Die Dimension eines Vektorraumes
|
|
- Samuel Kurzmann
- vor 7 Jahren
- Abrufe
Transkript
1 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 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. 1
2 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 = 0, 1, 2,...), aber viele weitere. Wir untersuchen anschließend den Unterraumbegriff und beschäftigen uns mit Verfahren, Unterräume herzustellen. 2
3 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) 0 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. 3
4 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. 4
5 Beispiele von Unterräumen (a) Für jeden Vektorraum V sind stets V selbst und {0} 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 0 bestehende Teilmenge {0}, eine Gerade G durch 0 oder eine Ebene E durch 0 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. 5
6 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. 6
7 Die Lineare Hülle ist ein Unterraum Beweis. Sei H = v 1, v 2,..., v t. Es ist klar, dass 0 = 0.v 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. 7
8 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. 8
9 Beispiele von Unterräumen I (1) Sei V = R 3 und v 1 = H := v 1, v 2, v 3 = ein Unterraum des R , v 2 = x 1 x , v 3 = 1 1 0, so ist x 1, x 2 R = R2 {0} Es bilden v 1 und v 2 eine Basis (v 1, v 2 ) von H. Grund? Folglich hat H die Dimension 2. 9
10 Beispiele von Unterräumen II Wir fixieren a 1, a 2, a 3 R und setzen voraus, dass a 1 0 gilt. U := x 1 x 2 x 3 R 3 a 1 x 1 + a 2 x 2 + a 3 x 3 = 0 ist dann ein 2-dimensionaler Unterraum des R 3. Behauptung: Es bilden v 1 = a 2 a von U. Folglich hat U die Dimension 2. und v 2 = a 3 a eine Basis 10
11 Wie kommt man/frau auf diese Basis von U? Jedes v = x 1 x 2 x 3 U genügt der Beziehung a 1 x 1 +a 2 x 2 +a 3 x 3 = 0, die wir wegen a 1 0 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 somit U = v 1, v 2. Die lineare Unabhängigkeit von v 1, v 2 ist klar., 11
12 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. 12
13 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. 13
14 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 0 = 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 {0} und U 2 = {0} R Unterräume von R R, aber U 1 U 2 ist kein Unterraum von R R. Es liegt nämlich (1, 1) = (1, 0) + (0, 1) nicht in U 1 U 2. 14
15 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 = 0 b 1 x 1 + b 2 x 2 + b 3 x 3 = 0 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. 15
16 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. 16
17 Vorschau: Lineare Abbildungen Wer Vektorräume studiert, muss sich zugleich mit linearen Abbildungen zwischen ihnen auseinander setzen. Erst lineare Abbildungen ermöglichen es, verschiedene Vektorräume wirklich miteinander zu vergleichen. Zugleich bilden sie eine sprudelnde Quelle zur Bildung und Analyse von Unterräumen. 17
18 Definition linearer Abbildungen Definition Es seien V und W Vektorräume über R (oder allgemeiner über einem Körper K). Eine Abbildung f : V W heißt linear, wenn gilt: (L1) f(v 1 + v 2 ) = f(v 1 ) + f(v 2 ) für alle v 1, v 2 V. (L2) f(a.v) = a.f(v) für alle v V und a R (bzw. a K.) Wir können die Bedingungen (L1) und (L2) zu einer einzigen Bedingung zusammenfügen: (L) f(a 1.v 1 + a 2.v 2 ) = a 1.f(v 1 ) + a 2.f(v 2 ) für alle a 1, a 2 R (bzw. K) und alle v 1, v 2 V. 18
19 Eigenschaften linearer Abbildungen Sei f : V W eine lineare Abbildung. Dann gilt: (1) f(0 V ) = 0 W (2) f( v) = f(v) (3) f(a 1.v a t.v t ) = a 1.f(v 1 ) + + a t.f(v t ). Diese Eigenschaften ergeben sich unmittelbar aus (L1) und (L2). Insbesondere überführt (3) eine lineare Abbildung f : V W die Menge v 1, v 2,..., v t der Linearkombinationen der v 1, v 2,..., v t in die Menge f(v 1 ),..., f(v t ). Somit f( v 1, v 2,..., v t ) = f(v 1 ),..., f(v t ). Diese Redeweise unterstellt, dass V und W Vektorräume sind. 19
20 Die Summe linearer Abbildungen Satz Sind f, g : V W lineare Abbildungen, so auch die Abbildung f + g : V W, v f(v) + g(v). Beweis. Es ist zu zeigen, dass die durch h(v) = f(v) + g(v) (für v V ) erklärte Abbildung linear ist. Nun ist h(x + y) h(a.x) Def. = f(x + y) + g(x + y) linear = (f(x) + f(y)) + (g(x) + g(y)) = (f(x) + g(x)) + (f(y) + g(y)) Def. = h(x) + h(y) Def. = (f(a.x) + g(a.x)) linear = a.f(x) + a.g(x) Def. = a.h(x). 20
