Theorie der Vektorräume
|
|
- Viktor Lang
- vor 7 Jahren
- Abrufe
Transkript
1 Kapitel 3 Theorie der Vektorräume 3.1 Gruppen, Ringe, Körper In diesem Abschnitt führen wir die drei wichtigsten algebraischen Grundstrukturen ein, nämlich Gruppen, Ringe und Körper. Sie sind nicht nur für die lineare Algebra, sondern auch für die meisten anderen Bereiche der klassischen Algebra (Permutationen, Polynomgleichungen, Teilbarkeit etc. ) von zentraler Bedeutung Definition. Eine Abbildung : A A A, (a, b) a b heißt (zweistellige) Operation oder Verknüpfung auf A Beispiele. Zweistellige Operationen sind: (1) Die Addition + und die Multiplikation auf N, Z, Q, R, (2) die Komposition (Verknüpfung) auf der Funktionenmenge M M = {f f : M M}, (3) das Vektorprodukt auf R 3. Das Skalarprodukt ist für n > 1 keine Operation auf R n. Auch die skalare Multiplikation m : R R n R n, (λ, v) λv ist für n > 1 keine Operation auf R n Definition. Eine Halbgruppe ist eine Menge A mit einer assoziativen Operation, d. h. a (b c) = (a b) c Beispiele. (a, b, c A). (1) Jede der Mengen N, Z, Q, R ist bezüglich +, aber auch bezüglich eine Halbgruppe. (2) Die Operation : R R R, (a, b) a+b 2 ist nicht assoziativ. (3) Die Operation : R R R, (a, b) a b ist ebenfalls nicht assoziativ. 25
2 KAPITEL 3. THEORIE DER VEKTORRÄUME Definition. Ein Element e A heißt neutral bezüglich der Operation, falls e a = a e = a für alle a A gilt. Eine Halbgruppe mit neutralem Element heißt Monoid Bemerkung. Neutrale Elemente sind eindeutig bestimmt: Sind e und e neutral, so folgt: e = e e = e Beispiele. (1) 0 ist neutral in N 0, Z, Q, R bezüglich +. (2) 1 ist neutral in N 0, Z, Q, R bezüglich. (3) N hat kein neutrales Element bezüglich +, aber 1 ist neutral bezüglich Definition. Gilt in einem Monoid mit neutralem Element e für zwei Elemente a, a die Gleichung a a = a a = e, so heißt a Inverses zu a. Ein Monoid, in dem jedes Element ein Inverses hat, heißt Gruppe Lemma. In Monoiden sind inverse Elemente eindeutig bestimmt (soweit sie existieren), und es gilt: (a ) = a, (a b) = b a Satz. Eine Menge G mit einer assoziativen Operation ist genau dann eine Gruppe, wenn für je zwei Elemente a, b G die Gleichungen a x = b und y a = b in G lösbar sind. Die Lösungen x bzw. y sind dann eindeutig bestimmt. Eine nichtleere Halbgruppe (G, ) ist also genau dann eine Gruppe, wenn für jedes a G die folgenden Translationen l a und r a bijektiv sind: l a : G G, x a x und r a : G G, x x a Schreibweise. Ist assoziativ, so schreibt man a b c für (a b) c ( = a (b c)). Wird das Symbol + (bzw. ) statt benutzt, so bezeichnet man das neutrale Element (falls es existiert) meist mit 0 (bzw. 1). Das Inverse zu a wird (falls es existiert) meist mit a (bzw. a 1 ) bezeichnet. Statt a + ( b) schreibt man a b, analog b + a für ( b) + a. Der Multiplikationspunkt wird oft weggelassen, d. h. ab := a b gesetzt Definition. Eine Operation auf A heißt kommutativ, falls a b = b a für alle a, b A gilt. Eine Halbgruppe (A, ) heißt kommutativ oder abelsch, falls kommutativ ist Bemerkung. In abelschen Halbgruppen gilt also z. B. sowie a b c = b a c = b c a = c a b = a c b = c b a (a b) = a b.
3 KAPITEL 3. THEORIE DER VEKTORRÄUME Beispiele. (N, +) (N, ) (N 0, +) (Z, +) (Z, ) (Q, +) (Q, ) (Q, ) (R, +) (R, ) (R, ) Halbgruppe Monoid Gruppe Definition und Satz. (Summen und Produkte) Additive Schreibweise Multiplikative Schreibweise (G, +) sei ein Monoid. (G, ) sei ein Monoid. Neutrales Element: 0 Neutrales Element: 1 Inverses Element: a Inverses Element: a 1 Induktive Summendefinition: 0j=1 a j := 0, Induktive Produktdefinition: 0j=1 a j := 1, nj=1 := n 1 j=1 a j + a n = a a n nj=1 := n 1 j=1 a j a n = a 1... a n n Faches von a G (n N 0 ): n te Potenz von a G (n N 0 ): 0a := 0, na := (n 1)a + a = a a a 0 := 1, a n := a n 1 a = a... a Falls (G, +) eine Gruppe ist: ( n)a := n( a) Falls (G, ) eine Gruppe ist: a n := (a 1 ) n Assoziativ und Distributivgesetze: Potenzgesetze: m(na) = (mn)a = n(ma) (a n ) m = a mn = (a m ) n (m + n)a = ma + na = na + ma a m+n = a m a n = a n a m Falls + kommutativ ist: m(a + b) = ma + mb = mb + ma Falls kommutativ ist: (a b) m = a m b m = b m a m Diese Regeln gelten in Halbgruppen für m, n N, in Monoiden für m, n N 0, und in Gruppen sogar für m, n Z Satz. (Permutationsgruppen) (1) Für eine beliebige Menge M ist (M M, ) ein Monoid mit neutralem Element id M. Hat M mehr als ein Element, so ist (M M, ) keine Gruppe. (2) S(M), die Menge der bijektiven Abbildungen von M in M, ist eine Gruppe bezüglich. Hat M mehr als zwei Elemente, ist sie nicht kommutativ Definition. S(M) := {σ M M σ bijektiv} heißt symmetrische Gruppe von M, und die Elemente von S(M) heißen Permutationen von M. Statt S(n) schreibt man S n.
