Kombinatorische Geometrien

Größe: px
Ab Seite anzeigen:

Download "Kombinatorische Geometrien"

Transkript

1

2 KAPITEL 5 Kombinatorische Geometrien Beispiele von Geometrien wurden schon als Inzidenzstrukturen (z.b. projektive Ebenen) gegeben. Wir nehmen hier einen anderen Standpunkt ein und verstehen unter einer Geometrie zunächst eine Grundmenge M, auf der eine Abhängigkeitsstruktur gegeben ist. Diese Begriffe können unter verschiedenen Aspekten spezifiziert werden. 1. Hüllensysteme und Abschlussoperatoren Ein Hüllensystem ist eine Familie H von Teilmengen H M derart, dass (HS1) M H. (HS2) H H für alle H H. H H H ist also stabil unter beliebigen Durchschnitten und enthält die Grundmenge M. H definiert einen Hüllenoperator (oder Abschlussoperator) auf der Potenzmenge von M: Offenbar gilt S S = {H H S H} H. S = S S H. Die Mengen H heissen deshalb auch abgeschlossen. Die (Halb-)Ordnung (H, ) der abgeschlossenen Mengen ist ein Verband (H,, ) mit den Operationen H 1 H 2 = H 1 H 2 H 1 H 2 = H 1 H 2 = H 1 H 2. EX Die Potenzmengen sind trivialerweise Hüllensysteme. Die linearen Teilräume eines Vektorraums bilden ein Hüllensystem. Aber z.b. auch die Menge aller konvexen Teilmengen des R n bildet ein Hüllensystem. Ebenso die Menge aller Polyeder in R n etc. Wir machen für die weitere Diskussion in diesem Kapitel die Annahme, dass die Grundmenge M endlich ist. Ein Hüllensystem (H, ) ist dann ein 85

3 86 5. KOMBINATORISCHE GEOMETRIEN endlicher Verband und besitzt eine Rangfunktion r(h) = max{k H i H so, dass H 0 H 1... H k = H}, die in natürlicher Weise auf die Potenzmenge von M fortgesetzt werden kann: r(s) = r(s) für alle S M. Offenbar gilt nun für alle a M: a S r(s a) = r(s). Das heisst: Das Hüllensystem H ist durch seine Rangfunktion r : P ot(m) N eindeutig bestimmt: S = {a M r(s a) = r(s)}. Man beobachtet nun sofort: r ist 0-normiert und stark monoton im folgenden Sinn. Für alle Teilmengen S T M und Elemente a M gilt: (RF.0) r( ) = 0 ; (RF.1) r(s a) r(s) ; (RF.2) r(t a) > r(t ) = r(s a) > r(s). LEMMA 5.1. Sei M eine endliche Menge, r : P ot(m) N eine Funktion mit den Eigenschaften (RF.0)-(RF.2) und S = {a M r(s a) = r(s)} für alle S M. Dann ist H = {S S M} ein Hüllensystem. Beweis. Da r eine monotone Funktion ist, gilt offenbar M = M und deshalb M H. Seien nun H 1, H 2 H und H = H 1 H 2. Wir müssen H H nachweisen und betrachten dazu ein beliebiges a M \ H mit r(h a) = r(h). Wegen H 1, H 2 H und (RF.2) wissen wir, dass a H 1 und a H 2 gelten muss. Also haben wir a H und schliessen somit H H Geometrische Rangfunktionen. Wollen wir die Rangfunktion r eines Hüllenoperators geometrisch interpretieren können, so erwarten wir sicher, dass die Hinzunahme eines weiteren Punktes a zu einer Teilmenge S den Rang allenfalls um 1 erhöht, d.h. (RF.3) r(s a) = r(s) oder r(s a) = r(s) + 1. Unter einer geometrischen Rangfunktion verstehen wir deshalb eine normierte stark monotone Funktion r mit der Eigenschaft (RF.3) (d.h. eine Funktion mit den Eigenschaften (RF.0)-(RF.3)).

4 1. HÜLLENSYSTEME UND ABSCHLUSSOPERATOREN 87 PROPOSITION 5.1. Es sei r eine geometrische Rangfunktion auf der endlichen Menge M mit Hüllenoperator S S = {a M r(s a) = r(s)}. Dann ist r genau die wieder aus dem Hüllenoperator abgeleitete Rangfunktion. Beweis. Für die Zwecke des Beweises bezeichnen wir mit r die Rangfunktion des Hüllenoperators S S. Sei nun die Kette abgeschlossener Mengen S 1... S k = S derart, dass k = r(s). Dann gilt notwendigerweise für jedes a S i \ S i 1 S i = (S i 1 a), denn S i 1 (S i 1 a) S i würde ja r(s) k + 1 bedeuten. Die Eigenschaft (RF.3) garantiert nun r(s i ) = r(s i 1 ) + 1 d.h r(s) = k = r(s k ) = r(s). Allgemein erhalten wir deshalb: r(s) = r(s) = r(s) = r(s). Die Eigenschaft (RF.3) ist stärker als (RF.1). Ist sie gegeben, so kann man geometrische Rangfunktionen auch durch Submodularität (d.h. Eigenschaft (21) im folgenden Lemma 5.2) charakterisieren, was für spätere Verallgemeinerungen vorteilhaft ist. LEMMA 5.2. Sei r : P ot(m) N eine 0-normierte Funktion mit der Eigenschaft (RF.3). Genau dann ist r eine geometrische Rankfunktion, wenn gilt (21) r(s T ) + r(s T ) r(s) + r(t ) für alle S, T M. Beweis. Wir nehmen zunächst an, dass r im Sinne von (21) submodular ist, und beweisen (RF.2). In der Tat haben wir im Fall S T wegen S = T (S a), T a = T (S a) und der Submodularität von r r(t ) + r(s a) r(t a) + r(s) d.h. r(s a) r(s) r(t a) r(t ) und somit (RF.2). Umgekehrt nehmen wir nun an, dass r die Eigenschaft (RF.2) besitzt, und beweisen, dass dann auch (21) gelten muss. Wir argumentieren per Induktion über n = M, wobei der Fall n 1 trivial ist. Sei also (21) garantiert wennimmer M n 1.

