Vektorräume und Lineare Abbildungen
|
|
- Michael Jaeger
- vor 7 Jahren
- Abrufe
Transkript
1 Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit Basisbegriff Standardbasis des R n Dimension eines Vektorraums Unterräume; Summe und Durchschnitt Lineare Hülle
2 Vektorräume und Lineare Abbildungen Die angesprochene Thematik macht den Kern dieser Veranstaltung aus. Lineare Techniken sind zentral für weite Bereiche mathematischen Argumentierens. Durch in der Analysis thematisierte Lineare Approximation reduzieren wir komplizierte Probleme auf lineare Probleme. Die linearen Probleme, hinwiederum, reduzieren sich typischerweise auf das Lösen Linearer Gleichungssysteme, deren Lösungstechnik in dieser Vorlesung einen entsprechend großen Stellenwert hat. Zunächst behandeln wir den Körper der reellen Zahlen. Dann führen wir den Begriff des Vektorraums ein und untersuchen eine Fülle von Beispielen. 1
3 Der Körper der reellen Zahlen In diesem Abschnitt beschreiben wir die algebraischen Eigenschaften der Menge R aller reellen Zahlen, d.h. wir befassen uns mit den Eigenschaften der Addition und Multiplikation. Wir haben also eine Menge mit zwei Abbildungen ( Verknüpfungen ) gegeben: + : R R R : R R R (x, y) x + y (x, y) x y genannt Addition genannt Multiplikation Diese genügen den folgenden Anforderungen: 2
4 Axiome der Addition (A1) Assoziativität: (x + y) + z = x + (y + z) (A2) Kommutativität: x + y = y + x (A3) Existenz der Null: Es gibt R mit x + = x für alle x R (A4) Existenz eines additiv Inversen: Zu jedem x R gibt es y R mit x + y =. 3
5 Axiome der Multiplikation (M1) Assoziativität: (xy)z = x(yz) (M2) Kommutativität: xy = yx (M3) Existenz einer Eins: Es gibt 1 R mit x 1 = x für alle x R. (M4) Existenz eines multiplikativ Inversen: Zu jedem x R, x, gibt es ein y R mit x y = 1. 4
6 Distributivgesetz Addition und Multiplikation sind verkoppelt durch die (D) Distributivität: (x + y)z = xz + yz für alle x, y, z R. Bemerkung: Aus der Kommutativität folgt natürlich die Distributivität auch auf der anderen Seite. Entsprechendes gilt hinsichtlich der Inversenbildung. 5
7 Der Vektorraumbegriff Wir greifen die beim Rechnen mit Q, R und C isolierten Gesetzmäßigkeiten (A1) (A4), (M1) (M4) erneut auf und definieren in allerdings verändertem Kontext den Begriff eines (abstrakten) Vektorraums durch axiomatische Forderung dieser Bedingungen: Definition Eine Menge V versehen mit zwei Operationen + : V V V, (v, w) v + w : R V V, (a, v) av heißt Vektorraum, genauer reeller Vektorraum oder R-Vektorraum, wenn gilt: 6
8 (A 1) v + w = w + v für alle v, w V. (A 2) u + (v + w) = (u + v) + w für alle u, v, w V. (A 3) Es gibt V mit v + = v = + v für alle v V. (A 4) Zu jedem v V gibt es w V mit v + w = = w + v. (M 1) a(v + w) = av + aw für alle a R, v, w V. (M 2) (a + b)v = av + bv für alle a, b R, v V. (M 3) (a b)v = a(bv) für alle a, b R, v V. (M 4) 1v = v für alle v V. Elemente aus V heißen Vektoren, die aus R Skalare. 7
9 Beispiele: Anschauungsraum und R 3 (i) Die Vektoren des Anschauungsraumes bilden mit den Operationen Vektoraddition und Multiplikation mit Skalaren einen R-Vektorraum. (ii) Die Menge R 3 = x 1 x 2 x 3 x 1, x 2, x 3 R bildet mit den Operationen x 1 x 2 x 3 + y 1 y 2 y 3 = x 1 + y 1 x 2 + y 2 x 3 + y 3, a x 1 x 2 x 3 = ax 1 ax 2 ax 3 einen R-Vektorraum. 8
10 Lösungsmenge einer linearen Gleichung (iii) Wir fixieren vier reelle Zahlen a 1, a 2, a 3, b. Dann ist die Menge V = x 1 x 2 x 3 x 1, x 2, x 3 R, a 1 x 1 + a 2 x 2 + a 3 x 3 = b bzgl. der Operationen von (ii) genau dann ein R-Vektorraum, wenn b =. 9