4 KAPITEL 3. THEORIE DER VEKTORRÄUME Bemerkung. Eine Permutation σ S n wird häufig als n Tupel (σ 1,..., σ n ) geschrieben. Z. B. ist (1, 3, 4, 2) die Abbildung σ : 4 4, 1 1, 2 3, 3 4, 4 2. S n hat n! ( n Fakultät ) Elemente. Dabei definiert man induktiv 0! := 1, n! := (n 1)! n = 1... n Definition. Ein Ring ist eine Menge R zusammen mit zwei Operationen + und, so daß gilt: (1) (R, +) ist eine abelsche Gruppe (mit neutralem Element 0). (2) (R, ) ist eine Halbgruppe. (3) Es gelten die Distributivgesetze a (b + c) = a b + a c und (b + c) a = b a + c a. Ist auch kommutativ, so spricht man von einem kommutativen Ring. Ein Element 1 mit 1 a = a 1 = a für alle a R heißt Einselement. Existiert ein solches, ist R ein Ring mit Schreibweise. ab := a b, ab + ac := (a b) + (a c), a(b + c) := a (b + c). ( Punkt geht vor Strich.) Beispiel. Ist G eine (abelsche) Halbgruppe bzw. Gruppe bezüglich der Operation +, so ist für jede Menge M auch G M eine (abelsche) Halbgruppe bzw. Gruppe bezüglich der komponentenweisen Operation (f + g)(x) = f(x) + g(x). Entsprechend ist R M mit komponentenweiser Addition und Multiplikation ein (kommutativer) Ring, falls R einer ist. Hingegen ist (G M, +, ) mit der assoziativen Verknüpfung von Funktionen kein Ring, falls M mehr als ein Element hat, obwohl das linksseitige Distributivgesetz gilt: (f + g) h = (f h) + (g h) Definition. Ein kommutativer Ring (K, +, ) heißt Körper, falls (K, ) = (K \ {0}, ) eine Gruppe ist, also jedes von 0 verschiedene Element a bezüglich ein Inverses a 1 hat. Man schreibt auch b a statt b a Beispiel und Definition. Es sei C := R 2, 1 := (1, 0), ı := (0, 1). Wir setzen ( ) 1 1 = 1, 1 ı = ı 1 = ı, ı ı = 1. {1, ı} ist die kanonische Basis von R 2. Damit läßt sich jedes Element von C = R 2 eindeutig als Linearkombination = a + bı := a 1 + b ı mit a, b R schreiben. Es gibt eine einzige Operation ( Multiplikation ) auf C, so daß das Distributivgesetz gilt und ( ) erfüllt ist, nämlich: (a + bı) (c + dı) = (ac bd) + (ad + bc)ı. Mit + und versehen, wird C zu einem Körper, dem Körper der komplexen Zahlen. Das Inverse zu a + bı C ist 1 a + bı = (a + bı) 1 = a bı a 2 + b 2.
5 KAPITEL 3. THEORIE DER VEKTORRÄUME Beispiele. (N, +, ) (Z, +, ) (Q, +, ) (R, +, ) (C, +, ) Ring Körper Bemerkung. Jeder Körper ist ein Ring mit 1. Außerdem gilt in einem Körper Satz. (Nullteilerfreie Ringe und Körper) Jeder Körper ist nullteilerfrei, d. h. es gilt: ab = 0 a = 0 oder b = 0. Umgekehrt ist jeder endliche nullteilerfreie kommutative Ring mit 1 bereits ein Körper Bemerkung. Für unendliche Ringe gilt dies nicht, z. B. ist (Z, +, ) ein nullteilerfreier kommutativer Ring, aber kein Körper Beispiele. Für jedes n N sei Z n := {0, 1, 2,..., n 1}. Bezeichnet x die größte ganze Zahl z x, so ist für a Z r n (a) := a n a n der nichtnegative Rest bei Division von a durch n. Für a, b Z n definieren wir a + n b := r n (a + b), a n b := r n (a b). Dann ist (Z n, + n, n) ein kommutativer Ring mit Einselement 1. Er ist genau dann ein Körper, wenn n eine Primzahl ist (denn genau dann ist Z n nullteilerfrei). Speziell ist Z 2 = {0, 1} mit + 2 und 2 ein zweielementiger Körper: Addition und Multiplikation wie in Z, mit der einzigen Ausnahme = Definition und Satz. Eine nichtleere Teilmenge U einer Gruppe (G, ) heißt Untergruppe, falls für a, b U auch a b und b in U liegen (es genügt, a b U zu fordern). U ist dann mit der eingeschränkten Operation : U U U wieder eine Gruppe. Entsprechend nennt man eine nichtleere Teilmenge U eines Ringes (R, +, ) Unterring, falls mit a, b U auch a b (folglich auch a + b) und a b wieder in U liegen. U mit den eingeschränkten Operationen + und ist dann wieder ein Ring. Ist (K, +, ) ein Körper, so heißt ein Unterring (U, +, ) von (K, +, ) Unterkörper, sofern 1 U und a 1 U für a U \ {0} gilt. In diesem Fall ist (U, +, ) wieder ein Körper, und (K, +, ) heißt Erweiterungskörper von (U, +, ) Beispiele. (1) (Z, +) und (Q, +) sind Untergruppen von (R, +), hingegen ist (N, +) keine Untergruppe. (2) Die Unterringe von (Z, +, ) sind genau die Ringe (nz, +, ) mit nz = {nz z Z} (n N 0 ). Sie enthalten für n > 1 kein Einselement. (3) (Q, +, ) und (R, +, ) werden nach Identifikation von r mit (r, 0) Unterkörper von (C, +, ). Q[ 2] = {a + b 2 a, b Q} ist mit + und ein Erweiterungskörper von Q und ein Unterkörper von R. Hingegen ist (Z 2, +, ) kein Unterkörper von (Q, +, ) oder (R, +, )!
6 KAPITEL 3. THEORIE DER VEKTORRÄUME Vektorräume Dieses Kapitel liefert den allgemeinen Rahmen für die in Kapitel 2 begonnene Theorie Definition. Sei K ein Körper (z. B. Q, R, C, Z 2 ). Ein K Vektorraum oder auch Vektorraum über K ist eine additiv geschriebene abelsche Gruppe (V, +) zusammen mit einer skalaren Multiplikation : K V V, die folgende Gesetze für λ, µ K, v, w V erfüllt: (1) λ (µ v) = (λµ) v (Assoziativgesetz) (2) λ (v + w) = λ v + λ w (Distributivgesetz für Vektoren) (3) (λ + µ) v = λ v + µ v (Distributivgesetz für Skalare) (4) 1 v = v (neutrales Element) Die Elemente von V heißen Vektoren, die Elemente von K Skalare. Das neutrale Element 0 von V heißt Nullvektor. Den Multiplikationspunkt läßt man meist weg Definition. Folgende Begriffe definiert man wörtlich wie im Fall K = R, V = R n : Unterraum, Linearkombination, lineare Hülle, Erzeugendensystem, linear (un)abhängig, Basis, affiner Teilraum, Affinkombination, affine Hülle, Differenzraum. Für eine Teilmenge X eines K-Vektorraums V besteht die lineare Hülle L(X) aus allen Linearkombinationen in X, d. h. aus allen Elementen n j=1 λ j x j mit λ j K, x j X und n N Lemma. Jeder Unterraum eines K Vektorraumes ist wieder ein K Vektorraum Lemma. (Unabhängigkeitslemma) Für disjunkte Teilmengen A, B eines Vektorraums V gilt: A B linear unabhängig A, B linear unabhängig und L(A) L(B) = {0}. Insbesondere gilt für A V und v V : A {v} linear unabhängig A linear unabhängig und v L(A) Folgerung. (Unabhängigkeitssatz) Für eine nichtleere Teilmenge B eines Vektorraums V sind folgende Aussagen äquivalent: (a) B ist linear unabhängig. (b) Für jedes v B ist B \ {v} linear unabhängig und v / L(B \ {v}). (c) Es gibt ein v B, so daß B \ {v} linear unabhängig ist und v / L(B \ {v}) gilt Beispiele. (1) Sei K ein Körper und M eine Menge. Die Menge K M aller Abbildungen von M in K ist ein K Vektorraum bezüglich komponentenweiser Addition und skalarer Multiplikation: (f + g)(m) := f(m) + g(m), (λ f)(m) := λ f(m) für f, g K M, λ K, m M. Schreibweise: f m := f(m). (2) Speziell ist K n = {f f : {1,..., n} K} bis auf Bezeichnungswechsel der n dimensionale Standardraum K n über K mit den n Tupeln (f 1,..., f n ) als Elementen: (f 1,..., f n )+(g 1,..., g n ) = (f 1 +g 1,..., f n +g n ), λ(f 1,..., f n ) = (λf 1,..., λf n ) (λ, f j, g j K).