5 88 5. KOMBINATORISCHE GEOMETRIEN Im Fall S T haben wir S T = S und deshalb (21). Andernfalls gibt es ein a S mit a / T. Sei S := S \ a und folglich S T = S T. Nach Induktionsvoraussetzung (bzgl. M \ a) gilt dann r(s T ) + r(s T ) r(s ) + r(t ) bzw. r(s T ) r(s ) r(t ) r(s T ). Im Fall r(s T ) = r(s T ) folgt (21) sofort aus r(s ) r(s). Im Fall r(s T ) = r(s T ) + 1 haben wir wegen (RF.2) auch r(s) = r(s ) + 1 und somit ebenso die Gültigkeit von (21). BEMERKUNG. Es gibt von Hüllenoperatoren abgeleitete Rangfunktionen, die zwar submodular, aber keine geometrischen Rangfunktionen im oben eingeführten Sinn sind. EX M = {a, b} mit Hüllensystem H = {, b, {a, b}} ergibt 0 = r( ) < r(a) = 2 r( ) + 1. (RF.3) ist also auch bei Submodularität echt stärker als (RF.1). Typische Beispiele von geometrischen Rangfunktion erhält man so. Wir betrachten eine Matrix A K m n über einem Körper K und nehmen als Grundmenge M die Menge aller Spaltenvektoren von A. Einer Teilmenge S M mit S = k entspricht die aus der Spaltenmenge S gebildete Untermatrix A S K m k. Als Rangfunktion auf M wählen wir den Matrixrang: r(s) := rg A S. In diesem Beispiel bedeutet r(s a) > r(s), dass der Spaltenvektor a nicht von den Vektoren in S linear abhängt. Aus dem Gaussverfahren zur Lösung linearer Gleichungen ist klar, dass der Rang einer Matrix höchstens um 1 wächst, wenn eine weitere Spalte hinzugefügt wird. Liegt r(t a) > r(t ) vor, dann hängt a natürlich auch nicht von einer Untermenge S der Vektormenge T ab: r(s a) > r(s) (d.h. Eigenschaft (RF.2) ist erfüllt). BEMERKUNG (KOORDINATISIERUNGEN). Es gibt auch geometrische Rangfunktionen, die nicht auf eine Matrixkonstruktion wie oben zurückgeführt werden können. Die Frage, wann eine solche Koordinatisierung einer gegebenen geometrischen Rangfunktion möglich ist, ist im allgemeinen sehr offen. Wenn man die Frage einschränkt auf Koordinatisierung über einem fest vorgegebenen Körper K, so sind Charakterisierungen bzgl. einiger weniger endlicher Körper (K = GF (2), GF (3), GF (4)) bekannt.

6 2. UNAHHÄNGIGKEITSSYSTEME UND GEOMETRISCHE RANGFUNKTIONEN Unahhängigkeitssysteme und geometrische Rangfunktionen Bzgl. eines Hüllensystems mit Rangfunktion r auf der (endlichen) Menge M sagen wir, dass a M von der Teilmenge S M \ a abhängt, falls a S. Dementsprechend nennen wir eine Menge I M unabhängig, wenn a S = a / (S \ a) (bzw. r(s \ a) < r(s) ). Mit jeder unabhängigen Menge I ist sicher auch jede Teilmenge I I unahbhängig (denn a I I \ a impliziert ja immer a I \ a). Das Mengensystem I = I(r) = {I M I unabhängig bzgl. r} ist also ein Unabhängigkeitssystem (bzw. ein Simplizialkomplex). Entfernen wir aus einer Teilmenge S M sukzessive Elemente a S mit der Eigenschaft r(s \ a) = r(s), so erhalten wir eine unabhängige Teilmenge gleichen Ranges. Das heisst r(s) = max {r(i) I I(r), I S}. Aus der Intuition der linearen Algebra (vgl. die aus Matrizen gewonnenen geometrischen Rangfunktionen oben) würde man erwarten: (22) r(i) = I für alle I I(r). Man sieht jedoch leicht, dass im allgemeinen zwar für unabhängige Mengen I immer I r(i) gilt, Gleichheit aber nicht unbedingt gewährleistet ist. Wir nennen deshalb die Rangfunktion r matroidal, wenn I(r) die Eigenschaft (22) besitzt. Matroidale Rangfunktionen r zeichnen sich also durch die Eigenschaft aus S I(r) r(s) = S. Alternativ haben wir die folgende Charakterisierung: (23) r matroidal r(s) S für alle S M. LEMMA 5.3. Die matroidalen Rangfunktionen sind genau die geometrischen Rangfunktionen.

