Algebra 1. Semester. Matrikel 05. Wintersemester 2005/2006. Markus Langpeter

Größe: px
Ab Seite anzeigen:

Download "Algebra 1. Semester. Matrikel 05. Wintersemester 2005/2006. Markus Langpeter"

Transkript

1 Algebra. Semester Matrikel 5 Wintersemester 25/26 Markus Langpeter mlangpet@imn.htwk-leipzig.de Hochschule für Technik, Wirtschaft und Kultur Leipzig Fachbereich IMN 4. Februar 26

2 . Lineare Gleichungssysteme. Darstellung Lineares Gleichungssystem mit m Gleichungen und n Unbekannten a x... a n x n =b... a m x... a mn x n =b m man unterscheidet m>n, m=n und m<n * a... a n Matrixschreibweise:... x= x b= b A=, a m... a mn x n, m b A x= b b= : homogen b : inhomogen.2 Lösbarkeit Rang: r A r A =r A b lösbar=r r m :mehrdeutig lösbar r =m : eindeutig lösbar r A r A b unlösbar.3 Lösung Über Gauß Algorithmus durch gestaffeltes System (siehe Vorlesung) 2. Relation 2. Produktmenge M M 2... M n ={ x, x 2,..., x n x M, x 2 M 2... x n M n } 2.2 Potenzmenge Menge aller Teilmengen einer gegebenen Grundmenge M ist Menge, Potenzmenge von M: P M 2.3 Relation Jede Teilmenge R einer Produktmenge M M 2... M n heißt n-stellige Relation über M, M 2,..., M n eine der wichtigsten ist die binäre Relation: x R y inverse Relation: R M N, R :={ x, y y R x }, R N M, R R 2 =R 2 R Identitätsrelation: id M :={ x, y M 2 x= y } 2.3. Verknüpfung von Relationen Mengenoperationen,,,... Verkettung von Relationen: R Relation über M, M 2 S Relation über M 2, M 3 R S Relation über M, M 3 es existiert ein b M 2 mit a R b b R c a R S c, a M, c M Eigenschaften von Relationen R reflexiv : x R xfür alle x M R symmetrisch : x R y y R x für beliebige x, y M R=R R antisymmetrisch : x R y y R x x= yfür beliebige x, y M R R id m R transitiv : x R y y R z x R z für beliebige x, y, z M R R R

3 2.3.3 Äquivalenzrelation a~b, a ist äquivalent zu b ist reflexiv, symmetrisch und transitiv Äquivalenzklasse R sei Äquivalenzklasse über M, u M, ermitteln aller x M mit u R x R u ={x M u R x } R u heißt Äquivalenzklasse [u] Äquivalenzklassen sind paarweise disjunkt, Vereinigung aller Äquivalenzklassen ist M. (Zerlegung) Bemerkung: Z, R= m, bzw. x m y, d.h. x-y ist durch m teilbar bzw. x und y haben bei Division durch m den selben Rest 3. Ordnung, Abbildung, Algebra 3. Ordnungsrelation ist reflexiv, antisymmetrisch, transitiv, x y y x ist R Ordnung über Menge M, dann ist R ebenfalls Ordnung über Menge M 3.2 Halbordnung ist reflexiv, antisymmetrisch, transitiv ist R Halbordnung über Menge M, dann ist R ebenfalls Halbordnung über M 3.3 Abbildung Binäre Relation heißt Abbildung von einer Menge D in Y F D Y wenn x D y Y, x F y bzw. F : D Y, y=f x statt x F y D ist Definitionsbereich, W :={ y Y x D y=f x } W Y G F X :=G F x, F : D Y,G :W F Z 3.3. Eigenschaften von Abbildungen Abbildung eindeutig [ x, y F x, y 2 F y = y 2 ] Abbildung surjektiv oder Abbildung auf (für jedes y ein Bild) W =Y Abbildung injektiv oder eineindeutig F eindeutig [ x, y F x 2, y F x =x 2 ] Abbildung bijektiv surjektiv und injektiv 4. Algebren 4. Gruppen A= M, + heißt Gruppe, falls zu x, y M x y M (Abgeschlossenheit) + ist assoziativ, x, y, z M, x y z=x y z Existenz eines neutralen Elements e, x e=e x= x (müssen eindeutig sein) Existenz inverser Elemente, x M x M mit x x =x x=e (müssen eindeutig sein) Falls x y = y x (Kommutativ) folgt abelsche Gruppe Klein'sche Vierergruppe a b c d a a b c d b b a d c c c d a b d d c b a