7 KAPITEL 3. THEORIE DER VEKTORRÄUME 31 (3) K N = {(f 1, f 2,...) f j K, j N} ist der Folgenraum über K. Bis auf Umnummerierung stimmt er mit K N 0 = {(f 0, f 1, f 2, f 3,...) f j K, j N 0 } überein. (4) Einige Unterräume des Folgenraumes R N : R N = { reelle Folgen } { beschränkte Folgen } { konvergente Folgen } { konstante Folgen } { Nullfolgen } {(0, 0, 0,...)} (5) Einige Unterräume des Funktionenraumes R R : R R = { reelle Funktionen } { stetige Funktionen } { differenzierbare Funktionen } { Polynom Funktionen } { konstante Polynom Funktionen } { Nullfunktion } (6) Für f K M heißt T (f) := {m M f(m) 0} der Träger von f. K [M] := {f K M T (f) endlich} ist ein Unterraum von K M. Er stimmt genau dann mit K M überein, wenn M endlich ist. Insbesondere gilt K [n] = K n = K n. (7) Ein endlicher Vektorraum über K = Z 2 ist z. B. V = Z 2 2 = {(0, 0), (1, 0), (0, 1), (1, 1)} = {0, e 1, e 2, e 1 + e 2 }.
8 KAPITEL 3. THEORIE DER VEKTORRÄUME Basen und Dimension Da die Gesamtheit aller Vektoren eines Vektorraumes unendlich und ihre Beschreibung kompliziert oder umständlich sein kann, konzentriert man sich auf möglichst ökonomische, d. h. minimale Erzeugendensysteme, die sogenannten Basen. Die Mächtigkeit solcher Basen ist für einen festen Vektorraum stets die gleiche und wird Dimension des Vektorraumes genannt. Man kann die Dimension aber auch anders, ohne Bezugnahme auf Basen definieren: Definition. Existiert eine natürliche Zahl n, so daß je n + 1 Vektoren aus dem Vektorraum V (über K) linear abhängig sind, so heißt V endlich dimensional. In diesem Fall heißt die kleinste natürliche Zahl n mit dieser Eigenschaft die Dimension von V und wird mit dim V oder genauer mit dim K V bezeichnet. Ist n = dim V, so heißt V auch n dimensional Bemerkungen. (1) Jeder n dimensionale Vektorraum enthält definitionsgemäß eine n elementige, aber keine (n + 1) elementige linear unabhängige Teilmenge. (2) Ist K ein Körper und L ein Unterkörper von K, so ist jeder K Vektorraum auch ein L Vektorraum. Die Dimension dim K V von V über K kann aber kleiner als die Dimension dim L V von V über L sein Beispiel. Es gilt Q R C (wobei R als Zahlengerade in der Ebene C aufgefasst wird). C 3 ist ein 3 dimensionaler Vektorraum über C, 6 dimensionaler Vektorraum über R, unendlich dimensionaler Vektorraum über Q. Bereits R ist unendlich dimensional über Q. Eine Basis von R über Q ist nicht bekannt, aber die Existenz einer Basis für beliebige Vektorräume folgt aus dem Auswahlaxiom (siehe unten) Lemma. (Austauschlemma) Gilt {x, y} Z V, x L(Z), aber x L({y} Z), so auch y L({x} Z) = L({y} Z). Analoges gilt für die affine Hülle anstelle der linearen Hülle (aber nicht für die konvexe Hülle) Satz. (Austauschsatz von Grassmann Steinitz) Ist Z ein Erzeugendensystem und X eine linear unabhängige Teilmenge eines Vektorraums V, so gibt es eine zu X gleichmächtige Teilmenge Y von Z mit V = L((Z \ Y ) X). Man kann also X in jedem Erzeugendensystem gegen eine gleichmächtige Teilmenge austauschen. Insbesondere sind je zwei Basen eines Vektorraumes gleichmächtig Satz. (Basis Ergänzungssatz) Sei X eine linear unabhängige Teilmenge eines Erzeugendensystems Z des Vektorraums V. Dann gibt es eine Basis Y von V mit X Y Z. Somit hat jeder Vektorraum eine Basis Bemerkung. Für unendlich dimensionale Vektorräume braucht man das Maximalprinzip bzw. das Auswahlaxiom aus Kapitel 1 zum Beweis des Austauschsatzes und der Existenz maximal linear unabhängiger Teilmengen. Diese sind dann aufgrund des nächsten Satzes Basen.
9 KAPITEL 3. THEORIE DER VEKTORRÄUME Satz. (Basis Charakterisierungssatz) Für eine beliebige Teilmenge B eines Vektorraums V sind äquivalent: (a) B ist eine Basis, d. h. ein linear unabhängiges Erzeugendensystem von V. (b) B ist ein minimales Erzeugendensystem von V. (c) B ist eine maximal linear unabhängige Teilmenge von V. Ist V n dimensional (n N 0 ), so sind diese Aussagen auch äquivalent zu den folgenden: (d) B ist ein n elementiges Erzeugendensystem. (e) B ist eine n elementige linear unabhängige Teilmenge Folgerung. Für einen Vektorraum V und eine natürliche Zahl n sind äquivalent: (a) V ist n dimensional. (b) V besitzt eine Basis mit n Elementen. (c) Jede Basis von V hat n Elemente Folgerung. Ein Vektorraum ist genau dann endlich erzeugt (d. h., er hat ein endliches Erzeugendensystem), wenn er endlich dimensional ist Folgerung. Für endlich-dimensionale Unterräume U, W eines Vektorraumes V folgt aus U W und dim U = dim W bereits U = W Beispiel und Definition. Die kanonische Basis von K [M] (siehe 3.2.6(6)) wird gebildet durch die Einheitsvektoren e m, m M, wobei e m : M K, e m (j) = δ mj. Dies ist keine Basis des Funktionenraumes K M, falls M unendlich ist! Folgerung. Für n N 0 hat der Standardraum K n die Dimension n Definition und Satz. Sei B eine Teilmenge eines K Vektorraums V. Dann ist die Abbildung F B : K [B] V definiert durch F B (g) := b T (g) g(b) b. Im Falle V = R n und B = {e 1,..., e n } bildet die Funktion F B jedes g : B R auf das n-tupel (g(e 1 ),..., g(e n )) ab, ist also bijektiv. Allgemein gilt: Satz. (Darstellung durch Linearkombinationen) Sei B eine Teilmenge des Vektorraums V. (1) B ist Erzeugendensystem von V F B ist surjektiv jedes Element von V hat mindestens eine Darstellung als Linearkombination in B. (2) B ist linear unabhängig F B ist injektiv jedes Element von V hat höchstens eine Darstellung als Linearkombination in B. (3) B ist eine Basis von V F B ist bijektiv jedes Element von V hat genau eine Darstellung als Linearkombination in B. (Hier bedeutet...in B genauer...von paarweise verschiedenen Vektoren in B.)