7 90 5. KOMBINATORISCHE GEOMETRIEN Beweis. Sei die Rangfunktion r geometrisch und I = {a 1,..., a m } I(r). Wir setzen I 0 := und I k := I k 1 a k für k = 1,..., m. Dann haben wir r(i k 1 ) < r(i k ) < r(i k 1 ) + 1 d.h r(i k ) = r(i k 1 ) + 1 und folglich r(i m ) = m = I. Ist umgekehrt r matroidal und r(s) < r(s a), so existiert eine unabhängige Menge I S mit I = S und I = r(i) = r(s). Aus I a = S a ersehen wir r(i a) = r(s a). Also enthält auch I a eine unabhängige Menge vom Rang r(s a), d.h. r(s) r(s a) I a = r(s) + 1. Umgekehrt gehen wir von einem beliebigen Unabhängigkeitssystem I auf M aus und definieren eine Funktion r I : P ot(m) N durch r I (S) = max{ I I I, I S}. Es ist klar, dass r I die Eigenschaften (RF.0), (RF.1) und (RF.3) besitzt. Also finden wir: LEMMA 5.4. Die durch das Unabhängigkeitssystem I definierte Funktion r I ist die Rangfunktion eines Hüllensystems genau dann, wenn r I matroidal ist. Ist r I matroidal, dann ist I genau das zugehörige System der unabhängigen Mengen Die Steinitzsche Austauscheigenschaft. Ist r eine matroidale Rangfunktion auf M, dann weisen die Mengen I = I(r) eine Erweiterungseigenschaft auf, die als Austauscheigenschaft von Steinitz bekannt ist: (SA) Sind I, J I Mengen mit I J 1, so existiert ein a J \ I derart, dass I a I. Wegen r(i) = I < r(j) existiert nämlich (mindestens) ein a J mit r(i) < r(i a) = r(i) + 1. Also muss I a unabhängig sein. Umgekehrt gehen wir nun von einem beliebigen Unabhängigkeitssystem I auf M aus und definieren zu jedem S M Damit haben wir bewiesen r I (S) := max { I I I, I S}.

8 3. KOMBINATORISCHE GEOMETRIEN UND MATROIDE 91 SATZ 5.1. Das Unabhängigkeitssystems I auf M genügt genau dann der Steinitzeigenschaft (SA), wenn die zugehörige Funktion r I einen Hüllenoperator auf M definiert. 3. Kombinatorische Geometrien und Matroide Unter einer kombinatorischen Geometrie verstehen wir eine (endliche) Menge M zusammen mit einer geometrischen Rangfunktion r mit der Eigenschaft r(a) = 1 für alle a M. BEMERKUNG (MATROIDE UND SCHLINGEN). Setzen wir nur eine geometrische Rangfunktion r voraus, so ist (M, r) ein Matroid. Ein Element a M mit r(a) = 0 (d.h. a ) heisst dann Schlinge (auf englisch: loop), eine Sprechweise die durch die graphentheoretische Interpretation später klarer werden wird. Wir haben im vorhergehenden Abschnitt gesehen: Matroide entsprechen genau den Unabhängigkeitssystemen, welche die Steinitzsche Austauscheigenschaft besitzen. In einer kombinatorischen Geometrie G = (M, r) vom Rang r(g) = r(m) nennen wir die Elemente a M die Punkte von G, abgeschlossene Mengen G = G mit r(g) = 2 Geraden. Ebenen sind abgeschlossene Mengen E mit r(e) = 3 und Hyperebenen abgeschlossene Mengen H vom Rang r(h) = r(g) 1. Eine kombinatorische Geometrie G vom Rang r(g) = 3 ist jedoch nicht notwendigerweise eine projektive Ebene, da zwei Geraden möglicherweise keinen gemeinsamen Schnittpunkt besitzen Restriktion und Kontraktion. Ist M M eine Teilmenge von M so ist die Einschränkung r der geometrischen Rangfunktion r auf die Teilmengen von M natürlich eine geometrische Rangfunktion auf M. Wir bezeichnen mit G(M ) = (M, r ) = G \ (M \ M ) die Restriktion der kombinatorischen Geometrie (bzw. des Matroids) G auf M. (Die zweite Notation soll andeuten, dass dazu die Elemente der komplementären Menge M \ M entfernt werden.) BEMERKUNG. Die unabhängigen Mengen von G(M ) ergeben sich als I(r ) = {I M I I(r)}.

9 92 5. KOMBINATORISCHE GEOMETRIEN Eine weitere Möglichkeit, aus einer gegebenen kombinatorischen Geometrie eine andere zu konstruieren, wird durch die Idee der Projektion der Geraden durch einen Punkt a auf eine unendlich ferne Hyperebene gegeben. Konkret bedeutet dies, dass wir die Geraden G, die a enthalten, als Punkte p einer neuen geometrischen Struktur mit der Rangfunktion r a ({p 1,..., p k {) := r({p 1... p k }) 1 auffassen. Die Konstruktion läuft darauf hinaus, dass wir auf der Menge M := M \ a eine Rangfunktion r a, wie folgt, betrachten: r a (S) := r(s a) 1 (S M ). Es ist leicht zu sehen, dass r a eine geometrische Rangfunktion auf M ist. Wir bezeichen die entsprechende kombinatorische Geometrie mit G/a = (M, r a ) und nennen G/a die Kontraktion 1 von G bzgl. a. BEMERKUNG. Aus der Definition von r a folgt direkt: I(r a ) = {I M \ a I a I} Dekomposition. Man kann eine kombinatorische Geometrie G auf M dekomponieren, indem man der Reihe nach Elemente aus der Grundmenge entfernt und entweder die entsprechende Restriktion oder Kontraktion der vorangehenden Geometrie definiert. Dabei ist es irrelevant, ob wir zuerst die Restriktionen oder die Kontraktionen durchführen, d.h. im Fall A B = erhalten wir (G \ A)/B = (G/B) \ A, denn beide Strukturen sind auf M = M \ (A B) definiert und haben als Rangfunktion r B (C) = r(c B) (C M ). 1 dieser Begriff erhält eine anschauliche Erklärung im Kontext von Graphen

