Lineare Algebra Zusammenfassung
|
|
- Maya Tiedeman
- vor 7 Jahren
- Abrufe
Transkript
1 Lineare Algebra Zusammenfassung Gruppen, Körper, Vektorräume Gruppen Def.: Eine Gruppe (G, )besteht aus einer nicht-leeren Menge G und einer Verknüpfung zwischen Elementen dieser Gruppe. Folgende Eigenschaften müssen gelten: 1) Abgeschlossenheit: Das Ergebnis der Verknüpfung muss wieder in der Menge liegen. 2) Assoziativität: 3) Neutrales Element: 4) Inverses Element: Die Gruppe heißt abelsche Gruppe wenn zusätzlich gilt: 5) Kommutativität: Wenn (U, ) eine Gruppe ist und gilt ist U eine Untergruppe von G. Ring Def.: Ein Ring (R,+,*) besteht aus einer nicht-leeren Menge auf der 2 Verknüpfungen + und * definiert sind. Folgende Eigenschaften müssen gelten: 1) (R,+) ist eine abelsche Gruppe e=0 2) (R \ {0},*) ist keine Gruppe es gilt lediglich: a) Abgeschlossenheit: b) Assoziativität: 3) Distributivität: Der Ring heißt kommutativer Ringe wenn zusätzlich gilt: (R \ {0},*) Kommutativität: Der Ringe heißt Ring Eins-Element wenn zusätzlich gilt: Körper (R \ {0},*) Eins-Element: Def.: Ein Körper (K,+,*) besteht aus einer nicht-leeren Menge auf der 2 Verknüpfungen + und * definiert sind. Folgende Eigenschaften müssen gelten: 1) (K,+) ist eine abelsche Gruppe e=0 2) (K \ {0},*) ist eine abelsche Gruppe e=1 3) Distributivität: 4) Das Null-Element der Addition und das Eins-Element der Multiplikation müssen verschieden sein. Lukas Brunner
2 Bemerkung: Falls nicht anders definiert ist ein Körper Kommutativ. Vektorraum Ein Vektorraum besteht aus einer abelschen Gruppe (H, ) deren Elemente man Vektoren nennt, einem (Skalar-)Körper (K,+,*) aus Skalaren (Zahlen) und einer Skalaren Multiplikation von Elementen aus K Elementen aus H. Folgende Eigenschaften müssen gelten: 1) Abgeschlossenheit: H H 2) Assoziativität: H 3) Distributivität: H H Algebra Eine Algebra A über einem Körper K ist ein Vektorraum in neben der Addition von Vektoren auch noch eine Multiplikation definiert ist. Es muss zusätzlich gelten: 1) Abgeschlossenheit: 2) Assoziativität: Matrizen (nxm) Matrix: Rechenregeln: 1) Elementweise Übereinstimmung 2) Elementweise Addition 3) Multiplikation einer Zahl 4) Multiplikation 2er Matrizen 5) Null-Element 6) Eins-Element Eigenschaften: Spur (Summe der Diagonalelemente) Determinante Rang (Anzahl der linear unabhängigen Zeilen oder Spalten) ist nxm Matrix und n<m Lukas Brunner 2
3 Spezielle Matrizen: Singuläre Matrix (Determinante ist Nullnicht invertierbar) Nilpotente Matrix (Determinante ist ab einer bestimmten Potenz Null) Diagonalmatrix (Nur die Diagonalelemente sind ungleich Null) Transponierte Matrix (Spiegelung um die Hauptdiagonale) Symmetrische Matrix (Invariant gegen Spiegelungen) Antisymmetrische Matrix Orthogonale Matrix (Transponierte Matrix gleich Invertierte Matrix) Komplex konjugierte Matrix, o Für rein reelle Matrizen gilt: o Für rein imaginäre Matrizen gilt: Herisch konjugierte Matrix (Transponierte und komplex konjugierte Matrix) Herische Matrix Unitäre Matrix Determinanten Determinanten werden verwendet zum überprüfen der linearen Unabhängigkeit von Vektoren bestimmen des Rangs einer Matrix Berechnen der inversen Matrix Flächen- und Volumsberechnungen Lösen von linearen Gleichungssystemen Variablentransformationen in mehrdimensionalen Integralen (Jacobi-Determinante) Eigenschaften wenn min. 1 Zeile oder Spalte nur Nullen enthält. wenn min. 2 Zeilen oder Spalten gleich oder proportional sind. Lukas Brunner 3