11 Unser Standardbeispiel: R n Satz. Für jedes n bildet die Menge mit den Operationen x 1. x n + R n = y 1. y n einen R-Vektorraum. = x 1. x n x 1,..., x n R x 1 + y 1. x n + y n, a x 1. x n = ax 1. ax n Beweis. Koordinatenweises Rechnen in R zeigt die Gültigkeit von (A1) (A4), (M1) (M4). 1
12 Ein Beispiel aus einer anderen Ecke Das folgende Beispiel zeigt die vereinheitlichende Kraft und Denkökonomie des abstrakten Vektorraumbegriffs: Beispiel Sei [, 1] := {x R x 1} und V = {f f : [, 1] R} die Menge aller reellwertigen Funktionen, welche auf dem reellen Einheitsintervall [, 1] = {x x R, x 1} definiert sind. Wir erklären f + g und a.f (a R, f, g V ) durch (f + g)(x) = f(x) + g(x), (a.f)(x) = a f(x). Es ist leicht zu sehen, dass V bzgl. dieser Operationen ein reeller Vektorraum ist. Offensichtliche Variationen: Polynomfunktionen auf [, 1], differenzierbare Funktionen auf [, 1]. 11
13 Wichtige Bemerkung In die Vektorraum-Definition und die nachfolgende Behandlung gehen nur diejenigen Eigenschaften der Addition und Multiplikation der reellen Zahlen ein, die wir zu den Körperaxiomen (A1) (A4), (M1) (M4) und (D) zusammengefasst haben. Wir können daher allgemein Vektorräume über einem Körper K betrachten, also von Vektorräumen über Q, R oder C sprechen. Zum Beispiel ist C n ein Vektorraum über C. Wir werden hierauf später zurückkommen; gleichwohl momentan bei Vektorräumen über R bleiben. 12
14 Beispiele von Körpern (i) Q, R und C sind Körper bzgl. der gewöhnlichen Addition und Multiplikation. Q ist ein Teilkörper von R, und R ist ein Teilkörper von C. (ii) Q( 2) := { a + b 2 a, b Q } ist ein Teilkörper von R. (iii) Q(i) := {a + b i a, b Q}, i = 1, ist ein Teilkörper von C. (iv) Es gibt auch endliche Körper. Derjenige mit zwei Elementen ist für Informatiker besonders interessant. (v) N und Z sind bzgl. der gewöhnlichen Addition und Multiplikation keine Körper. Grund? 13
15 Das Rechnen in Vektorräumen I (1) Das Nullelement V ist eindeutig bestimmt. Beweis. Seien und Nullelemente von V, dann gilt = + =. (2) Das additive Inverse zu x ist eindeutig bestimmt. Beweis. Seien x + y = und x + y =. Dann folgt y = y + = y + (x + y ) = (y + x) + y = (x + y) + y = + y = y Schreibweise: y = x. 14
16 Das Rechnen in Vektorräumen II Die nächste Eigenschaft werden wir wieder und wieder benötigen: (3) a.x = (a = oder x = ) Beweis. : Es ist a. = a.( + ) = a. + a. und Addition mit (a.) liefert = a.. Entsprechend ist.x = ( + ).x =.x +.x, hier liefert Addition mit (.x) das gewünschte Resultat =.x. a.x = und a impliziert x = 1.x = ( 1 a a).x = 1 a.(a.x) = 1. =. a 15
17 Subtraktion in Vektorräumen Verabredung: x y := x + ( y) Rechenregeln: ( x) = x (1) (x + y) = ( x) + ( y) (2) (x y) = y x (3) (4) Die Gleichung x + b = c (b, c V gegeben) ist eindeutig lösbar mit Lösung x = c b. (5) ( a).x = (a.x) = a.( x). 16
18 Linearkombinationen und Erzeugendensysteme V sei ein Vektorraum. Ein Element v V der Form v = a 1.v a n.v n, heißt Linearkombination der Elemente v 1, v 2,..., v n V mit den Koeffizienten a 1, a 2,..., a n R. (a) (v 1, v 2,..., v n ) heißt Erzeugendensystem von V, wenn sich jedes v V als Linearkombination v = a 1.v a n.v n, mit geeigneten Skalaren a 1,..., a n schreiben lässt. 17
19 Lineare Abhängigkeit und Unabhängigkeit (b) Ein System (v 1, v 2,..., v n ) von Vektoren aus V heißt linear abhängig, wenn es Skalare (a 1, a 2,..., a n ) (,..., ) gibt mit a 1.v 1 + a 2.v a n.v n =. Andernfalls heißt (v 1, v 2,..., v n ) linear unabhängig. Dies bedeutet: mindestens ein a i ist ungleich. Wir werden üblichem Sprachgebrauch folgend davon sprechen, dass die Vektoren v 1, v 2,..., v n linear abhängig (bzw. linear unabhängig) sind, obwohl dies missverständlich ist: Sind sämtliche v i, so ist v 1, v 2,..., v n ein System von Vektoren, die einzeln jeweils linear unabhängig sind, aber als Folge v 1, v 2,..., v n durchaus linear abhängig sein können. 18
