Einfuehrung 21
Zu diesem Buch 21
Konventionen in diesem Buch 21
Was Sie nicht lesenmuessen 22
Toerichte Annahmen ueber den Leser 22
Wie dieses Buch aufgebaut ist 22
Symbole in diesem Buch 25
Wie es weitergeht 25
Teil I Grundlagen Der Linearen Algebra 27
Kapitel 1 Die bunte Welt der linearen Algebra 29
Dafuer braucht man lineare Algebra 30
Systeme von Gleichungen loesen 31
Geometrische Raetsel knacken 32
Die Bausteine der linearen Algebra erkennen 34
Koerper und Vektorraeume 34
Sinnvolle Verknuepfungen von Vektoren 35
Die Werte in Reih' und Glied bringen 36
Matrizen und ihre Verknuepfungen 38
Determinanten 40
Alles in einen linearen Zusammenhang bringen 41
Lineare Abbildungen 41
Affine Transformationen 44
Noch bunter geht es nicht 44
Eigenwerte und Eigenvektoren 45
Diagonalisieren und der Spektralsatz 47
Wie man den linearen UEberblick behaelt 49
Kapitel 2 Zahlen gegen reelle Komplexe 53
Reelle Zahlen in der Realitaet 53
Grundidee der komplexen Zahlen 56
Crashkurs: Rechnenmit komplexen Zahlen 60
Addition und Subtraktion komplexer Zahlen 60
Multiplikation und Division komplexer Zahlen 63
Besonderheiten komplexer Zahlen 65
Betraege komplexer Zahlen 65
Konjugierte Komplexe 67
Kapitel 3 Koerper und andere Welten 73
Verkuendigung der Koerpergesetze 73
Das Assoziativgesetz 75
Das Kommutativgesetz 78
Das neutrale Element 81
Inverse Elemente 82
Das Distributivgesetz 84
Die Algebraische Struktur der Koerper 85
Endlich unendliche Koerper 86
Der kleinste Koerper 86
Die Klassischen Zahlkoerper 89
Na so was: die Restklassenkoerper 90
Kapitel 4 Wen Amors Vektor trifft 93
Woher die Vektoren kommen 93
Erweitern Sie Ihren Horizont - um n Dimensionen 94
Grundlegende Vektoroperationen 96
Addition und Subtraktion von Vektoren 97
Skalare Multiplikation von Vektoren 99
Das Skalarprodukt von Vektoren 100
Die Norm eines Vektors 102
Das Vektorprodukt 104
Der Winkel zwischen Vektoren 105
Diese Vektoren sind nicht normal 108
Jetzt wird es eng: der n-Raum 109
Der Euklidische n-Raum 110
Der komplexe n-Raum 111
Warum das alles kein Unsinn ist 112
Arbeit und Kraft 113
Das Drehmoment 114
Tricks mit Vektoren 116
Der Kosinussatz 116
Teil II Landschaftserkundung Zur Linearen Algebra 119
Kapitel 5 Vektorraeume mit Aussicht 121
Raeume voller Vektoren 121
Vektorraumoperationen 122
Addition von Vektoren 123
Skalare Multiplikation 124
Vektorraumeigenschaften 125
Massenhaft Beispiele fuer Vektorraeume 126
Vektorraeume aus n-Tupeln 126
Vektorraeume aus Polynomen 127
Vektorraeume aus Matrizen 129
Vektorraeume von Folgen und Funktionen 130
Vektorraeume aus linearen Abbildungen 132
Vektorraeume aus Koerpern 133
Unterraeume - aber nicht im Kellergeschoss 133
Die formale Spezifikation der Unterraeume 134
Eine Abkuerzung zu den Unterraeumen 135
Aufraeumen in den Unterraeumen 136
Summen von Unterraeumen 140
Direkte Summen von Unterraeumen 142
Kapitel 6 LGS - Auf lineare Steine koennen Sie bauen 145
Wie lineare Gleichungssysteme entstehen 145
Darstellungsmoeglichkeiten linearer Gleichungssysteme 150
Die Quadratische Form 150
Die Stufenform 152
Die Idealform 153
Prinzipielle Loesungsmengen von LGSen 155
Eindeutige Loesung 155
Freie Parameter in der Loesung 156
Keine Loesungen 158
Das Gauss'sche Eliminationsverfahren zur Loesung von LGSen 158
Der Gauss-Jordan-Algorithmus 163
Loesung eines LGS ueber die erweiterte Koeffizientenmatrix 165
So geht es auch: LR-Zerlegung nach Gauss 167
Determinanten zur Bestimmung von Loesungen 169
Loesung a la Cramer & Cramer 170
Inverse Matrizen zur Loesung einer Matrizengleichung 172
Parametrisierte LGS 173
