9 Aus der linearen Algebra. Themen: Lineare Abbildungen Darstellung durch Matrizen
|
|
- Fritz Linden
- vor 7 Jahren
- Abrufe
Transkript
1 9 Aus der linearen Algebra Themen: Der à n Lineare Abbildungen Darstellung durch Matrizen
2 Der à n besteht aus den n-tupeln mit x i Ã. x 1 x 2 x = (x 1, x 2,...,x n ) oder x =. x n
3 Der à n besteht aus den n-tupeln mit x i Ã. x 1 x 2 x = (x 1, x 2,...,x n ) oder x =. x n Addition und Skalarmultiplikation definiert man komponentenweise x + y = (x 1 + y 1, x 2 + y 2,...,x n + y n ), αx = (αx 1,αx 2,...,αx n ).
4 Addition ebener Vektoren, Ã = Ê y (x,y) (x,y)+(x,y ) (x,y ) x Wir verschieben (x, y ) so, dass sein Fußpunkt auf dem Endpunkt von (x, y) steht, der Endpunkt des so verschobenen Vektors zeigt dann auf den Endpunkt der Summe
5 Skalarmultiplikation, Ã = Ê y α(x,y) (x,y) x Für α 0 ist der Ergebnisvektor die Verlängerung oder Verkürzung um das α-fache. Bei α < 0 kehrt sich zusätzlich die Orientierung um.
6 Kanonische Basis Mit e 1 = (1, 0, 0,...,0), e 2 = (0, 1, 0,...,0),... können wir schreiben n x = (x 1, x 2,...,x n ) = x i e i. i=1
7 Kanonische Basis Mit e 1 = (1, 0, 0,...,0), e 2 = (0, 1, 0,...,0),... können wir schreiben n x = (x 1, x 2,...,x n ) = x i e i. {e i } i=1,...,n ist daher eine Basis des à n und heißt kanonische Basis. i=1
8 Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn sie bezüglich der algebraischen Operationen Addition und Skalarmultiplikation abgeschlossen ist, wenn also x, y M αx +βy M α,β Ã.
9 Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn sie bezüglich der algebraischen Operationen Addition und Skalarmultiplikation abgeschlossen ist, wenn also x, y M αx +βy M α,β Ã. Ein Unterraum ist damit selber ein Vektorraum, weil er die Rechenregeln vom zu Grunde liegenden Vektorraum erbt.
10 Beispiele für Unterräume Sind x 1,...,x k X, so heißt U = span{x 1,...,x k } = { z = α 1 x α k x k : α 1,...,α k } Ã der von x 1,...,x k aufgespannte Unterraum.
11 Beispiele für Unterräume Sind x 1,...,x k X, so heißt U = span{x 1,...,x k } = { z = α 1 x α k x k : α 1,...,α k } Ã der von x 1,...,x k aufgespannte Unterraum. Aufgabe: Man zeige, dass U tatsächlich ein Unterraum ist.
12 Beispiele für Unterräume Sind x 1,...,x k X, so heißt U = span{x 1,...,x k } = { z = α 1 x α k x k : α 1,...,α k à } der von x 1,...,x k aufgespannte Unterraum. Aufgabe: Man zeige, dass U tatsächlich ein Unterraum ist. Für k = 1 und x 1 0 ist U die Gerade durch den Nullpunkt mit Richtung x 1.
13 Linare Abbildungen Seien X, Y Vektorräume über dem Körper Ã. Eine Abbildung f : X Y heißt linear, wenn f(αx +βy) = αf(x)+βf(y) α,β Ã x, y X.
14 Linare Abbildungen Seien X, Y Vektorräume über dem Körper Ã. Eine Abbildung f : X Y heißt linear, wenn f(αx +βy) = αf(x)+βf(y) α,β Ã x, y X. Sind x 1,...,x k Vektoren in X, so ist f durch die Werte f(x 1 ),...,f(x k ) eindeutig auf dem von x 1,...,x k aufgespannten Unterraum festgelegt.
15 Beweis Mit einem Induktionsschluss folgt nämlich aus der Bedingung der Linearität, dass f(α 1 x α k x k ) = α 1 f(x 1 )+...+α k f(x k ).
