinnerung Definition. Ein Skalarprodukt ist eine Abbildung, : E n E n E, v, w v, w = n k= v
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,
Mehr7 Lineare Abbildungen und Skalarprodukt
Mathematik II für inf/swt, Sommersemester 22, Seite 121 7 Lineare Abbildungen und Skalarprodukt 71 Vorbemerkungen Standard Skalarprodukt siehe Kap 21, Skalarprodukt abstrakt siehe Kap 34 Norm u 2 u, u
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.)
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 2/3) Bernhard Hanke Universität Augsburg 20..202 Bernhard Hanke / 3 Matrizen und Lineare Abbildungen Es seien lineare Abbildungen, d.h. Matrizen gegeben. B = (b jk ) : R r R n, A
MehrLineare Abbildungen und Matrizen
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume
MehrIV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen
Gliederung I. Motivation II. Lesen mathematischer Symbole III. Wissenschaftliche Argumentation IV. Matrizenrechnung i. Rechenoperationen mit Matrizen ii. iii. iv. Inverse einer Matrize Determinante Definitheit
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra 2014/15 Seite 59 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
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
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
MehrOrthogonale und unitäre Matrizen
Proseminar zur linearen Algebra Veranstalter: Prof. Bogopolski TU-Dortmund Proseminarbeitrag von Daniela Kreft Studiengang: Mathematik(Diplom) Thema: Orthogonale und unitäre Matrizen Orthogonale und unitäre
MehrMathematik 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
MehrHilfsblätter 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,
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
Mehr1 Lineare Abbildungen
1 Lineare Abbildungen Definition 1 Sei K ein Körper und V und W K-Vektoräume. Eine Abbildung f : V W heisst linear oder Homomoprhismus, wenn gilt: fv 1 + v 2 = fv 1 + fv 2 v 1, v 2 V fλv = λfv λ K, v V
MehrI) 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
MehrSpezielle Matrixformen
Definition B57 (Transposition) Eine einfache aber wichtige Operation auf Matrizen ist die Transposition, die aus einer (m n) Matrix A eine (n m) Matrix B = A T macht Hierbei gilt β i j = α j i, so daß
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
Mehr47 Singulärwertzerlegung
47 Singulärwertzerlegung 47.1 Motivation Wir haben gesehen, dass symmetrische Matrizen vollständig mithilfe ihrer Eigenwerte und Eigenvektoren beschrieben werden können. Diese Darstellung kann unmittelbar
MehrDas innere Produkt von zwei Vektoren in V entspricht dem standard Skalarprodukt ihrer Komponenten bezüglich einer Orthonormalbasis von V.
L5.6 Orthogonale und unitäre Matrizen (invertierbare Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen) Reelles inneres Produkt in -Vektorraum [siehe L3.1b]: 'reeller Vektorraum' (i)
MehrLineare 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
MehrAnalytische Geometrie
21 Vorlesungen über Analytische Geometrie für Lehramtstudierende der Schulformen Grund-, Mittel- und Realschule Jens Jordan Universität Würzburg, Wintersemster 2015/16 Hier kommt noch ein schönes Bildchen
Mehrist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1
24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
Mehr3 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
MehrLineare Algebra für PhysikerInnen
Universität Wien, SS 2015 Lineare Algebra für PhysikerInnen Beispiele für Multiple-Choice-Fragen Punkteschlüssel: [Typ 1 aus 4] und [Typ 3 aus 4]... 0.8 Punkte [Typ 2 aus 4]... 1 Punkt Bei der schriftlichen
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
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013
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
MehrA w w f f B w f w f A B w f w w A B A B A B. z = a 2 + b 2 =: r. c+id = ac+bd. 2 c 2 +d 2. z 2. z n = z. z = r cos(x) + ir sin(x) = reix
Formelsammlung Aussagenlogik Für beliebige Aussagen A, B gilt: Konjunktion Disjunktion Implikation Äquivalenz A B w f f f A B w w w f A B w f w w A B w f f w Mengenlehre Für beliebige Mengen A, B gilt:
MehrA w w f f B w f w f A B w f w w A B A B A B. z = a 2 + b 2 =: r. c+id = ac+bd. 2 c 2 +d 2. z 2. z n = z. z = r cos(x) + ir sin(x) = reix
Formelsammlung Aussagenlogik Für beliebige Aussagen A, B gilt: Konjunktion Disjunktion Implikation Äquivalenz A B w f f f A B w w w f A B w f w w A B w f f w Mengenlehre Für beliebige Mengen A, B gilt:
Mehr44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall
44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall 44 1 Zusammenfassung Dieser Paragraf richtet sich im Aufbau weitgehend nach 42, um den Zerlegungssatz (44.7) analog zum Satz über die
MehrAussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9
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
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
Mehr4.3 Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen
196 KAPITEL 4. VEKTORRÄUME MIT SKALARPRODUKT 4. Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen In diesem Abschnitt betrachten wir Vektorräume über IR und über C. Ziel ist es, in solchen Vektorräumen
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
Mehr