Lineare Abbildungen. i=0 c ix i n. K n K m
|
|
- Agnes Brigitte Küchler
- vor 7 Jahren
- Abrufe
Transkript
1 Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht es darum, dass wir Vektorräume (oder andere algebraische Objekte) nicht unterscheiden wollen, wenn sie nur durch eine andere Bezeichnung der Elemente auseinander hervorgehen. 4.1 Definition und Beispiele Definition V und W seien K-Vektorräume. Eine Abbildung T : V W heißt eine lineare Abbildung, falls für alle v 1, v 2 V und alle λ K gilt: T(v 1 + v 2 λ) = T(v 1 ) + T(v 2 )λ. Beispiel (1.) Die Identität id V : V V ist linear. (2.) Die Abbildung D : K[x] K[x], n i=0 c ix i n i=1 ic ix i ist linear (Differenzieren). (3.) Sei T K (m,n). Dann ist die Abbildung K n K m v Tv linear. Wir können also jeder Matrix eine lineare Abbildung zuordnen. Bemerkung Es gilt T(0) = 0, weil T(0) = T(0 + 0) = T(0) + T(0). Ferner gilt für alle v, w V und alle λ K T(vλ) T(v + w) = T(v)λ = T(v) + T(w). 62
2 Der folgende Satz zeigt, dass lineare Abbildungen bereits durch Angabe der Bilder einer Basis eindeutig bestimmt sind: Satz (Satz von der linearen Fortsetzung) Sei V ein endlichdimensionaler K-Vektorraum mit geordneter Basis B = (b 1,...b n ). Sei W ein beliebiger K-Vektorraum, und seien c 1,..., c n W beliebige Vektoren. Dann gibt es genau eine lineare Abbildung T : V W mit T(b i ) = c i. Beweis Zu v V gibt es eindeutig bestimmte Skalare λ i mit v = n i=1 b iλ i. Dann muss T(v) = n i=1 T(v i)λ i = n i=1 c iλ i sein. Also ist T eindeutig bestimmt. Man rechnet auch leicht nach, dass die so definierte Abbildung in der Tat linear ist: Sei dazu v = n i=1 b iλ i, w = n i=1 b iµ i und λ K. Dann T(v + wλ) = T( = = n b i (λ i + µ i λ)) i=1 n c i (λ i + µ i λ) i=1 n n c i λ i + ( c i µ i )λ i=1 Beispiel Sei B = {b 1, b 2 } mit b 1 = i=1 = T(v) + T(w)λ ( ( 2 1, b 2 = eine Basis von R 2. Ferner seien c 1 = Abbildung 2 1 und c 2 = zwei Vektoren aus R 3. Dann ist die 1 T : R 2 R 3 ( ( 2 1 λ 1 + λ λ λ x1 linear. Wir würden aber gerne T angeben können. Dazu schreiben wir x 2 e 1 = e 2 = ( 1 0) ( 0 = b 1 b 2 = b 1 + 2b 2. 63
3 Dann gilt und somit T(e 1 ) = c 1 c 2 = T(e 2 ) = c 1 + 2c 2 = x1 T = 2x 1 2x 2 x x 1 x 2. 2 x 2 Die lineare Abbildung T ist also die zur Matrix gehörende lineare Abbildung. Wir können dieses Beispiel leicht verallgemeinern: Satz Zu jeder linearen Abbildung T : K n K m gibt es eine Matrix K (m,n) so, dass T die zu dieser Matrix gehörende lineare Abbildung ist. Von jetzt an wollen wir zwischen Matrizen und den zugehörenden linearen Abbildungen K n K m nicht mehr unterscheiden. Zunächst ist aber nicht klar, ob Matrizen etwas mit allgemeinen linearen Abbildungen zwischen Vektorräumen zu tun haben. Definition Sei T : V W eine lineare Abbildung. Dann definieren wir Kern(T) := {v V : T(v) = 0} Bild(T) := {T(v) : v V }. Beachten Sie: Kern(T) V und Bild(T) W. Es gilt sogar noch mehr, dass Kern und Bild nämlich Unterräume sind: Lemma Kern(T) V und Bild(T) W. Beweis Kern(T) { }, weil 0 Kern(T). Seien v, w Kern(T), λ K. Dann gilt T(v + wλ) = T(v) + T(w)λ = 0, also ist v + wλ Kern(T). Der Fall Bild(T) W geht ähnlich. 64