16 Beweis Mit einem Induktionsschluss folgt nämlich aus der Bedingung der Linearität, dass f(α 1 x α k x k ) = α 1 f(x 1 )+...+α k f(x k ). Insbesondere: Ist x 1,...,x n eine Basis des Vektorraums, so ist die lineare Abbildung f auf ganz X durch die Werte f(x 1 ),...,f(x n ) festgelegt.
17 Isomorphe Vektorräume Zwei Vektorräume X und Y heißen isomorph, wenn es eine bijektive lineare Abbildung f : X Y gibt.
18 Isomorphe Vektorräume Zwei Vektorräume X und Y heißen isomorph, wenn es eine bijektive lineare Abbildung f : X Y gibt. Die Umkehrabbildung einer bijektiven linearen Abbildung ist ebenfalls linear: Sei f(x 1 ) = y 1 und f(x 2 ) = y 2. Dann f(x 1 +x 2 ) = y 1 +y 2 f 1 (y 1 +y 2 ) = x 1 +x 2 = f 1 (y 1 )+f 1 (y 2 ).
19 Isomorphe Vektorräume Zwei Vektorräume X und Y heißen isomorph, wenn es eine bijektive lineare Abbildung f : X Y gibt. Die Umkehrabbildung einer bijektiven linearen Abbildung ist ebenfalls linear: Sei f(x 1 ) = y 1 und f(x 2 ) = y 2. Dann f(x 1 +x 2 ) = y 1 +y 2 f 1 (y 1 +y 2 ) = x 1 +x 2 = f 1 (y 1 )+f 1 (y 2 ). Für die Skalarmultiplikation geht das genauso.
20 Isomorphe Vektorräume lassen sich daher, soweit es die lineare Struktur betrifft, nicht voneinander unterscheiden: x = αx 1 +βx 2 f(x) = αf(x 1 )+βf(x 2 ).
21 Endlichdimensionale Räume Satz Jeder endlich dimensionale Vektorraum X über à ist zu einem à n isomorph.
22 Endlichdimensionale Räume Satz Jeder endlich dimensionale Vektorraum X über à ist zu einem à n isomorph. Beweis Sei x 1,...,x n eine Basis von X. Für x X gibt es eindeutige α 1,...,α n à mit x = α 1 x α n x n = n α i x i. i=1
23 Endlichdimensionale Räume Satz Jeder endlich dimensionale Vektorraum X über à ist zu einem à n isomorph. Beweis Sei x 1,...,x n eine Basis von X. Für x X gibt es eindeutige α 1,...,α n à mit x = α 1 x α n x n = n α i x i. i=1 Die Abbildung f : X à n, x (α 1,...,α n ) ist offenbar bijektiv (klar) und linear:
24 Beweis f : X Ã n, x (α 1,...,α n )
25 Beweis f : X Ã n, x (α 1,...,α n ) Ist so x = n α i x i, y = i=1 n β i x i, i=1 f(x + y) = (α 1 +β 1,...,α n +β n ) = (α 1,...,α n )+(β 1,...,β n ) = f(x)+f(y)
26 Beweis f : X Ã n, x (α 1,...,α n ) Ist so x = n α i x i, y = i=1 n β i x i, i=1 f(x + y) = (α 1 +β 1,...,α n +β n ) = (α 1,...,α n )+(β 1,...,β n ) = f(x)+f(y) Skalarmultiplikation geht genauso.
27 Beispiel 1 Sei c 00 der Raum der endlichen Folgen über Ã, die durch Anfügen von Nullen zu einer unendlichen Folge fortgesetzt werden.