10 KAPITEL 3. THEORIE DER VEKTORRÄUME Summen von Unterräumen Zu jeder Menge von Unterräumen eines festen Vektorraumes gibt es einen größten Unterraum, der in all diesen Unterräumen enthalten ist (nämlich deren Durchschnitt), aber auch einen kleinsten Unterraum, der all diese Unterräume umfaßt, den sogenannten Summenraum. Wir definieren ihn hier nur für endlich viele Unterräume: Definition. Für Unterräume U 1,..., U m eines K Vektorraums V heißt U U m := {u u m u j U j für i m} die Summe der Unterräume U 1,..., U m Satz. (Summenraum als lineare Hülle) Für Unterräume U 1,..., U m eines Vektorraums V ist U U m der kleinste U 1,..., U m umfassende Unterraum von V, also: U U m = L(U 1... U m ) Satz. (Dimensionsformel) Für je zwei Unterräume U und W eines Vektorraumes V gilt die Dimensionsformel: dim U + dim W = dim(u + W ) + dim(u W ). Ist U oder W unendlich dimensional, so steht auf beiden Seiten (unendlich) Satz. (Charakterisierung direkter Summen) Für Unterräume U 1,..., U m eines Vektorraums V sind äquivalent: (a) Aus u j U j (j m) und u u m = 0 folgt u 1 =... = u m = 0. (b) Jedes u U U m ist eindeutig darstellbar als u = u u m mit u j U j. (c) Für W j := U U j 1 + U j U m gilt: U j W j = {0} (j m). (d) Ist B j eine Basis von U j (j m), so ist B 1... B m eine Basis von U U m Definition. Ein Unterraum U heißt direkte Summe der Unterräume U 1,..., U m, U = U 1... U m, falls U = U U m gilt und eine der äquivalenten Bedingungen in erfüllt ist Folgerung. Für endlich dimensionale Unterräume U, U 1,..., U m gilt: U = U 1... U m U = U U m und dim U = dim U dim U m Definition. Ist ein Vektorraum V direkte Summe zweier Unterräume U und W, d. h. V = U + W und {0} = U W, so heißt W Komplement von U in V Satz. (Komplement) Zu jedem Unterraum U eines Vektorraums V gibt es mindestens ein Komplement Bemerkung. Solche Komplemente sind meistens nicht eindeutig, z. B. ist im R 2 jede Gerade durch 0 Komplement jeder anderen.
11 KAPITEL 3. THEORIE DER VEKTORRÄUME Orthogonalräume In diesem Abschnitt sei V stets ein Standardraum K n über dem Körper K mit Einselement 1. Das in 2.2 eingeführte Skalarprodukt und die daraus abgeleitete Orthogonalität von Vektoren und Unterräumen soll nun auf die Situation allgemeiner Körper ausgedehnt werden. Eine Einschränkung ist allerdings für die Übertragung der meisten Resultate nötig: Definition. K heißt formal reell, falls 1 nicht als Quadratsumme darstellbar ist Beispiele. (1) R und Q sind formal reell. (2) C ist nicht formal reell, da 1 = ı 2. (3) Endliche Körper sind nie formal reell: Für m N sei m1 die m fache Summe des Einselements von K. Wegen der Endlichkeit von K gibt es ein n N mit n1 = 0. Dann ist 1 = (n 1)1 Summe von n 1 Quadraten 1 = Definition. Das Skalarprodukt a b von Vektoren a = (a 1,..., a n ) und b = (b 1,..., b n ) aus K n ist definiert durch n a b = a 1 b a n b n = a j b j. j= Bemerkung. Die Rechenregeln zum Skalarprodukt sind mit Ausnahme der positiven Definitheit (die sich über beliebigen Körpern gar nicht formulieren läßt) dieselben wie in R n. K ist genau dann formal reell, wenn für a K n aus a a = 0 stets a = 0 folgt Definition. Zwei Vektoren a, b K n heißen zueinander orthogonal, falls a b = 0 gilt. Für A K n heißt A := {b K n a b = 0 für jedes a A} der Orthogonalraum zu A. Zwei Teilmengen A, B von K n heißen zueinander orthogonal, in Zeichen A B, falls A B (bzw. B A ) gilt, d. h. jeder Vektor aus A orthogonal zu jedem Vektor aus B ist Lemma. A ist für jede Teilmenge A von K n ein Unterraum von K n : A = L(A) = L(A ) Satz und Definition. (Duale Basis) Zu jeder Basis B = {b 1,..., b n } von K n gibt es genau eine Basis B = {b 1,..., b n } mit { b 1 für j = k j b k = δ jk = 0 für j k. B heißt zu B duale Basis. Ist C B Basis von U, so ist {b j b j B \ C} Basis von U.
12 KAPITEL 3. THEORIE DER VEKTORRÄUME Satz. (Orthokomplementierung) Die Zuordnung U U ist eine Bijektion zwischen der Menge der m dimensionalen Unterräume des K n und der Menge der (n m) dimensionalen Unterräume des K n. Für beliebige Unterräume U, W von K n gilt: dim U + dim U = n, U = U, (U + W ) = U W, (U W ) = U + W Definition und Satz. Eine Teilmenge A = {a 1,..., a m } von K n heißt Orthogonalbasis (des von A erzeugten Unterraumes), falls a j a k = 0 für j k und a j a j 0 (j, k m) gilt. Jede Orthogonalbasis A ist linear unabhängig, also tatsächlich eine Basis von L(A) Satz. (Orthogonalisierungsverfahren nach Schmidt) Ist K ein formal reeller Körper und {b 1,..., b m } eine beliebige Basis eines Unterraumes U von K n, so gewinnt man induktiv eine Orthogonalbasis {a 1,..., a m } von U wie folgt: a 1 := b 1, k 1 a j b k a k := b k a j. a j=1 j a j Bemerkung. Im Fall K = R erhält man sogar eine Orthonormalbasis (ONB), indem man die Vektoren a j normiert, also a j durch a j = 1 a j a j ersetzt. Manchmal ist es praktisch, bereits während des Orthogonalisierungsverfahrens zu normieren Definition. Ein Unterraum U heißt orthogonale Summe der Unterräume U 1,..., U m, falls U = U U m und U j U k für j k gilt Bemerkungen. (1) Ist K formal reell, so ist jede orthogonale Summe direkt. (2) Für K = Z 2 = {0, 1} ist die Summe L({(1, 0, 1)}) + L({(1, 0, 1), (0, 1, 0)}) orthogonal, aber nicht direkt. (3) Über Q läßt sich der Vektor (1, 1) Q 2 nicht normieren, da 2 irrational ist. (4) {b 1,..., b m } ist Basis von U K n U ist direkte Summe der Geraden Kb j (j m). (5) Über formal reellen Körpern K gilt für U K n : {a 1,..., a m } ist Orthogonalbasis von U U ist orthogonale Summe der Ka j (j m) Satz. (Existenz und Eindeutigkeit von Orthokomplementen) Falls K formal reell ist, gibt es zu jedem Unterraum U K n einen eindeutigen Unterraum W, so daß K n orthogonale Summe von U und W ist, nämlich das orthogonale Komplement U.