20 Der Basisbegriff Ein System (b 1, b 2,..., b n ) von n Vektoren aus V heißt eine Basis von V, falls b 1, b 2,..., b n zugleich in V linear unabhängig und ein Erzeugendensystem von V ist. Wenn wir eine Basis von V besitzen, kennen wir V vollständig: Es ist dann nämlich V die Menge aller Linearkombination der Basiselemente. Im allgemeinen wird ein Vektorraum mehrere, zumeist sogar unendlich viele Basen haben. Es macht daher keinen Sinn, von der Basis von V zu sprechen. (Häufiger Fehler, der offenbart, dass Wesentliches nicht verstanden wurde!) 19
21 Die Standardbasis des R n Im R n ist das System e 1 = 1., e 2 = 1.,..., e n =. 1 ein Erzeugendensystem, denn a 1 a 2. a n 1 a n = a 1. + a a n = a a a n Aus der obigen Formel folgt zugleich die lineare Unabhängigkeit von e 1, e 2,..., e n. (Weshalb?) 2. 1.
22 Nochmals: Standardbasis Folglich ist (e 1, e 2,..., e n ) eine Basis von R n, welche wir die Standardbasis des R n nennen. Neben der Standardbasis (e 1, e 2,..., e n ) gibt es viele weitere Basen, z.b. ist für jede Wahl von a R auch (e 1 + a.e 2, e 2, e 3,..., e n ) ebenfalls eine Basis von R n. Wir erhalten mit dieser Konstruktion somit unendlich viele Basen des R n. Wie diskutiert, gibt es die Basis eines R-Vektorraums V nicht, somit auch nicht die Basis des Vektorraums R n, n 1, da es in jedem dieser Fälle mehrere (sogar unendlich viele) Basen gibt. Der bestimmte Artikel für die Bezeichnung der Standardbasis des R n macht dagegen Sinn! 21
23 Die Funktion einer Basis Satz Ist (v 1, v 2,..., v n ) eine Basis von V, so besitzt jeder Vektor v V eine eindeutige Darstellung v = a 1 v 1 + a 2 v a n v n als Linearkombination von v 1, v 2,..., v n mit skalaren Koeffizienten a 1, a 2,..., a n. Beweis. (1) Die Existenz einer solchen Linearkombination v = a 1 v 1 + a 2 v a n v n folgt, weil v 1, v 2,..., v n ein Erzeugendensystem von V ist. Wir müssen uns daher noch von der Eindeutigkeit einer solchen Darstellung überzeugen. 22
24 (2) Zum Nachweis der Eindeutigkeit einer solchen Darstellung nehmen wir an, dass v = a 1.v 1 + a 2.v a n.v n v = b 1.v 1 + b 2.v b n.v n zwei Darstellungen von v als Linearkombination von v 1, v 2,..., v n sind. Bilden der Differenz führt zur Gleichung = (a 1 b 1 ).v 1 + (a 2 b 2 ).v (a n b n ).v n, woraus die lineare Unabhängigkeit von v 1, v 2,..., v n berücksichtigend das Verschwinden aller Koeffizienten, also a 1 b 1 =, a 2 b 2 =,..., a n b n = folgt. Wir haben damit a 1 = b 1, a 2 = b 2,..., a n = b n und folglich die Eindeutigkeit der Darstellung gezeigt. 23
25 Wichtige Kommentare Kommentar 1. Ist v 1, v 2,..., v n eine Basis von V, so ist die Abbildung ϕ : R n V, x 1. x n n i=1 x i.v i bijektiv, d.h. zu jedem v V gibt es genau ein x R n mit ϕ(x) = v. Wir haben daher bei fixierter Basis eine ein-eindeutige Entsprechung zwischen den Vektoren v aus V einerseits und Mitgliedern des R n andererseits. Die letzteren können wir relativ zur fixierten Basis als Koordinaten von v auffassen. 24
26 Kommentar 2. (a) Die Vektoren einer Basis (b 1, b 2,..., b n ) sind immer paarweise verschieden. Ferner kommt es für die Basiseigenschaft nicht auf die Reihenfolge an, in der die Vektoren einer Basis aufgezählt werden. Immer, wenn es daher bequem ist, werden wir anstelle von (b 1, b 2,..., b n ) von der Basis B = {b 1, b 2,..., b n } sprechen. (b) In R ist jedes x eine Basis. (c) Im R 2 bilden ( a1 a 2 ), ( b1 b 2 genau dann eine Basis, wenn a 1 b 2 a 2 b 1 gilt. ) 25
