10.2 Linearkombinationen
|
|
- Inken Gärtner
- vor 6 Jahren
- Abrufe
Transkript
1 147 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 des Vektorraums bedeutet die Skalarmultiplikation dann Multiplikation mit einer komplexen Zahl k (anstelle einer reellen Zahl k. Das typische Beispiel eines komplexen Vektorraums ist die Menge C n der Vektoren mit Komponenten z 1,...,z n in C. Komplexe Vektorräume treten zum Beispiel in der Quantenmechanik auf oder als Lösungsmengen von homogenen linearen Gleichungssystemen mit Koeffizienten in den komplexen Zahlen. 1.2 Linearkombinationen Im Folgenden beschränken wir uns auf Vektorräume, die Teilmengen von R n sind (zur Veranschaulichung kann dabei stets n = 2 oder 3 gewählt werden. Jedoch können alle hier gemachten Aussagen von R n auf einen beliebigen reellen (oder komplexen Vektorraum übertragen werden. Gegeben sind Vektoren v 1,..., v r in R n. Ein Vektor w in R n ist eine Linearkombination der Vektoren v 1,..., v r, wenn es reelle Zahlen c 1,...,c r gibt, so dass w geschrieben werden kann als w = c 1 v 1 + +c r v r. Die Zahlen c 1,...,c r nennt man Koeffizienten. Beispiel Ist der Vektor w = ( 5 6 eine Linearkombination von v 1 = ( 1 2 und v 2 = ( 2? Die Antwort ist ja, denn w = 3 v 1 + v 2. Nun sei V die Menge aller Linearkombinationen der Vektoren v 1,..., v r in R n. Dann ist V ein Vektorraum in R n. Man schreibt V = v 1,..., v r (oder V = Lin( v 1,..., v r oder V = span( v 1,..., v r. Man sagt auch, dass v 1,..., v r den Vektorraum V aufspannen oder erzeugen.
2 148 Beispiele Gegeben sind die Vektoren v 1 = ( 1 1, v 2 = ( 1 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 }. ( 2 ( 1, v 3 = und v 4 = Also ist V 1 die Gerade durch den Ursprung mit Richtungsvektor v Sei V 2 = v 1, v 2 der von den Vektoren v 1 und v 2 aufgespannte Vektorraum. Das heisst, V 2 = { c 1 v 1 +c 2 v 2 c 1,c 2 R }. Insbesondere sind e 1 = 1 2 v v 2 und e 3 = 1 2 v v 2 in V 2. Der Vektorraum V 2 ist also die xz-ebene. 3. Sei V 3 = v 1, v 2, v 3. Der Vektor v 3 ist eine Linearkombination der Vektoren v 1 und v 2, v 3 = v 1 + v 2 Also ist v 3 V 2 und damit ist V 3 = V 2 = v 1, v 2.
3 Sei V 4 = v 1, v 2, v 4. Nun ist v 4 keine Linearkombination der Vektoren v 1 und v 2. Da v 4 = e 2, sehen wir sofort, dass V 4 = R 3. Man möchte nun einen Vektorraum V = v 1,..., v r in R n mit möglichst wenigen Vektoren erzeugen. Wir haben im 3. Beispiel gesehen, dass man einen Vektor v i weglassen kann, wenn man ihn als Linearkombination der anderen Vektoren schreiben kann. Man nennt für r 2 die Vektoren v 1,..., v r in R n linear abhängig, wenn sich einer der r Vektoren als Linearkombination der anderen r 1 Vektoren schreiben lässt. Ist dies nicht möglich, dann nennt man die Vektoren v 1,..., v r linear unabhängig. Beispiel ( 2 1 ( 12 ( 7 1 Sind die Vektoren v 1 =, v 2 = und v 3 = linear abhängig? 5 5 Wie überprüft man aber nun, dass gewisse Vektoren linear unabhängig sind? Dazu benutzt man eine äquivalente Definition von linear (un-abhängig. Und zwar sind die Vektoren v 1,..., v r in R n linear unabhängig, falls die Gleichung nur die (triviale Lösung c 1 v 1 + +c r v r = c 1 = c 2 = = c r = hat. Andernfalls nennt man v 1,..., v r linear abhängig. Beschränken wir uns jedoch auf Vektoren in R 2 und R 3, dann kann die Frage nach der linearen (Un-Abhängigkeit mit Hilfe von geometrischen Betrachtungen beantwortet werden. Vektoren in R 2 2 Vektoren sind linear abhängig einer ist ein Vielfaches des anderen sie liegen auf der gleichen Geraden durch den Ursprung
