x 2 + y 2 = f x y = λ
|
|
- Kajetan Althaus
- vor 7 Jahren
- Abrufe
Transkript
1 Lineare Abbildungen Def Es seien (V 1,+, ) und (V 2,+, ) zwei Vektorräume Eine Abbildung f : V 1 V 2 heißt linear, falls für alle Vektoren u,v V 1 und für jedes λ R gilt: f (u + v) = f (u) + f (v), f (λu) = λf (u)
2 Bsp Die Abbildung ist linear, weil f x 1 + x 2 y 1 + y 2 = 0 f ( ( x λ y )) = f f : R 2 R 3, (( x1 y 1 x 1 y 1 0 (( λx λy f ) ( x2 + y 2 x 2 + y 2 0 )) = (( x y )) := x y 0 )) (( )) x1 + x = f 2 = y 1 + y 2 (( )) x1 = f + f λx λy 0 y 1 = λ x y 0 (( x2 = λf y 2 )), (( x y ))
3 Bsp Sei (V,+, ) ein Vektorraum, α R Dann ist die Streckung f : V V, f (v) := α v linear Tatsächlich, f (v 1 + v 2 ) = α(v 1 + v 2 ) = αv 1 + αv 1 = f (v 1 ) + f (v 2 ), f (λv 1 ) = α(λv 1 ) = (αλ)v 1 = (λα)v 1 = λ(αv 1 ) = λf (v 1 ) Bsp Ist die Abbildung f : V 1 V 2, f (v) := 0 eine lineare Abbildung? Ja! Weil f (v 1 ) + f (v 2 ) = = 0 und f (λv 1 ) = 0 = λ 0 = λf (v 1 ) (Falls V 1 = V 2 = V ist, ist f auch die Abbildung aus dem Streckungs -Bsp vorher, mit α = 0)
4 Bitte üben: zeigen Sie, dass die folgende Abbildung linear ist Die Abbildung f : R 3 R 2 gegeben durch (¼ ½) f x y = x + 2y 3x + 4y z
5 Bitte üben Frage Ist die folgende Abbildung linear? f : R 1 R 1, f (x) = (2x + 1) f(x) 1 x
6 Lemma 10 (v 1,,v n ) sei eine Basis in (V,+, ) Wir betrachten die Koordinatenabbidung ¼ C : V R n, die den Vektor v auf seinen 1 ½ Koordinatenvektor x abbildet Dann gilt: die Abbildung C ist linear x n Beweis ¼ Zz: ½ Für beliebigen ¼ Vektoren ½ u, w V mit Koordianten C(u) = und C(w) = gilt: x 1 x n (a) Der Koordinatenvektor des Vektors u + w ist y 1 y n ¼ x 1 + y 1 x n + y n ½, (b) ¼ für jedes λ R ist der Koordinatenvektor des Vektors λu der Vektor λx 1 ½ λx n
7 Der Vektor u hat die Koordinaten ¼ Der Vektor w hat die Koordinaten Dann sind u + w und λu u + w = n x i v i + i=1 λu = λ n y i v i = i=1 n x i v i = i=1 ¼ x 1 x n y 1 y n ½ Def ½ Def u = n i=1 x iv i w = n i=1 y iv i ¼ n (x i + y i )v i C(u + w) = i=1 ¼ n λx i v i C(λu) = i=1 λ x 1 λ x n ½ x 1 + y 1 x n + y n ½
8 Exkurs in die Mengenlehre: Surjektion, Injektion und Bijektion Es seien A, B zwei Mengen und f : A B eine Abbildung: Eine Abbildung f : A B heißt Injektion (oder eine injektive Abbildung), falls für jedes x y A gilt: f (x) f (y) (Oder: f (x) = f (y) = x = y) f A B
9 Eine Abbildung f : A B heißt Surjektion (oder eine surjektive Abbildung), falls für jedes x B mind ein y A existiert, so dass f (y) = x (Oder: Bild f := {b B sd a A mit f (a) = b} = B) f A B
10 f A B Eine Abbildung f : A B heißt Bijektion (oder eine bijektive Abbildung), falls sie eine Injektion und eine Surjektion ist
11 Die drei Bilder zusammen f A B Abbildung: Injektion (Abbildung in) f A B Abbildung: Surjektion (Abbildung auf) f A B Abbildung: Bijektion = Surjektion und Injektion
12 Wichtige Bezeichnung von der vorherigen Folien: Bild f := {b B sd a A mit f (a) = b} f:a --->B A B Bild = f Abbildung: Bsp: Bild f