21 Skalare Vielfache linearer Abbildungen Satz Ist f : V W eine lineare Abbildung und a R, so ist auch a.f : V W, v a.f(v) eine lineare Abbildung. Beweis. Es ist zu zeigen, dass die durch h(v) := a.f(v) (für v V ) erklärte Abbildung linear ist. Es gilt h(x + y) h(b.x) Def. = a.f(x + y) linear = a.(f(x) + f(y)) (M1) = a.f(x) + a.f(y) Def. = h(x) + h(y) Def. = f(a.(b.x)) (M3) = f((a b).x) ab=ba = f(b.(a.x)) linear = b.f(a.x) Def. = b.h(x). 21
22 Beispiele linearer Abbildungen I (a) Sind V und W Vektorräume, so ist die Nullabbildung f : V W mit f(v) = 0 W für alle v V eine lineare Abbildung. (b) Ist V ein Vektorraum, so ist die identische Abbildung 1 V : V V, v v linear. (c) Sind v 1, v 2, v 3 Vektoren des R-Vektorraums V, so ist die Abbildung f : R 3 V, x 1 x 2 x 3 x 1.v 1 + x 2.v 2 + x 3.v 3 linear. 22
23 Lineare Abbildungen f : R R 3 Satz. Zujeder lineare Abbildung f : R R 3 gibt es einen Vektor v 1 a v 1 v = v 2 R 3, so dass f(a) = a v 2 gilt D.h. f(a) = a.v. v 3 a v 3 Umgekehrt ist jede solche Abbildung linear. Beweis. Wegen (L 2) gilt f(a) = f(a.1) = a.f(1) für alle a R. Mit v := f(1) ist dann die obige Behauptung erfüllt. Bemerkung. Der Satz und sein Beweis gelten ebenfalls für R n anstelle von R 3. Wir diskutieren anschließend den Spezialfall n = 1. 23
24 Spezialfall: Lineare Abbildungen f : R R Vorweg: R ist selbst ein Vektorraum (Spezialfall des R n für n = 1). Es macht daher Sinn, die linearen Abbildungen f : R R zu untersuchen. Satz. Zu jeder linearen Abbildung f : R R gibt es ein v R, nämlich v := f(1), so dass f(a) = a v für jedes a R gilt. Umgekehrt ist jede solche Abbildung linear. Lineare Abbildungen f : R R sind daher durch ein einziges Datum, die Zahl v = f(1), eindeutig bestimmt. Auf der nächsten Folie bestimmen wir allgemeiner die linearen Abbildungen von R 3 nach R. 24
25 Lineare Abbildungen von R 3 nach R Satz. Zu jederlineare Abbildung f : R 3 R gibt es a 1, a 2, a 3 R, x 1 so dass f x 2 = a 1 x 1 + a 2 x 2 + a 3 x 3 gilt. x 3 Umgekehrt ist jede solche Abbildung linear. Beweis =. Sei e 1, e 2, e 3 die Standardbasis des R 3. Wir setzen a 1 := f(e 1 ), a 2 := f(e 2 ), a 3 := f(e 3 ). Aus der Linearität von f folgt: f x 1 x 2 = f (x 1.e 1 + x 2.e 2 + x 3.e 3 ) x 3 = x 1 f(e 1 ) + x 2 f(e 2 ) + x 3 f(e 3 ) = x 1 a 1 + x 2 a 2 + x 3 a 3. Es ist leicht zu sehen, dass für jede Vorgabe von a 1, a 2, a 3 die obige Formel eine lineare Abbildung f definiert. 25
26 Lineare Abbildungen von R 3 nach V V sei ein R-Vektorraum. Wir diskutieren eine Erweiterung des vorangehenden Satzes. Satz. Zu jeder linearen Abbildung f : R 3 V gibt es Vektoren v 1, v 2, v 3 aus V, so dass für jeden Vektor x R 3 mit den Koordinaten x 1, x 2, x 3 die Formel f x 1 x 2 x 3 = x 1.v 1 + x 2.v 2 + x 3.v 3 gilt. Umgekehrt ist für jede Vorgabe von v 1, v 2, v 3 die mit obiger Formel definierte Abbildung f : R 3 V linear. 26
27 Wie finden wir v 1, v 2, v 3? Beweis. (a) f : R 3 V sei als lineare Abbildung gegeben. Wir wenden f auf die Standardbasis e 1, e 2, e 3 von R 3 an und setzen v 1 = f(e 1 ), v 2 = f(e 2 ), v 3 = f(e 3 ). Es folgt dann f x 1 x 2 x 3 Basisdarstellung = f(x 1.e 1 + x 2.e 2 + x 3.e 3 ) f linear = x 1.f(e 1 ) + x 2.f(e 2 ) + x 3.f(e 3 ) Def = x 1.v 1 + x 2.v 2 + x 3.v 3. 27
28 Wie finden wir f? (b) Gegeben sind jetzt irgendwelche Vektoren v 1, v 2, v 3 aus V. Wir definieren f : R 3 V durch die Vorschrift f x 1 x 2 x 3 = x 1.v 1 + x 2.v 2 + x 3.v 3. Es folgt durch einfache Rechnung, dass f linear ist. Wir merken uns: Lineare Abbildungen des R 3 nach V entsprechen eins-zu-eins Tripeln (v 1, v 2, v 3 ) von Vektoren aus V. 28
29 Rückblick und Weiterschau: f : R n V Wenn wir die verwendeten Argumente anschauen ist klar, dass wir den schreibtechnisch bequemen R 3 durch einen Vektorraum R n, für beliebiges n, ersetzen können, und die Aussage entsprechend gilt: Satz Eine lineare Abbildungen f : R n V entspricht umkehrbar eindeutig einem n-tupel (v 1, v 2,..., v n ) von Vektoren aus V. (1) Einer gegebenen linearen Abbildung f wird das n-tupel (f(e 1 ),..., f(e n )) zugeordnet. (2) Einem n-tupel (v 1, v 2,..., v n ) entspricht umgekehrt die Abbildung f mit f(x 1,..., x n ) auf n i=1 x i.v i schickt. Kommentare: (1) Aus platztechnischen Gründen haben wir Vektoren des R n hier in Zeilenform (x 1, x 2,..., x n ) geschrieben. (2) Dieser Satz umfasst alle vorweg diskutierten Spezialfälle. Nur diesen Satz müssen wir uns daher wirklich merken. 29
