Lineare Algebra, Teil 2 Abbildungen

Ähnliche Dokumente
Lineare Abbildungen Definitionen von linearer Abbildung, linearer Transformation, affiner Abbildung. Parallentreue und Teilverhältnistreue

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41

Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Lösungsvorschlag

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME

1 Analytische Geometrie

Der Kern einer Matrix

Lineare Algebra für Ingenieure

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Lineare Algebra. 1 Lineare Abbildungen

Lineare Algebra: Determinanten und Eigenwerte

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Berechnung der Determinante

Eigenwerte (Teschl/Teschl 14.2)

Lineare Algebra I Lösungsvorschlag

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

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

4 Lineare Algebra (Teil 2): Quadratische Matrizen

Lineare Gleichungssysteme: eine Ergänzung

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n

Lineare Algebra I (WS 13/14)

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

Serie 8: Online-Test

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

Lösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

Ökonometrische Analyse

Probeklausur zu Mathematik 2 für Informatik

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

Eigenwerte und Eigenvektoren von Matrizen

Lineare Algebra I für Mathematiker Lösungen

Affine Abbildungen. * Übersicht * Kompakte Zusammenstellung der Ergebnisse. mit Verweisen auf die Quellen in den ausführlichen einzelnen Thementexte.

Diagonalisierbarkeit symmetrischer Matrizen

Lineare Algebra 2013 Lösungen für Test und Zusatzfragen

3 Lineare Gleichungssysteme

Grundlegende Definitionen aus HM I

Mathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7

05. Lineare Gleichungssysteme

Serie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1

5.4 Basis, Lineare Abhängigkeit

Klausurähnliche Aufgaben

Mathematik für Physiker, Informatiker und Ingenieure

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.

Tutorium: Analysis und Lineare Algebra

Lösbarkeit linearer Gleichungssysteme

Eigenwerte und Eigenvektoren

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops

Kapitel 15 Lineare Gleichungssysteme

a ij i - te Gleichung (Zeile), i = 1,2,3,..., m

Eine Affinität α eines euklidischen Raumes heißt eine Bewegung, wenn sie Abstände (und damit auch Winkel) erhält, wenn also für alle Punkte X, Y gilt:

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

x+ 2y = 2 3x+ 3y+ 3z = 0

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

Prüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker

Die lineare Hülle. heißt der Vektor. Linearkombination der Vektoren v i mit Koeffizienten α i. Direkt aus (12.6) folgt

Das inhomogene System. A x = b

2.2 Kern und Bild; Basiswechsel

HM II Tutorium 5. Lucas Kunz. 22. Mai 2018

Lineare Gleichungssysteme. 1-E Ma 1 Lubov Vassilevskaya

Serie 8: Fakultativer Online-Test

Verständnisfragen: Lineare Algebra und Analytische Geometrie I und II

eine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ.

1 Eigenschaften von Abbildungen

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya

Ausgewählte Lösungen zu den Übungsblättern 4-5

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

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Matrizen, Determinanten, lineare Gleichungssysteme

Lineare Algebra I (WS 12/13)

Einführung in die Mathematik für Informatiker

Kapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24

Tutorium zur Vorlesung Lineare Algebra und analytische Geometrie II Bearbeitungsvorschlag

Scheinklausur, 2. Teil, Lineare Algebra I, WS 2001, Prof. Dr. G. Hiß. Ja oder

In allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.

3.6 Eigenwerte und Eigenvektoren

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Basistext Determinanten

5 Lineare Algebra (Teil 3): Skalarprodukt

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

Transkript:

Lineare Abbildungen Vorlesung Lineare Algebra mit integrierten Übungen WS 12 13 Studiengang LBS Unterrichtsfach hmth Mathematiktik Lineare Algebra, Teil 2 Abbildungen Lineare Abbildungen Lineare Gleichungssysteme Eigenwerte, Eigenvektoren Hauptachsentransformation Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 1

Definitionen von linearer Abbildung, linearer Transformation, affiner Abbildung Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 2