4 15 3 oder mehr Vektoren sind stets linear abhängig. Machen wir nämlich den Ansatz c 1 v 1 +c 2 v 2 +c 3 v 3 = für die drei Vektoren v 1, v 2, v 3 in R 2, dann ist dies ein homogenes lineares Gleichungssystem mit 2 Gleichungen in den 3 Unbekannten c 1, c 2, c 3. Nach Satz 8.2 hat dieses unendlich viele Lösungen, insbesondere eine nichttriviale Lösung. Vektoren in R 3 2 Vektoren sind linear abhängig einer ist ein Vielfaches des anderen sie liegen auf der gleichen Geraden durch den Ursprung 3 Vektoren sind linear abhängig sie liegen auf der gleichen Ebene durch den Ursprung z z u u v y v y w w linear abhängige Vektoren linear unabhängige Vektoren x x 4 und mehr Vektoren sind stets linear abhängig Die letzte Aussage bei Vektoren in R 2 und R 3 gilt allgemeiner. Satz 1.1 Seien v 1,..., v r Vektoren in R n. Ist r > n, dann sind v 1,..., v r linear abhängig. Begründen kann man dies wie in R 2 mit Hilfe von Satz 8.2 über homogene lineare Gleichungssysteme (man hat n Gleichungen und r > n Unbekannte. Wie können wir konkret überprüfen, ob drei Vektoren in R 3 linear unabhängig sind oder nicht? Nun, drei Vektoren v 1, v 2, v 3 in R 3 spannen genau dann ein Parallelepiped auf, wenn sie linear unabhängig sind (d.h. nicht in einer Ebene liegen. In diesem Fall (und nur in diesem ist das Volumen dieses Parallelepipeds eine Zahl ungleich Null. Wir haben gesehen, dass dieses Volumen gleich det(a ist, wenn A die 3 3-Matrix mit den Spaltenvektoren v 1, v 2, v 3 ist. Es gilt also: Auch dies gilt allgemeiner. v 1, v 2, v 3 linear unabhängig det(a
5 151 Satz 1.2 Seien v 1,..., v n Vektoren in R n und A die n n-matrix mit v 1,..., v n als Spaltenvektoren. Dann gilt Beispiele v 1,..., v n linear unabhängig det(a 1. Sind die Vektoren v 1 = ( 2 3 und v2 = ( 1 8 linear abhängig? ( 1 2 ( 2 ( 1 2. Sind die Vektoren v 1 =, v 2 = und v 3 = linear abhängig? Basis und Dimension Im letzten Abschnitt haben wir versucht, einen Vektorraum mit so wenigen Vektoren wie möglich zu erzeugen. Wird ein Vektorraum V = v 1,..., v r in R n mit linear abhängigen Vektoren v 1,..., v r erzeugt, so kann mindestens ein Vektor (derjenige, der sich als Linearkombination der anderen schreiben lässt weggelassen werden, ohne dass sich der Vektorraum V verkleinert. Optimal ist also, einen Vektorraum mit linear unabhängigen Vektoren zu erzeugen. Man nennt diese Vektoren dann eine Basis des Vektorraums. Vektoren v 1,..., v n bilden also eine Basis eines Vektorraums V, wenn sie die folgenden zwei Bedingungen erfüllen: (1 V = v 1,..., v n, das heisst, v 1,..., v n erzeugen V (2 v 1,..., v n sind linear unabhängig Man nennt v 1,..., v n Basisvektoren von V. Basen sind wegen der folgenden Tatsache sehr wichtig und nützlich. Satz 1.3 Bilden v 1,..., v n eine Basis des Vektorraums V, so kann jeder Vektor v in V eindeutig geschrieben werden als mit reellen Zahlen c 1,...,c n. v = c 1 v 1 + +c n v n