13 KAPITEL 3. THEORIE DER VEKTORRÄUME Lineare Abbildungen Besonders hilfreich für Theorie und Praxis sind Abbildungen zwischen Vektorräumen, welche die additive Struktur und die skalare Multiplikation bewahren : Definition. Eine Abbildung F : V V zwischen zwei K Vektorräumen V und V heißt (Vektorraum )Homomorphismus oder (K )linear, auch lineare Transformation oder linearer Operator, falls für alle x, y V und λ K gilt: (L 1 ) F (x + y) = F (x) + F (y), (L 2 ) F (λ x) = λ F (x). Analog definiert man Gruppen, Ring und Körper Homomorphismen als Abbildungen, welche die einschlägigen Operationen (Addition, Multiplikation etc.) bewahren Bemerkung. Bedingung (L 1 ) besagt, daß F ein Gruppen Homomorphismus zwischen (V, +) und (V, +) ist. Meist benutzt man das gleiche Zeichen für die Addition (und skalare Multiplikation) von V und V, obwohl es sich um verschiedene Operationen handeln kann Beispiel. Für jede abelsche Gruppe (V, +) bilden die Endomorphismen, d. h. die Homomorphismen von V in V, mit komponentenweiser Addition und der Verknüpfung von Homomorphismen als Multiplikation einen (meist nicht kommutativen) Ring End(V, +) mit Einselement id V. Ein K-Vektorraum kann aufgefasst werden als eine abelsche Gruppe (V, +) zusammen mit einem Ring-Homomorphismus S von dem Körper K in den Ring End(V, +), wobei S gegeben ist durch die skalare Multiplikation von V : S(λ)(v) = λ v Lemma. Für eine Abbildung F : V V zwischen K-Vektorräumen sind äquivalent: (a) F ist K linear. (b) F (λx + µy) = λf (x) + µf (y) für alle λ, µ K, x, y V. (c) F (λ 1 x λ k x k ) = λ 1 F (x 1 ) λ k F (x k ) für alle λ j K, x j V, k N Folgerung. Für A V und jede lineare Abbildung F : V V ist das Bild der linearen Hülle die lineare Hülle des Bildes: F + (L(A)) = L(F + (A)) Beispiele. (1) F : K 3 K 3 mit F (x 1, x 2, x 3 ) = (γ + x 1, x 2, x 3 ) ist für γ K nicht linear. Aber G : K 3 K 3 mit G(x 1, x 2, x 3 ) = (γx 1, x 2, x 3 ) ist eine lineare Abbildung. (2) Für festes c K n ist die Translation F : K n K n, x c + x nicht linear. (3) Die Streckung G : K n K n, x γ x ist für jedes γ K linear. (4) Rotationen (Drehungen) sind linear, z. B. die ebene Drehung um den Winkel α: ( ) ( ) x1 x1 cos α x D α : R 2 R 2, 2 sin α. x 1 sin α + x 2 cos α x 2
14 KAPITEL 3. THEORIE DER VEKTORRÄUME 38 (5) Eine Abbildung S : K n K n mit S S = id K n und S(x) y = x S(y) für alle x, y K n heißt Spiegelung. Jede Spiegelung ist linear und bijektiv. S : R 3 R 3 mit S(x 1, x 2, x 3 ) = (x 1, x 2, x 3 ) ist die Spiegelung an der x 1 -Achse; hingegen ist S mit S(x 1, x 2, x 3 ) = ( x 1, x 2, x 3 ) die Spiegelung an der x 2 -x 3 -Ebene, und id R 3 mit id R 3(x 1, x 2, x 3 ) = ( x 1, x 2, x 3 ) ist die Spiegelung am Ursprung. Die Spiegelungen aus Kapitel 2 sind nur dann solche im obigen Sinn, wenn die Gerade bzw. Hyperebene, an der gespiegelt wird, den Nullvektor enthält, also ein Unterraum ist. (6) Sei D(R) der R Vektorraum der differenzierbaren Funktionen f : R R. Der Differentialoperator, der jedem f D(R) seine Ableitung zuordnet, ist linear: : D(R) R R, f f ; (f + g) = f + g, (λf) = λf. (7) Sei I[α, β] der R Vektorraum der über [α, β] integrierbaren Funktionen f : [α, β] R. Der Integraloperator, der jedem f I[α, β] das Integral über [α, β] zuordnet, ist linear: I b a : I[a, b] R, f b a f(x) dx ; b b b b b (f + g)(x) dx = f(x) dx + g(x) dx, λf(x) dx = λ f(x) dx. a a a a a (8) Durch Bilden des Skalarprodukts mit einem festen c K n entsteht eine Linearform S c : K n K, x c x. (9) Die Koordinatenabbildung F B zwischen K [B] und V (siehe ) ist linear und bijektiv Definition. Für eine lineare Abbildung F : V V heißt das Urbild des Nullvektors Kern von F : Kern F := F ({0}). Auf der anderen Seite bezeichnet man das Bild von V unter F auch als Bild von F : Bild F := F + (V ) Lemma. Für lineares F : V V ist Kern F ein Unterraum von V und Bild F ein Unterraum von V. Allgemeiner sind Bilder und Urbilder von Unterräumen unter linearen Abbildungen wieder Unterräume Satz. (Charakterisierung injektiver Homomorphismen) Eine lineare Abbildung F : V V ist genau dann injektiv, wenn Kern F = {0} gilt Definition. Ein bijektiver Homomorphismus heißt Isomorphismus. Zwei Vektorräume V und V über dem gleichen Körper heißen isomorph zu, in Zeichen V = V, falls ein Isomorphismus zwischen V und V existiert Satz. (Komposition von Homomorphismen und Isomorphismen) (1) Sind F : V V und G : V V Homo bzw. Isomorphismen, so ist auch ihre Verknüpfung G F : V V ein Homo bzw. Isomorphismus. (2) Ist F : V V ein Isomorphismus, so auch F 1 : V V.
15 KAPITEL 3. THEORIE DER VEKTORRÄUME Folgerung. Isomorphie ist eine Äquivalenzrelation Satz. (Isomorphie von Vektorräumen) Zwei Vektorräume V und V sind genau dann isomorph, wenn sie die gleiche Dimension, d. h. gleichmächtige Basen haben: V = V dim V = dim V. Jeder Isomorphismus F : V V bildet eine beliebige Basis von V auf eine Basis von V ab Folgerung. Es gibt zu jeder natürlichen Zahl n bis auf Isomorphie genau einen K Vektorraum der Dimension n, nämlich K n Satz. (Übertragungseigenschaften linearer Abbildungen) Für eine lineare Abbildung F : V V gilt: (1) F ist surjektiv F bildet Erzeugendensysteme auf Erzeugendensysteme ab. (2) F ist injektiv F bildet linear unabhängige Mengen auf ebensolche ab. (3) F ist bijektiv F bildet Basen auf Basen ab. Ist dim V = dim V = n endlich, so sind alle sechs Aussagen äquivalent Definition. Seien A, A, B, B Mengen mit B A und B A. Eine Abbildung F : A A heißt Fortsetzung einer Abbildung f : B B und f heißt Einschränkung von F, falls f(b) = F (b) für alle b B gilt Satz. (Fortsetzungssatz) Jede Abbildung von einer Basis B eines Vektorraums V in einen Vektorraum V läßt sich eindeutig zu einer linearen Abbildung von V in V fortsetzen Satz. (Kern-Bild-Dimensionsformel) Sei F : V V eine lineare Abbildung, U := Kern F und W ein beliebiges Komplement von U in V (d. h. V = U W ). Dann ist die Einschränkung von F auf W ein Isomorphismus zwischen W und Bild F, und daher gilt: dim Kern F + dim Bild F = dim V Definition. Für eine Abbildung F : V V werden die Iterationen F k induktiv definiert: F 0 = id V, F 1 = F, F k+1 = F k F (k N). Eine lineare Abbildung F heißt Projektion, falls F 2 = F, und selbstinvers, falls F 2 = id V (d. h. F = F 1 ) gilt Beispiele. (1) P : R 3 R 3, (x 1, x 2, x 3 ) (x 1, x 2, 0) ist eine Projektion (auf die x 1 x 2 Ebene). (2) Spiegelungen wie z. B. S : R 2 R 2, (x 1, x 2 ) (x 1, x 2 ) sind offenbar selbstinvers.