27 Die Dimension eines Vektorraums Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je zwei Basen (b 1, b 2,..., b n ) und (c 1, c 2,..., c m ) ein und desselben Vektorraums V haben dieselbe Mitgliederzahl, es gilt also m = n. Wie wir später untersuchen, ist durch Kenntnis seiner Dimension n ein Vektorraum V weitgehend bestimmt. Schreibweise: dim R V = n. 26
28 Vorschau Unterräume Die in der Praxis mit weitem Abstand wichtigsten Vektorräume sind die Unterräume des R n. Unterräume eines Vektorraums sind ihrerseits wieder Vektorräume. Zu den Unterräumen des R n zählt insbesondere der Vektorraum R n selbst (n =, 1, 2,...), aber viele weitere. Wir untersuchen anschließend den Unterraumbegriff und beschäftigen uns mit Verfahren, Unterräume zu konstruieren. 27
29 Definition von Unterräumen Vektorräume treten häufig als Unterräume eines gegebenen Vektorraums, in der Praxis vor allem als Unterräume eines R n auf. Aus gegebenen Vektorräumen entstehen durch Bilden von Unterräumen somit weitere Vektorräume. Eine Teilmenge U eines R-Vektorraums V heißt Unterraum von V, wenn gilt: (U 1) U. (U 2) U + U U, d.h. x, y U = x + y U. (U 3) R.U U, d.h. x U, a R = a.x U. 28
30 Unterräume sind ihrerseits Vektorräume Der Name Unterraum ist gerechtfertigt, denn ein Unterraum U von V ist bzgl. der Verknüpfungen wieder ein Vektorraum. + : U U U, (u, v) u + v. : R U U, (a, u) a.u Beweis. Wegen (U2) und (U3) machen beide Verknüpfungen Sinn (sind wohldefiniert, wie man sagt). Ferner sind (A1), (A2) offensichtlich erfüllt, (A3) ist wegen (U1) erfüllt. Wegen (U3) ist insbesondere U U, d.h. x U = x U. Somit gilt auch (A4). Der Nachweis von (M1) (M4) ist schließlich Routine. 29
31 Beispiele von Unterräumen (a) Für jeden Vektorraum V sind stets V selbst und {} Unterräume von V. (b) Ist V ein Vektorraum und v V so ist R.v := {a.v a R} ein Unterraum von V. (c) V sei der Anschauungsraum. Die nur aus bestehende Teilmenge {}, eine Gerade G durch oder eine Ebene E durch sind Beispiele für Unterräume von V. Im Zusammenhang mit der Diskussion des Dimensionsbegriffs werden wir später sehen, dass jeder Unterraum U des Anschauungsraumes (gleichbedeutend des R 3 ) einer der in (c) genannten Fälle ist. 3
32 Systematische Konstruktion von Unterräumen: Die Lineare Hülle Unterräume eines R-Vektorraums V können wir uns nach folgendem Muster verschaffen: Satz Sind v 1, v 2,..., v t V, so bildet die Menge aller Linearkombinationen v 1, v 2,..., v t := {a 1.v a t.v t a 1, a 2,..., a t R} einen Unterraum von V, welchen wir die lineare Hülle von v 1, v 2,..., v t oder {v 1, v 2,..., v t } nennen. Es ist auch die Bezeichnung von v 1, v 2,..., v t aufgespannter Unterraum üblich. 31
33 Die Lineare Hülle ist ein Unterraum Beweis. Sei H = v 1, v 2,..., v t. Es ist klar, dass =.v 1 +.v v t in H liegt und daher (U1) erfüllt ist. Ferner ist H wegen (a 1.v a t.v t ) + (b 1.v b t.v t ) = (a 1 + b 1 ).v (a t + b t ).v t a. (a 1.v a t.v t ) = (aa 1 ).v aa t ).v t gegen die Bildung Summen und von Produkten mit Skalaren abgeschlossen, es gelten somit auch (U2) und (U3). Folglich ist H = v 1, v 2,..., v t ein Unterraum von V. 32
34 Erzeugendensystem und Lineare Hülle Satz. V sei ein Vektorraum und v 1, v 2,..., v t sei ein System von Vektoren aus V. Dann gilt: (v 1, v 2,..., v t ) ist genau dann ein Erzeugendensystem von V, wenn V gleich der linearen Hülle v 1, v 2,..., v t ist. Beweis. (a) Falls (v 1, v 2,..., v t ) ein EZS von V ist, so ist jeder Vektor von V eine Linearkombination von v 1, v 2,..., v t, somit V = v 1, v 2,..., v t. (b) Falls V = v 1, v 2,..., v t, so ist jeder Vektor aus V in v 1, v 2,..., v t gelegen, daher eine Linearkombination von v 1, v 2,..., v t. 33