6 152 Basen von R 2 In Kapitel 7 haben wir bemerkt, dass die Schreibweise v = ( 1 v 2 bedeutet ( ( 1 v = v 1 +v 2 = v 1 1 e 1 +v 2 e 2. Die beiden Vektoren e 1 und e 2 bilden eine Basis von R 2, die sogenannte Standardbasis. Die Vektoren e 1 und e 2 spannen den ganzen Raum R 2 auf, denn wie gerade gezeigt ist jedes v in R 2 als Linearkombination von e 1 und e 2 schreibbar. Zudem sind e 1 und e 2 linear unabhängig. Ebensogut könnte man jedoch die Vektoren u 1 = ( 1 1 und u 2 = ( 1 1 als Basis des R 2 wählen. Denn jeder Vektor v = ( v 1 v 2 von R 2 lässt sich als Linearkombination von u 1 und u 2 schreiben v = 1 2 (v 1 +v 2 u (v 1 v 2 u 2. Das heisst, die Vektoren u 1 und u 2 erzeugen R 2. Zudem sind u 1 und u 2 linear unabhängig. Die Wahl einer Basis von R 2 (bzw. R n ist nichts anderes als die Wahl eines Koordinatensystems für R 2 (bzw. R n. Die Richtungen der Basisvektoren definieren die positiven Koordinatenachsen und ihre Längen legen die Masseinheiten fest. Können drei Vektoren in R 2 eine Basis für R 2 bilden? Nein, denn drei Vektoren in R 2 sind stets linear abhängig (Satz 1.1. Kann ein einziger Vektor in R 2 eine Basis für R 2 sein? Nein, denn ein einzelner Vektor spannt nur eine Gerade auf, der R 2 ist jedoch eine Ebene. Es folgt, dass eine Basis für R 2 immer aus zwei Vektoren besteht. Satz 1.4 Hat ein Vektorraum endlich viele Basisvektoren, so ist die Anzahl der Basisvektoren für alle Basen gleich. Die Anzahl der Basisvektoren hängt also nur vom Vektorraum V ab. Man nennt diese Anzahl die Dimension von V und schreibt dim(v. Man legt zusätzlich fest, dass dim({ } =. Der Vektorraum R 2 hat also die Dimension 2.
7 153 Basen von R 3 Schon in Kapitel 7 haben wir festgehalten, dass die Schreibweise v = 1 v = v 1 +v 2 1 +v 3 = v 1 e 1 +v 2 e 2 +v 3 e 3. 1 ( v1 2 bedeutet v 3 Die Vektoren e 1, e 2 und e 3 bilden die sogenannte Standardbasis von R 3. Die Dimension von R 3 ist also 3. Wie für R 2 können wir auch andere Basisvektoren für R 3 wählen. Wir wissen mit Satz 1.4, dass eine Basis immer aus drei Vektoren besteht. Mit Hilfe der Determinante können wir schnell feststellen, ob drei gegebene Vektoren in R 3 linear unabhängig sind oder nicht. Ob die drei Vektoren auch den ganzen Raum R 3 erzeugen, ist mühsamer einzusehen (lineares Gleichungssystem lösen. Dank des folgenden Satzes bleibt uns dieser letzte Punkt jedoch erspart. Satz 1.5 Sei V ein n-dimensionaler Vektorraum und v 1,..., v n Vektoren in V. Dann gilt Beispiele v 1,..., v n bilden eine Basis von V v 1,..., v n = V v 1,..., v n sind linear unabhängig 1. Bilden die Vektoren v 1 = ( 2 4 und v 2 = ( 3 5 eine Basis von R2? ( 2. Welche Dimension hat der Vektorraum V = v 1, v 2, v 3 von R 3 1 ( 1 1 mit v 1 = 2, v 2 = 1 3 und v 3 =? ( 5 8 3
8 154 Standardbasis von R n Analog zu R 2 und R 3 hat R n für beliebige n in N die Standardbasis 1 1 e 1 =, e 2 =,..., e n = Es gilt also dim(r n = n. Die Vektorräume R n und alle darin enthaltenen Vektorräume sind alles Beispiele von endlich-dimensionalen Vektorräumen, das heisst von Vektorräumen mit endlich vielen Basisvektoren. Hat eine Basis eines Vektorraums V unendlich viele Vektoren, so nennt man V unendlich-dimensional. Zum Beispiel ist der Vektorraum aller reellen Funktionen unendlichdimensional. 1.4 Anwendungen auf Matrizen und lineare Gleichungssysteme Mit Hilfe der neuen Erkenntnisse über Vektorräume können wir sowohl den Rang einer Matrix als auch die freien Parameter des Lösungsraums eines linearen Gleichungssystems besser verstehen. Der Rang einer Matrix SeiAeinem n-matrix. DiemZeilenvektoren sindvektoreninr n undspannendeshalbeinen Vektorraum in R n auf, den sogenannten Zeilenraum. Nun gilt der folgende Zusammenhang mit dem Rang rg(a der Matrix A: rg(a = maximale Anzahl linear unabhängiger Zeilenvektoren = Dimension des Zeilenraums