Kapitel 7 Die Matrix ist ueberall 181
Wie eine Matrix das Leben erleichtert 181
Lineare Gleichungssysteme als Matrizen darstellen 183
Grundlegende Matrixoperationen 184
Addition von Matrizen 184
Skalare Multiplikation von Matrizen 185
Matrix-Vektorprodukt 187
Matrizenmultiplikation 188
Transposition von Matrizen 191
Der Rang einer Matrix 193
Attribute von Matrizen 194
Quadratische Matrizen 194
Regulaere Matrizen 196
Idempotente Matrizen 197
Diagonalmatrizen 198
Adjungierte von Matrizen bestimmen 199
Komplementaere Matrizen erzeugen 200
Matrizen invertieren 202
Mittels Determinanten und Adjunkten 203
Mittels Gauss-Jordan-Algorithmus 203
Komplexe Matratzen, pardon, Matrizen 205
Unitaere Matrizen 205
Hermitesche Matrizen 207
Schiefhermitesche Matrizen 208
AEhnliche Matrizen 208
Der Matrix auf der Spur 210
Kapitel 8 Die lineare Unabhaengigkeitserklaerung 213
Wir kombinieren linear 213
Warum unabhaengig besser ist als abhaengig 215
Bestimmung der linearen Unabhaengigkeit 216
Bei n-Tupel-Vektoren 217
Bei Polynomen 220
Bei Matrizen 222
Bei linearen Abbildungen 225
Im Allgemeinen 228
Fallstricke der linearen Unabhaengigkeit 232
Lineare Unabhaengigkeit mit der Loesung von Gleichungssystemen 233
Kapitel 9 Basen, keine laestige Verwandtschaft 235
Auf dieser Basis beruht unsere Arbeit 235
Erzeugende Systeme 241
Lineare Huellen als Unterraeume 242
Lineare Unabhaengigkeit von Basisvektoren 243
Erzeugte Unterraeume 244
Matrizen und Basen: So geht das! 248
Dimensionen und Basisvektoren 249
Der Dimensionssatz 250
Jetzt haben Sie endlich die Koordinaten 251
Basen fuer Orthonormal-Verbraucher 252
Teil III Analytische Geometrie Fuers Leben 257
Kapitel 10 Geometrische Grundelemente 259
Affinitaet zu geometrischen Raeumen 259
Punkte im Euklidischen n-Raum 263
Darstellungsmoeglichkeiten von Geraden 264
Parameterform 264
Gleichungsform 266
Darstellungsmoeglichkeiten von Ebenen 266
Parameterform 266
Normalenvektor und Normalenform 267
Koordinatenform 268
Achsenabschnittsform 270
Aus der Form gesprungen oder wie Sie von einer Form in die andere gelangen 271
Festhalten, jetzt kommen hoeherdimensionale Objekte 272
Parameterformen 272
Koordinatenformen und Gleichungssysteme 273
Was sonst noch interessant ist 275
Dreiecke 275
Parallelogramme 276
Spate 277
Flaechen zweiter Ordnung 279
Elliptisches Paraboloid 280
Hyperbolisches Paraboloid 281
Kapitel 11 Abstand halten und schneiden 283
Wir bestimmen den Abstand von... 283
Punkt zu Punkt 284
Punkt zu Gerade 286
Punkt zu Ebene 288
Wenn sich zwei Geraden treffen 290
Abstand paralleler Geraden 290
Abstand windschiefer Geraden 292
Schnittpunkt und -winkel zweier Geraden 295
Ebenen kommen ins Spiel 299
Abstand einer Geraden von einer parallelen Ebene 299
Durchstosspunkt und -winkel von Gerade zu Ebene 300
Abstand zweier paralleler Ebenen 303
Schnittgerade und -winkel zwischen Ebenen 304
UEberdimensionale Objekte 308
Abstandsbestimmung allgemein 308
Schnittobjekte und -winkel ermitteln 309
Kapitel 12 Geometrische Transformationen 311
Geometrie jenseits Lineal und Zirkel 311
Affine Abbildungen 312
Identitaet 317
Translation 317
Transvektion (Scherung) 318
Rotation 321
Spiegelung 328
Kontraktion 334
Die Hauptachsentransformation 336
Hauptachsentransformation - 3D 340
Teil IV Lineare Algebra For Runaway Dummies 347
Kapitel 13 Raubtierfuetterung der Morphismen 349
Was Homomorphismen eigentlich sind 349
Beispiel 1: Quadratische Funktionen 350
Beispiel 2: Trigonometrische Funktionen 351
Beispiel 3: Exponential- oder Logarithmusfunktionen 352
Beispiel 4: Endlich linear 354