4 4.2 Ring, Körper A M,+,* heißt Ring, falls: A M,+ abelsche Gruppe A M,* Halbgruppe Distributivgesetze gelten, d.h.: x y z =x y x z x, y, z M, y z x= y x z x Falls kommutativ kommutativer Ring Falls neutrales Element bezüglich * existiert Ring mit Einselement A M,+,* heißt Körper, falls: A M,+ abelsche Gruppe A M {}, * abelsche Gruppe Distributivgesetz gilt Nullteilerfrei 5. Polynome 5. Eigenschaften von Polynomen einfachste Funktionen P n x =a n x n... a 2 x 2 a x a = i= n N, a i R n n a i x t =a n x x j mit P n x j = j= Polynom heißt reell, wenn seine Koeffizienten reell sind (x darf komplex sein) 5.2 Nullstellen von Polynomen Fundamentalsatz der Algebra: Ein Polynom P n x vom Grad n besitzt genau n Nullstellen x, x 2,..., x n in der Menge C der komplexen Zahlen, die nicht verschieden sein müssen. P n x besitzt dann eine Produktzerlegung in Linearfaktoren: P n x =a n x n a n x n... a x a =a n x x x x 2... x x n ist x Nullstelle eines reellen Polynoms, so ist auch die konjugiert komplexe Zahl x Nullstelle Eingrenzung von Nullstellen: x j max a i min i=,..., n und j=,..., n DESCARTESsche Zeichenregel: Die Anzahl der Zeichenwechsel oder eine um eine gerade Zahl verminderte Zahl ist gleich der Anzbaahl der positiven Nullstellen von P n ist Grad des Polynoms ungerade, so besitzt es mindestens eine negative Nullstelle für Anzahl der negativen Nullstellen, betrachte: P * n x =P n x Wenn P n x = x n a n x n... a x a mit a i Z,i=,..., n. Hat P n eine ganzzahliche Nullstelle x *, so gilt x * a a n x x 2... x n =a Probe nach Vieta : x x 2... x n =a n 5.3 Hornerschema (Durchführung gemäß Vorlesung) Funktionswertberechnung P x Polynomdivision durch x x

5 6. Vektorrechnung 6. Grundlagen Einheitsvektor: n = n n Skalarprodukt: a b =a x b x a y b y a z b z... (Das Skalarprodukt zweier zueinander rechtwinkliger Vektoren ist, zweier paralleler Vektoren das Produkt deren Länge) Spatprodukt: [ a, b, c]= a b c (Volumen des aufgespannten Spates dreier Vektoren) Rechenschema: Determinante [ a, a 2 a 3 b, c]= a b b 2 b 3 3 c c 2 c Volumen eines Tetraeders V T = 6 [ a, b, c] a, b, c komplanar, linear abhängig [ a, b, c ]= Kreuzprodukt/Vektorprodukt: a b = a b sin e (Betrag des Kreuzproduktes zweier Vektoren mit gleichem Ausgangspunkt ist Fläche und Richtung Flächennormale des von ihnen aufgespannten Parallelogrammes) Rechenschema: Determinante a x e y e z b3 a3 b2 b= e a a 2 a 3 a 3 b a b 3 b b 2 b 3 = a2 a b 2 a 2 b = n a, b kollinear a b= Vektorsystem: endlich viele Vektoren derselben Dimension: a,a 2,...,a n Basis: alle linear unabhängigen Vektoren des Vektorsystems, Anzahl = Dimension 6.2 Lineare Abhängigkeit Lineare Abhängigkeit und lineare Unabhängigkeit von Vektoren m Vektoren der Dimension n a, a 2,..., a m heißen linear unabhängig, falls: x a x 2 a 2... x n a n = nur gilt, wenn x =x 2 =...=x n = sonst linear abhängig x i R Anzahl der linear unabhängigen Vektoren eines Vektorsystems von m Variablen der Dimension n min(m,n) Oder: Vektoren heißen linear abhängig, wenn sich ein Vektor durch Linearkombination der anderen Vektoren darstellen lässt: a = p a 2 q a 3 Sind Vektoren im Raum linear Abhängig, so sind sie komplanar bzw. liegen in einer Ebene