28 Beispiel 1 Sei c 00 der Raum der endlichen Folgen über Ã, die durch Anfügen von Nullen zu einer unendlichen Folge fortgesetzt werden. Jedes Element von c 00 ist also von der Form n(x) x = (x 1,...,x n(x), 0, 0,...) = x i e i. i=1
29 Beispiel 1 Sei c 00 der Raum der endlichen Folgen über Ã, die durch Anfügen von Nullen zu einer unendlichen Folge fortgesetzt werden. Jedes Element von c 00 ist also von der Form n(x) x = (x 1,...,x n(x), 0, 0,...) = x i e i. Damit ist c 00 abzählbar unendlich dimensional mit Basis {e i } i Æ. i=1
30 Beispiel 2 Es gilt der Satz, dass jeder Vektorraum eine Basis besitzt. Der Beweis ist aber nicht konstruktiv. Im Allgemeinen kann man bei einem unendlich dimensionalen Raum die Basis nicht angeben. Beispiel 1 zeigt daher eher die Ausnahme.
31 Beispiel 2 Es gilt der Satz, dass jeder Vektorraum eine Basis besitzt. Der Beweis ist aber nicht konstruktiv. Im Allgemeinen kann man bei einem unendlich dimensionalen Raum die Basis nicht angeben. Beispiel 1 zeigt daher eher die Ausnahme. X bestehe aus den Abbildungen f : Ê Ê. Diese kann man addieren, (f + g)(x) = f(x)+g(x), und mit reellen Zahlen multiplizieren, (αf)(x) = αf(x).
32 Beispiel 2 Es gilt der Satz, dass jeder Vektorraum eine Basis besitzt. Der Beweis ist aber nicht konstruktiv. Im Allgemeinen kann man bei einem unendlich dimensionalen Raum die Basis nicht angeben. Beispiel 1 zeigt daher eher die Ausnahme. X bestehe aus den Abbildungen f : Ê Ê. Diese kann man addieren, (f + g)(x) = f(x)+g(x), und mit reellen Zahlen multiplizieren, (αf)(x) = αf(x). X ist daher Vektorraum über Ê. Eine Basis existiert, lässt sich aber nicht explizit angeben.
33 Lineare Algebra Theoretisch besteht die Lineare Algebra aus dem Studium der Vektorräume und der linearen Abbildungen.
34 Lineare Algebra Theoretisch besteht die Lineare Algebra aus dem Studium der Vektorräume und der linearen Abbildungen. Die Hauptuntersuchungsmethode ist dabei die Basisdarstellung der Vektoren. Wie oben gezeigt, klappt das sicher nur bei endlich dimensionalen Räumen.
35 Lineare Algebra Theoretisch besteht die Lineare Algebra aus dem Studium der Vektorräume und der linearen Abbildungen. Die Hauptuntersuchungsmethode ist dabei die Basisdarstellung der Vektoren. Wie oben gezeigt, klappt das sicher nur bei endlich dimensionalen Räumen. Praktisch werden daher nur endlich dimensionale Räume behandelt.
36 Matrixdarstellung einer linearen Abbildung Sei f : à n à m linear. Wir nehmen die kanonische Basis e 1,...,e n von à n und entwickeln die Werte f(e i ) nach der kanonischen Basis e 1,...,e m von à m f(e j ) = m a ij e i. i=1
37 Matrixdarstellung einer linearen Abbildung Sei f : à n à m linear. Wir nehmen die kanonische Basis e 1,...,e n von à n und entwickeln die Werte f(e i ) nach der kanonischen Basis e 1,...,e m von à m f(e j ) = m a ij e i. i=1 Die a ij stellen wir als Matrix zusammen a a 1n A =.. = (a ij ) i=1,...,m, j=1,...,n à m n. a m1... a mn
38 Matrixdarstellung einer linearen Abbildung Für folgt x = (x 1,...,x n ) = ( n ) f(x) = f x j e j = = n j=1 m j=1 i=1 n x j e j j=1 n x j f(e j ) j=1 a ij x j }{{} Zeile Spalte e i = Ax.
39 Matrix-Multiplikation Um f(x) = Ax zu bekommen, wird die Multiplikation Matrix Vektor so definiert, wie sie definiert ist.
40 Matrix-Multiplikation Um f(x) = Ax zu bekommen, wird die Multiplikation Matrix Vektor so definiert, wie sie definiert ist. Gleiches gilt für die Multiplikation zweier Matrizen: Sie soll die Komposition zweier linearer Abbildungen darstellen.