35 Beispiele von Unterräumen I (1) Sei V = R 3 und v 1 = H := v 1, v 2, v 3 = ein Unterraum des R 3. 1, v 2 = x 1 x 2 1, v 3 = 1 1, so ist x 1, x 2 R = R2 {} Es bilden v 1 und v 2 eine Basis (v 1, v 2 ) von H. Grund? Folglich hat H die Dimension 2. 34
36 Beispiele von Unterräumen II Wir fixieren a 1, a 2, a 3 R und setzen voraus, dass a 1 gilt. U := x 1 x 2 x 3 R 3 a 1 x 1 + a 2 x 2 + a 3 x 3 = ist dann ein 2-dimensionaler Unterraum des R 3. Behauptung: Es bilden v 1 = a 2 a 1 1 von U. Folglich hat U die Dimension 2. und v 2 = a 3 a 1 1 eine Basis 35
37 Jedes v = Wie kommt man auf diese Basis von U? x 1 x 2 x 3 U genügt der Beziehung a 1 x 1 +a 2 x 2 +a 3 x 3 =, die wir wegen a 1 nach x 1 auflösen können: Es folgt somit für jedes v U v = x 1 x 2 x 3 = a 2 x 1 = a 2 a 1 x 2 a 3 a 1 x 3. a x 1 2 a 3 x 2 x 3 a 1 x 3 = x 2 a 2 a x 3 a 3 a 1 1 somit U = v 1, v 2. Die lineare Unabhängigkeit von v 1, v 2 ist klar., 36
38 Die Funktion der linearen Hülle Satz Die lineare Hülle H := v 1, v 2,..., v t ist der bezüglich Inklusion kleinste Unterraum von V, welcher v 1, v 2,..., v t enthält. Beweis. Wir wissen schon, dass H = v 1, v 2,..., v t ein Unterraum ist, welcher v 1, v 2,..., v t umfasst. Ist nun U irgendein Unterraum von V, welcher v 1, v 2,..., v t enthält, so liegen alle Linearkombinationen a 1.v a t.v t ebenfalls in U, woraus H U folgt. In diesem Sinn ist H der kleinste v 1, v 2,..., v t umfassende Unterraum. 37
39 Summe und Durchschnitt von Unterräumen Aus gegebenen Unterräumen U 1 und U 2 ergeben sich durch Summen und Durchschnittsbildung weitere: Satz. Sind U 1 und U 2 Unterräume von V, so auch Durchschnitt und Summe U 1 U 2 = {x V x U 1 und x U 2 } U 1 + U 2 = {x 1 + x 2 x 1 U 1 und x 2 U 2 }. Beweis. durch direktes Nachrechnen. Achtung: Die Vereinigung U 1 U 2 ist im allgemeinen nicht wieder ein Unterraum. 38
40 Nachweis für Summe; Warnung für Vereinigung Nachweis Die Summe U 1 + U 2 zweier Unterräume von V Unterraum. ist ein Wir haben die Unterraumeigenschaften (U1) (U3) zu zeigen. Wegen = + U 1 + U 2 ist (U1) erfüllt. Sind x = x 1 + x 2 und y = y 1 + y 2 mit x i, y i U, so folgt dass x + y = (x 1 + x 2 ) + (y 1 + y 2 ) = (x 1 + y 1 ) + (x 2 + y 2 ) in U 1 + U 2 liegt, was (U2) zeigt. Schließlich ist mit obigen Bezeichnungen a.x = a(x 1 + x 2 ) = a.x 1 + a.x 2 in U 1 + U 2 gelegen, womit (U3) bewiesen ist. Warnung: Es sind U 1 = R {} und U 2 = {} R Unterräume von R R, aber U 1 U 2 ist kein Unterraum von R R. Es liegt nämlich (1, 1) = (1, ) + (, 1) nicht in U 1 U 2. 39
41 Anwendung des Durchschnitts: System linearer Gleichungen Es seien reelle Zahlen a 1, a 2, a 3, b 1, b 2, b 3 gegeben. Die Menge aller x 1 Lösungen x 2 R 3 des Gleichungssystems x 3 bildet einen Unterraum des R 3. a 1 x 1 + a 2 x 2 + a 3 x 3 = b 1 x 1 + b 2 x 2 + b 3 x 3 = Beweis. Jede der beiden Gleichungen hat als Lösungsmenge einen Unterraum U 1 bzw. U 2. Die Lösungsmenge insgesamt ist gerade U 1 U 2, damit wieder ein Unterraum. 4
42 Wichtige Bemerkung zu linearen Gleichungen Wir werden später lineare Gleichungssysteme und ihr Lösungsverhalten systematisch studieren. Um ihr Lösungsverhalten gut zu verstehen, ist es entscheidend, auf die Begriffe Basis, Dimension, Unterraum und Erzeugendensystem eines Vektorraums zurückgreifen zu können. Beim gerade diskutierten Beispiel von zwei (homogenen) linearen Gleichungen in drei Unbekannten, kann je nach Vorgabe von a 1, a 2, a 3 und b 1, b 2, b 3 der Lösungsraum die Dimension 1, 2 oder 3 haben. Es ist wichtig, entscheiden zu können, wann welcher Fall vorliegt. Wir kennen diesen Lösungsraum, sobald wir eine Basis desselben kennen. 41