Parallelentreue und Teilverhältnistreue Anmerkung: Von Hand (und der Schule) wird meist der Pfeil über Vektoren geschrieben. Bildpunkte und Bildvektoren kennzeichnet man meist mit einem Strich, also v. Am TI Nspire Klappt das beer nicht als Variablenname. Dort wird stattdessen der Unterstrich verwendet, v_ Plakativ: Das Bild des doppelten Vektors ist das Doppelte des Bildvektors. Das Bild einer Summe von Vektoren ist die Summe der Bildvektoren. Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 3

Lineare Transformationen des R 2 v' a A a a 11 12 a 21 22 a v 11 a12 x Av a21 a v 22 y Multipliziert man eine 2x2 Matrix wie A mit der 2x8 Matrix des gesamten Urbildes, erhält man die 2x8 Matrix des gesamten Bildes. Darum kann man mit geringem Aufwand stets das ganze Urbild L abbilden. Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 4

Parallentreue und Til Teilverhältnistreue hältit???????? Zum eigenen Experimentieren gibt es die TI Nspire Datei iauf der Site bei Abbildungen. Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 5

Parallentreue und Til Teilverhältnistreue hältit Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 6

Parallentreue und Til Teilverhältnistreue hältit Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 7

Berechnung der Bildpunkte Zum eigenen Experimentieren gibt es die TI Nspire Datei iauf der Site bei Abbildungen. Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 8

Übung: Aufstellung der Abbildungsmatrix i Zum eigenen Experimentieren gibt es die TI Nspire Datei iauf der Site bei Abbildungen. Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 9

Übung: Aufstellung der Abbildungsmatrix i Die Spaltenvektoren der Abbildungsmatrix Sind die Bilder der Einheitsvektoren. Wegen der Teilverhältnistreue kann man sehen, dass der blaue Vektor Das Bild des x Achsen Einheitsvektors ist und der orangefarbene Vektor Ist das Bild des y Achsen Einheitsvektors. Daraus folgt: a b A c d a b det A adbc c d dt det A 0 dt det A 0 dt det A 1 det dt A 0 Die Determinante der Matrix A ist Die Abbildung erhält die Orientierung, dreht die Orientierung um, ist Kongruenzabbildung, die Abbildung ist entartet. Damit wird bestätigt, dass das Bild anders orientiert ist. Zudem ist der Flächeninhalt um 37,5% größer geworden. Die Beweise folgen! Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 10

Fläche des Bildes und Determinante der Abbildungsmatrix Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 11

Fläche des Bildes und Determinante der Abbildungsmatrix Für p' A p gibt det A den Faktor für die Flächenänderung an. Im negativen Fall ist die Orientierung umgekehrt. Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 12

Kongruenzabbildungen Definition: Eine Kongruenzabbildung ist eine längentreue Abbildung des Raumes auf sich selbst. In der Schule sagt man auch Deckabbildungen. Siehe Geometrie Sie sind wegen der Längentreue auch winkeltreu und flächentreu. Satz: Eine Kongruenzabbildung ist eine affine Abbildung det A 1 p ' A p tr mit Beweis: Wegen der Längen und Winkeltreue sind Kongruenzabbildungen auch parallelentreu l und teilverhältnistreu, i also affine Abbildungen. Da die Determinante die Flächenänderung beschreibt, kommt nur +1 für gleichsinnige und 1 für gegensinnige Kongruenzabbildungen infrage. Gleichsinnige i i K.A. : Translation und Drehung A E _ matrix bzw. tr 0, A D A speziell, tr 0 bzw. tr 0, A speziell Gegensinnige K.A.: Achsenspiegelung und Gleitspiegelung Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 13

Kongruenzabblidungen Für p' A p gibt det A den Faktor für die Flächenänderung an. Im negativen Fall ist die Orientierung umgekehrt. Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 14

Projektionen 3D Objekte kommen zuhauf am Computer vor. Aber sie werden alle auf dem ebenen Bildschirm dargestellt. Dfü Dafür sorgen Umrechnungen mit Projektions Matrizen. i Wir beschränken uns hier auf Parallelperspektive, Zentralperspektive hat aufwendigerere Abbildungsgleichungen. ex 1 e 2x ex 3 p' Ap gilt: A ey 1 e2y ey 3 P ist 3 dimensional, p ist 2 dimensional Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 15