13 Def Sei f : V U eine lineare Abbildung, wobei (V,+, ) und (U,+, ) Vektorräume sind Der Kern von f ist die Menge Kern f := Urbild f ({ 0}) := {v V f (v) = 0} Lemma 11 f : V U sei eine lineare Abbildung Dann gilt: (a) f ( 0) = 0 (b) v V gilt f ( v) = f (v) (c) Kern f = { 0} f injektiv Beweis (a) f ( 0) = f (0v) Def = 0 f (v) = 0 (b) f ( v) = f (( 1) v) = ( 1) f (v) = f (v) (c) = Sei Kern f = { 0} Zz: f ist injektiv, dh f (v 1 ) = f (v 2 ) = v 1 = v 2 f (v 1 ) = f (v 2 ) f (v 1 ) f (v 2 ) = 0 f (v 1 v 2 ) = 0 Da Kern f = { 0}, gibt es nur einen Vektor, der auf 0 abgebildet wird, nämlich 0 Dann ist v 1 v 2 = 0, also v 1 = v 2 (c) = Sei f injektiv Dann folgt aus f (u) = f (v), dass u = v Wir setzen u := 0Wir erhalten, dass aus f ( 0) = f (v) folgt, dass v = 0 }{{} = 0 nach (a) Also Kern f := {v V f (v) = 0} = { 0}
14 Verkettung von Abbildungen A,B,C seien die Mengen, f : A B, g : B C seien Abbildungen Die Verkettung (Komposition, Superposition, Hintereinanderausführung) von Abildungen g und f ist die Abbildung g f : A C, g f (x) := g(f (x)) Bsp: A = B = C = R, f (x) := x 3, g(x) := cos(x) Dann ist die Verkettung g f (x) = cos(x 3 ) x A f g f(x) g(f(x)) B C
15 Inverse Abbildung Bezeichnung: Für jede Menge A definieren wir Id A : A A, Id(a) = a ( a A) Id a A Wicht Bsp: f : A B gilt: f Id A = f (weil a A f Id A (a) = f (Id A (a)) = f (a)) Id B f = f (weil a A Id B f (a) = Id B (f ((a))) = f (a))
16 A a Def Sei f : A B eine Abbildung Eine Abbildung g : B A heißt eine links- (bzw rechts-)inverse Abbildung zu f, falls g f = Id A (bzw f g = Id B ) Lemma 12 f : A B sei eine Abbildung und A Dann gilt: 1 f ist injektiv f hat eine Linksinverse 2 f ist surjektiv f hat eine Rechtsinverse Beweis: (1) : f sei als injektiv vorausgesetzt Sei a A Die gesuchte linksinverse Abbildung g : B f A wird nun definiert durch g(y) := x, falls y in der Bildmenge von f liegt, und f (x) = y ist (da Es f injektiv ist, ergibt sich x eindeutig aus y) und B g(y) := a, falls y nicht in der Bildmenge von f liegt gilt: g f (x) Def = y:=f (x) g(f (x)) = g(y) g(y)=x = x = Id A (x) Bemerkung Die Linksinverse ist nicht immer eindeutig das Element a können wir beliebig auswählen
17 Beweis (1) : Es gelte g f = Id A Nun seien x, y A mit f (x) = f (y) gegeben Wir müssen x = y zeigen Dazu wird g auf die Gleichung f (x) = f (y) angewendet, was g(f (x)) = g(f (y)) ergibt Mit der Eigenschaft der Linksinversen haben wir Id A (x) = Id A (y), also x = y
18 Beweis (2): f ist surjektiv f hat eine Rechtsinverse = : f : A B werde als surjektiv vorausgesetzt Für jedes Element y B gibt es also mindestens ein x A mit f (x) = y f g g : B A sei eine Funktion, die jedem y B ein Urbild zuweist Dann gilt für jedes y B: f g(y) = f (g(y)) = f (x) = y = Id B (y) A B =: Es gelte f g = Id B Nun sei y B gegeben Wir müssen zeigen, dass y Bild f ist, also ein x A mit f (x) = y angeben Die Festlegung x := g(y) leistet das Verlangte, denn f (x) = f (g(y)) = f g(y) = Id B (y) = y