Vektorräume und Lineare Abbildungen
Vektorräume und Lineare Abbildungen Die angesprochene Thematik macht den Kern dieser Veranstaltung aus. Lineare Techniken sind zentral für weite Bereiche mathematischen Argumentierens. Durch in der Analysis
MehrDie Dimension eines Vektorraumes
Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je
MehrDonnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.
Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )
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.
Mehr2.3 Umformung auf Zeilenstufenform
4 Kapitel II: Lineare Gleichungen 23 Umformung auf Zeilenstufenform Montag, 17 November 23 Wir sehen hier ein typisches Beispiel einer m n-matrix in Zeilenstufenform 1 1 1 A = 1 i 1 i 2 i 3 i 4 Eine Treppenlinie
Mehr3.3 Austauschsatz, Basisergänzungssatz und Dimension
66 Kapitel III: Vektorräume und Lineare Abbildungen 3.3 Austauschsatz, Basisergänzungssatz und Dimension Montag, 15. Dezember 2003 Es sei V ein Vektorraum. Jedes Teilsystem eines linear unabhängigen Systems
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
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
MehrKapitel 11. Dimension und Isomorphie
Kapitel 11. Dimension und Isomorphie 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
MehrLösungen zur Mathematik für Informatiker I
Lösungen zur Mathematik für Informatiker I Wintersemester 00/03 Prof Dr H Lenzing Blatt 7 Sei M Ihre Matrikelnummer mit den Ziffern m, m, m 3, m 4, m 5, m 6, m 7 Aufgabe 6 ( Bonuspunkt): Wir betrachten
MehrWeitere Eigenschaften
Weitere Eigenschaften Erklärung der Subtraktion: x y := x + ( y) (5) Die Gleichung a + x = b hat die eindeutig bestimmte Lösung x = b a. Beweis: (a) Zunächst ist x = b a eine Lösung, denn a + x = a + (b
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
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 7 Die Lösungsmenge eines homogenen linearen Gleichungssystems in n Variablen über einem Körper K ist ein Untervektorraum
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
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
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
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 25/26 Lineare Algebra und analytische Geometrie I Schläft ein Lied in allen Dingen, Die da träumen fort und fort, Und die Welt hebt an zu singen, Triffst du nur das Zauberwort
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
MehrKapitel 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
Mehr2.3 Basis und Dimension
Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit
MehrBeweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt.
82 Kapitel III: Vektorräume und Lineare Abbildungen Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt. Wir
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
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
MehrTeil II: Lineare Algebra
3 Vektorräume 49 Teil II: Lineare Algebra 3 Vektorräume Wir haben in den vorangegangenen Kapiteln ausführlich die Differential- und Integralrechnung in einer (reellen Variablen untersucht Da die Welt aber
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
Mehr2 Die Körper-Axiome. I. Axiome der Addition (A.1) Assoziativgesetz. Für alle x, y, z R gilt (x + y)+z = x +(y + z).