4 Der Kern der linearen Abbildung, die zu einer Matrix T K (m,n) gehört, ist genau der Lösungsraum von Tx = 0. Der Vektorraum, der von den Spalten aufgespannt wird, ist genau das Bild von T. Mit Hilfe des Kerns hat man eine sehr schöne Charakterisierung von Injektivität: Satz Eine lineare Abbildung T : V W ist genau dann injektiv, wenn Kern(T) = {0} gilt. Beweis Klar ist, dass für eine injektive Abbildung Kern(T) = {0} gilt, denn sonst hätte 0 W mehr als ein Urbild. Sei nun T nicht injektiv. Dann gibt es v, w V mit T(v) = T(w), aber v w. Das liefert T(v w) = 0, also 0 v w Kern(T). Es gilt folgende sehr wichtige Dimensionsformel: Satz Sei T : V W eine lineare Abbildung, wobei dim(v ) <. Dann gilt dim(kern(t)) + dim(bild(t)) = dim(v ). Beweis Sei v 1,...,v k eine Basis von Kern(T). Dann können wir v 1,..., v k zu einer Basis v 1,..., v n von V ergänzen. Wir zeigen, dass dann T(v k+1 ),...,T(v n ) eine Basis von Bild(T) ist. Die Menge {T(v 1 ),...,T(v n )} ist ein Erzeugendensystem von Bild(T). Weil T(v 1 ) =... = T(v k ) = 0, ist sogar T(v k+1 ),...,T(v n ) ein Erzeugendensystem von Bild(T). Dieses Erzeugendensystem ist linear unabhängig: Wenn es linear abhängig wäre, gäbe es Skalare λ k+1,..., λ n, die nicht alle gleich 0 sind, mit n i=k+1 T(v i)λ i = 0. Dann ist aber n i=k+1 v iλ i Kern(T), d.h. 0 n i=k+1 v iλ i v 1,...,v k, Widerspruch zur linearen Unabhängigkeit der v 1,..., v n. Dieser Satz (und sein Beweis) haben einige interessante Folgerungen: Korollar Sei U V, wobei V ein endlichdimensionaler Vektorraum ist. Dann gibt es eine lineare Abbildung T : V V mit Kern(T) = U. Beweis Wir wählen eine Basis von U und ergänzen diese zu einer Basis von V. Wir definieren T nun so, dass T die Elemente der Basis von U auf 0 abbildet, die Elemente der Basis, die nicht in U liegen, werden auf Vektoren 0 geschickt. Korollar Sei U K n. Dann gibt es eine Matrix T K (n,n) so, dass U = {x K n : Tx = 0} gilt. Neben dem Rang einer Matrix T K (m,n) kann man auch den Spaltenrang definieren als die Dimension des von den Spalten von T aufgespannten Unterraumes von K m definieren. Der Spaltenraum ist genau das Bild der zu T gehörenden linearen Abbildung. Den zuvor definierten Rang wollen wir, zur Unterscheidung, nun den Zeilenrang nennen. Es gilt: 65
5 Satz Für T K (m,n) gilt Zeilenrang(T) = Spaltenrang(T). Beweis Wir betrachten die lineare Abbildung T : K n K m, die durch die Matrix T erklärt ist. Dann ist offenbar Spaltenrang(T) = dim(bild(t)). Ferner wissen wir bereits n Zeilenrang(T) = dim Kern(T). Aus der Dimensionsformel folgt die Behauptung. Definition Sei A = (α (i,j) ) i=1,...,m;j=1,...n K (m,n). Dann heißt A := (α j,i ) j=1,...,n;i=1,...m K (n,m) die zu A transponierte Matrix. Satz (1.) (AB) = B A. (2.) Rang(A) = Rang(A ). (3.) A K n,n ist invertierbar A ist invertierbar. Dann gilt ferner (A 1 ) = (A ) 1. Beweis (1.) Sei A = (α i,j ) K (m,n) und B = (β i,j ) K (n,p). Dann ist der (i, j)-eintrag von AB gleich dem (j, i)-eintrag von (AB) : Weiter gilt (AB) i,j = (B A ) j,i = also (AB) j,i = (B A ) j,i. n α i,k β k,j = (AB) j,i k=1 n (B ) j,k (A ) k,i = k=1 (2.) Das folgt aus Zeilenrang