16 KAPITEL 3. THEORIE DER VEKTORRÄUME Satz. (Kern Bild Zerlegung) Für eine lineare Selbstabbildung F : V V eines endlich dimensionalen Vektorraums V sind äquivalent: (a) V = Kern F Bild F. (b) {0} = Kern F Bild F. (c) Kern F = Kern F Folgerung. (Projektionen und direkte Summen) Für jede Projektion F : V V gilt V = Kern F Bild F. Umgekehrt gibt es zu jeder direkten Summenzerlegung V = U W genau eine Projektion F : V V mit U = Kern F und W = Bild F, nämlich F (u + w) := w für u U, w W Satz. (Fitting Zerlegung) Zu jeder linearen Abbildung F : V V eines endlich dimensionalen Vektorraums V gibt es ein k N mit V = Kern F k Bild F k Satz und Definition. Für K Vektorräume V, V ist Hom (V, V ) = Hom K (V, V ) := {F : V V F K linear} zusammen mit der Addition (F + G)(x) := F (x) + G(x) und der skalaren Multiplikation (λf )(x) := λf (x) ein Unterraum des Vektorraums aller Abbildungen von V in V. Insbesondere ist Hom (V, V ) ein K Vektorraum Satz und Definition. (Endomorphismenring) Für jeden K Vektorraum V ist End (V ) := End K (V ) := Hom K (V, V ) bezüglich + und ein Ring, der sogenannte Endomorphismenring von V (über K). Das Einselement dieses Ringes ist die Identität id V.
17 KAPITEL 3. THEORIE DER VEKTORRÄUME Bemerkungen. (1) V V ist ein Vektorraum, aber kein Ring bezüglich + und, da eines der beiden Distributivgesetze verletzt ist. (2) Für dim V > 1 ist End (V ) nicht kommutativ Definition. Für einen Unterraum U eines Vektorraumes V heißen die Mengen a + U := {a + u u U} (a V ) affine Teilräume parallel zu U oder Nebenklassen von U. Man nennt V/U := {a + U a V } den Faktorraum von V modulo U (oder nach U). Diese Bezeichnung wird gerechtfertigt durch den folgenden Satz. (Faktorraum) Für jeden Unterraum U eines Vektorraumes V gibt es genau eine Vektorraumstruktur auf V/U, so daß die kanonische Surjektion S U : V V/U, a a + U ein Homomorphismus (d. h. eine lineare Abbildung) wird. Es gilt Kern S U = U, also dim V = dim U + dim(v/u) Bemerkung. Der Vektor a ist durch seine Nebenklasse a+u außer im Fall U = {0} nie eindeutig bestimmt. Die Wohldefiniertheit der nachfolgenden Abbildung G (unabhängig von dem gewählten Vertreter a einer Nebenklasse a + U) basiert auf der folgenden Äquivalenz: a + U = a + U a a U Satz. (Homomorphiesatz für Vektorräume) Für jeden Vektorraum Homomorphismus F : V V existiert ein eindeutiger Isomorphismus G : V/U F + (V ) mit U = Kern F und G(a + U) = F (a). Das Bild eines Homomorphismus ist also isomorph zum Definitionsbereich modulo Kern Bemerkung. Die meisten Sätze über Geraden, Ebenen, Hyperebenen, affine Teilräume und Differenzräume aus Kapitel 2 übertragen sich sinngemäß auf die Situation allgemeiner Vektorräume. Hingegen sind Abstände nur über dem Körper R (oder allenfalls über formalreellen Körpern) sinnvoll mit Hilfe des Skalarprodukts definierbar und die entsprechenden Formeln herleitbar.
Kapitel II. Vektorräume
Inhalt der Vorlesung LAAG I Prof. Dr. Arno Fehm TU Dresden WS2017/18 Kapitel II. Vektorräume In diesem ganzen Kapitel sei K ein Körper. 1 Definition und Beispiele 1.1 Beispiel. Ist K = R, so haben wir
MehrKapitel II. Vektorräume. Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume
Kapitel II. Vektorräume Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume Die fundamentale Struktur in den meisten Untersuchungen der Linearen Algebra bildet der Vektorraum.
Mehr5 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
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Vektoren in der Ebene Zwei Punkten P, Q in der Ebene
MehrLineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18.
18. November 2011 Wozu das alles? Bedeutung von Termen Vektoren in R n Ähnlichkeiten zwischen Termbedeutungen Skalarprodukt/Norm/Metrik in R n Komposition von Termbedeutungen Operationen auf/abbildungen
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
Mehr8 Gruppen und Körper
8 Gruppen und Körper (8.) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres Element a?b aus G zuordnet, so dass die folgenden
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
MehrGruppen. Kapitel Operationen Definiton Gruppe, symmetrische Gruppen. Gruppen und Untergruppen, Lernziele 1. Erzeugendensysteme,
Kapitel 1 Gruppen 1.1 Operationen Lernziele 1. Gruppen und Untergruppen, Erzeugendensysteme, Operationen und Bahnen 1.1.1 Definiton Gruppe, symmetrische Gruppen Definition 1.1. Sei G eine nicht leere Menge
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
Mehr5.1 Affine Räume und affine Abbildungen
402 LinAlg II Version 1.2 21. Juli 2006 c Rudolf Scharlau 5.1 Affine Räume und affine Abbildungen Ein affiner Raum besteht aus zwei Mengen P und G zusammen mit einer Relation der Inzidenz zwischen ihnen.
Mehr2 Algebraische Grundstrukturen
30 2 Algebraische Grundstrukturen Definition. Eine Verknüpfung auf einer Menge G ist eine Abbildung : G G G (a, b) a b. Schreibweise. a b, a b, ab, a + b. Beispiele. (i) G = N : N N N (a, b) a + b. G =
Mehr3 Vektorräume abstrakt
Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare
MehrIn 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.
Mehr4 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
Mehrfür alle a, b, x, y R.