41 Matrix-Multiplikation Um f(x) = Ax zu bekommen, wird die Multiplikation Matrix Vektor so definiert, wie sie definiert ist. Gleiches gilt für die Multiplikation zweier Matrizen: Sie soll die Komposition zweier linearer Abbildungen darstellen. Seien f : à m à l und g : à n à m mit Matrixdarstellungen A à l m von f und B à m n von g, also f(y) = ij a ij y j e i, g(x) = kl b kl x l e k, mit {e i }=Basis von Ãl, {e i }=Basis von Ãm.
42 Matrix-Multiplikation Damit gilt ( ) f(g(x)) = f b kl x l e k = kl kl b kl x l f(e k ) = kli b kl x l a ik e i = kli a ik b }{{ kl x } l e i = ABx. Zeile Spalte
43 Folgerungen Das Hintereinanderschalten von allgemeinen Abbildungen ist assoziativ. Insbesondere gilt das für lineare Abbildungen. Daher ist auch das Matrizenprodukt assoziativ (AB)C = A(BC).
44 Folgerungen Das Hintereinanderschalten von allgemeinen Abbildungen ist assoziativ. Insbesondere gilt das für lineare Abbildungen. Daher ist auch das Matrizenprodukt assoziativ (AB)C = A(BC). Jede lineare Abbildung f : à n à m ist eindeutig bestimmt durch ihre Matrix A à m n. Daher dim{f : à n à m linear} = dim à m n = mn.
45 Der Dualraum Ist X ein Vektorraum über Ã, so ist der (algebraische) Dualraum X definiert durch X = {f : X Ã : f ist linear}.
46 Der Dualraum Ist X ein Vektorraum über Ã, so ist der (algebraische) Dualraum X definiert durch X = {f : X à : f ist linear}. Ist X endlich dimensional, so können wir auch gleich den à n nehmen. Nach dem letzten Frame ist dann X isomorph zu à n. Wir setzen f(e i ) = y i. Es gilt dann f(x) = n y i x i. i=1
47 Der Dualraum Ist X ein Vektorraum über Ã, so ist der (algebraische) Dualraum X definiert durch X = {f : X à : f ist linear}. Ist X endlich dimensional, so können wir auch gleich den à n nehmen. Nach dem letzten Frame ist dann X isomorph zu à n. Wir setzen f(e i ) = y i. Es gilt dann f(x) = n y i x i. i=1 Als Isomorphismus kann man dann f y à n nehmen.
48 Der Dualraum von c 00 c 00 war der Raum der endlichen Folgen, die durch Anfügen von Nullen zu einer unendlichen Folge aufgeblasen werden.
49 Der Dualraum von c 00 c 00 war der Raum der endlichen Folgen, die durch Anfügen von Nullen zu einer unendlichen Folge aufgeblasen werden. Da die e i eine Basis bilden, können wir wieder f(e i ) = y i setzen und erhalten für f X die Darstellung f(x) = y i x i. i=1
50 Der Dualraum von c 00 c 00 war der Raum der endlichen Folgen, die durch Anfügen von Nullen zu einer unendlichen Folge aufgeblasen werden. Da die e i eine Basis bilden, können wir wieder f(e i ) = y i setzen und erhalten für f X die Darstellung f(x) = y i x i. i=1 Die Summe braucht nur über die endlich vielen Indizes erstreckt zu werden, für die x i 0 gilt.
51 Der Dualraum von c 00 c 00 war der Raum der endlichen Folgen, die durch Anfügen von Nullen zu einer unendlichen Folge aufgeblasen werden. Da die e i eine Basis bilden, können wir wieder f(e i ) = y i setzen und erhalten für f X die Darstellung f(x) = y i x i. i=1 Die Summe braucht nur über die endlich vielen Indizes erstreckt zu werden, für die x i 0 gilt. X ist daher isomorph zum Raum aller Zahlenfolgen.