Bringen wir nämlich die Matrix A auf Zeilenstufenform, dann ersetzen wir bei einer elementaren Zeilenumformung eine Zeile durch eine Linearkombination dieser Zeile mit einer anderen; das heisst, der Zeilenraum wird dabei nicht verändert. Die Nichtnullzeilen in der Zeilenstufenform sind schliesslich linear unabhängig (wegen den Nullen unten links. Betrachten wir nun die Spaltenvektoren der Matrix A. Die n Spaltenvektoren sind Vektoren in R m, spannen deshalb einen Vektorraum in R m auf, den sogenannten Spaltenraum. Erstaunlicherweise spielt es überhaupt keine Rolle, ob wir die Zeilen oder die Spalten der Matrix A betrachten, um den Rang zu bestimmen. Satz 1.6 Es gilt: rg(a = maximale Anzahl linear unabhängiger Zeilenvektoren = maximale Anzahl linear unabhängiger Spaltenvektoren In anderen Worten: Die Dimension des Zeilenraums ist gleich der Dimension des Spaltenraums.
9 155 Beispiel Sei A = ( Der Rang einer Matrix ist also tatsächlich unabhängig vom Vorgehen, die Matrix auf Zeilenstufenform zu bringen. Dies war in Kapitel 8 (Seite 127 noch unklar. An dieser Stelle wollen wir einmal zusammenfassen, was der Rang einer n n-matrix alles aussagt. Satz 1.7 Sei A eine n n-matrix. Dann gilt: rg(a = n A ist invertierbar det(a die Spaltenvektoren sind linear unabhängig die Spaltenvektoren sind eine Basis von R n die Zeilenvektoren sind eine Basis von R n die Zeilenvektoren sind linear unabhängig Parameter der Lösungsmenge eines linearen Systems Sei A eine m n-matrix. Wir betrachten das homogene lineare Gleichungssystem A x = für x in R n. Seien x 1 und x 2 zwei Lösungen dieses Systems. Dann gilt, dass auch die Summe dieser beiden Lösungen eine Lösung ist und die Vielfachen dieser Lösungen auch Lösungen sind: In anderen Worten: Der Lösungsraum ist ein Vektorraum in R n!
10 156 Satz 1.8 Sei A eine m n-matrix. Dann ist die Lösungsmenge von A x = ein Vektorraum in R n der Dimension k = n rg(a. Das heisst, es gibt k linear unabhängige Vektoren x 1,..., x k, so dass jede Lösung x eindeutig geschrieben werden kann als für t 1,...,t k in R. x = t 1 x 1 + +t k x k Die reellen Zahlen t 1,...,t k sind die Parameter der Lösung. Die Vektoren x 1,..., x k sind eine Basis des Lösungsraums. Geometrisch gesehen kommen als Lösungsräume eines homogenen linearen Systems mit 3 Unbekannten also nur der Nullvektorraum { }, eine Gerade durch den Ursprung, eine Ebene durch den Ursprung oder der ganze Raum R 3 in Frage. Von Satz 8.3 wissen wir, dass die Lösungsmenge L(G eines allgemeinen linearen Systems A x = b von der Form L(G = x P +L(hG ist, wobei L(hG die Lösungsmenge des zugehörigen homogenen Systems ist. Der Raum L(G ist also ein um den Vektor x P verschobener Vektorraum. 1.5 Orthogonale Vektoren ( ( u 1 v 1 u1 v1 Seien u = und v = in R u 2 v 2, bzw. u = u 2 und v = v 2 in R 3. 2 u 3 v 3 Definition Das Skalarprodukt von u und v ist definiert durch u v = u 1 v 1 +u 2 v 2, bzw. u v = u 1 v 1 +u 2 v 2 +u 3 v 3. Man nennt dieses Produkt Skalarprodukt, weil das Ergebnis eine reelle Zahl, das heisst ein Skalar ist. Sei ϕ der (kleinere Zwischenwinkel von u und v (d.h. ϕ π. Dann gilt u v = u v cosϕ. Insbesondere stehen zwei Vektoren u und v senkrecht aufeinander (d.h. der Zwischenwinkel ist ein rechter Winkel, wenn u v =. Die Vektoren heissen in diesem Fall orthogonal. Man setzt fest, dass der Nullvektor senkrecht zu jedem Vektor steht. Satz 1.9 Es gilt u und v sind orthogonal u v =.