Algebra I 13. April 2008 c Rudolf Scharlau, 2002 2008 33 1.5 Ringe Definition 1.5.1 Ein Ring ist eine Menge R zusammen mit zwei Verknüpfungen + und, genannt Addition und Multiplikation, für die folgendes
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
Mehr2.1 Vektorräume. 1. für alle x, y U ist x + y U und. 2. für alle x U und alle λ R ist λx U. O V (= O U) U, und dass ( 1) x U, also x U.
Vektorräume Definition Eine nicht leere Menge V, für die eine Addition (dh eine Rechenvorschrift + derart, dass a + b V für alle a, b V ist und eine skalare Multiplikation (dh λa V für alle λ R (λ ist
Mehr01. Gruppen, Ringe, Körper
01. Gruppen, Ringe, Körper Gruppen, Ringe bzw. Körper sind wichtige abstrakte algebraische Strukturen. Sie entstehen dadurch, dass auf einer Menge M eine oder mehrere sogenannte Verknüpfungen definiert
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
Mehr4.2 Quotientenvektorräume
306 LinAlg II Version 1 6. Juni 2006 c Rudolf Scharlau 4.2 Quotientenvektorräume Zum Verständnis der folgenden Konstruktion ist es hilfreich, sich noch einmal den Abschnitt 1.4 über Restklassen vom Beginn
MehrMusterlösung 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
Mehr7 Vektorräume und Körperweiterungen
$Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig
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
Mehr3 Moduln. Analogon zu K-Vektorräumen, aber statt über einem Körper, über einem Ring definiert.
3 Moduln Analogon zu K-Vektorräumen, aber statt über einem Körper, über einem Ring definiert. Beispiele: (1) (Z n, +, (Z, )), wobei (Z, ) Skalarmultiplikation. k (a 1,...,a n )=(ka 1,...,ka n )inz. (2)
MehrVektorräume und lineare Abbildungen
Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten
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
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben
MehrLineare Algebra / Analytische Geometrie I
Ralph-Hardo Schulz Lineare Algebra / Analytische Geometrie I Skriptum zur Vorlesung in der Lehrkräfteweiterbildung Berlin 2018 L A TEX Erstellung unter Mitarbeit von Tscho Heringlehner Alle Rechte vorbehalten.
Mehr02. Vektorräume und Untervektorräume
02. Vektorräume und Untervektorräume Wir kommen nun zur eigentlichen Definition eines K-Vektorraums. Dabei ist K ein Körper (bei uns meist R oder C). Informell ist ein K-Vektorraum eine Menge V, auf der
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
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
MehrAnalytische Geometrie
Kapitel 2 Analytische Geometrie 21 Vektoren Die Elemente des kartesischen Produktes R n, d h die n Tupel oder Zeilenvektoren (a 1,, a n ) mit a k R für k n, interpretiert man als Punkte eines n dimensionalen
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,
MehrLösungsmenge 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
Mehr1 Halbgruppen. 1.1 Definitionen. Übersicht Ein Beispiel einer Halbgruppe
1 Halbgruppen Übersicht 11 Definitionen 5 12 Unterhalbgruppen 8 13 InvertierbareElemente 9 14 AllgemeinesAssoziativ-undKommutativgesetz 11 15 PotenzenundVielfache 11 16 Homomorphismen,Isomorphismen 12
Mehr1 Halbgruppen. 1.1 Definitionen. Übersicht Ein Beispiel einer Halbgruppe
1 Halbgruppen Übersicht 11 Definitionen 5 12 Unterhalbgruppen 8 13 InvertierbareElemente 9 14 AllgemeinesAssoziativ-undKommutativgesetz 11 15 PotenzenundVielfache 11 16 Homomorphismen,Isomorphismen 12
MehrMathematische Grundlagen der Computerlinguistik Lineare Algebra
Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 30 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen
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
MehrKapitel III: Vektorräume
apitel III: Vektorräume 6 Vektorräume und Unterräume Definitionen und Beispiele In diesem Paragraphen kommen wir nun endlich zurück auf die in 1 erörterten Beispiele und behandeln diejenige Struktur, die
Mehr4 Rein transzendente Körpererweiterungen
$Id: transzendent.tex,v 1.5 2009/05/04 14:59:47 hk Exp $ 4 Rein transzendente Körpererweiterungen Wie bereits angekündigt wollen wir nun einsehen, dass wir den rationalen Funktionenkörper K(t 1,..., t
Mehr3 Bilinearform, Basen und Matrizen
Lineare Algebra II 2. Oktober 2013 Mitschrift der Vorlesung Lineare Algebra II im SS 2013 bei Prof. Peter Littelmann von Dario Antweiler an der Universität zu Köln. Kann Fehler enthalten. Veröentlicht
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
MehrRinge. Kapitel Einheiten
Kapitel 8 Ringe Die zahlreichen Analogien zwischen Matrizenringen und Endomorphismenringen (beides sind zugleich auch Vektorräume) legen es nahe, allgemeinere ringtheoretische Grundlagen bereitzustellen,
MehrAlgebraische Körpererweiterungen I
Algebraische Körpererweiterungen I Thomas Schmalfeldt, Florian Schuler Seminar über Galoistheorie, 18. Februar 2009 Inhaltsverzeichnis 1 Charakteristik und Primkörper 2 2 Grad einer Körpererweiterung 3
MehrFerienkurs Mathematik für Physiker I Skript Teil 2 ( )
Ferienkurs Mathematik für Physiker I WS 206/7 Ferienkurs Mathematik für Physiker I Skript Teil 2 (28.03.207) Vektorräume Bevor wir zur Definition eines Vektorraumes kommen erinnern wir noch einmal kurz
MehrGrundlagen. Kapitel Mengen
Kapitel 1 Grundlagen 1.1 Mengen Grundobjekte mathematischer Theorien sind Mengen. Zwar stellt man sich darunter Gesamtheiten von gewissen Dingen (den Elementen der Menge) vor, doch führt die uneingeschränkte
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
Mehr1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,
Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel
MehrAlgebra. Eine Menge A heißt abzählbar, wenn A gilt. Insbesondere sind, und abzählbar, und sind nicht abzählbar (überabzählbar).
Algebra 1 Mengen 1.1 Operationen A Anzahl der Elemente von A (Mächtigkeit, Betrag, Kardinalität) (A) Potenzmenge von X ( (A) = 2 A ) A B wenn jedes Element von A auch Element von B ist. A = B (A B und
MehrKapitel II. Vektoren und Matrizen
Kapitel II. Vektoren und Matrizen Vektorräume A Körper Auf der Menge R der reellen Zahlen hat man zwei Verknüpfungen: Addition: R R R(a, b) a + b Multiplikation: R R R(a, b) a b (Der Malpunkt wird oft
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
Mehr1.4 Homomorphismen und Isomorphismen
Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 28 1.4 Homomorphismen und Isomorphismen Definition 1.4.1 Es seien (G, ) und (H, ) zwei Gruppen. Eine Abbildung ϕ : G H heißt (Gruppen-)Homomorphismus,
MehrVorlesung 6: Gruppen und Homomorphismen
Vorlesung 6: Gruppen und Homomorphismen Gabriele Link 11.11.2013 Gabriele Link Vorlesung 6: Gruppen und Homomorphismen 1 Erinnerung: Verknüpfung Gegeben sei eine Menge M. Eine (innere) Verknüpfung auf
MehrElemente der Algebra
Prof. Dr. H. Brenner Osnabrück SS 2015 Elemente der Algebra Vorlesung 1 Der Gruppenbegriff Definition 1.1. Eine Verknüpfung auf einer Menge M ist eine Abbildung : M M M, (x,y) (x,y) = x y. Statt (x,y)
MehrSatz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum
Orthogonalität 123 Dienstag, 27. April 04 Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum U von V gilt dann (a) U + U = V, U U = {0}, U, U = 0. (b) (U ) = U. Wir sagen
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
MehrWir betrachten jetzt algebraische Strukturen mit zwei inneren Verknüpfungen Definition (Ring) Ist R eine Menge mit zwei inneren Verknüpfungen
70 2.5 Ringe und Körper Wir betrachten jetzt algebraische Strukturen mit zwei inneren Verknüpfungen. 2.5.1 Definition (Ring) Ist R eine Menge mit zwei inneren Verknüpfungen +: R R R und : R R R, dann heißt
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
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
MehrGegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.