4 Wenn 1 Zeile oder Spalte einer Konstanten multipliziert wird, wird die ganze Determinante der Konstanten multipliziert. Wenn 2 Zeilen oder Spalten vertauscht werden wechselt die Determinante das Vorzeichen. Die Determinante bleibt gleich wenn Zeilen und Spalten vertauscht werden. ( Transponieren) Die Determinante bleibt gleich wenn zu 1 Zeile oder Spalte ein Vielfaches einer anderen Zeile oder Spalte addiert wird. Wenn sich 2 Determinanten nur in 1 Zeile oder Spalte unterscheiden so ist ihre Summe gleich dem Wert der Determinante die durch Gliedweise Addition der entsprechenden Zeile oder Spalte entsteht. Durch Entwicklung nach j-ter Spalte ergibt sich die Summe der Determinanten zu und wieder in Matrixschreibweise Berechnung von Determinanten: Leibniz-Formel: Symmetrische Gruppe von n Elementen ist eine Permutation; es gibt n! Permutationen Vorzeichen (bei zyklischer Vertauschung positiv, sonst negtaiv) Regel von Sarrus: Ist eine Veranschaulichung zum berechnen von 3x3 Matrizen, bei der die ersten beiden Spalten hinter der Matrix nochmals angeschrieben werden wodurch sich 3 Haupt- und 3 Nebendiagonalen ergeben. Laplace Entwicklung: Entwicklung nach einer Zeile oder Spalte. Die Determinante ergibt sich zu (für i-te Zeile) Wobei für gilt (Vorsicht auf die Vorzeichen) Lukas Brunner 4
5 ist eine (n-1)x(n-1) Matrix (Minor von ) Matrizen zum lösen von linearen Gleichungssystemen der Form: Durch zusammenfassen der zu einer (nxn) Matrix und der sowie der zu Vektoren und erhält man das Gleichungssystem zu Wenn zu eine Inverse Matrix existiert lässt sich ausdrücken durch Gauß sches Eliminationsverfahren: Die und lassen sich als (nxn+1) Matrix (erweiterte Koeffizientenmatrix) anschreiben. Diese Matrix kann man auf untere Dreiecksform bringen indem man (für i>1) (für die i-te Zeile) i-te Zeile Minus 1. Zeile mal i-ter Zeile dividiert durch Analog für i>2 usw. Man erhält die Matrix zu Daraus erhalt man aus der letzten Zeile für Analog für die (n-1)-te Zeile für usw. Lösungstypen: Punktlösung Widerspruch Lösungsschar (n-r) frei wählbaren Parametern Lukas Brunner 5
6 Cramer sche Regel: Man betrachtet ebenfalls die erweiterte Koeffizientenmatrix und berechnet sich aus ihr (n+1) Determinanten. Die Hauptdeterminante D ergibt sich der Koeffizentenmatrix : Die restlichen n Determinanten die letze Spalte von. ergeben sich jeweils durch ersetzen der i-ten Spalte durch Wenn die Hauptdeterminante ( ) ergibt sich eine Punktlösung zu Wenn und zumindest ein besitzt das Gleichungssystem keine Lösung. Für und alle ist die Lösungsmenge entweder leer oder eine unendliche Punktmenge (Gerade, Ebene). Vektorräume Jeder Vektorraum besitzt eine Basis. (Zorn sches Lemma) Eine Basis stellt eine größte linear unabhängige Teilmenge eines VR dar. Die Anzahl der Basiselemente ist die Dimension des Vektorraumes. Jeder VR {0} hat mindestens 2 Untervektorräume ({0}, V). Eine Teilmenge heißt UVR wenn gilt Skalarprodukt Das Skalarprodukt ist eine Verknüpfung zwischen 2 Vektoren und der Form Es muss gelten (auch im komplexen) = Positive Definitheit Ein Vektorraum auf dem ein Skalarprodukt den obigen Eigenschaften definiert ist heißt euklidischer Vektorraum (unitärer VR im komplexen). Mit Hilfe des Skalarprodukts lassen sich die Begriffe Länge (Norm) und orthogonalität einführen. Aus der orthogonalität folgt Lukas Brunner 6
7 lineare Unabhängigkeit. Für eine Menge von normierten orthogonalen (=orthonormalen) Vektoren gilt: Wenn eine solche Menge eine Basis bildet, wird sie ausgezeichnete Basis oder orthonormalbasis genannt. ( kanonische Basis) Gram-Schmidt-Verfahren Das Gram-Schmidt-Verfahren wird verwendet um aus n linear unabhängigen Vektoren eine Orthonormalbasis zu konstruieren. Normierung von wobei die Norm Entfernen des Anteils in Richtung aus über das Skalarprodukt definiert ist: Normierung von Entfernen der Anteile in Richtung und aus usw. Analytische Geometrie Eine Gerade im 2 ist geben durch: 2 Punkte (Ortsvektoren) A,B o o 1 Punkt A und 1 Richtungsvektor 1 Punkt A und 1 Normalvektor Eine Ebene im 3 ist gegeben durch 3 Punkte A,B,C 1 Punkt A und 2 Richtungsvektoren und 1 Punkt A und 1 Normalvektor Der Normalabstand eines Punktes P von einer Ebene E (A, ist gegeben durch bzw. Lineare Abbildungen Eine Abbildung XY X,Y K-VR heißt linear wenn gilt Lukas Brunner 7