19 Lemma 13 Sei f : A B Dann gilt: f f ist Bijektion g : B A sd g f = Id A und f g = Id B Ferner gilt: Solches g ist eindeutig Beweis: = : Nach Lemma 12 ist f injektiv und surjektiv, also bijektiv = : Zuerst Existenz f sei surjektiv und injektiv Nach Lemma 12 g 1 und g 2 mit g 1 f = Id A, f g 2 = Id B Zz: g 1 = g 2 Für beliebiges b B gilt: g 1 (b)=g 1 (Id B (b))=g 1 (f (g 2 (b))) = g 1 (f ( g 2 (b) ) ) = Id A (g 2 (b)) = g 2 (b) ( ) Also b B gilt g 1 (b) = g 2 (b), also g 1 = g 2 Dann hat g := g 1 = g 2 die Eigenschaft g f = Id A und f g = Id B Eindeutigkeit: Angenomen, zwei Abbildungen g 1 und g 2 haben die gewünschte Eigenschaft: g i f = Id A, f g i = Id B (i = 1,2) Dann ist g 1 eine Linksinverse (also g 1 f = Id A ) und g 2 eine Rechtsinverse (f g 2 = Id B ), weil beide sowohl Links- als auch Rechtsinverse sind Wie wir in ( ) gezeigt haben, ist dann g 1 = g 2 Bezeichnung Ein solches g werden wir mit f 1 bezeichnen und die Inverse nennen A g B
20 Definition eines Isomorphismus Seien (V,+, ) und (U,+, ) Vektorräume Eine bijektive lineare Abbildung f : V U heißt ein Isomorphismus Wenn ein Isomorphismus f : V U existiert, dann heißen die Räume V und U isomorph Wiederholung Lemma 13 Sei f : A B Dann gilt: f f ist Bijektion g : B A sd g f = Id A und f g = Id B Ferner gilt: Solches g ist eindeutig A g B Sei f : V U ein Isomorphismus Dann ist f bijektiv, also existiert f 1 Ist sie auch ein Isomoprhimus? Ja, siehe Lemma 14
21 Die Inverse Abbildung zu einem Isomorphismus ist ebenfalls ein Isomorphismus Lemma 14 Sei f : V U ein Isomorphismus Dann ist f 1 : U V auch ein Isomorphismus Bemerkung Die Existenz von f 1 folgt aus Lemma 13, weil ein Isomorphismus nach Definition bijektiv ist Beweis Zz: f 1 ist (a) linear, (b) bijektiv (a) Additivität: f 1 (u + v) = f 1 ( f f 1 (u) + f f 1 (v) ) weil f f 1 = Id U = f 1 ( f ( f 1 (u) + f 1 (v) )) weil f linear ist = f 1 f ( f 1 (u) + f 1 (v) ) Definition von = f 1 (u) + f 1 (v) weil f 1 f = Id V Abg bzgl Multiplikation zeigt man analog (b) Bijektivität Da f f 1 = Id U, hat f 1 eine Linksinverse Da f 1 f = Id V, hat f 1 auch eine Rechtsinverse Dann ist f 1 eine Bijektion nach Lemma 13
22 Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) = f (v 1 ) + f (v 2 ), (b) f (λ v 1 ) = λf (v 1 ) Übung Sei f : V U linear Dann gilt: f (λ 1 v 1 + λ 2 v 2 ) = λ 1 f (v 1 ) + λ 2 f (v 2 ) In der Tat, f (λ 1 v 1 + λ 2 v 2 ) (a) = f (λ 1 v 1 ) + f (λ 2 v 2 ) (b) = λ 1 f (v 1 ) + λ 2 f (v 2 ) Übung Sei f : V U linear Dann gilt: f (λ 1 v 1 + λ 2 v 2 + λ 3 v 3 ) = λ 1 f (v 1 ) + λ 2 f (v 2 ) + λ 3 f (v 3 ) In der Tat, f (λ 1 v 1 + λ 2 v 2 + λ 3 v 3 ) (a) = f (λ 1 v 1 + λ 2 v 2 ) + f (λ 3 v 3 ) (a) = f (λ 1 v 1 ) + f (λ 2 v 2 ) + f (λ 3 v 3 ) (b) = λ 1 f (v 1 ) + λ 2 f (v 2 ) + λ 3 f (v 3 ) Analog Es gilt: f (λ 1 v λ n v n ) = λ 1 f (v 1 ) + + λ n f (v n ) (mehrmals das Trick anwenden)