30 Das Bild einer linearen Abbildung Sei f : V W eine lineare Abbildung. Satz Es gilt: (1) Das Bild f(v ) von f ein Unterraum von W. Bezeichnung: Bild(f) := f(v ). (2) Ist ferner v 1, v 2,..., v t ein Erzeugendensystem von V (zum Beispiel eine Basis von V ) so ist Bild(f) = f(v 1 ),..., f(v t ). (3) Eine lineare Abbildung f : V W überführt daher ein Erzeugendensystem (v 1, v 2,..., v t ) von V in ein Erzeugendensystem (f(v 1 ),..., f(v t )) von Bild(f). Wir begründen diese Aussagen auf der nächsten Folie. 30
31 Bilder von Unterräumen Die Behauptung (1) ist abgedeckt durch folgenden einfach zu beweisenden Satz: Satz Ist f : V W eine lineare Abbildung und U ein Unterraum von V, so ist f(u) = {f(u) u U} ein Unterraum von W. (2) folgt aus der früher gezeigten Aussage f( v 1, v 2,..., v t ) = f(v 1 ),..., f(v t ). (3) ist eine Umformulierung von (2). 31
Kapitel 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,
MehrVektorräume und Lineare Abbildungen
Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit
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 )
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
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
MehrVektorräume 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
MehrKapitel 12. Lineare Abbildungen und Matrizen
Kapitel 12 Lineare Abbildungen und Matrizen Lineare Abbildungen f : R n R m Wir wissen schon: Eine lineare Abbildung f : R n R m ist eindeutig durch ein n-tupel von Vektoren v 1, v 2,, v n des R m bestimmt
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
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
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
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
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
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
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 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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Lineare Algebra 1 WS 2006/07 Lösungen Blatt 13/ Probeklausur. Lösungen zur. Zentrum Mathematik
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 13/2 29.1.27 en zur Probeklausur Aufgabe 1 (ca. 6 Punkte) Sei
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
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 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
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
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:
MehrFür die Matrikelnummer M = Dann sind durch A =
Musterlösung zum. Blatt 9. Aufgabe: Gegeben seien m 3 + 2 m m 3 m 2 m 4 + m 7 m 3 A := m m 2 m 2 + 2 m 2 m 4 + m 5 und b := m 6 m 4 + a) Finden Sie eine Lösung x R 7 für die Gleichung Ax =. b) Finden Sie
Mehr4 Affine Koordinatensysteme
4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner
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
MehrLemma 10. Die Menge Aff (K n ) aller Affinitäten von K n ist eine Gruppe bezüglich der Verkettung. Beweis. (vgl. Lemma 39 LAAG I sowie
Lemma 10. Die Menge Aff (K n ) aller Affinitäten von K n ist eine Gruppe bezüglich der Verkettung. Beweis. (vgl. Lemma 39 LAAG I sowie Noch ein Beispiel aus Vorl. 1, Seite 10) Zuerst zeigen wir, dass jede
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,...,
Mehrm 2 m 3 m 5, m m 2
Musterlösung zum 8. Blatt 7. Aufgabe: Seien die folgenden Vektoren im R 4 gegeben: 2m 5 + 2 2m 2 2m 7 + m 2 m 3 m 5 v = m 5, v 2 = m 2, v 3 = m 7 m 2 m 3 m 5 m 2 m 3 m 5, m 5 + m 2 m 7 2m + m 2 m 4 2m
MehrMusterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr
TUM Ferienkurs Lineare Algebra WiSe 8/9 Dipl.-Math. Konrad Waldherr Musterlösung Relationen Aufgabe Auf R sei die Relation σ gegeben durch (a, b)σ(c, d) : a + b c + d. Ist σ reflexiv, symmetrisch, transitiv,
MehrMathematik I. Vorlesung 11. Lineare Unabhängigkeit
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 11 Lineare Unabhängigkeit Definition 11.1. Es sei K ein Körper und V ein K-Vektorraum. Dann heißt eine Familie von Vektoren v i, i I,
Mehr$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
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)