gleich Spaltenrang. n β k,j α i,k, (3.) Übung. k=1 4.2 Zur Algebra linearer Abbildungen Satz Es seien V und W Vektorräume über K. Sind T und S lineare Abbildungen V W, und ist λ K, so ist auch T + Sλ eine lineare Abbildung V W. Die Menge aller linearen Abbildungen V W wollen wir als Hom(V, W) bezeichnen. Die Bezeichnung kommt daher, dass strukturerhaltende Abbildungen in der Mathematik meistens als Homomorphismen bezeichnet werden. In diesem Sinne sind lineare Abbildungen Homomorphismen. Es gilt: 66
6 Korollar Die Menge Hom(V, W) mit der üblichen Addition und Skalarmultiplikation ist ein Vektorraum. Korollar Sind V und W endlichdimensionale Vektorräume, so ist Hom(V, W) ein Vektorraum der Dimension dim(v ) dim(w). Beweis Sei (b 1,..., b n ) eine Basis von V, und sei (c 1,...,c m ) eine Basis von W. Dann gibt es genau eine lineare Abbildung T i,j : V W mit T i,j (b i ) = c j und T i,j (b k ) 0 für k i. Diese linearen Abbildungen bilden eine Basis von Hom(V, W). Wir können lineare Abbildungen auch hintereinander ausführen, und erhalten so wieder eine lineare Abbildung: Satz V, W, Z seien K-Vektorräume. Sind T : V W und S : W Z lineare Abbildungen, dann ist auch S T eine lineare Abbildung V Z. Beweis Übung, bzw. einfach. 4.3 Lineare Operatoren, Endomorphismen Eine lineare Abbildung T : V V heißt linearer Operator oder Endomorphismus. Der Endomorphismus V V mit v 0 für alle v V wird auch mit 0 V bezeichnet. Es gilt Satz (Endomorphismenring) End(V ) := (Hom(V, V ), +,,0 V,id V ) ist ein nichtkommutativer Ring. Ferner ist End(V ) ein Vektorraum und es gilt für alle λ K. (T S)λ = T (Sλ) = (Tλ) S Bijektive Abbildungen kann man eventuell invertieren. Die inversen Elemente von bijektiven linearen Abbildungen sind wieder linear: Lemma Ist T End(V ) bijektiv, so ist T 1 linear. Beweis Zu zeigen ist T 1 (v + wλ) = T 1 (v) + T 1 (w)λ. Weil T bijektiv ist, ist dies gleichbedeutend mit T(T 1 (v + wλ)) = T(T 1 (v) + T 1 (w)λ) Das ist aber sicherlich richtig, weil T linear ist. 67
7 Bijektive Endomorphismen auf V heißen Automorphismen. Die Automorphismen auf V bilden eine Gruppe GL(V ). Ist V = K n schreibt man auch GL(n, K). Bijektive Homomorphismen V W heißen Isomorphismen. Isomorphismen bilden linear unabhängige Mengen auf linear unabhängige Mengen ab, und linear abhängige Mengen werden auf linear abhängige Mengen abgebildet. Wenn es zwischen V und W einen Isomorphismus gibt, so heißen V und W isomorph, geschrieben V = W. Es können nur Vektorräume gleicher Dimension isomorph sein! Satz V und W seien endlichdimensionale K-Vektorräume und dim(v ) = dim(w). Für lineare Abbildungen T : V W sind dann die folgenden Bedingungen äquivalent: (i) T ist bijektiv (ii) Kern(T) = {0} (iii) Bild(T) = W (d.h. T ist injektiv) (d.h. T ist surjektiv) (iv) T bildet eine gegebene Basis von V auf eine Basis von W ab. (v) T bildet jede Basis von V auf eine Basis von W ab. Beweis Siehe Vorlesung. Satz (Hauptsatz über endlichdimensionale Vektorräume) Ist V ein Vektorraum mit dim(v ) = n, so gilt V = K n Beweis Ist v 1,..., v n eine Basis von V, und ist e 1,...,e n eine (z.b. die kanonische) Basis von K