17 Wir setzen in diesem Buch die reellen Zahlen als gegeben voraus. Um auf sicherem Boden zu stehen, werden wir in diesem und den folgenden Paragraphen einige Axiome formulieren, aus denen sich alle Eigenschaften
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
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 8 18. Mai 2010 Kapitel 8. Vektoren (Fortsetzung) Lineare Unabhängigkeit (Fortsetzung) Basis und Dimension Definition 80. (Lineare (Un-)Abhängigkeit)
MehrAddition: ( 1 ; : : : ; n ) + ( 1 ; : : : ; n ) = ( ; : : : ; n + n ). Skalare Multiplikation: ( 1 ; : : : ; n ) = ( 1 ; : : : ; n ). II. Die Me
x 3 VEKTOR AUME In Kapitel 2 betrachteten wir wichtige Raume, die durch unsere Raumvorstellung motiviert waren { die zwei- und dreidimensionalen Raume R 2 und R 3. Jetzt untersuchen wir hoher dimensionale
MehrKapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen
Kapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen Vorschau: Lineare Abbildungen Wer Vektorräume studiert,
MehrLineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich
Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,
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
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
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
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.
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
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
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
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
MehrDas Spatprodukt 25. Insbesondere ist das Spatprodukt in jedem Faktor linear. a 1 = aa 2 + ba 3
Das Spatprodukt 25 (Sp 4) (aa, b, c) a(a, b, c) Insbesondere ist das Spatprodukt in jedem Faktor linear Montag,3 November 23 Satz 92 Drei Vektoren,, Spatprodukt (,, ) ist sind genau dann linear abhängig,
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 19 8. Juli 2010 Kapitel 14. Gewöhnliche Differentialgleichungen zweiter Ordnung 14.1 Systeme gewöhnlicher linearer Differentialgleichungen erster
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
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
Mehr$Id: vektor.tex,v /01/15 13:36:04 hk Exp $
$Id: vektortex,v 35 28//5 3:36:4 hk Exp $ 9 Vektorräume Wir kommen jetzt zum wohl abstraktesten Kapitel dieses ganzen Semesters, der Theorie der sogenannten Vektorräume Normalerweise ist ein Vektor etwas
Mehr3.3 Austauschsatz, Basisergänzungssatz und Dimension
64 Kapitel III: Vektorräume und Lineare Abbildungen 3.3 Austauschsatz, Basisergänzungssatz und Dimension Montag, 15. Dezember 2003 Es sei V ein Vektorraum. Jedes Teilsystem eines linear unabhängigen Systems
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie
D-MAVT Lineare Algebra I HS 7 Prof. Dr. N. Hungerbühler Lösungen Serie 4: Ferienserie . Finden Sie ein Erzeugendensystem des Lösungsraums L R 5 des Systems x + x x 3 + 3x 4 x 5 = 3x x + 4x 3 x 4 + 5x 5
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
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine Vektorräume (Teschl/Teschl 9 Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen: Eine
MehrUnterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer
Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie Sommersemester 2009 Franz Pauer INSTITUT FÜR MATHEMATIK, UNIVERSITÄT INNSBRUCK, TECHNIKERSTRASSE 13, 6020
Mehr2 Grundstrukturen. 2.1 Gruppen. Prof. Dr. Peter Schneider. Vorlesung WS Lineare Algebra 1 2 GRUNDSTRUKTUREN
Vorlesung WS 08 09 Lineare Algebra 1 Prof. Dr. Peter Schneider 2 Grundstrukturen Notation: Sind M und N zwei Mengen, so heißt die Menge M N := {(m, n) : m M, n N} das cartesische Produkt oder auch die
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.
MehrVektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:
MehrLineare Algebra für Informatiker Manuskript
Sebastian Thomas RWTH Aachen, SS 5 Juli 5 Lineare Algebra für Informatiker Manuskript Die Vorlesung richtet sich in erster Linie an Studierende des Studiengangs Bachelor of Science Informatik Es werden
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
MehrVektorräume. Lineare Algebra I. Kapitel Juni 2012
Vektorräume Lineare Algebra I Kapitel 9 12. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent: Sadegh
Mehr5.5 Abstrakter Vektorraum
118 Kapitel 5 Lineare Algebra 55 Abstrakter Vektorraum Für die Vektoraddition und die Multiplikation von Vektoren mit Skalaren im zweioder dreidimensionalen euklidischen Raum gelten bestimmte Rechengesetze,
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
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
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
Mehr3.2 Unabhängigkeitsstrukturen
80 3.2 Unabhängigkeitsstrukturen Unser Ziel ist der Nachweis, daß in Vektorräumen, also in Moduln über Körpern, Basen existieren und zwei endliche Basen gegebenenfalls von derselben Ordnung sind. (Basen
Mehr1. Gruppen. 1. Gruppen 7
1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.