23 Definition von Isomorphismus noch einmal Def (V, +, ), (U, +, ) seien Vektorräume Eine lineare Abbildung f : V U heißt Monomorphismus Epimorphismus Isomorphismus Endomorphismus falls injektiv falls surjektiv falls bijektiv falls V = U Monomorphismus heute benutzen heute besprochen Die Vektorräume V und U heißen Isomorph, falls ein Isomorphismus f : V U existiert
24 Logic des Abschnitts Vektorraum : synthetische Aufbau Definition in Vorl 2 gegeben durch Eingenschaften (= Axiomen ) Einige Eigenschaften, die man aus Axiomen durch logischen Schlussfolgerungen bekommt alle Vorlesungen bis jetzt und eine grosse Familie von Beispiele R n in Vorl 3, 4 eingeführt Eine Aussage, dass alle Vektorräumen den Vektorräumen aus der Familie von Beispiele gleich sind Frage: Was soll man hier unter gleich sind verstehen? Antwort: Isomorph
25 Haupsatz der linearen Algebra Satz 11(Hauptsatz der linearen Algebra) Zwei endlichdimensionalen Vektorräume sind genau dann isomorph, wenn sie gleiche Dimension haben Satz 11 (Hauptsatz der linearen Algebra) einfachere Version Jeder Vektorraum der Dimension n ist zu R n isomorph Bemerkung Die Satze 11, 11 sind äquivalent Die Richtung Satz 11 = Satz 11 ist einfach: weil dim(r n ) = n, ist nach Satz 11 ein Vektorraum der Dimension n zu R n isomorph Die (andere) Richtung = ist ein bisschen aufwendige; wir werden sie später beweisen
26 Beweis = (für Satz 11 und Satz 11 ) Zz: Sind V und U Isomorph, so ist dim(u) = dim(v) Sei f : V U ein Isomorphismus Sei {v 1,,v n } eine Basis in V Wir zeigen, dass die n elementige Menge {f (v 1 ),,f (v n )} U eine Basis in Bild f U ist, dh, es ist linearunabhängig und erzeugend Bemerkung Da ein Isomorphismus nach der Definition injektiv ist, sind die Vektoren f (v 1 ),,f (v n ) verschieden; die Menge {f (v 1 ),,f (v n )} ist deswegen tatsächlich n elementig Linearunabhängigkeit: Sei λ 1 f (v 1 ) + + λ n f (v n ) = 0 Um Linearunabhängigkeit von {f (v 1 ),,f (v n )} zu zeigen, müssen wir zeigen, dass alle λ s gleich 0 sind Da f linear ist, ist λ 1 f (v 1 ) + + λ n f (v n ) = f (λ 1 v λ n v n ); also f (λ 1 v λ n v n ) = 0 Da f ein Isomorphismus ist, ist f injektiv, deswegen ist Lemma 11 Kern f = { 0}, deswegen aus f (λ 1 v λ n v n ) = 0 folgt λ 1 v λ n v n = 0 (weil λ 1 v λ n v n Kern f und Kern f = { 0} ist) Da {v 1,,v n } eine Basis ist, ist sie linearunabhängig Dann aus λ 1 v λ n v n = 0 folgt λ 1 = = λ n = 0, was unseres Ziel war
27 {f (v 1 ),, f (v n )} ist erzeugend: Zz: jedes u U kann man als Linearkombination von f (v 1 ),,f (v n ) bekommen Da die Abbildung f surjektiv ist, ist jeder Vektor von U das Bild eines Vektors aus V, also v V mit f (v) = u Da {v 1,,v n } eine Basis ist, kann man ein beliebiges Element von V als Linearkombination von {v 1,,v n } bekommen, also λ 1,,λ n R mit λ 1 v λ n v n = v Dann gilt: u = f (v) = f (λ 1 v λ n v n ) Linearität = λ 1 f (v 1 ) + + λ n f (v n ) Also, u ist tatsächlich Linearkombination von Elementen aus {f (v 1 ),,f (v n )},