n, so gibt es nach Satz eine bijektive lineare Abbildung T mit T(v i ) = e i. 4.4 Darstellung linearer Abbildungen durch Matrizen V und W seien K-Vektorräume, und B = (b 1,...,b n ) sei eine geordnete Basis von V, C = (c 1,..., c m ) sei eine geordnete Basis von W. Für eine lineare Abbildung T : V W definieren wir eine Matrix [T] B C K(m,n) wie folgt: Die i-te Spalte von [T] B C sei [T(b i)] C, der Koordinatenvektor des Bildes von b i unter der linearen Abbildung T. Das ist sehr sinnvoll, wie der folgende Satz zeigt: Satz [T(v)] C = [T] B C [v] B. 68
8 Beweis Sei v = n i=1 b iλ i, also [v] B = λ 1. λ n. Dann ist T(v) = n i=1 T(b i)λ i. Wir schreiben das Element T(b i ) bezüglich der Basis C, d.h. T(b i ) = m j=1 c jα j,i. Mit anderen Worten, [T] B C = (α j,i) j=1,...,m;i=1,...,n. Wir können nun T(v) auch bzgl. C darstellen: m n T(v) = c j α j,i λ i, also j=1 i=1 n i=1 α 1,iλ i [T(v)] C =. = [T] B C n i=1 α m,iλ i Die Zuordnung einer Matrix zu einer linearen Abbildung ist sogar ein Vektorraumisomorphismus. In diesem Sinne kann man etwas ungenau sagen, dass lineare Abbildungen dasselbe sind wie Matrizen. Satz V und W seien K-Vektorräume mit dim(v ) = n, dim(w) = m, und B und C seien geordnete Basen von V und W. Dann ist die Abbildung [ ] B C ein Vektorraumisomorphismus. ist offenbar linear und injektiv, aus Dimensions- Beweis Die Abbildung [ ] B C gründen also auch bijektiv. : Hom(V, W) K(m,n) T [T] B C λ 1. λ n (4. Dieser Satz sagt noch nichts darüber aus, ob die Hintereinanderausführung von linearen Abbildungen auch eine vernünftige Interpretation in der Matrizenwelt hat. Der nächste Satz sagt, dass dies aber in der Tat der Fall ist: Satz V, W und Z seien endlichdimensionale K-Vektorräume mit geordneten Basen B, C und D. Wenn T Hom(V, W) und S Hom(W, Z) ist, so gilt [S T] B D = [S]C D [T]B C. Beweis Klar, weil auf der rechten Seite des Gleichheitszeichens eine Matrix M steht mit M [v] B = [(S T)(v)] D. Diese Matrix ist aber die nach Satz eindeutig bestimmte Darstellungsmatrix von S T bzgl. der Basen B und D. Korollar Es seien V und W endlichdimensionale K-Vektorräume mit geordneten Basen B und C. Dann gilt für lineare Abbildungen T : V W: In diesem Fall gilt T ist bijektiv [T] B C [T 1 ] C B = ([T]B C ) 1. ist invertierbar. 69
9 Im Fall dim(v ) = dim(w) = n hat die Zuordnung von Matrizen zu linearen Abbildungen in Hom(V, W) also noch eine weitere interessante und wichtige Eigenschaft: Die Abbildung (4. respektiert auch die Ringoperation. In diesem Sinne spricht man auch von einem Ringisomorphismus. Der Ring der linearen Operatoren ist also letztlich dasselbe wie der Matrizenring. 4.5 Basistransformation Sei wieder T : V W eine lineare Abbildung. In diesem letzten Abschnitt wollen wir uns mit der Frage beschäftigen, welcher Zusammenhang zwischen Matrizen [T] B C und [T]B C besteht, wenn sowohl C und B als auch C und B Basen von W und V sind. Die Frage wird durch folgenden Satz vollständig beantwortet: Satz Sei T : V W eine lineare Abbildung. Ferner sollen B und B geordnete Basen von V sein, und C und C geordnete Basen von W. Mit id V und id W bezeichnen wir die identischen Abbildungen auf V und W. Dann gilt: [T] B C = [id W] C C [T]B C [id V ] B B. Beweis Das folgt unmittelbar aus Bemerkung Die Darstellungsmatrizen [id V ] B B aus Abschnitt 3.5. M B B Wir wollen uns diesen Satz an zwei Beispielen klarmachen: Beispiel Wir betrachten die lineare Abbildung T( x 1 x1 + x x 2 ) = 2. 