52
12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen
12 Lineare Algebra - Übersicht Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn
Mehr1 Lineare Vektorräume
1 Lineare Vektorräume 1.1 Der Raum à n Sei ÃeinKörper.DerRaum à n bestehtausn-tupelnin Ã,diespaltenweise angeordnet werden x 1 x 2 u =., x i Ã. x n Um weniger Platz zu verbrauchen, schreiben wir dafür
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
MehrLösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3
MehrAddition: ( 1 ; : : : ; n ) + ( 1 ; : : : ; n ) = ( ; : : : ; n + n ). Skalare Multiplikation: ( 1 ; : : : ; n ) = ( 1 ; : : : ; n ). II. Die Me
x 3 VEKTOR AUME In Kapitel 2 betrachteten wir wichtige Raume, die durch unsere Raumvorstellung motiviert waren { die zwei- und dreidimensionalen Raume R 2 und R 3. Jetzt untersuchen wir hoher dimensionale
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
Mehr6.5 Lineare Abhängigkeit, Basis und Dimension
6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von
Mehr3 Moduln. Analogon zu K-Vektorräumen, aber statt über einem Körper, über einem Ring definiert.
3 Moduln Analogon zu K-Vektorräumen, aber statt über einem Körper, über einem Ring definiert. Beispiele: (1) (Z n, +, (Z, )), wobei (Z, ) Skalarmultiplikation. k (a 1,...,a n )=(ka 1,...,ka n )inz. (2)
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzugen zur Vorlesung: Der Vollständigkeit
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,
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 6. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November, 7 Vektoräume Eine Menge E zusammen mit zwei Verknüpfungen + : E E E, x, y x + y Addition : E E E,
MehrIn diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,
2 Vektorräume In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa Unterraum, Linearkombination, lineare Unabhängigkeit und Erzeugendensystem.
Mehr2.4 Lineare Abbildungen und Matrizen
24 Lineare Abbildungen und Matrizen Definition 24 Seien V, W zwei K-Vektorräume Eine Abbildung f : V W heißt lineare Abbildung (lineare Transformation, linearer Homomorphismus, Vektorraumhomomorphismus
MehrVektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)
Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz
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,
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
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
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
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,
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
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
MehrLineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich
Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,
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
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
MehrLineare Abbildungen und Orthonormalsysteme
KAPITEL Lineare Abbildungen und Orthonormalsysteme. Lineare Abbildungen und Koordinatendarstellungen.. Lineare Abbildungen und ihre Basisdarstellung. Seien V, W Vektorraume uber R. Mit einer Abbildung
MehrZusammenfassung Analysis 2
Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge
Mehr6. f : Abb(R, R) R mit ϕ f(ϕ) := ϕ(1) Hinweis:f :V W über K bedeutet Abbildung f zwischen den Vektorräumen V und W über demselben
Aufgabe 74. Untersuchen Sie die folgenden Abbildungen auf Linearität. 1. f : R 2 R 2 mit (x, y) f(x, y) := (3x + 2y, x) 2. f : R R mit x f(x) := ϑx + ζ für feste ϑ, ζ R 3. f : Q 2 R mit (x, y) f(x, y)
Mehr5.5 Abstrakter Vektorraum
118 Kapitel 5 Lineare Algebra 55 Abstrakter Vektorraum Für die Vektoraddition und die Multiplikation von Vektoren mit Skalaren im zweioder dreidimensionalen euklidischen Raum gelten bestimmte Rechengesetze,
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
MehrV. Lineare Algebra. 35 Lineare Abbildungen und Matrizen. 156 V. Lineare Algebra
156 V. Lineare Algebra V. Lineare Algebra 35. Lineare Abbildungen und Matrizen 156 36. Eigenwerte und Eigenvektoren 161 37. Hauptvektoren 165 38. Normen und Neumannsche Reihe 168 39. Numerische Anwendungen
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
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
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
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
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,...,
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
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
MehrKapitel II. Vektoren und Matrizen
Kapitel II. Vektoren und Matrizen Vektorräume A Körper Auf der Menge R der reellen Zahlen hat man zwei Verknüpfungen: Addition: R R R(a, b) a + b Multiplikation: R R R(a, b) a b (Der Malpunkt wird oft
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
Mehr4. Vektorräume und Gleichungssysteme
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 41 und 42 4 Vektorräume
MehrKapitel 7 Lineare Abbildungen und Matrizen II
Kapitel 7 Lineare Abbildungen und Matrizen II 7.1 Weitere Rechenregeln für Matrizen Aus den bisher gelernten Regeln entnehmen wir den als Übung zu beweisenden Satz 7.1. Es gelten die folgenden Regeln.
