Algebra 1. Semester. Matrikel 05. Wintersemester 2005/2006. Markus Langpeter
|
|
- Klemens Kopp
- vor 6 Jahren
- Abrufe
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 Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrZusammenfassung 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
Mehri) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.
Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):
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
Mehrd 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
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
MehrFormelsammlung 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
Vektoren Mit der Vektorrechnung werden oft geometrische Probleme gelöst. Wenn irgendwelche Aufgabenstellungen geometrisch darstellbar sind, z.b. Flugbahnen oder Abstandsberechnungen, dann können sie mit
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
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?
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
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
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
MehrMathematik 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) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
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
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y
MehrFormelsammlung Analytische Geometrie
Formelsammlung Analytische Geometrie http://www.fersch.de Klemens Fersch 6. August 6 Inhaltsverzeichnis 6 Analytische Geometrie 6. Vektorrechung in der Ebene......................................... 6..
MehrThemen 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:
MehrMatrizen und Determinanten, Aufgaben
Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen
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
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
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.
MehrII. 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
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
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
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
MehrZusammenfassung Vektorrechnung und Komplexe Zahlen
Zusammenfassung Vektorrechnung und Komplexe Zahlen Michael Goerz 8. April 006 Inhalt Vektoren, Geraden und Ebenen. Länge eines Vektors.......................... Skalarprodukt..............................
MehrBasistext 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
MehrVorkurs 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
MehrLineare 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
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. 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
MehrÜbungsaufgaben. 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)
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.................................
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
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
MehrAnalytische Geometrie Aufgaben und Lösungen
Analytische Geometrie Aufgaben und Lösungen http://www.fersch.de Klemens Fersch. Januar Inhaltsverzeichnis Punkte:Vektor - Abstand - Steigung - Mittelpunkt. Aufgaben....................................................
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrMatrizen 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
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
MehrBrückenkurs 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
MehrAlgebraische 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
MehrVektoren. 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,
MehrMatrizen, 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
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
MehrGeometrie. 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:
MehrMathematik 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
MehrMatrizen und Determinanten
Matrizen und Determinanten 1 Matrizen und Determinanten 1 Einführung in den Matrizenbegriff Zur Beschreibung und Lösung vieler physikalischer Probleme ist die Vektorrechnung vonnöten Durch Verwendung von
MehrAufgaben 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.
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
MehrStudiengänge) Beispiele
Grundkurs Höhere Mathematik I (für naturwissenschaftliche Studiengänge) Beispiele Prof. Dr. Udo Hebisch Diese Beispielsammlung ergänzt das Vorlesungsskript und wird ständig erweitert. DETERMINANTEN Determinanten
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
MehrPflichtteilaufgaben 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
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 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,
MehrAnalytische 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
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte
Mehr1.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
MehrFormelsammlung Mathematik
Formelsammlung Mathematik Änderungshistorie:..5 Erste Version; Logarithmen; Vektoren 3..5 Vektoren: Skalarprodukt, Richtungswinkel, Vektorprodukt 7..5 Korrekturen, Spatprodukt, Geraden, Abstand Punkt-Gerade
MehrEinführung 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
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 +
MehrAlgebra 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
Mehr2 Matrizenrechnung und Lineare Gleichungssysteme
Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der
Mehr13. 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:
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 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,...,
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
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
MehrEinführung 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:
MehrAnalytische 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
MehrDas 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
MehrMathematik 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
MehrErgänzung zum HM Tutorium
Ergänzung zum HM Tutorium Patrik Hlobil Niko Kainaris Dieses Dokument erhebt keinen Anspruch auf Vollständigkeit oder Korrektheit. Es stellt keine Vorlesungszusammenfassung dar, sondern soll euch lediglich
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
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
MehrLineare 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
MehrMathematik 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
MehrLehrskript 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
MehrZusammenfassung 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,
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
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrGrundsätzliches 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
MehrSerie 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
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
MehrWelche 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
MehrGrundsätzliches 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
MehrNumerische 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 $
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
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
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
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,
Mehr5. 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
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
Mehr6 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
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrDidaktik 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
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
Mehr1.1. 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