MehrGrundlegende Definitionen aus HM I
Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen
MehrLineare Algebra. Wintersemester 2017/2018. Skript zum Ferienkurs Tag Claudia Nagel Pablo Cova Fariña. Technische Universität München
Technische Universität München Wintersemester 27/28 Lineare Algebra Skript zum Ferienkurs Tag 2-2.3.28 Claudia Nagel Pablo Cova Fariña Wir danken Herrn Prof. Kemper vielmals für seine Unterstützung bei
MehrDie komplexen Zahlen
Die komplexen Zahlen Wir haben gesehen, dass die Menge R der reellen Zahlen einen angeordneten Körper bildet und dass für die Menge Q der rationalen Zahlen entsprechendes gilt. In beiden Körpern sind Gleichungen
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
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
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
MehrKörper- und Galoistheorie
Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 8 Erzeugte Algebra und erzeugter Körper Satz 8.1. Sei K L eine Körpererweiterung und sei f L ein algebraisches Element. Dann ist
MehrKapitel 14. Matrizenrechnung
Kapitel 14 Matrizenrechnung Lineare Abbildungen und Matrizen Matrizenrechnung Ansatzpunkt der Matrizenrechnung sind die beiden mittlerweile wohlbekannten Sätze, welche die Korrespondenz zwischen linearen
MehrLösungen der Aufgaben zu Abschnitt 5.4
A Filler: Elementare Lineare Algebra Lösungen zu Abschnitt 54 Lösungen der Aufgaben zu Abschnitt 54 B ist linear unabhängig, wenn die Vektorgleichung ( ) ( ) ( ) ( ) 456 λ + λ + λ = bzw das LGS λ +4λ +λ
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
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
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:
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
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
Mehr1. Gruppen. 1. Gruppen 7
1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.
MehrÜbungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I
Humboldt-Universität zu Berlin.0.08. Mathematisch-Naturwissenschaftliche Fakultät II, Institut für Mathematik A. Filler Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I Bitte lösen
Mehr2 Vektorräume und Gleichungssysteme
2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum 2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum Definition 21 Seien K = (K, +, ) ein Körper, V eine Menge und
MehrVorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)
1 Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 14: Vektorräume und lineare Abbildungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 6. Oktober 2009) Vektorräume
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
MehrHM II Tutorium 1. Lucas Kunz. 24. April 2018
HM II Tutorium 1 Lucas Kunz 24. April 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Körper...................................... 2 1.2 Gruppen..................................... 2 1.3 Vektorraum...................................
MehrLineare Algebra I Lösungsvorschlag
Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 6 Vektorräume Die Addition von zwei Pfeilen a und b, ein typisches Beispiel für Vektoren. Der zentrale
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
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
MehrBlatt 10 Lösungshinweise
Lineare Algebra und Geometrie I SS 05 Akad. Rätin Dr. Cynthia Hog-Angeloni Dr. Anton Malevich Blatt 0 Lösungshinweise 0 0 Aufgabe 0. Es seien die Vektoren u =, v = und w = in R gegeben. a # Finden Sie
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 26. November 2014 Was kommt nach den natürlichen Zahlen? Mehr als die natürlichen Zahlen braucht man nicht, um einige der schwierigsten
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. 5. Übungsstunde. Steven Battilana.
Lineare Algebra 5. Übungsstunde Steven Battilana stevenb@student.ethz.ch November, 6 Vektoräume Eine Menge E zusammen mit zwei Verknüpfungen +: E E! E, (x, y) 7! x + y (Addition) : E E! E, (x, y) 7! x
MehrD-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 3
D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler Lösung 3 Hinweise 1. Verwenden Sie in a) für die ersten beiden Gleichungen die Eindeutigkeit des additiven Inversen (Folgerung (b)) und
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
Mehr114 Kapitel 6. Lineare Algebra. 6.4 Vektorräume
114 Kapitel 6 Lineare Algebra 64 Vektorräume Bereits in dem antiken Lehrbuch der Elemente von Euklid sind die Grundbegriffe der ebenen Geometrie festgehalten, die noch heute in der Schule vermittelt werden
Mehr