28 Da der Satz 11 (oder 11 ) sehr wichtig ist, werde ich separat die Satze 11, 11 in der Richtung = beweisen Ich werde zuerst Satz 11 beweisen, dh, ich werde zeigen, dass jeder (V,+, ) von Dimension n zu R n isomorph ist
29 Beweis von Satz 11 in der Richtung = Wir mussen beweisen dass, jeder Vektorraum (V,+, ) der Dimension n zu R n isomorph ist (V,+, ) sei n Dimensional, sei B = (v 1,,v n ) ein Basis-Tupel in (V,+, ) Wir betrachten die Koordinatenabbildung C B : V R n Nach Definition von Koordinatenabbildung gilt: ¼ C B (λ 1 v λ n v n ) := λ 1 λ n ist, dh, C B linear, injektiv und surjektiv ist ½ Wir zeigen, dass C B ein Isomorphismus Linearität: Lemma 10 (Sagt, dass die Koordinatenabbildung linear ist) Injektivität: Nach Lemma 11c genugend es zu zeigen, dass Kern CB = { 0} Dh, wir mussen zeigen, dass C B (v) = 0 = v = 0 Dh, wir mussen zeigen, dass 0 v v n = 0, was offensichtlich ist ¼ Surjektivität: Wir mussen zeigen, dass jedes λ 1 ½ ¼ R n Bild eines v V ist Aber C B (λ 1 v λ n v n) = λ n Warum war Beweis so einfach? Weil wir Vorarbeit vorher gemacht haben λ 1 λ n ½
30 Vor Beweis des Satzes 11 in = Richtung brauchen wir Vorarbeit Üben vor dem Beweis: Frage f : V R 2 ( sei eine ) lineare Abbildung ( ) 4 2 Für die Vektoren v 1, v 2 V gelte: f (v 1 ) =, f (v 3 2 ) = 1 Was ist f (v 1 + v 2 )? Frage Was ist f (2v 1 3v 2 )? Wir haben gesehen, dass (in den Beispiele oben) Bilde von Vektoren bestimmen die Bilde deren Linearkombinationen eindeutig Wir werden jetzt eine Veralgemeinerung dieser Aussage als Lemma formulieren und beweisen
31 Lemma 15 (V,+, ) und (U,+, ) seien n dimensionale Vektorräume, (v 1,,v n ) sei ein Basis-Tupel in V und (u 1,,u n ) sei ein n Tupel der Vektoren aus U Dann gilt: Es existiert genau eine lineare Abbildung f : V U so dass f (v i ) = u i für alle i = 1,,n Bsp ( Sei V = U = R 3, als (v 1,v 2,v 3 ) nehmen wir die Standardbasis ¼ ½ ¼ ½ ¼ ½) v 1 := 1 0,v 2 := 0 1,v 3 := 0 0, und als (u 1,u 2,u 3 ) nehmen wir ( ¼ ½ ¼ ½ ¼ ½) u 1 := 1 4,u 2 := 2 5,u 3 := Lass uns die Formel für die lineare Abbildung f, die v 1 u 1, v 2 u 2, v 3 u 3, finden (ähnlich wie in Fragen Antworten oben) ¼ ½ ( ¼ ½ ¼ ½ ¼ ½) f x y = f x y z 0 0 = z ( ¼ ½) ( ¼ ½) ( ¼ ½) ¼ ½ ¼ ½ ¼ ½ ¼ ½ f x 1 0 +f y 0 1 +f z 0 0 = x 1 4 +y 2 5 +z 3 x + 2y + 3z 6 = 4x + 5y + 6z 0 0 Die Abbildung ist linear (Hausaufgabe 2d Blatt 4) und hat die Eigenschaft f (v i ) = u i (i=1,2,3) x + 8y + 9z
32 Beweis von Lemma 15 Zuerst Existenz Wir werden diese Abbildung kostruieren, die Methode ist analog ¼ zu Fragen-Antworten oben und Bsp nach Lemma 15 Sei w V seien Koordinaten von w in der Basis (v 1,,v n ), dh w = x 1 v 1 + x 2 v x n v n = n i=1 x iv i Wir setzen x 1 x n ½ f (w) := x 1 u 1 + x 2 u x n u n = n x i u i i=1 ( ) Zu zeigen: (i) f (v i ) = u i und (ii) f ist linear Wir zeigen (i): Der Koordinatenvektor von v i in der Basis (v 1,,v n ) ist ¼ ½ i te Zeile 0, weil v i = 0 v v }{{} i v n, also i te Stelle f (v i ) ( ) = 0 u u i u n = u i wie behauptet