6 7. Analytische Geometrie 7. Darstellung Gerade in R 2, in R 3 Vektorielle Punkt-Richtungsform: x= x t a, t R man nennt diese Form auch Geradengleichung in Parameterform (Parametergleichung) Koordinatengleichung: a x b y c= Skalarform in R 2 : n x = n x mit x beliebiger Punkt auf Gerade ax by c= allgemeine Gleichung mit Normalenvektor n= a, b T durch Normierung des Normalenvektor auf die Länge erhalten wir die Hesse Normalform a 2 b ax by c = 2 Darstellung der Gerade in R 3 mit einer skalaren Gleichung existiert nicht! Ebene in R 3 Vektorielle Punkt-Richtungsform: x= x s a t b ; s, t R ; n a ; n b man nennt diese Form auch Ebenengleichung in Parameterform Koordinatengleichung: ax by cz d = Skalarform: n x = n x mit x beliebiger Punkt auf der Ebene ax by cz d = allgemeine Gleichung mit Normalenvektor n= a, b,c T durch Normierung des Normalenvektor auf die Länge erhalten wir die Hessesche Normalform ax by cz d = a 2 b 2 2 c Umrechnung:. Ebene: Parameterform in Skalarform E : x= x n v w v w= n, c= n x E :n x x n y y n z z=c 2. Ebene: Skalarform in Parameterform E :n x n 2 y n 3 z=c x y z n n 2 n 3 c Gaußscher Algorithmus y sei u und z sei v x= c n n 2 u n 3 v c n x= u n2 n v n3 n = c n n2 n n3 durch n Ausklammerung

7 7.2 Verfahren zur Ermittlung von Abständen im Raum Punkt-Punkt d = x x 2 2 y y 2 2 z z 2 2 Punkt-Gerade Gegeben: idealerweise Parameterform der Geraden p g : x= q q 2 u 2 p q 3 s u u 3, P= 3 2 p Variante : (Vorteil: Man erhält gleichzeitig den nächstgelegenen Punkt auf g) Man konstruiert eine Ebene, deren Normalenvektor der Richtungsvektor der Geraden ist und P enthält, lässt die Gerade mit dieser schneiden und erhält einen Punkt auf der Geraden, der den kürzesten Abstand zu P hat. Es muss also gelten: PF u = (Skalarform einer Ebene), da u senkrecht auf der Ebene steht und so den Normalenvektor darstellt: p x p 2 y u 2 p x u p 2 y u 2 p 3 z u 3 = p 3 z u u 3 = wir erhalten eine Koordinatengleichung einer Ebene der Form ax by cz d = Wir setzen die Gerade ein und erhalten einen Faktor s, mit welchen wir mit Hilfe der Geradengleichung einen Schnittpunkt ermitteln. Der Abstand von P mit diesem Punkt ist der minimale Abstand von P und g. Variante 2: d = PQ u u Punkt-Ebene. Einsetzen des Punktes in die Hessesche Normalform Gegeben: idealerweise die Koordinatengleichung oder Hessesche Normalform Vorzeichen stimmt überein bei Punkten, die sich auf der selben Seite von der Ebene befinden 2. Ansetzen des Normalenvektors an den Punkt und mit der Ebene schneiden lassen Gegeben: idealerweise die Parameterform der Ebene Gerade-Gerade Gegeben: die Parameterform der Geradengleichung im Raum g : x= p s u, g 2 : x= q t v d = PQ u v ist der minimale Abstand der Geraden u v Gerade-Ebene Voraussetzung ist, die Gerade verläuft parallel zur Ebene Jeder Punkt der Geraden hat den gleichen Abstand zur Ebene, so dass jeder beliebige Punkt, zum Beispiel der Stützvektor genommen werden kann und nach dem Punkt-Ebene Verfahren der Abstand berechnet wird Ebene-Ebene Voraussetzung ist, die Ebenen liegen parallel zueinander. Differenz der Anstände der Ebenen zum Koordinatenursprung durch Einsetzen in die Hessesche Normalform Gegeben: idealerweise die Koordinatengleichung oder Hessesche Normalform 2. Ansetzen des Normalenvektors an beliebigen Punkt einer Ebene, zum Beispiel dem Stützvektors und mit der anderen Ebene schneiden lassen Gegeben: idealerweise die Parameterform der Ebenen

