lineare Algebra
Definitionen
Definitionen
Kartei Details
| Karten | 35 |
|---|---|
| Sprache | Deutsch |
| Kategorie | Mathematik |
| Stufe | Universität |
| Erstellt / Aktualisiert | 11.11.2025 / 11.11.2025 |
| Weblink |
https://card2brain.ch/cards/20251111_lineare_algebra
|
| Einbinden |
<iframe src="https://card2brain.ch/box/20251111_lineare_algebra/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Nullvektorraum
Die Teilmenge \([\overrightarrow{0}]\), die nur den Nullvektor aus einem Vektorraum V enthält, heisst der Nullvektorraum und ist ein Unterraum von V.
Unterraum von einem Vektorraum V
Es sei V ein Vektorraum und U eine nichtleere Teilmenge von V. Ist U ein Vektorraum bezüglich der Addition und der skalaren Multiplikation in V, so ist U ein Unterraum (oder Untervektorraum).
Lineare Abhängigkeit und Unabhängigkeit von Vektoren
Gegeben sei ein reeller Vektorraum V und die Vektoren \(\overrightarrow{a_1},...\overrightarrow{a_n} \in V.\) Die Vektoren \(\overrightarrow{a_1},...,\overrightarrow{a_n}\) heissen linear abhängig wenn es Skalare \(\lambda_1,..., \lambda_n \in \mathbb{R}\) gibt, die nicht alle gleich Null sind, so dass gilt:
\(\lambda_1\overrightarrow{a_1}+....+\lambda_n\overrightarrow{a_n} = \overrightarrow{0}\)
Die Vektoren heissen linear unabhängig, wenn sie nicht linear abhängig sind, dass heisst:
\(\lambda_1\overrightarrow{a_1}+....+\lambda_n\overrightarrow{a_n} = \overrightarrow{0} \Leftrightarrow \lambda_1 =\, ....= \lambda_n= 0.\)
Spurpunkte einer Ebene
Die schnittpunkte einer Ebene mit den Koordinatenachsen heissen Spurpunkte der Ebene.
Die Spur einer Ebene
Die Spur einer Ebene ist die Schnittgerade, die die Ebene mit der xy-Ebene, der xz-Ebene oder der yz-Ebene haben kann.
Ein Normalenvektor einer Geraden / Ebene
Ein Normalenvektor einer Geraden g in der Ebene ist ein vom Nullvektor verschiedener Vektor, der senkrecht zu dieser Geraden steht.
Drei komplanare Vektoren
Drei Vektoren \(\overrightarrow{a},\overrightarrow{b}\, und \overrightarrow{c} \) sind komplanar, wenn sie in einer gemeinsamen Ebene liegen.
Zwei orthogonale Vektoren
Das Skalarprodukt \(\overrightarrow{a}\cdot \overrightarrow{b} \) zweier vom Nullvektor verschiedeneer Vektoren kann nur verschwinden, wenn der \(cos{(\varphi)} = 0\) das heisst \(\varphi = 90^\circ\) ist. in diesem Fall stehen die Vektoren senkrecht. Diese Vektoren heissen orthogonale Vektoren, im Zeichen \(\overrightarrow{a} \bot \overrightarrow{b}\) Wir haben die Äquivalenz: \(\overrightarrow{a} \cdot \overrightarrow{b} = 0 \Leftrightarrow \overrightarrow{a} \bot \overrightarrow{b}.\)
Eine symmetrische Matrix
Eine \(n \times n\) Matrix \(A = [a_{ij}]\) heisst symmetrisch, wenn \(a_{ij} = a{ji}\), für alle \(i, j = 1, ..., n.\)
Die transponierte Matrix einer \(m \times n\) Matrix A
Sei A eine \(m \times n\) Matrix. Die transponierte Matrix AT erhält man aus A, indem man die i-te Spalte von A zur i-ten Zeile von AT macht. Kurz: \([A^T]_{ij} = a_{ij}\). Skizze:
\(A = \begin{pmatrix} a_{11} & \cdots & a_{1i} & \cdots & a_{1n} \\ a_{21} & \cdots & a_{2i} & \cdots & a_{2n} \\ \vdots & & \vdots & & \vdots &\\ a_{m1} & \cdots & a_{mi} & \cdots & a_{mn} \end{pmatrix} \rightarrow A^T = \begin{pmatrix} a_{11} & a_{21} & \cdots & a_{m1} \\ \vdots & \vdots & & \vdots \\ a_{1i} & a_{2i} & \cdots & a_{mi} \\ \vdots & \vdots & & \vdots \\ a_{1n} & a_{2n} & \cdots & a_{mn} \end{pmatrix}\)
Die inverse Matrix zu einer \(n \times n\) Matrix A
Gibt es zu einer \(n \times n\) Matrix A eine Matrix X mit \(AX= XA= I_n\), so heisst X die zu A inverse Matrix. Sie wird durch das Symbol A-1 gekennzeichnet.