Wurfarten, die Sie sichmerken sollten 355
Kern einer linearen Abbildung 355
Bild einer linearen Abbildung 355
Surjektivitaet 356
Injektivitaet 357
Bijektivitaet 358
Operationen auf Homomorphismen 359
Morphismen, Aufzucht und Pflege 362
Homomorphismen 362
Epimorphismen 362
Monomorphismen 362
Isomorphismen 363
Endomorphismen 364
Automorphismen 365
Projektionen 366
Orthogonale Projektionen 369
Ansteckungsgefahr bei Morphismen, Diagnose: Singularitaet 371
Lineare Operatoren in der Technik 373
Kapitel 14 Ganz bestimmte Determinanten 377
Warum Determinanten wichtig sind 377
Was Permutationen mit Determinanten zu tun haben 379
Berechnung von Determinanten 381
Determinanten von 2x2-Matrizen 381
Determinanten mit der Regel von Sarrus berechnen 382
Berechnung von Determinanten im Allgemeinen 385
Rechenregeln fuer Determinanten 386
Wie sich die Transpositionen auf Determinanten auswirken 386
Diagonalmatrizen sind die besten Freunde von Determinanten 387
Die Determinate der Einheitsmatrix 387
Skalare Multiplikation und Determinanten 388
Determinanten und der Zeilentausch/Spaltentausch 388
Leibniz trifft auf Gauss 389
Determinantenberechnung fuer Dreiecksmatrizen 390
Zusammenhang zwischen Determinante und Invertierbarkeit einer Matrix 391
Unterdeterminanten 391
Der Entwicklungssatz 394
Determinanten von Homomorphismen 396
Determinanten und das Spatprodukt 397
Kapitel 15 Es reicht, wir wechseln die Basis 399
Ausgangssituation 399
Wo die neuen Basisvektoren herkommen 403
Die UEbergangsmatrix bestimmen 404
Die UEbergangsmatrix als linearer Operator 410
Basiswechsel bei allgemeinen Homomorphismen 413
Ein instruktives Beispiel zum Basiswechsel 416
Dem Ingenioer ist nichts zu schwoer 416
Kapitel 16 Artige Eigenwerte 419
Eigenartige Werte 419
Eigenwerte von Endomorphismen 421
Von Eigenwerten ueber Eigenvektoren zu Eigenraeumen 422
Eigenwerte der Matrixdarstellungen 423
Wie man aus Eigenwerten die zugehoerigen Eigenvektoren presst 426
Eigenartige Eigenraeume 427
Das Jacobi-Verfahren zur Bestimmung von Eigenwerten 429
Praxisbeispiele 434
Mechanische Schwingungen 434
Elektromagnetische Schwingkreise 435
Kapitel 17 Diagonalisieren statt um die Ecke denken 439
Was Matrizen und Homomorphismen gemeinsam haben 439
Was die Diagonalmatrix eines Homomorphismus bedeutet 442
Wann Sie ueberhaupt diagonalisieren koennen 444
Diagonalisieren ohne Verrenkungen 447
Eine Null als Eigenwert 449
Eigene Werte ohne Potenz 451
Was man Schlaues mit der Diagonalisierung anstellen kann 452
Potenzieren nach Basiswechsel 453
Betrachten Sie den Gipfel 455
Der Spektralsatz fuer Endomorphismen 460
Anwendung des Spektralsatzes fuer den reellen Zahlenkoerper 465
Anwendung des Spektralsatzes fuer den komplexen Zahlenkoerper 468
Die charakteristische Gleichung an unerwarteter Stelle 470
Der Satz von Cayley-Hamilton 471
Anwendungen des Satzes von Cayley-Hamilton 472
Was Sie tun, wenn Sie oben angekommen sind 475
Teil V Der Top-Ten-Teil 477
Kapitel 18 Lineare Algebra in fast 10 Minuten 479
Linearitaet verstehen und keine Angst vor Algebra haben 479
Grundaspekte der analytischen Geometrie verinnerlichen 480
Gleichungssysteme mit geometrischen Objekten identifizieren 480
LGSe mit unterschiedlichen Methoden loesen 480
Zusammenhang von Matrizen und linearen Abbildungen begreifen 481
Determinanten und Eigenwerte als Herz einer Matrix betrachten 481
Basiswechsel als Spezialfall eines Isomorphismus erkennen 481
Diagonalisieren zur Ermittlung von Eigenwerten 482
Den Spektralsatz als Gipfel der Erkenntnis ansehen 482
Stichwortverzeichnis 485