8 7.3 Lagebeziehungen Punkt-Gerade Entweder ist P g oder P g, Abstand ermitteln Gerade-Gerade: g : x= x a h : x= x 2 b Schritt : Sind Richtungsvektoren a, b der Geraden linear abhängig, sind Geraden parallel oder identisch. Schritt 2: Sind Differenz der Ortsvektoren x 2 x und Richtungsvektoren a, b linear abhängig, sind Geraden identisch ( g =h Identität) ansonsten parallel ( g h ), dann Abstand ermitteln. Schritt 3: Wenn windschief, Schnittpunkt überprüfen oder Abstand ermitteln. Wenn g und h sich schneiden, Winkel ermitteln: cos = a b a b Ebene-Ebene Entweder sind die beiden Ebenen identisch oder sie sind parallel (Normalenvektoren linear abhängig, Abstand ermitteln) oder sie schneiden sich cos = n n 2 n n 2 Ebene-Gerade: g : x= x a E : x= x 2 b c Schritt : Sind Richtungsvektoren a, b, c der Ebene und Gerade linear abhängig, so ist Gerade parallel oder identisch zur Ebene, ansonsten schneidet Gerade die Ebene in einem Punkt. Diesen Punkt und Schnittwinkel sin = n a n a ermitteln. Schritt 2: Sind Differenz der Ortsvektoren x 2 x und die Richtungsvektoren a, b, c linear abhängig, liegt Gerade in der Ebene ( g E ), ansonsten sind sie parallel ( g h ). Alternativen: Zwei Geraden Gerade-Ebene Zwei Ebenen Parallel a b= a n = n n 2 = Orthogonal (senkrecht) a b = a n= n n 2 = 7.4 Vektorräume V, abelsche Gruppe, Vektoren, K,, Körper von Skalaren, V bildet Vektorraum V über K, falls für beliebige Vektoren a,b V und beliebige Skalare, K gilt: (V) a=a (V2) a b = a b (V3) a= a a (V4) a= a U V heißt Teilraum oder Unterraum des Vektorraumes V, wenn U mit den in V definierten Operationen selbst ein Vektorraum über K ist U d.h. x, y U K, x U x U

9 8. Determinante 8. Begriff quadratisches Schema von Elementen wird eine Größe (meist Skalar) zugeordnet. Vertauscht man zwei Spalten oder Zeilen, ändert sich nur das Vorzeichen Stimmen 2 Spalten oder Zeilen überein, hat sie den Wert Multiplikation einer Determinante mit einer Zahl ist gleichbedeutend mit Multiplikation einer Spalte oder Zeile mit der Zahl 8.2 Berechnung D 2= a a 2 a 2 a 22 =a a a a = a...a n D n... a n...a nn =a i i D i a i2 i 2 D i2... a i n i n D i n 8.3 Cramersche Regel Lineares Gleichungssystem A x= b, A reguär (quadr., A ) LGS eindeutig lösbar x i = D i D,i=...n, D= A, D i ist die Determinante, die aus A entsteht, wenn die i- te Spalte von A durch b ersetzt wird. 8.4 Vandermondsche Determinante 9. Matrizen 9. Begriff Rechteckiges Schema von Elementen, nach Zeilen und Spalten geordnet, Typ (Anzahl der Zeilen, Anzahl der Spalten),(m,n) speziell: m=, n beliebig Zeilenvektor m beliebig, n= Spaltenvektor m=,n= Skalar m=n Nullmatrix ist A T = A so heißt A orthogonal ist A= A T so heißt A symmetrisch quadratische Matrix: Symmetrische Matrix Dreiecksmatrix Diagonalmatix Skalarmatrix Einheitsmatrix

10 9.2 Rechenoperationen A, B, C... A= B A± B=C, c ik =a ik ±b ik i, k A=B, skalar, b ik = a ik A m, n T =B n,m, b ik =a ki A m,n B n, s =C m,s, c ik = nicht kommutativ! n j= a ij b jk A sei regulär (quadr., A = ), A heißt invers zu A, falls A A = A A= E Berechnung: A A =E, A X =E, X =? A x, x 2,..., x n = e, e 2,..., e n n LGS, A x i = e i, i=,2,..., n mit je n Unbekannten Beachte: alle LGS haben dieselbe Koeffizientenmatrix A und relativ einfache rechte Seiten e i, für kleine n Cramersche Regel 9.3 Matrizengleichungen Bestimmungsgleichung für X, beachte: Matrizengleichung nicht kommutativ Einselement ist E keine Division! Ersatz: inverse Matrix 9.4 Austauschverfahren Berechnen der inversen Matrix Gegeben sei das Schema: x... x K... x n y a... a K... a n... y L a L... a LK... a LN... y n a n... Pivot Element a nk... a nn Es wird x K mit y L ausgetauscht. *. neues Pivot: a L K = a L K 2. neue Pivotzeile: a * Lj = a Lj, j K a LK 3. neue Pivotspalte: a * ik = a ik,i L a LK 4. restlichen neuen Elemente: a * * i j =a i j a i K a L j, i L, j K