11 157 Beispiel Sind die Vektoren u = ( 1 3 und v = ( 6 2 orthogonal? Dieses Skalarprodukt kann man auf (Spalten-Vektoren u und v in R n erweitern. Sind u 1,...,u n und v 1,...,v n die Komponenten, dann definiert man u v = u T v = u 1 v 1 + +u n v n. Man nennt die Vektoren u und v orthogonal, wenn u v =. Satz 1.1 Für Vektoren u, v, w in R n und k R gilt: (i u v = v u (ii u ( v + w = u v + u w (iii k( u v = (k u v = u (k v (iv v v = v 2 und v v = v = Oftistespraktisch, einenvektor uineinenzueinemvorgegebenenvektor a parallelen und einen dazu senkrechten Summanden zu zerlegen. Der Vektor w 1 heisst Orthogonalprojektion von u auf a und wird mit proj a ( u bezeichnet. Der zweite Vektor ist dann gegeben durch w 2 = u w 1. Satz 1.11 Für Vektoren u und a in R n gilt proj a ( u = u a a 2 a. Beispiel Seien u = ( 3 1 und a = ( 4 2.
12 158 Wir haben gesehen, dass es viele verschiedene Basen für den Vektorraum R n gibt. Die Standardbasis e 1,..., e n zeichnet sich dadurch aus, dass die Vektoren alle die Länge 1 haben und je zwei Vektoren orthogonal zueinander sind. Manchmal ist es nützlich, eine andere Basis mit diesen beiden Eigenschaften zu verwenden. Sei V ein Vektorraum in R n. Definition Man nennt eine Basis v 1,..., v k eine Orthonormalbasis von V, wenn gilt (1 v 1,..., v k sind paarweise orthogonal und (2 v 1,..., v k haben die Länge 1. Beispiel Eine Orthonormalbasis von R 2 bilden die beiden Vektoren v 1 = 1 2 ( 1 1 und v 2 = 1 2 ( 1 1. Orthonormalbasen haben die folgende wichtige Eigenschaft. Satz 1.12 Sei v 1,..., v k eine Orthonormalbasis von V und v V beliebig. Dann gilt v = c 1 v 1 + +c k v k mit c i = v v i. Dies folgt sofort mit den Eigenschaften aus Satz 1.1. Definition Eine n n-matrix heisst orthogonal, wenn gilt A T A = AA T = E. Zum Beispiel ist die Matrix A = 1 ( orthogonal. Satz 1.13 Sei A eine orthogonale n n-matrix. Dann gilt (1 Die Spalten (bzw. Zeilen bilden eine Orthonormalbasis von R n. (2 A ist invertierbar und A 1 = A T. (3 det(a = ±1.
Vektorräume und Rang einer Matrix
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung
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
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein
MehrLineare Gleichungssysteme - Grundlagen
Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
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
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
MehrLösungen Serie 6 (Vektorräume, Skalarprodukt)
Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9
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
Mehr2.2 Kern und Bild; Basiswechsel
22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare
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
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
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
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
MehrLänge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren
Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(
MehrAnalytische Geometrie, Vektorund Matrixrechnung
Kapitel 1 Analytische Geometrie, Vektorund Matrixrechnung 11 Koordinatensysteme Eine Gerade, eine Ebene oder den Anschauungsraum beschreibt man durch Koordinatensysteme 111 Was sind Koordinatensysteme?
MehrAllgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.
Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische
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
Mehr1 0 1, V 3 = M, und λ A = λa
Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a
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
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
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
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
Mehr4.4. Rang und Inversion einer Matrix
44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
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
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
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
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
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
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
MehrLänge, Skalarprodukt, Vektorprodukt
Länge, Skalarprodukt, Vektorprodukt Jörn Loviscach Versionsstand: 20. April 2009, 19:39 1 Überblick Ein Vektorraum muss nur eine Minimalausstattung an Rechenoperationen besitzen: die Addition zweier Vektoren
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
MehrMathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7
Mathematik für Wirtschaftswissenschaftler im WS 203/4 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Aufgabe 27 Sei eine lineare Abbildung f : R 4 R 3 gegeben durch f(x, x 2, x 3 ) = (2 x 3 x 2
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
MehrVektoren. Jörn Loviscach. Versionsstand: 11. April 2009, 23:42
Vektoren Jörn Loviscach Versionsstand:. April 29, 23:42 Rechnen mit Pfeilen Bei den komplexen Zahlen haben wir das Rechnen mit Pfeilen schon kennen gelernt. Addition und Subtraktion klappen in drei wie
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
Mehr1.9 Eigenwerte und Eigenvektoren
.9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
MehrThemenheft mit viel Trainingsmaterial (Siehe Vorwort!) Unabhänge Vektoren und Erzeugung von Vektoren Gauß-Algorithmus Rang einer Matrix.
LINEARE ALGEBRA Lösbarkeit von linearen Gleichungssystemen Themenheft mit viel Trainingsmaterial (Siehe Vorwort!) Unabhänge Vektoren und Erzeugung von Vektoren Gauß-Algorithmus Rang einer Matrix Gleichungssysteme
MehrKurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok
Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem
MehrBeispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger
Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 21.11.2016 6. Vorlesung aufgespannter Untervektorraum Span(T ), Linearkombinationen von Vektoren Lineare Unabhängigkeit
Mehr7 Lineare Gleichungssysteme
118 7 Lineare Gleichungssysteme Lineare Gleichungssysteme treten in vielen mathematischen, aber auch naturwissenschaftlichen Problemen auf; zum Beispiel beim Lösen von Differentialgleichungen, bei Optimierungsaufgaben,
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
Mehr( ) Lineare Gleichungssysteme
102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv
MehrAufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
Mehr3. Übungsblatt Aufgaben mit Lösungen
. Übungsblatt Aufgaben mit Lösungen Aufgabe : Gegeben sind zwei Teilmengen von R : E := {x R : x x = }, und F ist eine Ebene durch die Punkte A = ( ), B = ( ) und C = ( ). (a) Stellen Sie diese Mengen
MehrDie Dimension eines Vektorraumes
Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je
MehrMathematik 1, Teil B. Inhalt:
FH Emden-Leer Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre 2.) Matrizen, Determinanten
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
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrAufgaben zu Kapitel 15
Aufgaben zu Kapitel 5 Aufgaben zu Kapitel 5 Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation
MehrLineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.