2x 3 x 1 x 3 sind genau die Matrizen Wenn B und C jeweils die kanonische Basis von R 3 und R 2 bezeichnet, so gilt [T] B C = Wir suchen nun die Darstellungsmatrix von T bezüglich der geordneten Basen B = ( 1 0, ), ( ( C 0 1 = (, ) Wir benötigen dazu die beiden Matrizen [id R 3] B B und [id R 2] C C 70
10 Die erste Matrix ist einfach Ferner ist Wir erhalten [id R 2] C C 1 1 [T] B C = 1 0 [id R 3] B B = = ([id R 2]C C ) 1 = = = (4.2) Rechnen wir dies am Beispiel v = 3 1 nach: Es gilt [v] B = 1 1 und [T] B C [v] B =. 4 ( 7 4 Wir müssen noch = [T(v)] 4 C überprüfen: Es gilt T(v) = = 7 ( ( 3) Beispiel Sei T = aus R (3,3) Wir wollen die durch T definierte lineare Abbildung R 3 R 3 bezüglich der Basis ausdrücken. Es gilt Wir haben und B = ( 2 0, 2 1, 3 1 ) [T] B B = ([id]b B ) 1 T [id] B B. [id] B B = =: P P 1 =
11 Dann P 1 TP = Das kann man leicht nachprüfen, denn T 2 0 = 2 2 0, 1 1 T 2 1 = 2 2 1, 0 0 T 3 1 = Definition Zwei Matrizen M,N K (n,n) heißen ähnlich, wenn es P GL(n, K) gibt mit P 1 MP = N Satz Ähnlichkeit ist eine Äquivalenzrelation auf K n. Beweis Es gilt I 1 MI = M, also reflexiv. Wenn P 1 MP = N gilt, so gilt auch PNP 1 = (P 1 ) 1 NP 1 = M, also ist die Relation auch symmetrisch. Zur Transitivität: Gilt P 1 MP = N und Q 1 NQ = S, so ist (PQ) 1 M(PQ) = Q 1 (P 1 MP)Q = S. Ziel: Finde Normalformen, d.h. auf jeder Äquivalenzklasse bezüglich der Relation Ähnlichkeit gebe man einen kanonischen Vertreter an. 4.6 Zusammenfassung Sie wissen, was lineare Abbildungen sind, und können Beispiele linearer Abbildungen angeben. Sie haben gelernt, dass lineare Abbildungen bereits vollständig durch Angabe der Bilder von Basisvektoren bestimmt sind. Sie kennen die Definition des Kerns einer linearen Abbildung und die Dimensionsformel dim(kern(t)) + dim(bild(t)) = dim(v ). Zeilenrang=Spaltenrang Jeder Unterraum des R n ist Lösungsraum eines linearen Gleichungssystems. Sie wissen, was Transponieren für Matrizen bedeutet. Man kann jede lineare Abbildung durch eine Matrix darstellen. 72
12 Der Vektorraum der linearen Abbildungen V W ist zum Vektorraum der dim(w) dim(v )-Matrizen isomorph. Hintereinanderausführung linearer Abbildungen entspricht Matrizenmultiplikation. Sie wissen, was der Endomorphismenring und was GL(n, K) ist. Der Endomorphismenring ist zum Ring der n n-matrizen isomorph (wobei wir aber Ringisomorphismen nicht präzise definiert haben). Die Injektivität einer linearen Abbildung T ist gleichbedeutend mit Kern(T) = {0}. Sie haben gelernt, wie sich Darstellungsmatrizen bei Basiswechsel transformieren. Sie kennen die Definition von Ähnlichkeit von Matrizen und können Sie vom Begriff der Äquivalenz unterscheiden. 73
[UV2] bedeutet Abgeschlossenheit bezüglich der Addition, [UV3] ist die Abgeschlossenheit bzgl. der Skalarmultiplikation. Bezeichnung U V.