10 4. PROJEKTIVE GEOMETRIEN Invarianten. Ein kombinatorischen Geometrien (Matroiden) G zugeordneter numerischer Parameter t(g) heisst (Matroid)-Invariante, falls für alle Elemente a der jeweiligen Grundmenge gilt: (24) t(g) = t(g \ a) + t(g/a). EX Ist G = (M, r) eine kombinatorische Geometrie, so haben wir bzgl. eines jeden a M: I \ a = {I I a / I} I/a = {I I a I} d.h. I(r) = I \ a + I/a. Die Anzahl t(g) der unabhängigen Teilmengen einer kombinatorischen Geometrie G ist folglich eine Invariante. Der Wert der Invarianten t(g) ist durch ihre Werte auf den kleineren kombinatorischen Geometrien G \ a und G/a festgelegt und kann deshalb rekursiv aus t( ) und der Dekompositionsstruktur von G berechnet werden. 4. Projektive Geometrien Einer geometrischen Sprechweise folgend heissen die abgeschlossenen Teilmengen einer kombinatorischen Geometrie G = (M, r) auch Unterräume von G. Gilt für je zwei Unterräume S, T die modulare Gleichung (25) r(s T ) + r(s T ) = r(s) + r(t ), wird G = (M, r) eine projektive Geometrie genannt. Die projektiven Ebenen sind genau die projektiven Geometrien G vom Rang G = 3. BEMERKUNG. Die modulare Gleichung (25) wird bei projektiven Geometrien nur für Unterräume vorausgesetzt. Bei (nicht abgeschlossenen) Teilmengen ist sie nicht unbedingt erfüllt. (Zur Erinnerung: S T ist der kleinste Unterraum, der S und T enthält.) Man macht sich klar: Die Kontraktion einer projektiven Geometrie ergibt immer eine projektive Geometrie. Die Restriktion einer projektiven Geometrie ist typischerweise keine projektive Geometrie (aber natürlich eine kombinatorische Geometrie).

11 94 5. KOMBINATORISCHE GEOMETRIEN BEMERKUNG (DIMENSION PROJEKTIVER RÄUME). Unter der (projektiven) Dimension eines Unterraums S einer projektiven Geometrie G = (M, r) versteht man die Zahl dim S := r(s) 1. Die Elemente p M haben somit als Punkte der projektiven Geometrie G die Dimension dim p = r(p) 1 = 0. Projektive Geraden haben Dimension 1, Ebenen Dimension 2 usw Projektive Geometrien von Vektorräumen. Sei V ein Vektorraum der (Vektorraum-)Dimension dim V V = n über einem (endlichen) Körper K mit K = q Elementen. Dann ist die Anzahl der Vektoren von V V = q n. Jeder 1-dimensionale Unterraum p = v von V umfasst q Elemente: v = {λv λ K} (v V \ {0}). Wir nehmen nun die Menge M = {v v V \{0}} aller 1-dimensionalen Unterräume von V als die Menge der Punkte(!) einer kombinatorischen Geometrie P = P(V ) = (M, r), wobei wir setzen r(s) = dim V S (S M). Die abgeschlossenen Teilmengen der kombinatorischen Geometrie P(V ) entsprechen genau den linearen Teilräumen des Vektorraums V. Die (aus der linearen Algebra bekannte) Modularität der Dimensionsfunktion auf dem Verband der linearen Teilräume von V zeigt: P(V ) ist eine projektive Geometrie. Die Grundelemente von P(V ) sind bzgl. V aber nicht Vektoren sondern 1-dimensionale lineare Teilräume. Die projektive(!) Dimension von P ist dim P(V ) = dim V V 1 = n 1. Wieviele Punkte besitzt die projektive Geometrie P? Da sich je zwei 1- dimensionale lineare Teilräume von V genau im 0-Vektor schneiden, finden wir P = qn 1 q 1. Betrachten wir V = K n als Koordinatenraum, so erhalten wir die (linearen) Hyperebenen von V als die Mengen der Lösungen x = (x 1,..., x n ) K n von homogenen linearen Gleichungssystemen vom Rang 1: a 1 x 1 + a 2 x a n x n = 0.

12 4. PROJEKTIVE GEOMETRIEN 95 Also schliessen wir, dass auch für die Menge H der Hyperebenen der projektiven Geometrie P(V ) gilt: H = qn 1 q 1 = P, wie wir es schon bei projektiven Ebenen kennen.