11 Rechnen mit Kellerzeile: x x 2 x 3 y + 3 Pivotspalte y 2 3 Pivotzeile * y 3-2 K -3 - * = x x 2 y 3 y +*(-3) 3+*(-) / x 2-3/ -/ / y 3 +2*(-3) -+2*(-) 2/ x x 2 y 3 y 3 x y

Zusammenfassung 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 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

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter

Mehr

Zusammenfassung der Analytischen Geometrie

Zusammenfassung der Analytischen Geometrie Zusammenfassung der Analytischen Geometrie 1. Rechnen mit Vektoren (Addition, Subtraktion, S-Multiplikation, Linearkombinationen) 1. Gegeben sind die Punkte A(2-6 ) und B(-1 14-4), 4 4 sowie die Vektoren

Mehr

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.

i) 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):

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. 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

Mehr

d 2 b 2 c 2 d 3 b 3 c 3 , D a 1 d 1 c 1 v 3 Definiton (Verbindungsvektor): Zwei Punkte A(a 1 a 2 a 3 ) und B(b 1 b 2 b 3 ) legen den Vektor b 1 a 1

d 2 b 2 c 2 d 3 b 3 c 3 , D a 1 d 1 c 1 v 3 Definiton (Verbindungsvektor): Zwei Punkte A(a 1 a 2 a 3 ) und B(b 1 b 2 b 3 ) legen den Vektor b 1 a 1 2008/2009 Das Wichtigste in Kürze Klasse 3 Lineare Gleichungssysteme und Determinanten Definiton (Lineare Gleichungssysteme: Lineare Gleichungssysteme löst man entweder mit dem Gauß-Algorithmus oder nach

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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

Mehr

Formelsammlung Mathematik Grundkurs Inhalt

Formelsammlung Mathematik Grundkurs Inhalt Formelsammlung Mathematik Grundkurs Inhalt Inhalt...1 Trigonometrie Grundlagen... Vektoren...3 Skalarprodukt...4 Geraden...5 Abstandsberechnungen...6 Ebenen...7 Lineare Gleichungssysteme (LGS)...8 Gauß'sches

Mehr

(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2

(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

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. 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

Mehr

Analytische Geometrie, Vektorund Matrixrechnung

Analytische 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?

Mehr

3 Matrizenrechnung. 3. November

3 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

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 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

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, 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

Mehr

Mathematik Analytische Geometrie

Mathematik Analytische Geometrie Mathematik Analytische Geometrie Grundlagen:. Das -Dimensionale kartesische Koordinatensystem: x x x. Vektoren und Ortsvektoren: a x = x x ist ein Vektor, der eine Verschiebung um x -Einheiten in x-richtung,

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(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:

Mehr

5.1 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

5.1 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

Mehr

2 Die Algebra der Matrizen

2 Die Algebra der Matrizen Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y

Mehr

Formelsammlung Analytische Geometrie

Formelsammlung Analytische Geometrie Formelsammlung Analytische Geometrie http://www.fersch.de Klemens Fersch 6. August 6 Inhaltsverzeichnis 6 Analytische Geometrie 6. Vektorrechung in der Ebene......................................... 6..

Mehr

Themen und Übungen zum Lehrerweiterbildungskurs Wiederholung und Vertiefung Lineare Algebra/Analytische Geometrie I WiSe 2013/2014

Themen und Übungen zum Lehrerweiterbildungskurs Wiederholung und Vertiefung Lineare Algebra/Analytische Geometrie I WiSe 2013/2014 Themen und Übungen zum Lehrerweiterbildungskurs Wiederholung und Vertiefung Lineare Algebra/Analytische Geometrie I WiSe 2013/2014 [Sch]: R.-H.Schulz:Repetitorium Bachelor Mathematik [Sch-LAI] R.-H.Schulz:

Mehr

Matrizen und Determinanten, Aufgaben

Matrizen 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

Mehr

Lineare Algebra I Zusammenfassung

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

Mehr

4 Vorlesung: 21.11. 2005 Matrix und Determinante

4 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

Mehr

entspricht der Länge des Vektorpfeils. Im R 2 : x =

entspricht 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.

Mehr

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme 52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte

Mehr

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Aufgabensammlung 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

Mehr

1 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 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

Mehr

9.2 Invertierbare Matrizen

9.2 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

Zusammenfassung Vektorrechnung und Komplexe Zahlen

Zusammenfassung Vektorrechnung und Komplexe Zahlen Zusammenfassung Vektorrechnung und Komplexe Zahlen Michael Goerz 8. April 006 Inhalt Vektoren, Geraden und Ebenen. Länge eines Vektors.......................... Skalarprodukt..............................