3.2 Unterräume Definition 3.2.1 Sei V ein K-Vektorraum. Eine Teilmenge U V heißt ein Unterraum von V, falls gilt: [UV1] U { }. [UV2] Für alle v,w U gilt v +w U. [UV3] Für alle v U und λ K gilt v λ U. [UV2]
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
MehrLineare Abbildungen und Matrizen
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume
Mehr1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen
1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen
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
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
MehrLineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,
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 Lineare Abbildungen
1 Lineare Abbildungen Definition 1 Sei K ein Körper und V und W K-Vektoräume. Eine Abbildung f : V W heisst linear oder Homomoprhismus, wenn gilt: fv 1 + v 2 = fv 1 + fv 2 v 1, v 2 V fλv = λfv λ K, v V
MehrKapitel 7 Lineare Abbildungen und Matrizen II
Kapitel 7 Lineare Abbildungen und Matrizen II 7.1 Weitere Rechenregeln für Matrizen Aus den bisher gelernten Regeln entnehmen wir den als Übung zu beweisenden Satz 7.1. Es gelten die folgenden Regeln.
Mehr7.2 Die adjungierte Abbildung
7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)
Mehr6.3 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 +
Mehr1 Eigenschaften von Abbildungen
Technische Universität München Christian Neumann Ferienkurs Lineare Algebra für Physiker Vorlesung Dienstag WS 2008/09 Thema des heutigen Tages sind zuerst Abbildungen, dann spezielle Eigenschaften linearer
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra HS 2014 Seite 56 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra 2014/15 Seite 59 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
MehrMathematik I. Vorlesung 12. Lineare Abbildungen
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 12 Lineare Abbildungen Definition 12.1. Es sei K ein Körper und es seien V und W K-Vektorräume. Eine Abbildung heißt lineare Abbildung,
MehrLineare Abbildungen und Darstellungsmatrizen
KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt
MehrBild, 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
Mehr3 Lineare Abbildungen und Matrizen
3 Lineare Abbildungen und Matrizen Definition 3.1. Es seien V und W zwei Vektorräume über demselben Zahlkörper k. Eine Abbildung heisst linear, falls gilt i) [ λ k ] [ v V ] [ f (λ v) = λ f ( v) ] ii)
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
Mehr1 Linearkombinationen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch
Mehr4 Lineare Abbildungen und Matrizen
4.1 Lineare Abbildungen Definition 4.1. Es seien V, W K-Vektorräume. Eine Abbildung f : V W heißt linear oder Homomorphismus, wenn für alle u, v V und λ K gilt Beispiel 4.2. L1 f(u + v) = f(u) + f(v),
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,...,
Mehr2.2 Kern und Bild; Basiswechsel
22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare
MehrKapitel 11. Bilinearformen über beliebigen Bilinearformen
Kapitel 11 Bilinearformen über beliebigen Körpern Wir können in diesem Kapitel rasch vorgehen, weil die meisten Konzepte im Zusammenhang mit Sesquilinearformen bereits eingeführt wurden. In diesem Abschnitt
Mehrβ 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
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 6. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November, 7 Vektoräume Eine Menge E zusammen mit zwei Verknüpfungen + : E E E, x, y x + y Addition : E E E,
Mehr2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105. gramms kommutativ:
2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105 gramms kommutativ: V ϕ W ψ X c B c C c D K n x MC B(ϕ) x K m x MC D (ψ) x K l x M C D (ψ)mb C (ϕ) x Dies bedeutet, dass das gesamte Diagramm kommutativ ist.
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
MehrV. Lineare Algebra. 35 Lineare Abbildungen und Matrizen. 156 V. Lineare Algebra
156 V. Lineare Algebra V. Lineare Algebra 35. Lineare Abbildungen und Matrizen 156 36. Eigenwerte und Eigenvektoren 161 37. Hauptvektoren 165 38. Normen und Neumannsche Reihe 168 39. Numerische Anwendungen
MehrKlausur zur Vorlesung Lineare Algebra und Geometrie I
Klausur zur Vorlesung Lineare Algebra und Geometrie I Ruhr-Universität Bochum Prof. Dr. Peter Eichelsbacher 3. April 2007, 9.00-13.00 Uhr, 240 Minuten Name und Geburtsdatum: Matrikelnummer: Hinweise: Überprüfen
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
MehrLINEARE 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
Mehr13 Partielle Ableitung und Richtungsableitung
3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 74 3 Partielle Ableitung und Richtungsableitung 3 Definition und Notiz Sei B R n offen, f : B R m, v R n, so heißt für γ x,v (t) = x + tv d dt f(x + tv) f(x)
MehrSummen und direkte Summen
Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M
MehrKap 5: Rang, Koordinatentransformationen
Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv
MehrDie wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.