Aufbau der Projektiven Geometrie

Aufbau der Projektiven Geometrie Seminararbeit zum Seminar aus Reiner Mathematik Aufbau der Projektiven Geometrie Leonie Knittelfelder Matr. Nr. 1011654 WS 2012/13 Inhaltsverzeichnis 1 Einleitung 3 2 Linearmengen 4 2.1 Satz (1.3.1): Das

Mehr

3.2 Unabhängigkeitsstrukturen

3.2 Unabhängigkeitsstrukturen 80 3.2 Unabhängigkeitsstrukturen Unser Ziel ist der Nachweis, daß in Vektorräumen, also in Moduln über Körpern, Basen existieren und zwei endliche Basen gegebenenfalls von derselben Ordnung sind. (Basen

Mehr

Projektive Räume und Unterräume

Projektive Räume und Unterräume Projektive Räume und Unterräume Erik Slawski Proseminar Analytische Geometrie bei Prof. Dr. Werner Seiler und Marcus Hausdorf Wintersemester 2007/2008 Fachbereich 17 Mathematik Universität Kassel Inhaltsverzeichnis

Mehr

2.3 Basis und Dimension

2.3 Basis und Dimension 23 Basis und Dimension Erinnerung Gegeben ein K-Vektorraum V, ein Vektorensystem x,, x n in V Eine Linearkombination in den x i ist ein Vektor der Form λ x + + λ n x n mit λ i K Die λ i heißen Koeffizienten

Mehr

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v Kap 1: VEKTORRÄUME Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung ϕ : I X, i ϕ(i) = x i, wobei die Menge I in diesem Zusammenhang auch Indexmenge genannt wird. Man schreibt vereinfacht

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein

Mehr

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge 1 Mengensysteme Ein Mengensystem ist eine Familie von Teilmengen einer Grundmenge und damit eine Teilmenge der Potenzmenge der Grundmenge. In diesem Kapitel untersuchen wir Mengensysteme, die unter bestimmten

Mehr

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10 D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler Lösungen Serie 10 1. Für a 1 : 1 1 0, a 2 : 1 1, a 3 : 1 1 1, b : 2 2 2 1 und A : (a 1, a 2, a 3 ) gelten welche der folgenden Aussagen? (a) det(a)

Mehr

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i.

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i. Kapitel Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften von R 3 interessieren, so stört manchmal die Ausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter

Mehr

Homogene und inhomogene Koordinaten und das Hyperboloid

Homogene und inhomogene Koordinaten und das Hyperboloid Seminararbeit zum Seminar aus Reiner Mathematik Homogene und inhomogene Koordinaten und das Hyperboloid Gernot Holler 1010674 WS 2012/13 28.November 2012 1 Inhaltsverzeichnis 1 Einleitung 3 2 Homogene

Mehr

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h. Lineare Abbildungen Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls (1) u, v V : f( u + v) = f( u) + f( v). (2) v V α K : f(α v) = αf( v).

Mehr

Induktive Definitionen

Induktive Definitionen Priv.-Doz. Dr.rer.nat.habil. Karl-Heinz Niggl Technische Universität Ilmenau Fakultät IA, Institut für Theoretische Informatik Fachgebiet Komplexitätstheorie und Effiziente Algorithmen J Induktive Definitionen

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 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden

Mehr

Analysis II. Vorlesung 48. Die Hesse-Form

Analysis II. Vorlesung 48. Die Hesse-Form Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 48 Die Hesse-Form Wir sind natürlich auch an hinreichenden Kriterien für das Vorliegen von lokalen Extrema interessiert. Wie schon im eindimensionalen

Mehr

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 213/214 Markus Schweighofer Lineare Algebra I 6.2 Basen Definition 6.2.1. Seien V ein K-Vektorraum, n N und v 1,..., v n V. (a)

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

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 03.12.2013 Alexander Lytchak 1 / 16 Wiederholung und Beispiele Der Spaltenrang einer Matrix ist gleich ihrem Zeilenrang.

Mehr

Blatt 10 Lösungshinweise

Blatt 10 Lösungshinweise Lineare Algebra und Geometrie I SS 05 Akad. Rätin Dr. Cynthia Hog-Angeloni Dr. Anton Malevich Blatt 0 Lösungshinweise 0 0 Aufgabe 0. Es seien die Vektoren u =, v = und w = in R gegeben. a # Finden Sie

Mehr

Lineare Algebra II 5. Übungsblatt

Lineare Algebra II 5. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,

Mehr

3 Systeme linearer Gleichungen

3 Systeme linearer Gleichungen 3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +

Mehr

5 Vektorräume. (V1) für alle x, y V : x + y = y + x; (V2) für alle x, y, z V : (x + y) + z = x + (y + z);

5 Vektorräume. (V1) für alle x, y V : x + y = y + x; (V2) für alle x, y, z V : (x + y) + z = x + (y + z); 5 Vektorräume Was wir in den vorangegangenen Kapiteln an Matrizen und Vektoren gesehen haben, wollen wir nun mathematisch abstrahieren. Das führt auf den Begriff des Vektorraumes, den zentralen Begriff

Mehr

2. Isotropie. Beweis: (i) (ii): β U ist nicht ausgeartet. U U = {0} (ii) (iii): β U ist nicht ausgeartet. Da β nicht ausgeartet ist, gilt U = U:

2. Isotropie. Beweis: (i) (ii): β U ist nicht ausgeartet. U U = {0} (ii) (iii): β U ist nicht ausgeartet. Da β nicht ausgeartet ist, gilt U = U: 2. Isotropie Im folgenden sei V ein K-Vektorraum der Dimension n. Es sei q eine quadratische Form darüber und β die zugehörige symmetrische Bilinearform. Zudem gelte in K: 1 + 1 0. Notation 2.0: Wir nennen

Mehr

Kapitel III. Lineare Abbildungen

Kapitel III. Lineare Abbildungen Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,

Mehr

β 1 x :=., und b :=. K n β m

β 1 x :=., und b :=. K n β m 44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix

Mehr

Kapitel 13. Lineare Gleichungssysteme und Basen

Kapitel 13. Lineare Gleichungssysteme und Basen Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x