Mehr11 Komplexe Zahlen. Themen: Der Körper der komplexen Zahlen Die Mandelbrot-Menge Der Fundamentalsatz der Algebra
11 Komplexe Zahlen Themen: Der Körper der komplexen Zahlen Die Mandelbrot-Menge Der Fundamentalsatz der Algebra Addition ebener Vektoren Sei Ê 2 = {(x, y) : x, y Ê}. Ê 2 können wir als Punkte in der Ebene
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
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
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
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 +
MehrVektorräume und lineare Abbildungen
Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten
Mehrauf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a
x LINEARE ABBILDUNGEN Denition: Seien V; V Vektorraume Eine Abbildung f heit linear, falls (i) (ii) f(x + y) f(x) + f(y) (x; y V ) f(x) f(x) ( R; x V ) Bemerkungen: I (i) und (ii) oben sind aquivalent
Mehr2.4 Matrizen und Lineare Abbildungen
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 73 2.4 Matrizen und Lineare Abbildungen Zum Schluss von Abschnitt 2.2 hatten wir Matrizen eingeführt, und zwar im Zusammenhang mit der abgekürzten Schreibweise
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
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
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Matrizen als lineare Abbildungen, Permutationen
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 2/7 Lösungen Blatt 2 3..2 Matrizen als lineare Abbildungen, Permutationen Zentralübungsaufgaben
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
MehrMATRIZEN. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2...
MATRIZEN Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn A ist eine m n Matrix, dh: A hat m Zeilen und n Spalten A besitzt
MehrMusterlösung zur Klausur Lineare Algebra I
Musterlösung zur Klausur Lineare Algebra I Aufgabe Version A 5 Punkte: Welche der folgenden Aussagen sind wahr bzw. falsch? Setzen Sie in jeder Zeile genau ein Kreuz. Für jede korrekte Antwort erhalten
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
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
MehrBeweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt.
82 Kapitel III: Vektorräume und Lineare Abbildungen Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt. Wir
MehrChr.Nelius: Lineare Algebra (SS 2008) 1. 4: Matrizenrechnung. c ik := a ik + b ik. A := ( a ik ). A B := A + ( B). ist A =
Chr.Nelius: Lineare Algebra SS 28 4: Matrizenrechnung 4. DEF: a Die Summe A + B zweier m n Matrizen A a ik und B b ik ist definiert als m n Matrix C c ik, wobei c ik : a ik + b ik für alle i, 2,..., m
Mehr11. BASIS, UNTERRAUM, und DIMENSION
11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen
MehrMatrix. Unter einer (m n)-matrix (m, n N) über einem Körper K versteht man ein Rechteckschema. a m,1 a m,2 a m,n. A = (a i,j ) = Matrix 1-1
Matrix Unter einer (m n)-matrix (m, n N) über einem Körper K versteht man ein Rechteckschema a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = (a i,j ) =.... a m,1 a m,2 a m,n Matrix 1-1 Matrix Unter einer (m n)-matrix
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
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrMusterlösung 7 Lineare Algebra für die Naturwissenschaften
Musterlösung 7 Lineare Algebra für die Naturwissenschaften Aufgabe Entscheiden Sie, ob folgende Abbildungen linear sind, und geben sie für die linearen Abbildungen eine Matrixdarstellung (in einer Basis
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
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 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.
Mehr3. Funktionen. 3.1 Grundbegriffe [Kö 4.1; Sch-St 4.3]
13 3. Funktionen 3.1 Grundbegriffe [Kö 4.1; Sch-St 4.3] Definition 1. A und B seien Mengen. a Eine Abbildung (oder Funktion f von A nach B (Schreibweise: f: A B ist eine Vorschrift, die jedem x A genau
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 03.12.2013 Alexander Lytchak 1 / 16 Wiederholung und Beispiele Der Spaltenrang einer Matrix ist gleich ihrem Zeilenrang.