Projektionen Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 16

Projektionen Achtung TI Datei ansehen Axonometrische Darstellung 0.5:1:1 Shli Schulische h Version mit Kästchendiagonale Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 17

Axonometrische Darstellung 0.5:1:1 Schulische Version mit Kästchendiagonale Projektionen Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 18

Axonometrische Darstellung 0.5:1:1 Schulische Version mit Kästchendiagonale Projektionen Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 19

Axonometrische Darstellung 0.5:1:1 Schulische Version mit Kästchendiagonale Projektionen Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 20

Axonometrische Darstellung 0.5:1:1 Schulische Version mit Kästchendiagonale Projektionen Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 21

Axonometrische Darstellung 0.5:1:1 Schulische Version mit Kästchendiagonale Projektionen Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 22

Gleichungssysteme Der Kern einer Abbildung ist die Menge aller Punkte des Urbild Raumes, die als Bild den Nullvektor des Bildraumes haben. Der Kern einer Abbildung itd ist das Urbild des Nullvektors. Die Dimension des Kerns ist die Differenz der Dimensionen von Urbild und Bild. Die Dimension des Kerns heißt Defekt von A. Bei einer Projektion von 3D Raum auf einen 2D Raum ist der Kern eine Gerade (Dimension 1). Sie heißt Verschwindungsgerade. Ein Gleichungssystem lässt sich in der Form A p b schreiben. Ist A eine mxn Matrix hat es m Zeilen und n Spalten. It Ist m < n, hißtd heißt das System unterbestimmt, ti t ein bleiben beim bi Lösen mindestens n m Variable unbestimmbar, der Kern ist nicht {0} Die Zahl der unbestimmbaren Variablen ist die Dimension des Kerns, sie heißt Defekt von A. Ist m > n, heißt das System überbestimmt. Es sind dann höchstens n Zeilen linear unabhängig. Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 23

Gleichungssysteme Ist m=n, A also eine quadratische Matrix, dann sind folgende Eigenschaften gleichwertig: Das Gleichungssystem A p b ist eindeutig lösbar A invertierbar, d.h. A 1 existiert 1 Die Lösung ist p A b Die Determinante von A ist ungleich Null det( A) 0 Der Kern besteht ausschließlich h aus dem Nullvektor. Der Defekt der Matrix ist 0. Alle n Zeilen von A sind linear unabhängig, diese Zahl heißt Rang. Der Rang von A ist n. Der Rang der a11 a1n b1 Erweiterten Matrix ist n Ab an1 ann b n Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 24

Gleichungssysteme Der Zeilenrang ist die Zahl der linear unabhängigen gg Zeilen. Satz: Zeilenrang=Spaltenrang, daher kurz r=rang. Wenn der Rang der Matrix A gleich dem Rang der erweiterten Matrix ist, dann ist das System lösbar, konsitent Man erkennt den Rang in der Zeilenstufenform an der Zahl der führenden Einsen. a11 a1n b1 Haben A und A b am1 amn b m verschiedenen Rang, d.h. gibt es eine Zeile 0 0 1 in der Zeilenstufenform der erweiterten Matrix, dann ist das System unlösbar, es heißt inkonsitent, die Lösungsmenge ist leer Satz: Rang + Defekt=Spaltenzahl Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 25

A p b Gleichungssysteme A und A b a a b a 1 a b 11 1 n 1 m mn m Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 26

A p b Gleichungssysteme A und A b a a n b a 1 a b 11 1 1 m mn m Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 27

Gleichungssysteme Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 28

Gleichungssysteme Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 29

Gleichungssysteme Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 30

Eigenwerte und Eigenvektoren Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 31

Eigenwerte und Eigenvektoren Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 32

Eigenwerte und Eigenvektoren Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 33

Eigenwerte und Eigenvektoren Prof. Dr. Dörte Haftendorn, Leuphana Universität Lüneburg, www.mathematik verstehen.de Folie 34