Mehr

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 1

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 1 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 206/7): Lineare Algebra und analytische Geometrie. (Herbst 2005, Thema, Aufgabe ) Bestimmen Sie alle reellen Lösungen des folgenden linearen Gleichungssystems:.2

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.4 2017/04/13 14:48:29 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.1 Affine Geometrie im R d Wir hatten einen affinen Teilraum A des R d als eine Teilmenge der Form A = a + U definiert,

Mehr

Klausurenkurs zum Staatsexamen (WS 2014/15): Lineare Algebra und analytische Geometrie 1

Klausurenkurs zum Staatsexamen (WS 2014/15): Lineare Algebra und analytische Geometrie 1 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Lineare Algebra und analytische Geometrie. (Herbst 2005, Thema, Aufgabe ) Bestimmen Sie alle reellen Lösungen des folgenden linearen Gleichungssystems:.2

Mehr

1 Elemente der Wahrscheinlichkeitstheorie

1 Elemente der Wahrscheinlichkeitstheorie H.-J. Starkloff Unendlichdimensionale Stochastik Kap. 01 11. Oktober 2010 1 1 Elemente der Wahrscheinlichkeitstheorie 1.1 Messbare Räume Gegeben seien eine nichtleere Menge Ω und eine Menge A von Teilmengen

Mehr

3.3 Der Seitenverband

3.3 Der Seitenverband Diskrete Geometrie (Version 3) 10. Januar 2012 c Rudolf Scharlau 217 3.3 Der Seitenverband Wir setzen die Untersuchung der Relation ist Seite von auf der Menge aller konvexen Polytope in einem gegebenen

Mehr

2 Durchschnitt und Verbindungsraum

2 Durchschnitt und Verbindungsraum 2 Durchschnitt und Verbindungsraum Seien X und Y nicht leere affine Unterräume des R n (21) Satz: a) Ist X Y, so ist T(X) T(Y ) b) Ist X Y φ so ist X Y ein affiner Raum mit Richtungsvektorraum T(X) T(Y

Mehr

Die Lineare Algebra-Methode. Mahir Kilic

Die Lineare Algebra-Methode. Mahir Kilic Die Lineare Algebra-Methode Mahir Kilic 23. Juni 2004 1 Einführung 1.1 Überblick Im Allgemein benutzt man die Lineare Algebra-Methode in der Kombinatorik wie folgt: Für die Bestimmung einer Obergrenze

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 8 18. Mai 2010 Kapitel 8. Vektoren (Fortsetzung) Lineare Unabhängigkeit (Fortsetzung) Basis und Dimension Definition 80. (Lineare (Un-)Abhängigkeit)

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

Mehr

5.7 Lineare Abhängigkeit, Basis und Dimension

5.7 Lineare Abhängigkeit, Basis und Dimension 8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n

Mehr

Konvergenz von Folgen

Konvergenz von Folgen 6 Konvergenz von Folgen Definition 6.1 Eine Folge in C (oder R) ist eine Abbildung f : N C (oder R). Schreibweise: (a n ) n N, (a n ), a 1, a 2... wobei a n = f(n). Beispiele: 1) (1 + 2 n ) n N, 3 2, 5

Mehr

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 11 Lineare Unabhängigkeit Definition 11.1. Es sei K ein Körper und V ein K-Vektorraum. Dann heißt eine Familie von Vektoren v i, i I,

Mehr

6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar.

6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar. Um zu zeigen, dass die irreduziblen Teiler eines reellen Polynoms höchstens den Grad 2 haben, fassen wir nun (x γ) und (x γ) zusammen und stellen fest, dass (x (a + b i))(x ((a b i)) = x 2 2a + (a 2 +

Mehr

auf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a

auf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a x LINEARE ABBILDUNGEN Denition: Seien V; V Vektorraume Eine Abbildung f heit linear, falls (i) (ii) f(x + y) f(x) + f(y) (x; y V ) f(x) f(x) ( R; x V ) Bemerkungen: I (i) und (ii) oben sind aquivalent

Mehr

3 Längenendliche Verbände. Dimension

3 Längenendliche Verbände. Dimension 3 Längenendliche Verbände. Dimension Unser Ziel ist es, projektive Geometrien endlicher Dimension durch Spezialisierung der betrachteten Verbände zu kennzeichnen. Dazu gehört sicher, dass es endliche viele

Mehr

2 Rationale und reelle Zahlen

2 Rationale und reelle Zahlen 2 reelle Es gibt Mathematik mit Grenzwert (Analysis) und Mathematik ohne Grenzwert (z.b Algebra). Grenzwerte existieren sicher nur dann, wenn der Zahlbereich vollständig ist, also keine Lücken aufweist

Mehr

Körper- und Galoistheorie

Körper- und Galoistheorie Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 23 Unter den drei klassischen Problemen der antiken Mathematik versteht man (1) die Quadratur des Kreises, (2) die Dreiteilung

Mehr

Ganzzahlige lineare Programme

Ganzzahlige lineare Programme KAPITEL 5 Ganzzahlige lineare Programme Wir betrachten nun Optimierungsprobleme vom Typ (42) min c T x s.d. Ax = b, x 0, x ganzzahlig, wobei die Matrix A R m n und die Vektoren c R n, b R m gegeben seien.