Der Rang eines Gleichungssystem
Sei r die Anzahl der Nicht-Nullzeilen in der Zeilenstufenform der Koeffizientenmatrix (nicht die erweiterte!). Dann heisst r der Rang des Gleichungssystems.
Untere / Obere Dreiecksmatrix
Eine quadratische Matrix, die oberhalb der Hauptdiagonalen nur Nullen enthält, heisst eine untere Dreiecksmatrix. Sind alle Elemente unter der Hauptdiagonalen null, so heisst sie eine obere Dreiecksmatrix:
- untere Dreiecksmatrix: \(A = \begin{pmatrix} a_{11} & 0 & 0 & \cdots & 0 \\ a_{21} & a_{22} & 0 & \cdots & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & a_{n3}& \cdots & a_{nn} \end{pmatrix}\)
- obere Dreiecksmatrix: \(A = \begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ 0 & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & a_{nn} \end{pmatrix}\)
Einheitsmatrix
Die spezielle Diagonalmatrix:
\( A = \begin{pmatrix} 1 & 0 & 0 & \cdots & 0 \\ 0 & 1 & 0 & \cdots & 0 \\ 0 & 0 & 1 & \cdots & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & 0 & \cdots & 1 \end{pmatrix}\)
nennen wir die Einheitsmatrix oder die Identität.
Diagonalmatrix
Eine quadratische \(n \times n\) Matrix A heisst Diagonalmatrix, falls \(a_{ij} = 0\) für alle \(i \neq j\). Somit
\( A = \begin{pmatrix} a_{11} & 0 & 0 & \cdots & 0 \\ 0 & a_{22} & 0 & \cdots & 0 \\ 0 & 0 & a_{33} & \cdots & 0 \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & 0 & \cdots & a_{nn} \end{pmatrix}\)
Hauptdiagonale, Nebendiagonale und Gegendiagonale einer quadratischen Matrix
- Die Hauptdiagonale einer quadratischen Matrix verläuft von links oben nach rechts unten.
- Die Nebendiagonalen verlaufen parallel zu den Hauptdiagonalen.
- Die Gegendiagonale einer quadratischen Matrix verläuft vonrechts oben nach links unten.
EIne quadratische Matrix
Eine \(n \times n\) Matrix ( d. h. m = n) heisst eine quadratische Matrix.
Nullmatrix
Die \(m \times n\) Matrix:
\(0 = \begin{pmatrix} 0 & 0 & \cdots & 0 \\ 0 & 0 & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & 0 \end{pmatrix}\)
heisst die Nullmatrix.
Hauptdiagonale, Nebendiagonale und Gegendiagonale einer quadratischen Matrix
- die Hauptdiagonale einer quadratischen Matrix verläuft von links oben nach rechts unten.
- Die Nebendiagonalen verlaufen parallel zur Hauptdiagonale.
- die Gegendiagonale verläuft von rechts oben nach links unten.
Eine quadratische Matrix
Eine \(n \times n \) Matrix (d. h. m = n) heisst eine quadratische Matrix.
Nullmatrix
Die \(m \times n\) Matrix:
\(0 = \begin{pmatrix} 0 & 0 & \cdots & 0 \\ 0 & 0 & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & 0 \end{pmatrix}\)
heisst die Nullmatrix.
Zwei äquivalente lineare Gleichungssysteme
Zwei Gleichungssysteme sind äquivalent, wenn sie dieselbe Lösungsmenge haben.