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I Wintersemester 3/ Aufgabenblatt 6. Januar Präsenzaufgaben
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
Mehr0, v 6 = , v 4 = 1
Aufgabe 6. Linearkombinationen von Vektoren Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 : M = v =, v =, v 3 =, v 4 =, v 5 =, v 6 =. Zeigen Sie, dass sich jeder Vektor v i M, i =,,...,
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
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.
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
MehrHauptachsentransformation: Eigenwerte und Eigenvektoren
Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung
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 =
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
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 4
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 4 4. (Frühjahr 27, Thema, Aufgabe ) Zeigen Sie, dass die beiden folgenden Unterräume des R 3 übereinstimmen:
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.
Mehr2.3 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
MehrKapitel V. Affine Geometrie
Kapitel V Affine Geometrie 1 Affine Räume Betrachte ein lineares Gleichungssystem Γ : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 + + a mn x n = b
MehrLineare Algebra I. Probeklausur - Lösungshinweise
Institut für Mathematik Wintersemester 2012/13 Universität Würzburg 19. Dezember 2012 Prof. Dr. Jörn Steuding Dr. Anna von Heusinger Frederike Rüppel Lineare Algebra I Probeklausur - Lösungshinweise Aufgabe
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
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
MehrLineare Algebra und Analytische Geometrie I Winter 2015/16 Erste Klausur
Lineare Algebra und Analytische Geometrie I Winter 25/6 Erste Klausur 9.2.26 Name (deutlich lesbar!):....................................................................... Matrikelnummer (deutlich lesbar!):
MehrAffine und projektive Räume
Affine und projektive Räume W. Kühnel Literatur hierzu: G.Fischer, Analytische Geometrie, 7. Aufl., Vieweg 2001 Zur Motivation: Wenn man in einem Vektorraum die Elemente nicht als Vektoren, sondern als
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
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
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
Mehr1 Lineare Abbildungen
1 Lineare Abbildungen Definition 1 Sei K ein Körper und V und W K-Vektoräume. Eine Abbildung f : V W heisst linear oder Homomoprhismus, wenn gilt: fv 1 + v 2 = fv 1 + fv 2 v 1, v 2 V fλv = λfv λ K, v V
MehrKapitel 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
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
Mehr1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen
1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen
MehrMengen und Abbildungen
Mengen und Abbildungen Der Mengenbegriff Durchschnitt, Vereinigung, Differenzmenge Kartesisches Produkt Abbildungen Prinzip der kleinsten natürlichen Zahl Vollständige Induktion Mengen und Abbildungen
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
MehrNachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17
Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Nachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17 Bearbeiten
MehrKlausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 4
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 26/7): Lineare Algebra und analytische Geometrie 4 4. (Frühjahr 27, Thema, Aufgabe ) Zeigen Sie, dass die beiden folgenden Unterräume des R 3 übereinstimmen:
Mehr11. BASIS, UNTERRAUM, und DIMENSION
11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen
Mehr3.9 Elementarmatrizen
90 Kapitel III: Vektorräume und Lineare Abbildungen 3.9 Elementarmatrizen Definition 9.1 Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare
MehrDie lineare Hülle. heißt der Vektor. Linearkombination der Vektoren v i mit Koeffizienten α i. Direkt aus (12.6) folgt
Eine Menge v +U mit einem Untervektorraum U nennt man auch eine Nebenklasse des Untervektorraumes U. Sie entsteht, wenn man die Translation τ v auf die Menge U anwendet. Ausdrücke der Form αu + βv, auch