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen Mathematische Probleme, SS 208 Dienstag 0.4 $Id: vektor.tex,v.30 207/07/7 08:09:23 hk Exp hk $ Analytische Geometrie und Grundlagen In dieser Vorlesung wollen wir uns mit Fragen der sogenannten Elementargeometrie

Mehr

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis

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 05.11.2013 Alexander Lytchak 1 / 14 Linearkombinationen Definition Es sei V ein reeller Vektorraum. Es sei (v i ) i

Mehr

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit 3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53

Mehr

Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer

Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie Sommersemester 2009 Franz Pauer INSTITUT FÜR MATHEMATIK, UNIVERSITÄT INNSBRUCK, TECHNIKERSTRASSE 13, 6020

Mehr

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum, 2 Vektorräume In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa Unterraum, Linearkombination, lineare Unabhängigkeit und Erzeugendensystem.

Mehr

Addition: ( 1 ; : : : ; n ) + ( 1 ; : : : ; n ) = ( ; : : : ; n + n ). Skalare Multiplikation: ( 1 ; : : : ; n ) = ( 1 ; : : : ; n ). II. Die Me

Addition: ( 1 ; : : : ; n ) + ( 1 ; : : : ; n ) = ( ; : : : ; n + n ). Skalare Multiplikation: ( 1 ; : : : ; n ) = ( 1 ; : : : ; n ). II. Die Me x 3 VEKTOR AUME In Kapitel 2 betrachteten wir wichtige Raume, die durch unsere Raumvorstellung motiviert waren { die zwei- und dreidimensionalen Raume R 2 und R 3. Jetzt untersuchen wir hoher dimensionale

Mehr

8. Konvexe Polytope. Tobias Boelter. Mittwoch, 5. März TopMath Frühlingsschule

8. Konvexe Polytope. Tobias Boelter. Mittwoch, 5. März TopMath Frühlingsschule 1 / 31 8. Konvexe Tobias Boelter TopMath Frühlingsschule Mittwoch, 5. März 2014 2 / 31 Es können auch nicht konvexe untersucht werden, wir beschränken uns hier aber auf konvexe. Mit einem Polytop ist hier

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof Dr H Brenner Osnabrück SS 26 Lineare Algebra und analytische Geometrie II Vorlesung 2 Orthogonalität Mit dem Skalarprodukt kann man die Eigenschaft zweier Vektoren, aufeinander senkrecht zu stehen,

Mehr

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau 312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind

Mehr

4 Affine Koordinatensysteme

4 Affine Koordinatensysteme 4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.31 2018/04/10 15:11:07 hk Exp hk $ 1 Analytische Geometrie und Grundlagen 1.1 Affine Geometrie im R d Wir beschäftigen uns gerade mit den affinen Teilräumen des R d, diese erlauben

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

1 Grundlagen zur Darstellungstheorie

1 Grundlagen zur Darstellungstheorie Seminar Gruppen in der Physik SS 06 Vortrag 1 Gruppen und ihr Darstellung Matthias Nagl 1 Grundlagen zur Darstellungstheorie In diesem Vortrag wird es nur um lineare Darstellungen endlicher Gruppen in

Mehr

5 Komplementäre Verbände

5 Komplementäre Verbände 5 Komplementäre Verbände Die Bestimmung von Verbandselementen durch Punkte hat in modularen längenendlichen Verbänden im Falle der Existenz sinnvolle Eigenschaften (vgl. 4.5), die Existenz kann aber mit

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

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

5 Analytische Geometrie

5 Analytische Geometrie 5 Analytische Geometrie Die Grundidee der analytischen Geometrie ist es, geometrische Objekte in Räumen mittels linearer Algebra zu beschreiben 51 Affine Räume Definition 511 Ein affiner Raum (AR) über

Mehr

KAPITEL 6 GANZZAHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULARE MATRIZEN

KAPITEL 6 GANZZAHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULARE MATRIZEN KPITEL 6 GNZZHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULRE MTRIZEN F. VLLENTIN,. GUNDERT. Ganzzahlige lineare Programme Viele Optimierungsprobleme des Operations Research lassen sich als ganzzahlige lineare

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 26.11.2013 Alexander Lytchak 1 / 12 Wiederholung Ist B = (v 1,..., v n ) eine Basis eines Vektorraums V, so erhalten

Mehr

ist (oder besser Abspalten von Linearfaktoren beschäftigen. Zu einem beliebigen Körper K betrachten wir die Menge (j,k) N N j+k=n

ist (oder besser Abspalten von Linearfaktoren beschäftigen. Zu einem beliebigen Körper K betrachten wir die Menge (j,k) N N j+k=n 8. Polynomringe Das Umgehen mit Polynomen, d.h. mit Ausdrücken der Form a 0 + a 1 x + a 2 x 2 +... + a n x n ist aus der Schule vertraut, falls die Koeffizienten a 0,..., a n ganze oder rationale oder

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 25/26 Lineare Algebra und analytische Geometrie I Schläft ein Lied in allen Dingen, Die da träumen fort und fort, Und die Welt hebt an zu singen, Triffst du nur das Zauberwort

Mehr

Mathematik I. Vorlesung 14. Rang von Matrizen

Mathematik I. Vorlesung 14. Rang von Matrizen Prof Dr H Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 14 Rang von Matrizen Definition 141 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von den Spalten

Mehr

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { } Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird

Mehr

= ( n x j x j ) 1 / 2

= ( n x j x j ) 1 / 2 15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors

Mehr

Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen

Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen Aufgabe 1: Es sei D die Menge aller rationalen Dedekind-Mengen, also D := { M 2 Q M is Dedekind-Menge }. Auf der Menge D definieren wir

Mehr

2 Vektorräume und Gleichungssysteme

2 Vektorräume und Gleichungssysteme 2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum 2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum Definition 21 Seien K = (K, +, ) ein Körper, V eine Menge und

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:

Mehr

Lineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz

Lineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz Lineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz Aufgabe 1 Sei V ein endlich-dimensionaler K-Vektorraum, und seien f und g Endomorphismen von V mit f g = g f. Zeige: a) Sind f und g diagonalisierbar,

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler ................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik

Mehr

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus

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

λ(a n ) n 1 = (λa n ) n 1. Abbildung 1: Graph einer Folge. b n = arctan(n), f n = cos(nπ), g n = n 2, h n = ( 1) n n.