33 Wir zeigen (ii): f ist linear w,u V habe Koordinaten ¼ Koordinaten von w + u sind ¼ x 1 x n ½ ¼ bzw x 1 + y 1 x n + y n y 1 y n ½ Also, ½ Nach Lemma 10, die Lemma 10 f (w + u) = f ( n i=1 (x i + y i )v i ) ( ) = n i=1 (x i + y i )u i = n i=1 x iu i + n i=1 y ( ) iu i = f (w) + f (v) ¼ Ähnlich, nach Lemma 10, die Koordinaten von λw sind f (λw) = n i=1 λx iu i = λ n i=1 x iu i = λf (w) λx 1 λx n ½ Also,
34 Eindeutigkeit Die Abbildung f : V U erfülle die Voraussetzungen von Lemma 15, dh, f sei linear und f (v i ) = u i für i = 1,,n Wir müssen zeigen, dass w V f (w) = f (w), wobei f die die oben in ( ) konstruierte Abbildung ist ¼ w V habe Koordinaten x 1 x n ½, dh w = x 1 v 1 + x 2 v x n v n Wir haben f (w) = f (x 1 v 1 + x 2 v x n v n ) Linearität = f (x 1 v 1 ) + f (x 2 v 2 ) + + f (x n v n ) Linearität = x 1 f (v1 ) + x 2 f (v2 ) + + x n f (vn ) Voraussetz = x 1 u 1 + x 2 u x n u n Def von f = f (w)
35 Beweis von Satz 11 in = Richtung Seien (V,+, ) und (U,+, ) n dimensionale Vektorraume mit Basen jeweils (v 1,,v n ) und (u 1,,u n ) Das Ziel ist zu zeigen, dass es einen Isomorphismus f : V U existiert; wir werden den Isomorphismus mit Hilfe von Lemma 15 konstruieren Nämlich, wir betrachten die lineare Abbildung f : V U sodass f (v i ) = u i ; i = 1,,n Solche Abbildung existiert (und ist eindeutig) nach Lemma 15 Wir zeigen jetzt, dass f ein Isomprphismus ist; dh; wir zeigen dass f injektiv und surjektiv ist
36 Injektivität: Angenommen, f (v) = f (ṽ) Zz: v = ṽ Die Vektoren v und ṽ habe jeweils die Koordinatenvektore ¼λ 1 ½ ¼ ½ λ 1 und Dann gilt λ n λ n Konstr von f = f (v) = f (λ 1 v λ n v n ) Linearität = λ 1 f (v 1 ) + + λ n f (v n ) λ 1 u λ n u n, ¼λ 1 ½ also f (v) hat den Koordinatenvektor in der Basis (u 1,,u n ) Analog gilt: f (ṽ) = f ( λ 1 v λ n v n ) Linearität = λ1 f (v 1 ) + + λ n f (v n ) λ 1 u λ n u n ¼ ½ λ n Also auch f (ṽ) hat den Koordinatenvektor λ 1 λ n Konstr von f = in der Basis (u 1,,u n ) Da nach Voraussetzungen f (ṽ) = f (v) ist, sind die Koordinatenvektoren ¼λ 1 ½ ¼ ½ λ 1 von f (ṽ) und f (v) auch gleich, also ist = Dann sind v = n i=1 λ iv i = n i=1 λ i v i = ṽ Die Abbildung f ist also injektiv λ n λ n
37 Die Abbildung f ist surjektiv Sei u U ein beliebiger Vektor Wir mussen zeigen, dass v V mit f (v) = u ¼λ 1 ½ Der Vektor u habe den Koordinatenvektor in der Basis (u 1,,u n ), dh, u = λ 1 u λ n u n Wir setzen v := λ 1 v λ n v n V Es gilt: f (v) = f (λ 1 v λ n v n ) Linearität = Konstr von f λ 1 f (v 1 ) + + λ n f (v n ) = λ 1 u 1 + λ n u n = u Wir haben gesehen, dass ein beliebiger Vektor u das Bild eines Vektors v V ist; Surjektivität von f ist damit bewiesen Also, die Abbildung f : V U ist linear und surjektiv und injektiv, ist deswegen ein Isomorphismus Die }{{} bijektiv Vektorraume V und U sind deswegen isomorph, λ n