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 I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 05.11.2013 Alexander Lytchak 1 / 14 Linearkombinationen Definition Es sei V ein reeller Vektorraum. Es sei (v i ) i
MehrAffine Geometrie (Einfachere, konstruktive Version)
Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit
MehrLineare Algebra I - Prüfung Winter 2019
Lineare Algebra I - Prüfung Winter 209. (20 Punkte) Kreuzen Sie auf dem Abgabeblatt ihre Antwort an. Pro Teilaufgabe ist genau eine der vier Antwortmöglichkeiten richtig. Für jede richtig beantwortete
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
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
Mehr4.2 Die adjungierte Abbildung
4.2. DIE ADJUNGIERTE ABBILDUNG 177 4.2 Die adjungierte Abbildung Die Vektorräume dieses Paragraphen seien sämtlich euklidisch, die Norm kommt jetzt also vom inneren Produkt her, v = v v. Zu f Hom R (V,
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
MehrLösung zum 2. Übungsblatt
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SoSe 25 Blatt 2 3.5.25 Lösung zum 2. Übungsblatt. Gegeben seien die Vektoren v = 2, v 2 =, v 3 = in R 3 3 2 und ( ) ( ) w =, w 2 2 =, w
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
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
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
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 6. Aufgabe 6.1. Dr. V. Gradinaru K. Imeri. Herbstsemester 2018.
Dr. V. Gradinaru K. Imeri Herbstsemester 8 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6. Multiple Choice: Online abzugeben. 6.a) (i) Welche der folgenden
MehrLineare Abbildungen und Orthonormalsysteme
KAPITEL Lineare Abbildungen und Orthonormalsysteme. Lineare Abbildungen und Koordinatendarstellungen.. Lineare Abbildungen und ihre Basisdarstellung. Seien V, W Vektorraume uber R. Mit einer Abbildung
MehrVektorräume. Kapitel Definition und Beispiele
Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte
MehrLineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.
Lineare Hülle Def A sei eine nichtleere Teilmenge des Vektorraums (V,+, ) Die lineare Hülle von A (Bezeichung: span(a)) ist die Menge aller Linearkombinationen der Elemente aus A { k } span(a) := λ i v
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
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,
MehrAffine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3...
Affine Hülle Wiederholung. Der Vektor x K n ist eine lineare Kombination der Vektoren x,...,x k K n, wenn es Zahlen λ,...,λ k K gibt mit x = λ x +... + λ k x k. Def. Gibt es solche Zahlen λ,...,λ k K mit
MehrLösungsskizze zur Hauptklausur Lineare Algebra I
Lösungsskizze zur Hauptklausur Lineare Algebra I Aufgabe Seien V und W zwei K-Vektorräume für einen Körper K. a) Wann heißt eine Abbildung f : V W linear? b) Wann heißt eine Abbildung f : V W injektiv?
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:
MehrDemo für LINEARE ALGEBRA. Vektoren und Vektorraum. Teil 3. Untervektorräume INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK. Datei Nr.
Teil 3 Untervektorräume Stand 1. Juli 011 Datei Nr. 61110 LINEARE ALGEBRA Vektoren und Vektorraum INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK Demo für 61110 Vektorrechnung Teil 3 Untervektorräume 51 Inhalt
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
MehrMusterlösung 7 Lineare Algebra für die Naturwissenschaften
Musterlösung 7 Lineare Algebra für die Naturwissenschaften Aufgabe Entscheiden Sie, ob folgende Abbildungen linear sind, und geben sie für die linearen Abbildungen eine Matrixdarstellung (in einer Basis
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
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
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:
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 und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 9 Aufgabe 9 Finden Sie eine Basis des Lösungsraums L R 5 des linearen
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
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
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
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 Gleichungssysteme
Lineare Gleichungssysteme Definition. Sei K ein Körper, a ij K für 1 i m, 1 j n und b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2......
Mehr