MehrÊ 2 = {(x, y) : x, y Ê}.
Komplee Zahlen.1 Der Körper der kompleen Zahlen Sei Ê = {(, y :, y Ê}. Ê können wir als Punkte in der Ebene oder als Vektoren mit Komponenten und y auffassen. Für (, y, (, y Ê definieren wir die Summe
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
MehrVektorräume. Kapitel Definition und Beispiele
Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte
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.
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
MehrÜbungsklausur Lineare Algebra
Übungsklausur Lineare Algebra Sommersemester 2010 Johannes Gutenberg-Universität Mainz Diese Übungsklausur ist sehr lang (gut zum Üben). In der richtigen Klausur finden Sie eine Multiple Choice aufgabe
MehrVektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:
Mehr2.5 Gauß-Jordan-Verfahren
2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]
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,
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
MehrÜbungen zur Linearen Algebra 1 Probeklausur Musterlösung: Aufgabe A
Musterlösung: Aufgabe A Wir betrachten die Matrix A = 1 4 1 1 3 1 4 5 2 M(3 3, Q) und die dazugehörige Abbildung f : Q 3 Q 3 ; v A v. Für j = 1, 2, 3 bezeichne v j Q 3 die j-te Spalte von A. Teilaufgabe
MehrUnterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer
Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie Sommersemester 2009 Franz Pauer INSTITUT FÜR MATHEMATIK, UNIVERSITÄT INNSBRUCK, TECHNIKERSTRASSE 13, 6020
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
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
MehrKlausur zur Vorlesung Lineare Algebra und Geometrie I
Klausur zur Vorlesung Lineare Algebra und Geometrie I Ruhr-Universität Bochum Prof. Dr. Peter Eichelsbacher 3. April 2007, 9.00-13.00 Uhr, 240 Minuten Name und Geburtsdatum: Matrikelnummer: Hinweise: Überprüfen
MehrDer Rangsatz für lineare Abbildungen
Der Rangsatz für lineare Abbildungen Satz Sei f : V W eine lineare Abbildung Dann gilt dim V = dim Kern(f) + dim Bild(f), also gleichbedeutend dim Kern(f) = dim V rg(f) Da uns in der Regel bei gegebenem
MehrProf. Dr. Markus Reineke Dr. Anna-Louise Grensing. Musterlösung zur Klausur zur Linearen Algebra I
Prof. Dr. Markus Reineke Dr. Anna-Louise Grensing Musterlösung zur Klausur zur Linearen Algebra I 1 Aufgabe 1: (8 Punkte) Entscheiden Sie, ob die folgenden Aussagen wahr oder falsch sind: Aussage wahr
Mehr5. Vektorräume. 5.1 Grundbegriffe, Untervektorräume
5 Vektorräume Die lineare Algebra ist die Theorie der Vektorräume Vektoren und Vektorräume treten in vielfacher Gestalt und in vielen Anwendungen auf Sowohl die Technik, als auch die theoretische Physik
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
Mehr13 Partielle Ableitung und Richtungsableitung
3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 74 3 Partielle Ableitung und Richtungsableitung 3 Definition und Notiz Sei B R n offen, f : B R m, v R n, so heißt für γ x,v (t) = x + tv d dt f(x + tv) f(x)
Mehr1 Mengen und Abbildungen
1 MENGEN UND ABBILDUNGEN 1 1 Mengen und Abbildungen Wir starten mit einigen einführenden Definitionen und Ergebnissen aus der Theorie der Mengen und Abbildungen, die nicht nur Grundlage der Linearen Algebra
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
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
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
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
MehrLineare Abbildungen. i=0 c ix i n. K n K m
Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Hier
MehrAufgabe 1. Die ganzen Zahlen Z sind ein R-Vektorraum bezüglich der gewöhnlichen Multiplikation in R.
Aufgabe Die ganzen Zahlen Z sind ein Q-Vektorraum bezüglich der gewöhnlichen Multiplikation in Q. Die reellen Zahlen R sind ein Q-Vektorraum bezüglich der gewöhnlichen Multiplikation in R. Die komplexen
Mehr