λ(a n ) n 1 = (λa n ) n 1. Abbildung 1: Graph einer Folge. b n = arctan(n), f n = cos(nπ), g n = n 2, h n = ( 1) n n. Folgen Es sei X eine beliebige Menge. Eine Folge mit Werten in X ist eine Abbildung von N nach X. Es wird also jeder natürlichen Zahl n (dem Index) ein Element a n aus X zugeordnet (das n-te Folgenglied).

Mehr

Geometrische Realisierung eines Simplizialkomplexes

Geometrische Realisierung eines Simplizialkomplexes Geometrische Realisierung eines Simplizialkomplexes Antoine Beljean 5. Juni 2012 1 Voraussetzungen Definition 1. Sei X eine Menge, und {A i } i I eine Familie von topologischen Räumen, so dass : jeder

Mehr

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.

Mehr

Kapitel I. Lineare Gleichungssysteme

Kapitel I. Lineare Gleichungssysteme Kapitel I Lineare Gleichungsssteme Lineare Gleichungen in zwei Unbestimmten Die Grundaufgabe der linearen Algebra ist das Lösen von linearen Gleichungssstemen Beispiel : Gesucht sind alle Lösungen des

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

Affine Geometrie (Einfachere, konstruktive Version) Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit

Mehr

2 Fortsetzung von Prämaßen zu Maßen, Eindeutigkeit

2 Fortsetzung von Prämaßen zu Maßen, Eindeutigkeit 2 Fortsetzung von Prämaßen zu Maßen, Eindeutigkeit a) Fortsetzungssatz, Eindeutigkeit Es wird gezeigt, dass jedes Prämaß µ auf einem Ring R zu einem Maß µ auf A(R) fortgesetzt werden kann, d.h. µ kann

Mehr

Musterlösung Serie 8

Musterlösung Serie 8 D-MATH Lineare Algebra I HS 018 Prof. Richard Pink Musterlösung Serie 8 Dimension, Direkte Summe & Komplemente 1. Zeige: Für jedes Erzeugendensystem E eines Vektorraums V und jede linear unabhängige Teilmenge

Mehr

6.5 Lineare Abhängigkeit, Basis und Dimension

6.5 Lineare Abhängigkeit, Basis und Dimension 6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

LINEARE ALGEBRA II. FÜR PHYSIKER LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders

Mehr

m 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23

m 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23 Kapitel 5 Eigenwerte 5. Definition und Beispiele Wir sehen uns ein System dreier schwingender Kugeln der Massen m, m und m 3 an, die durch Federn aneinander gekoppelt sein sollen. m k m k 3 m 3 x ( t x

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Basisdarstellung und das Skalarprodukt (Teil 2)

TECHNISCHE UNIVERSITÄT MÜNCHEN. Basisdarstellung und das Skalarprodukt (Teil 2) TECHNISCHE UNIERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 006/07 en Blatt 11 15.01.007 Basisdarstellung und das Skalarprodukt (Teil )

Mehr

4 Funktionenfolgen und normierte Räume

4 Funktionenfolgen und normierte Räume $Id: norm.tex,v 1.57 2018/06/08 16:27:08 hk Exp $ $Id: jordan.tex,v 1.34 2018/07/12 20:08:29 hk Exp $ 4 Funktionenfolgen und normierte Räume 4.7 Kompakte Mengen Am Ende der letzten Sitzung hatten wir zwei

Mehr

2.3 Basis und Dimension

2.3 Basis und Dimension Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit

Mehr

Kapitel V. Affine Geometrie

Kapitel V. Affine Geometrie Kapitel V Affine Geometrie 1 Affine Räume Betrachte ein lineares Gleichungssystem Γ : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 + + a mn x n = b

Mehr

Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Lösung Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Um zu zeigen, dass es sich bei den gegebenen Vektoren um Basen handelt,

Mehr

3 Die Strukturtheorie der Vektorräume

3 Die Strukturtheorie der Vektorräume Vorlesung WS 08 09 Lineare Algebra 1 Prof. Dr. Peter Schneider 3 Die Strukturtheorie der Vektorräume Sei V ein K-Vektorraum Sei v 1,...v r V endlich viele vorgegebene Vektoren. Definition: 1. Jeder Vektor

Mehr

Affine Eigenschaften ( stets K = R)

Affine Eigenschaften ( stets K = R) Affine Eigenschaften ( stets K = R) Def. 15 Sei M eine Teilmenge eines affinen Raums A über V (über K). Eine Eigenschaft der Menge M heißt affin, wenn für jede Affinität F : A A 1 die Bildmenge {F(a)wobei

Mehr

Induktive Definitionen

Induktive Definitionen Induktive Definitionen Induktive Definition: Konstruktive Methode zur Definition einer Menge M von Objekten aus Basisobjekten mittels (Erzeugungs-) Regeln Slide 1 Rekursion über den Aufbau: Konstruktive

Mehr