Mehr

Basistext Geraden und Ebenen

Basistext Geraden und Ebenen Basistext Geraden und Ebenen Parameterdarstellung Geraden Eine Gerade ist durch zwei Punkte P und Q, die auf der Geraden liegen, eindeutig festgelegt. Man benötigt zur Darstellung den Vektor. Dieser wird

Mehr

Vorkurs Mathematik Teil III. Lineare Algebra

Vorkurs Mathematik Teil III. Lineare Algebra Vorkurs Mathematik Teil III. Lineare Algebra Inhalt 0. Inhalt 1. Lineare Gleichungssysteme und Gauß-Verfahren. Vektorrechnung 3. Lagebestimmungen von Punkt, Geraden und Ebenen 4. Skalarprodukt, Längen

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen 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

Mehr

Lineare Algebra. Teil III. Inhaltsangabe

Lineare 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

Mehr

Übungsaufgaben. Mathematik I für Informatiker WS 2006/07 Otto-von-Guericke Universität Magdeburg Prof. Dr. M. Henk, Dr. M. Höding

Übungsaufgaben. Mathematik I für Informatiker WS 2006/07 Otto-von-Guericke Universität Magdeburg Prof. Dr. M. Henk, Dr. M. Höding Mathematik I für Informatiker WS 2006/07 Otto-von-Guericke Universität Magdeburg Prof. Dr. M. Henk, Dr. M. Höding Übungsaufgaben Aufgabe 0.1 Ermitteln Sie x R aus folgenden Gleichungen (a) log 2 (x + 14)

Mehr

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

Skript 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.................................

Mehr

Lineare Gleichungssysteme und Matrizen

Lineare 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

Mehr

1 Vorlesungen: und Vektor Rechnung: 1.Teil

1 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

Mehr

Analytische Geometrie Aufgaben und Lösungen

Analytische Geometrie Aufgaben und Lösungen Analytische Geometrie Aufgaben und Lösungen http://www.fersch.de Klemens Fersch. Januar Inhaltsverzeichnis Punkte:Vektor - Abstand - Steigung - Mittelpunkt. Aufgaben....................................................

Mehr

8.2 Invertierbare Matrizen

8.2 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

Mehr

Matrizen und Determinanten, Lineare Gleichungssysteme, Vektorrechnung, Analytische Geometrie

Matrizen und Determinanten, Lineare Gleichungssysteme, Vektorrechnung, Analytische Geometrie Regina Gellrich Carsten Gellrich Matrizen und Determinanten, Lineare Gleichungssysteme, Vektorrechnung, Analytische Geometrie Mit zahlreichen Abbildungen, Aufgaben mit Lösungen und durchgerechneten Beispielen

Mehr

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

Gegeben 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

Mehr

Brückenkurs Mathematik. Mittwoch Freitag

Brückenkurs Mathematik. Mittwoch Freitag Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs

Mehr

Algebraische Kurven. Holger Grzeschik

Algebraische Kurven. Holger Grzeschik Algebraische Kurven Holger Grzeschik 29.04.2004 Inhaltsübersicht 1.Einführung in die Theorie algebraischer Kurven 2.Mathematische Wiederholung Gruppen, Ringe, Körper 3.Allgemeine affine Kurven 4.Singuläre

Mehr

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren Kapitel 13 Vektoren Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren 131 Denition: Vektoren im Zahlenraum Ein Vektor (im Zahlenraum) mit n Komponenten ist ein n-tupel reeller Zahlen,

Mehr

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das

Mehr

Vektorräume. Kapitel Definition und Beispiele

Vektorräume. 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

Mehr

Geometrie. Bei der Addition von Vektoren erhält man einen Repräsentanten des Summenvektors +, indem man die Repräsentanten von aneinanderfügt:

Geometrie. Bei der Addition von Vektoren erhält man einen Repräsentanten des Summenvektors +, indem man die Repräsentanten von aneinanderfügt: Geometrie 1. Vektoren Die Menge aller zueinander parallelen, gleich langen und gleich gerichteten Pfeile werden als Vektor bezeichnet. Jeder einzelne Pfeil heißt Repräsentant des Vektors. Bei Ortsvektoren:

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können

Mehr

Matrizen und Determinanten

Matrizen 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

Mehr

Aufgaben mit Ebenen. Parameterform Normalenform Koordinatenform. Darstellung = + r + s =0 ax 1 + bx 2 + cx 3 = d. Beispiel

Aufgaben mit Ebenen. Parameterform Normalenform Koordinatenform. Darstellung = + r + s =0 ax 1 + bx 2 + cx 3 = d. Beispiel Aufgaben mit Ebenen Parameterform Normalenform Koordinatenform Spurpunkte Zur grafischen Darstellung der Ebene die Spurpunkt berechnen. Zwei Koordinaten gleich 0 setzen und jeweils die dritte ausrechnen.