Lineare Hülle Def A sei eine nichtleere Teilmenge des Vektorraums (V,+, ) Die lineare Hülle von A (Bezeichung: span(a)) ist die Menge aller Linearkombinationen der Elemente aus A { k } span(a) := λ i v
Mehr8 Lineare Abbildungen
80 8 Lineare Abbildungen In diesem Kapitel untersuchen wir lineare Abbildungen von R n nach R m wie zum Beispiel Spiegelungen, Drehungen, Streckungen und Orthogonalprojektionen in R 2 und R 3 Man nennt
MehrProf. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1
Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Kapitel 3 Lineare Gleichungssysteme 3.1. Einleitung Beispiel 1 3 Kinder haben eingekauft. Franz hat 4 Lakritzen, 2 Schokoriegel und 5 Kaugummis
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
Mehr1 Vorlesungen: und Vektor Rechnung: 1.Teil
1 Vorlesungen: 4.10.005 und 31.10.005 Vektor Rechnung: 1.Teil Einige in der Physik auftretende Messgrößen sind durch eine einzige Zahl bestimmt: Temperatur T K Dichte kg/m 3 Leistung P Watt = J/s = kg
MehrSkalarprodukte (Teschl/Teschl Kap. 13)
Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
Mehr& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors
Einführu hnung Was ist ein Vektor? In Bereichen der Naturwissenschaften treten Größen auf, die nicht nur durch eine Zahlenangabe dargestellt werden können, wie Kraft oder Geschwindigkeit. Zur vollständigen
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,
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter
MehrAffine Geometrie (Einfachere, konstruktive Version)
Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrBasen von Schnitt und Summe berechnen
Basen von Schnitt und Summe berechnen 1 / 8 Voraussetzung Es seien U 1, U 2 Untervektorräume von K n. Wir wollen Basen des Schnittes U 1 U 2 und der Summe bestimmen. U 1 + U 2 2 / 8 Bezeichnung Der Einfachheit
Mehr6. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 6. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 2/ 25..-.2. Aufgabe G (Lineare Gleichungssysteme)
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrLineare Abbildungen und Gleichungssysteme
Lineare Abbildungen und Gleichungssysteme Klaus-R Loeffler Lineare Abbildungen Definition: Lineare Abbildung Es wird vorausgesetzt, dass V und W Vektorräume sind Eine Abbildung f von V in W heißt dann
Mehr(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2
Vektoren Mit der Vektorrechnung werden oft geometrische Probleme gelöst. Wenn irgendwelche Aufgabenstellungen geometrisch darstellbar sind, z.b. Flugbahnen oder Abstandsberechnungen, dann können sie mit
MehrEs wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form
Gaußscher Algorithmus zur Lösung linearer Gleichungssysteme Wir gehen aus vom Gleichungssystem A=b. Dabei ist A M m n K, b K m. Gesucht werden ein oder alle Elemente K n, so daß obige Gleichung erfüllt
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
MehrH. Gruber, R. Neumann. Erfolg im Mathe-Abi. Übungsbuch für den Pflichtteil Baden-Württemberg mit Tipps und Lösungen
H. Gruber, R. Neumann Erfolg im Mathe-Abi Übungsbuch für den Pflichtteil Baden-Württemberg mit Tipps und Lösungen Inhaltsverzeichnis Inhaltsverzeichnis Themen des Pflichtteils... Analysis Von der Gleichung
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
MehrAufgaben zu Kapitel 14
Aufgaben zu Kapitel 14 1 Aufgaben zu Kapitel 14 Verständnisfragen Aufgabe 14.1 Haben (reelle) lineare Gleichungssysteme mit zwei verschiedenen Lösungen stets unendlich viele Lösungen? Aufgabe 14.2 Gibt
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 6 Vektorräume Die Addition von zwei Pfeilen a und b, ein typisches Beispiel für Vektoren. Der zentrale
MehrVektorräume und Lineare Abbildungen
Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit
MehrKap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v
Kap 1: VEKTORRÄUME Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung ϕ : I X, i ϕ(i) = x i, wobei die Menge I in diesem Zusammenhang auch Indexmenge genannt wird. Man schreibt vereinfacht
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
MehrGrundlagen der Vektorrechnung
Grundlagen der Vektorrechnung Ein Vektor a ist eine geordnete Liste von n Zahlen Die Anzahl n dieser Zahlen wird als Dimension des Vektors bezeichnet Schreibweise: a a a R n Normale Reelle Zahlen nennt
MehrPrüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?
1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2
MehrMathematischer Vorkurs Lösungen zum Übungsblatt 5
Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 c.v.meister@skmail.ikp.physik.tu-darmstadt.de Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
Mehr:= 1. Der affine Unterraum Γ heißt Punkt, Gerade, Ebene oder Hyperebene, wenn dim K dim K
apitel II Lineare Algebra und analytische Geometrie 4 Punkte, Geraden, Ebenen, affine Unterräume in einem Vektorraum. Wie bisher ist V ein endlichdimensionaler Vektorraum über dem örper, oft ist V = n
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrLineare Gleichungssysteme
Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Übersicht Lineare Gleichungssystem mit 2 Variablen 1 Lineare Gleichungssystem mit 2 Variablen Beispiele 2 Fakultät Grundlagen Folie: 2 Beispiel I Lineare
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,
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
MehrLineare Algebra - alles was man wissen muß
Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger
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
Mehr