8 Oder zusammengefasst Lineare Algebra-Zusammenfassung Additivität Homogenität Zusätzlich müssen X und Y denselben Skalarkörper K besitzen. Bemerkungen: Morphismen: o Homomorphismus: ist ein H. wenn es eine lineare Abb. ist. o Isomorphismus: ist ein I. wenn es ein H. ist und bijektiv ist. o Endomorphismus: ist ein E. wenn es ein H. ist und VV abbildet. o Automorphismus: ist ein A. Wenn es ein E. und ein I. ist. Bei einer linearen Abbildung muss der Nullvektor immer auf den Nullvektor abgebildet werden. ist also im streng mathematischen Sinn keine lineare Abbildung. Fasst man alle linearen Abbildungen eines K-VRs V wieder in einem K-VR W zusammen so erhält man den VR der Homomorphismen von V in W. Die Hintereinanderausführung von 2 linearen Abb. ist wieder linear. U,V,W K-VRs: so gilt Wenn zu einer linearen Abb. eine Umkehrabbildung existiert ist diese ebenfalls linear. Die Menge ist linear wird Kern von genannt. (Menge der Elemente aus V die in W auf null abgebildet werden) Die Menge wird Bild von genannt (Menge der Elemente in W auf die durch ein Element aus V abgebildet wird (oder auch mehrere Elemente)) Die Abbildung ist Umkehrbar wenn sie bijektiv ist. Dazu muss gelten, dass sie o injektiv (eindeutig): Speziell: nur 0 darf auf 0 abgebildet werden) o surjektiv: muss V auf ganz W abbilden. ist. Dimensionsformel: für ist linear und. Lineare Abbildungen durch Matrizen Zu jeder linearen Abb. existiert eine nxm Matrix dass gilt und Jeder n-dimensionale K-VR V ist zu isomorph. Eine Abbildung heißt Isomorphismus wenn sie linear und bijektiv (umkehrbar) ist. Bei einer geordneten Basis ist die Reihenfolge der Elemente wichtig. Lukas Brunner 8
9 Sei V ein K-VR und B eine geordnete Basis von V. Dann kann man jedes Element als Spaltenvektor bezüglich der Basis B schreiben. Seien V und W K-VRs geordneten Basen und sowie eine lineare Abb. Offensichtlich gilt: für sowie für. Die Koordinatenvektoren sind über nxm Darstellungsmatrix verknüpft. Wenn beschreibt den Übergang von d.h. den Übergang der Koordinatendarstellung bezüglich der Basis B zu Koordinatendarstellung bezüglich der Basis C. Eine nxn Matrix ist zu einer nxn Matrix ähnlich, wenn es eine invertierbare nxn Matrix gibt, sodass gilt Ähnliche Matrizen besitzen dieselbe Spur und dieselbe Determinante. Bei Hintereinanderausführung von 2 linearen Abb. und gilt für die Darstellungsmatrix von (wenn und sowie U,V,W K-VRs geordneten Basen B,C,D Basistransformationsformel: V sei ein K-VR, B,C zwei geordnete Basen von V und eine lineare Abbildung. (=Endomorphismus) Dann gilt für sowie und für Daraus folgt der obigen Definition für Ähnlichkeit, dass 2 Darstellungsmatrizen einer linearen Abb. bezüglich 2 verschiedener Basen zueinander ähnlich sind. Da kann man versuchen eine Darstellungsmatrix in eine möglichst einfach Form zu bringen Diagonalform diese ergibt sich zu Eigenwertprobleme für Matrizen Aus der obigen Überlegung stellt sich die Frage wie man zur intertierbaren Matrix die zu kommt transformiert. Es sei V ein K-VR zur Basis B und sowie eine lineare Abb. und so eine nxn Matrix. Dann kann man eine allgemeine Basistransformation vornehmen zu Und für gilt in der (noch nicht bekannten) Basis C Lukas Brunner 9
10 Um in Diagonalform zu bringen wird angenommen das man die Basis C so wählen kann das gilt Anschaulich bedeutet das, dass die Vektoren von der Matrix in sich selbst abgebildet werden sollen. (sie sollen nur gestreckt oder gestaucht, nicht aber gedreht werden) Für Vektoren, die diese Bedingung erfüllen muss Diagonalform annehmen. (Nicht- Diagonalelemente würden zu einer Abhängigkeit mindestens einer Komponente von von zwei Komponenten von ergeben und so eine Drehung bewirken) Es muss n linear unabhängige Vektoren geben welche die Eigenwertgleichung erfüllen. Wenn sein soll, muss sein. Säkulargleichung Lukas Brunner 10
Lineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
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
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
Mehr[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
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
MehrEine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
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
Mehrmit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"
Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"
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
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
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
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
MehrGegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.
1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild
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
MehrSatz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum
Orthogonalität 123 Dienstag, 27. April 04 Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum U von V gilt dann (a) U + U = V, U U = {0}, U, U = 0. (b) (U ) = U. Wir sagen
MehrFerienkurs Mathematik für Physiker I Skript Teil 2 ( )
Ferienkurs Mathematik für Physiker I WS 206/7 Ferienkurs Mathematik für Physiker I Skript Teil 2 (28.03.207) Vektorräume Bevor wir zur Definition eines Vektorraumes kommen erinnern wir noch einmal kurz
Mehr8.2 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
MehrErgänzung zum HM Tutorium
Ergänzung zum HM Tutorium Patrik Hlobil Niko Kainaris Dieses Dokument erhebt keinen Anspruch auf Vollständigkeit oder Korrektheit. Es stellt keine Vorlesungszusammenfassung dar, sondern soll euch lediglich
Mehri) 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):
Mehr9.2 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
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
Mehr1 Eigenschaften von Abbildungen
Technische Universität München Christian Neumann Ferienkurs Lineare Algebra für Physiker Vorlesung Dienstag WS 2008/09 Thema des heutigen Tages sind zuerst Abbildungen, dann spezielle Eigenschaften linearer
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
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
MehrMatrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.
Matrizenrechnung Matrix: Eine rechteckige Anordnung reeller Zahlen a ij i = 1,..., n i ; j = 1,..., m in Zeilen und Spalten. Die a ij heiÿen Elemente von A. a 11 a 12... a ij... a 1m a 21 a 22.........
MehrGrundlegende 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
Mehr8.2 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
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
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
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrLineare 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
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
MehrL2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:
L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: 2) Vektoren: vollständig bestimmt durch Angabe einer und einer Beispiele: Übliche
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
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)
MehrMatrizen, 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
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 12.12.2016 9. Vorlesung Eigenschaften linearer Abbildungen Beschreibung linearer Abbildungen durch Matrizen... Eigenschaften
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
MehrIn allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.
Nachschlag:Transposition von Matrizen Sei Explizit: Def: "Transponierte v. A": (tausche Zeilen mit Spalten d.h., spiegle in der Diagonale) m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft:
MehrMatrizen 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
MehrL2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:
L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: Masse, Volumen, Energie, Arbeit, Druck, Temperatur 2) Vektoren: vollständig
MehrKapitel 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
MehrMatrizen 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
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
MehrVerständnisfragen: Lineare Algebra und Analytische Geometrie I und II
Verständnisfragen: Lineare Algebra und Analytische Geometrie I und II Matrizen, lineare Gleichungssysteme Wie kommt man von einem linearen Gleichungssystem zu einer Matrix? Was ist die Zeilenstufenform?