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen 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

Mehr

Studiengänge) Beispiele

Studiengänge) Beispiele Grundkurs Höhere Mathematik I (für naturwissenschaftliche Studiengänge) Beispiele Prof. Dr. Udo Hebisch Diese Beispielsammlung ergänzt das Vorlesungsskript und wird ständig erweitert. DETERMINANTEN Determinanten

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

Mehr

Pflichtteilaufgaben zu Gegenseitige Lage, Abstand, Baden-Württemberg

Pflichtteilaufgaben zu Gegenseitige Lage, Abstand, Baden-Württemberg Pflichtteilaufgaben zu Gegenseitige Lage, Abstand, Baden-Württemberg Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz wwwmathe-aufgabencom September 6 Abituraufgaben (Haupttermin) Aufgabe

Mehr

4 Lineare Abbildungen und Matrizen

4 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

Mehr

Übungen zur Diskreten Mathematik I Blatt 6

Übungen zur Diskreten Mathematik I Blatt 6 1 Blatt 6 Aufgabe 19 Es sei M := {n N : n 2} und R := {(n, m) M M : n teilt m}. a) Zeigen Sie, dass R eine Ordnungsrelation auf M ist. b) Überprüfen Sie, ob R eine totale Ordnung auf M ist. c) Zeigen Sie,

Mehr

Analytische Geometrie mit dem Voyage 1

Analytische Geometrie mit dem Voyage 1 Analytische Geometrie mit dem Voyage. Vektoren Vektoren lassen sich definieren in eckigen Klammern. Setzt man ein Semikolon zwischen die einzelnen Komponenten, so ergibt sich ein Spaltenvektor. Ein Spaltenvektor

Mehr

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte

Mehr

1.Übung Mathematik I

1.Übung Mathematik I 1Übung Mathematik I 1) Ist folgende Aussage eine Implikation? ( Begründung!) (( A B) -> ( A C) ) = > (C A) 2 Onkel Dagobert wurde Geld aus seinem Geldspeicher gestohlen Er hat drei Tatverdächtige: Die

Mehr

Formelsammlung Mathematik

Formelsammlung Mathematik Formelsammlung Mathematik Änderungshistorie:..5 Erste Version; Logarithmen; Vektoren 3..5 Vektoren: Skalarprodukt, Richtungswinkel, Vektorprodukt 7..5 Korrekturen, Spatprodukt, Geraden, Abstand Punkt-Gerade

Mehr

Einführung 17. Teil I Zu den Grundlagen der linearen Algebra 21. Kapitel 1 Schnelleinstieg in die lineare Algebra 23

Einführung 17. Teil I Zu den Grundlagen der linearen Algebra 21. Kapitel 1 Schnelleinstieg in die lineare Algebra 23 Inhaltsverzeichnis Einführung 17 Zu diesem Buch 17 Konventionen in diesem Buch 17 Törichte Annahmen über den Leser 17 Wie dieses Buch aufgebaut ist 18 Teil I: Zu den Grundlagen der linearen Algebra 18

Mehr

Skalarprodukte (Teschl/Teschl Kap. 13)

Skalarprodukte (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 +

Mehr

Algebra 3.

Algebra 3. Algebra 3 www.schulmathe.npage.de Aufgaben 1. In einem kartesischen Koordinatensystem sind die Punkte A( 3), B( ) sowie für jedes a (a R) ein Punkt P a (a a a) gegeben. a) Zeigen Sie, dass alle Punkte

Mehr

2 Matrizenrechnung und Lineare Gleichungssysteme

2 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

Mehr

13. Klasse TOP 10 Grundwissen 13 Geradengleichungen 01

13. Klasse TOP 10 Grundwissen 13 Geradengleichungen 01 . Klasse TOP 0 Grundwissen Geradengleichungen 0 Punkt-Richtungs-Form Geraden sind gegeben durch einen Aufpunkt A (mit Ortsvektor a) auf der Geraden und einen Richtungsvektor u: x = a + λ u, λ IR. (Interpretation:

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik 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

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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,...,

Mehr

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1

Prof. 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

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 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

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

Analytische Geometrie II

Analytische Geometrie II Analytische Geometrie II Rainer Hauser März 212 1 Einleitung 1.1 Geradengleichungen in Parameterform Jede Gerade g in der Ebene oder im Raum lässt sich durch einen festen Punkt auf g, dessen Ortsvektor