Die trivale Lösung
Ein homogenes Gleichungssystem hat stets die Lösung \(x_1 = x_2 = .... = x_n = 0\). Man nennt sie die Triviale Lösung.
Homogenes / Inhomogenes lineares Gleichungssystem
SInd die rechten Seiten des Gleichungssystem Null, das heisst \(b_1 = b_2 = .... = b_m = 0\), so heisst das System homogen, andernfalls inhomogen ( \(b_i,i = 1, ...., m\)sind nicht alle gleich Null).
Lösbares / Unlösbares lineares Gleichungssystem
Besitz ein lieares Gleichungssystem keine Lösung, so sagt man, es ist unlösbar (oder inkosistent). Hat das Sytem eine Lösung, so ist es lösbar (oder konsistent).
Lösungsmenge einer Gleichung
Die Gesamtheit aller Lösungen heisst die Lösungsmenge der Gleichung.
Eine lineare Gleichung in n Variabeln
Eine lineare Gleichung in n Variabeln x1, x2, ........, xn hat die Gestalt:
wobei a1, a2, ........, an und b gegebene reelle Konstanten sind. Die reellen Zahlen ai, i = 1, ...., n nennt man die Koeffizienten der Gleichung und \(b \in \mathbb{R}\) ist die rechte Seite der Gleichung
Normierung eines vom Nullvektor verschiedene Vektors
Durch Normierung erhält man aus einem vom Nullvektor verschiedenen Vektor \(\overrightarrow{a}\) einen Einheitsvektor gleicher Richtung und Orientierung. Er lautet wie folgt:
\(\overrightarrow{e_a} = \frac {1}{|\overrightarrow{a}|}\overrightarrow{a}\)
Das heisst, dass die Vektorkomponeneten durch den Betrag des Vektors dividiert werden.
Linearkombination von Vektoren.
Seien \(\overrightarrow{w_1},....,\overrightarrow{w_m}\) Vektoren und \(a_1,....,a_m\) reelle Zahlen, wobei \(m \in N\).
Der folgende Vektor, \(\overrightarrow{v} = a_1\overrightarrow{w_1}+ a_2\overrightarrow{w_2}+....+ a_m\overrightarrow{w_m} =:\) \(\displaystyle\sum_{i=1}^{m} a_i\overrightarrow{w}_i\), heisst eine Linearkombination von den Vektoren \(\overrightarrow{w_1},....,\overrightarrow{w_m}\) . Die Zahlen \(a_1,....,a_m\) Koeffinzienten.
Gegenvektor eines beliebigen Vektors
Der Gegenvektor oder der inverse Vektor eines beliebigen Vektors, ist der Vektor, der mit Richtung und Betrag übereinstimmt, aber eine entgegengesetzte Orientierung hat. Der Gegenvektor wird durch \(\overrightarrow{-v}\) bezeichnet.
Einheitsvektor
Jeder Vektor mit Betrag Eins, wird als Einheitsvektor oder Einsvektor bezeichnet.
Nullvektor
Der Vektor , dessen Anfangspunkt und Endpunkt übereinstimmen, heisst der Nullvektor und wird durch \(\overrightarrow{0}\) bezeichnet.
Parallele, anti-parallele, windschiefe und kollineare Vektoren
- Zwei Vektoren heissen parallel, wenn sie in Richtung und Orientierung übereinstimmen.
- Zwei Vektoren heissen anti-parallel, wenn sie in der Richtung übereinstimmen aber entgegengesetzte Orientierung haben.
- Falls zwei Vektoren parallel oder anti-parallel, so nennt man sie auch kollinear. Anders heissen sie nicht kollinear oder windschief.
Gleichheit von Vektoren
Zwei Vektoren \(\overrightarrow{v}\) und \(\overrightarrow{w}\) sind gleich, wenn sie dieselbe Richtung, Orientierung und denselben Betrag haben. Wir schreiben: \(\overrightarrow{v} = \overrightarrow{w}.\)
Vektor
Ein Vektor ist eine Grösse, die durch Angabe einer Richtung, einer Orientierung und eines Betrages (oder Länge) festgelegt ist.