Definition: Lineare Abbildung Lineare Abbildungen Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. 8.1 Definition: Lineare Abbildung Eine Funktion f : V Ñ W zwischen
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
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung ϕ : V W
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
MehrGrundlagen der Mathematik 1
Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben
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
Mehrx y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)
Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f(v) = u} (Andere Bezeichnung: f(v) wird in Analysis-Vorlesung
MehrIV.3. RANG VON MATRIZEN 81
IV3 RANG VON MATRIZEN 8 Ist b,,b n eine Basis des reellen Vektorraums V, dann bildet b,,b n auch eine Basis des komplexen Vektorraums V C Mit V ist daher auch V C endlichdimensional und es gilt dim C V
Mehr2.5 Gauß-Jordan-Verfahren
2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]
Mehrx y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)
Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung
MehrLINEARE ALGEBRA I (LEHRAMT GYMNASIUM) WINTERSEMESTER 2015/16
LINEARE ALGEBRA I (LEHRAMT GYMNASIUM) WINTERSEMESTER 2015/16 CAROLINE LASSER Inhaltsverzeichnis 1. Vektorräume 2 1.1. Vektorräume und Unterräume (13.10.) 2 1.2. Lineare Unabhängigkeit (20.10.) 3 1.3. Basen
MehrLineare 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
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
Mehr5.7 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
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrMathematik 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
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):
MehrWiederholung: lineare Abbildungen
Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) =
MehrÜbersicht Kapitel 9. Vektorräume
Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten
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
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
MehrKapitel 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,...,
MehrBasis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Basis und Dimension Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren aus V. 1) (v i ) i I heißt ein Erzeugendensystem von V, wenn Span(v i ) = V. 2) (v i ) i I heißt Basis von
Mehr5 Matrizen. In dem linearen Gleichungssystem. wollen wir die Koeffizienten zusammenfassen zu einer Matrix A =
74 5 Matrizen K sei ein fest gewählter Körper In dem linearen Gleichungssystem α ξ + α 2 ξ 2 + +α n ξ n = 0 α 2 ξ + +α 2n ξ n = 0 α m ξ + + +α mn ξ n = 0 wollen wir die Koeffizienten zusammenfassen zu
MehrKapitel 2 Lineare Algebra II. 2.1 Lineare Abbildungen
Kapitel 2 Lineare Algebra II 2 Lineare Abbildungen Die mit der Vektorraumstruktur verträglichen Abbildungen zwischen Vektorräumen werden als linear bezeichnet Genauer definiert man: 2 Definition Eine Abbildung
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 9 Basiswechsel Wir wissen bereits, dass in einem endlichdimensionalen Vektorraum je zwei Basen die gleiche Länge
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 12.12.2016 9. Vorlesung Eigenschaften linearer Abbildungen Beschreibung linearer Abbildungen durch Matrizen... Eigenschaften
Mehr1 Mengen und Abbildungen
1 MENGEN UND ABBILDUNGEN 1 1 Mengen und Abbildungen Wir starten mit einigen einführenden Definitionen und Ergebnissen aus der Theorie der Mengen und Abbildungen, die nicht nur Grundlage der Linearen Algebra
MehrViele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung
Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele
Mehr4.3 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
MehrDer Rangsatz für lineare Abbildungen
Der Rangsatz für lineare Abbildungen Satz Sei f : V W eine lineare Abbildung Dann gilt dim V = dim Kern(f) + dim Bild(f), also gleichbedeutend dim Kern(f) = dim V rg(f) Da uns in der Regel bei gegebenem
MehrBasis eines Vektorraumes
Basis eines Vektorraumes Basisergänzungssatz: Ist U V ein Unterraum von V und dim V = n, so kann jede Menge linear unabhängiger Vektoren aus U zu einer Basis von U erweitert werden Und es gilt: Beweis:
Mehr3 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
Mehrtechnische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung heißt lineare
MehrMathematik für Anwender I
Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von
MehrLineare Algebra I: Eine Landkarte
Bild F Algebra I: Eine Landkarte Faser Versuch einer Übersicht der Themen und Zusammenhänge der n Algebra 1. 1 Algebra I: Bild F Faser Sei B Basis von V. Jedes v V läßt sich eindeutig aus den Basisvektoren
MehrLineare Algebra I. December 11, 2017
Lineare Algebra I December 11, 2017 1 Grundlagen 1.1 Relationen Definition. Seien X und Y Mengen. Eine Relation auf X Y ist eine Teilmenge R X Y. Für x X, y Y sagen wir x steht in Relation mit y, falls
Mehr2.3 Lineare Abbildungen und Matrizen
2.3. LINEARE ABBILDUNGEN UND MATRIZEN 89 Bemerkung Wir sehen, dass die Matrix à eindeutig ist, wenn x 1,...,x r eine Basis ist. Allgemeiner kann man zeigen, dass sich jede Matrix mittels elementarer Zeilenumformungen
Mehr5. Matrizen und Determinanten
technische universität dortmund Dortmund, im Januar 01 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 1 und Matrizen und
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:
MehrVorlesung Abbildungen und Matrizen
Vorlesung Abbildungen und Matrizen Ferienkurs Lineare Algebra 1 Wintersemester 2009/10 09.03.2010 In diesem Abschnitt befassen wir uns mit linearen Abbildungen zwischen Vektorräumen und deren Darstellung
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzugen zur Vorlesung: Der Vollständigkeit
MehrDefinitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.