MehrZusammenfassung 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
Mehr5 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
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,
Mehr4 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
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
MehrInverse 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.
MehrLernhilfe 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
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
Mehr(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.
L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors
Mehr3 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
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 10.12.2013 Alexander Lytchak 1 / 15 Motivation Für das Verständis affiner Teilräume eines Vektorraums sind Translationen
MehrPrüfung Lineare Algebra , B := ( ), C := 1 1 0
1. Es seien 1 0 2 0 0 1 3 0 A :=, B := ( 1 2 3 4 ), C := 1 1 0 0 1 0. 0 0 0 1 0 0 1 0 0 0 0 Welche der folgenden Aussagen ist richtig? A. A und C haben Stufenform, B nicht. B. A und B haben Stufenform,
MehrLineare 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
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
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
MehrKapitel 7. Lineare Abbildungen. 7.1 Motivation
Kapitel 7 Lineare Abbildungen 71 Motivation Verschieben, Drehen und Scheren sind parallelentreu, dh sie lassen sich auch als Abbildung zwischen Vektorräumen fomulieren Die Verschiebung, beispielsweise,
MehrLineare 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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Darstellungsmatrizen 2 2 Diagonalisierbarkeit
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben
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
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 =
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 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
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 3 und lineare Gleichungssysteme und
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
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 +
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
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
MehrLineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,
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
Mehr1 Halbgruppen. 1.1 Definitionen. Übersicht Ein Beispiel einer Halbgruppe
1 Halbgruppen Übersicht 11 Definitionen 5 12 Unterhalbgruppen 8 13 InvertierbareElemente 9 14 AllgemeinesAssoziativ-undKommutativgesetz 11 15 PotenzenundVielfache 11 16 Homomorphismen,Isomorphismen 12
Mehr1 Halbgruppen. 1.1 Definitionen. Übersicht Ein Beispiel einer Halbgruppe
1 Halbgruppen Übersicht 11 Definitionen 5 12 Unterhalbgruppen 8 13 InvertierbareElemente 9 14 AllgemeinesAssoziativ-undKommutativgesetz 11 15 PotenzenundVielfache 11 16 Homomorphismen,Isomorphismen 12
MehrZusammenfassung und Beispiellösungen. zur Linearen Algebra
Zusammenfassung und Beispiellösungen zur Linearen Algebra Inhaltsverzeichnis TI Taschenrechner Funktionen für Matrizen... n*m Matrix... Diagonal und Dreiecksmatrix... Transponierte der Matrix A (AT)...
Mehr2 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
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
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
Mehrx y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)
Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f(v) = u} (Andere Bezeichnung: f(v) wird in Analysis-Vorlesung
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
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
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.)
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
MehrBasistext Determinanten
Basistext Determinanten Definition In der Linearen Algebra ist die Determinante eine Funktion die einer quadratischen Matrix eine Zahl zuordnet. Die Funktion wird mit det abgekürzt. Die runden Matrixklammern
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
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
MehrIna Kersten Analytische Geometrie und Lineare Algebra 1. L A TEX-Bearbeitung von Stefan Wiedmann
Ina Kersten Analytische Geometrie und Lineare Algebra 1 L A TEX-Bearbeitung von Stefan Wiedmann Universitätsverlag Göttingen 2005 Voraussetzungen 11 1 Einige Grundbegriffe 12 1.1 Die komplexen Zahlen 12
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,
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
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
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
Mehr2 Grundstrukturen. 2.1 Gruppen. Prof. Dr. Peter Schneider. Vorlesung WS Lineare Algebra 1 2 GRUNDSTRUKTUREN
Vorlesung WS 08 09 Lineare Algebra 1 Prof. Dr. Peter Schneider 2 Grundstrukturen Notation: Sind M und N zwei Mengen, so heißt die Menge M N := {(m, n) : m M, n N} das cartesische Produkt oder auch 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
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,
Mehr