38 Bsp: geometrische Ebene ist isomorph zu R 2 Wiederholung: Sei E eine Ebene, O E und V die Menge V := {gerichtete Strecken mit Anfangspunkt O und Endpunkt auf E} mit Vektoraddition als Addition und Streckung/Stauchung als Multiplikation Wir haben gezeigt, dass eine Basis von (V,+, ) aus zwei beliebigen Vektoren u,v V besteht mit u 0 v und λ R λu v Also ist V zu R 2 isomorph nach Satz 11 Außerdem haben wir in Beweis von Satz 11 den Isomorphismus direkt konstruiert: f : R 2 V bildet λ µ R 2 auf λ u + µ v ab O Bemerkung Die Abbildung f ist eigentlich die inverse Abbldung zur im Beweis von Satz 11 konstruierten Isomorphismus O
39 Ein bisschen Philosophie Geometrie ist das Studium von mathematischen Modellen des Raumes, der uns auf Grund der Anschauung vertraut ist Die Geometrie gehört zu den ältesten Wissenschaften überhaupt Bemerkenswertes geometrisches Wissen finden wir bereits in den orientalischen Hochkulturen des 5 3 Jahrhunderts vor unserer Zeitrechnung Praktische Probleme aus der Messkunde, der Baukunst, der Astronomie und der Navigation wurden abstrahiert und führten zu geometrischen Regeln Mit Hilfe von Logic kann man aus diesen Regeln neue Aussagen bekommen, und anwenden
40 Schematisch könnte man es wie folgt vorstellen: Emipirische Wissenschaft ----> Formal-logische Theorie
41 Was haben wir bis jetzt gemacht? Wir haben die Eigenschaften genommen, die in Physik öfter vorkommen und empirisch nachgewiesen wurde die Eigenschaften I VIII des Vektorraums Dann haben wir alle mögliche (endlichdimensionale) Vektoräumen geschrieben Satz 11 alle sind zu R n isomorph In anderen Worten, wir haben vollständig die alle mögliche mathematischen Modellen des Raumes verstanden, in welchen die Axiomen I VIII erfüllt sind Außerdem kann man die mathematischen Methode, Ideen und Tricks aus Theorie von Vektorräumen auch in anderen Branchen der Mathematik, vor allen in Analysis benutzen Sie werden es während des Studiums mehrmals sehen
Wiederholung: lineare Abbildungen
Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) =
Mehrx y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)
Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung
Mehrx y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)
Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f(v) = u} (Andere Bezeichnung: f(v) wird in Analysis-Vorlesung
MehrMengenlehre: Mächtigkeit (Ordnung) einer Menge
Mengenlehre: Mächtigkeit (Ordnung) einer Menge Def. Seien A, B Mengen. Wir sagen, dass A höchstens gleichmächtig zu B ist, falls es eine injektive Abbildung f : A B gibt. Schreibweise: A B. Wir sagen,
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,
MehrDie Studenten, die sich in Friedolin EINGETRAGEN haben und von Friedolin wissen in welcher UG sie sind,
Die Studenten, die sich in Friedolin EINGETRAGEN haben und von Friedolin wissen in welcher UG sie sind, schreiben Sie sich bitte in IHRE CAJ-Gruppe ein (möglisch schnell damit die Übungsleiter die Punkte
MehrSatz 7. A sei eine nichtleere Teilmenge des nichttrivialen Vektorraums (V, +, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine nichtleere Teilmenge