1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild
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
Mehr3 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
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
MehrLineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin:
Lineare Algebra I - 9.Vorlesung - rof. Dr. Daniel Roggenkamp & Falko Gauß Korrektur: 2. Klausurtermin: 09.02.2017 Linearkombination von Vektoren lineare Hülle Erzeugendensystem S lineare Unabhängigkeit
MehrÜbungen zu Lineare Algebra 1, NAWI Graz, WS 2018/19 Blatt 1 (3.10.)
Blatt 1 (3.10.) 1. Von einem Parallelogramm ABCD sind die Punkte A = (2, 1), B = (6, 2) und D = (3, 5) gegeben. Berechnen Sie C. 2. Stellen Sie rechnerisch fest, ob das Viereck ABCD mit A = (2, 3), B =
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
Mehr3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen
TEIL II: GRUPPEN In der modernen Algebra versucht man die Zahlen (Z, Q, R, ) durch die Konzentration auf Rechenoperationen (+,,... ), oder allgemeiner auf strukturelle Eigenschaften dieser Operationen,
Mehr17 Lineare Abbildungen
Chr.Nelius: Lineare Algebra II (SS2005) 1 17 Lineare Abbildungen Wir beginnen mit der Klärung des Abbildungsbegriffes. (17.1) DEF: M und N seien nichtleere Mengen. Eine Abbildung f von M nach N (in Zeichen:
MehrMathematische Grundlagen der Computerlinguistik Lineare Algebra
Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 1 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen
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,
MehrInhalt der Vorlesung Elemente der Algebra und Zahlentheorie Prof. Dr. Arno Fehm TU Dresden SS Grundlegende Definitionen (Wiederholung)
Inhalt der Vorlesung Elemente der Algebra und Zahlentheorie Prof. Dr. Arno Fehm TU Dresden SS2017 Kapitel I. Gruppen 1 Grundlegende Definitionen (Wiederholung) 1.1 Definition. Eine Gruppe ist ein Paar
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
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
Mehr1. Vektorräume Gruppen, Ringe und Körper, Vektorräume, Basis und Dimension, Summen von Vektorräumen
Lineare Algebra I LVA 405.070 C. Fuchs Inhaltsübersicht 24.04.2019 Inhaltsübersicht Die einführende Vorlesung über lineare Algebra gehört neben der Grundlagenausbildung, die man an der PLUS in der Lehrveranstaltung
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,
MehrMathematik für Informatiker I,
Teil II Algebra 70 Kapitel 8 Gruppen 8.1 Bedeutung in der Informatik Gruppen sind abstrakte Modelle für Mengen, auf denen eine Verknüpfung (etwa Addition oder Multiplikation) definiert ist. Allgemeine
MehrUnter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über
9 Innere Produkte In diesem Kapitel betrachten wir immer Vektorräume über dem Körper der reellen Zahlen R oder dem Körper der komplexen Zahlen C. Definition 9.1: Sei V ein Vektorraum über R. Ein inneres
Mehr2 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
Mehr2.3 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
MehrAlgebra und Zahlentheorie WS 13/14
Algebra und Zahlentheorie WS 13/14 FU Berlin David Müßig http://page.mi.fu-berlin.de/def/auz14/ muessig@mi.fu-berlin.de 21.01.2014 1 Hintergrund: Basen & Vektorräume 1.1 Grundlegende Begriffe Da einige
MehrDiskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr
Bemerkung: Der folgende Abschnitt Boolesche Algebren ist (im WS 2010/11) nicht Teil des Prüfungsstoffs, soweit nicht Teile daraus in der Übung behandelt werden! Diskrete Strukturen 5.9 Permutationsgruppen
MehrVorlesung Algebra I. Inhaltsverzeichnis 1. Einleitung 1 2. Gruppen Einleitung
Vorlesung Algebra I Christian Lehn Inhaltsverzeichnis 1. Einleitung 1 2. Gruppen 5 1.1. Vorkenntnisse Gruppen 1. Einleitung Definition. Es sei G eine Menge. Eine Verknüpfung auf G ist eine Abbildung :
Mehr1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat.
1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. übliche Beispiele: Ort r = r( x; y; z; t ) Kraft F Geschwindigkeit
Mehr30 Ringe und Körper Motivation Definition: Ring. Addition und eine. Häufig gibt es auf einer Menge zwei Verknüpfungen: eine
30 Ringe und Körper 30.1 Motivation Häufig gibt es auf einer Menge zwei Verknüpfungen: eine Addition und eine Multiplikation. Beispiele: (Z, +, ) hier gibt es sogar noch eine Division mit Rest. (IR, +,
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 2: Vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 19. Oktober 2011) Vektoren in R n Definition 2.1
MehrZusammenfassung Analysis 2
Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge
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
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
Mehr4. Übung zur Linearen Algebra I -
4. Übung zur Linearen Algebra I - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. WS 2009-10. Aufgabe 13 Auf dem Cartesischen Produkt Z Z werden 2 Verknüpfungen, definiert durch: Man zeige: (a
MehrChr.Nelius: Grundzüge der Algebra (WS2005/06) 1. (14.1) DEF: Ein kommutativer Ring (K, +, ) heißt ein Körper, wenn gilt: 1) 1 K 0 K 2) K = K \ {0 K }
Chr.Nelius: Grundzüge der Algebra (WS2005/06) 1 14 Körper (14.1) DEF: Ein kommutativer Ring (K, +, ) heißt ein Körper, wenn gilt: 1) 1 K 0 K 2) K = K \ {0 K } (14.2) BEM: a) Ist K ein Körper, so ist (K
MehrVollständigkeit. 1 Konstruktion der reellen Zahlen
Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente
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
Mehr0 Mengen und Abbildungen, Gruppen und Körper
0 Mengen und Abbildungen, Gruppen und Körper In diesem Paragrafen behandeln wir einige für die Lineare Algebra und für die Analysis wichtige Grundbegriffe. Wir beginnen mit dem Begriff der Menge. Auf Cantor
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018 11. Januar 2018 1/32 Erinnerung: Eine Gruppe ist eine algebraische Struktur (G, )
Mehr: das Bild von ) unter der Funktion ist gegeben durch
% 1.3 Funktionen Seien und Mengen nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig. Bezeichnungen: : Definitionsbereich : Bildbereich (Zielmenge) von Der Graph einer Funktion: graph!
Mehr