Technische Universität Berlin Wintersemester 7/8 Institut für Mathematik 9. April 8 Prof. Dr. Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Nachklausur zur Linearen Algebra I Aufgabe ++ Punkte Definieren
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
MehrProjektive 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
Mehrx 2 + y 2 = f x y = λ
Lineare Abbildungen Def Es seien (V 1,+, ) und (V 2,+, ) zwei Vektorräume Eine Abbildung f : V 1 V 2 heißt linear, falls für alle Vektoren u,v V 1 und für jedes λ R gilt: f (u + v) = f (u) + f (v), f (λu)
MehrBestimmung der Dimension
Bestimmung der Dimension Satz. Sei (v 1, v 2,..., v n ) ein minimales Erzeugendensystem von V, d.h. dieses System ist ein Erzeugendensystem von V, aber keines der nach Weglassen eines v i (1 i n) entstehenden
MehrLineare 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.
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem
MehrLösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 24 1. Zeige: Ist 1 n := min{dim K (V 1 ), dim K (V 2 )} < für Vektorräume V 1 und V 2, so ist jeder Tensor in V 1 K V 2 eine Summe von
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
MehrLineare Abbildungen und Matrizen
Lineare Abbildungen und Matrizen Seien V und W K-Vektorräume mit dimv = n und dimw = m Im folgenden wollen wir jeder m n Matrix eine lineare Abbildung V W zuordnen, und umgekehrt jeder linearen Abbildung
MehrVektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)
Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz
MehrKapitel 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
Mehr3.5 Duale Vektorräume und Abbildungen
3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung
Mehr70 IV. ENDLICH-DIMENSIONALE VEKTORRÄUME
IV. Endlich-dimensionale Vektorräume Unter einem endlich-dimensionalen Vektorraum verstehen wir einen Vektorraum, der eine endliche Basis besitzt. Die entscheidende Beobachtung ist die Tatsache, dass in
MehrKoordinaten und darstellende Matrizen
Koordinaten und darstellende Matrizen Olivier Sète 4 Juli 2008 Inhaltsverzeichnis Koordinatenabbildung 2 Definition und Eigenschaften 2 2 Beispiel 3 2 Matrixdarstellung eines Vektorraumhomomorphismus 3
MehrKLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG
KLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG Aufgabe 1 Es sei K ein Körper, V ein K-Vektorraum, und seien v 1,..., v n V (n N). (a) Definieren Sie, wann die endliche Familie v 1,...,
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
Mehr3.9 Elementarmatrizen
90 Kapitel III: Vektorräume und Lineare Abbildungen 3.9 Elementarmatrizen Definition 9.1 Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare
MehrKapitel 12. Lineare Abbildungen und Matrizen
Kapitel 12 Lineare Abbildungen und Matrizen Lineare Abbildungen f : R n R m Wir wissen schon: Eine lineare Abbildung f : R n R m ist eindeutig durch ein n-tupel von Vektoren v 1, v 2,, v n des R m bestimmt
MehrÄquivalenz von Matrizen
Äquivalenz von Matrizen Wir befassen uns jetzt mit der Fragestellung, ob man zu einer gegebenen linearen Abbildung F : V W geeignete Basen für V und W finden kann, sodass die darstellende Matrix von F
Mehr