Mehr

Das inhomogene System. A x = b

Das inhomogene System. A x = b Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist

Mehr

Mathematik I Übungsblatt 5 WS 12/13 Prof. Dr. W. Konen, Dr.A.Schmitter

Mathematik I Übungsblatt 5 WS 12/13 Prof. Dr. W. Konen, Dr.A.Schmitter Bereiten Sie die Aufgaben parallel zu den in der Vorlesung besprochenen Themen für die nächsten Übungsstunden jeweils vor! Aufgabe 5.1 Vektoroperationen Gegeben sind die folgenden Vektoren: u = 3 1 2 v

Mehr

Ergänzung zum HM Tutorium

Ergänzung 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

Mehr

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Lösungen 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

Mehr

Lineare Gleichungssysteme - Grundlagen

Lineare 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

Mehr

Lineare Algebra Zusammenfassung

Lineare Algebra Zusammenfassung 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

Mehr

Mathematik 2 für ET. Vektoren in R n und C n. Addition von Vektoren Multiplikation von Vektor und Skalar. Der Nullvektor 0 =

Mathematik 2 für ET. Vektoren in R n und C n. Addition von Vektoren Multiplikation von Vektor und Skalar. Der Nullvektor 0 = Mathematik 2 für ET # 0 by Clifford Wolf # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit Das Lernen mit Lernkarten funktioniert

Mehr

Lehrskript Mathematik Q12 Analytische Geometrie

Lehrskript Mathematik Q12 Analytische Geometrie Lehrskript Mathematik Q1 Analytische Geometrie Repetitorium der analytischen Geometrie Eine Zusammenfassung der analytischen Geometrie an bayerischen Gymnasien von Markus Baur, StR Werdenfels-Gymnasium

Mehr

Zusammenfassung zum Thema Vektor- und Matrizenrechnung

Zusammenfassung zum Thema Vektor- und Matrizenrechnung Zusammenfassung zum Thema Vektor- und Matrizenrechnung Mathematischer Vorkurs für Physiker und Naturwissenschaftler WS 2014/2015 Grundbegriffe der Linearen Algebra Viele physikalische Größen (Geschwindigkeit,

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte 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

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. 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

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015 Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten

Mehr

Serie 8: Fakultativer Online-Test

Serie 8: Fakultativer Online-Test Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung

Mehr

3. Übungsblatt Aufgaben mit Lösungen

3. 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

Mehr

Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?

Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt

Mehr

Grundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015

Grundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015 Vektorrechnung Fakultät Grundlagen Juli 205 Fakultät Grundlagen Vektorrechnung Übersicht Grundsätzliches Grundsätzliches Vektorbegriff Algebraisierung der Vektorrechnung Betrag 2 Skalarprodukt Vektorprodukt

Mehr

Numerische Lineare Algebra

Numerische Lineare Algebra Numerische Lineare Algebra Vorlesung 5 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 21 Prof. Dr. Klaus Höllig (IMNG)

Mehr

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

$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

Mehr

( ) Lineare Gleichungssysteme

( ) 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

Mehr

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 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,

Mehr

5. Wie bringt man einen Vektor auf eine gewünschte Länge? Zuerst bringt man ihn auf die Länge 1, dann multipliziert man mit der gewünschten Länge.

5. Wie bringt man einen Vektor auf eine gewünschte Länge? Zuerst bringt man ihn auf die Länge 1, dann multipliziert man mit der gewünschten Länge. 1. Definition von drei Vektoren sind l.u. 2. Wie überprüft man 3 Vektoren mit Hilfe eines LGS auf lineare Unabhängigkeit? 3. Definition von Basis?... wenn sich der Nullvektor nur als triviale LK darstellen

Mehr

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.

Lineare 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

6 Lineare Gleichungssysteme

6 Lineare Gleichungssysteme 6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α

Mehr

10.2 Linearkombinationen

10.2 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

Mehr

Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra

Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra A. Filler[-3mm] Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra, Teil 8 Folie 1 /27 Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra 8. Das Skalarprodukt, metrische

Mehr

Lineare Algebra I (WS 13/14)

Lineare 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

Mehr

1.1. Geradengleichung aus Steigung und y-achsenabschnitt

1.1. Geradengleichung aus Steigung und y-achsenabschnitt Version vom 4. Januar 2007 Gleichungen von Geraden in der Ebene 1999 Peter Senn * 1.1. Geradengleichung aus Steigung und y-achsenabschnitt In dieser Form lautet die Gleichung der Geraden wie folgt: g:

Mehr