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
MehrAffine Eigenschaften ( stets K = R)
Affine Eigenschaften ( stets K = R) Def. 15 Sei M eine Teilmenge eines affinen Raums A über V (über K). Eine Eigenschaft der Menge M heißt affin, wenn für jede Affinität F : A A 1 die Bildmenge {F(a)wobei
Mehr$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
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
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
MehrDefinition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 6. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November, 7 Vektoräume Eine Menge E zusammen mit zwei Verknüpfungen + : E E E, x, y x + y Addition : E E E,
MehrSkript und Übungen Teil II
Vorkurs Mathematik Herbst 2009 M. Carl E. Bönecke Skript und Übungen Teil II Das erste Semester wiederholt die Schulmathematik in einer neuen axiomatischen Sprache; es ähnelt damit dem nachträglichen Erlernen
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
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
MehrRangsatz. d.) (2P) Formulieren Sie den
Probeklausur Lineare Algebra I am 14.11.09 Die Klausur ist in drei Teile unterteilt, die grob als Definitions-, Rechenund Beweisteil bezeichnet werden können (optisch durch Linien getrennt). In jedem Teil
MehrVorlesung. Funktionen/Abbildungen
Vorlesung Funktionen/Abbildungen 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrKapitel III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
MehrLineare Abbildungen - I
Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit
MehrSatz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen
MehrQuadratische Matrizen
Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch
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,
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
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 01.12.2017 (Teil 1) 22. November 2017 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler 22. November 2017
MehrLineare Abbildungen. i=0 c ix i n. K n K m
Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht
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
MehrNeues Thema: abstrakte Algebra: Gruppen- und Körpertheorie
Neues Thema: abstrakte Algebra: Gruppen- und Körpertheorie Def. Eine Gruppe besteht aus einer nicht leeren Menge G und einer Abbildung : G G G (wir werden a b oder ab statt (a,b) schreiben; die Abbildung
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
Mehr1 Eigenschaften von Abbildungen
Technische Universität München Christian Neumann Ferienkurs Lineare Algebra für Physiker Vorlesung Dienstag WS 2008/09 Thema des heutigen Tages sind zuerst Abbildungen, dann spezielle Eigenschaften linearer
MehrNeues Thema: abstrakte Algebra: Gruppen- und Körpertheorie
Neues Thema: abstrakte Algebra: Gruppen- und Körpertheorie Def. Eine Gruppe besteht aus einer nicht leeren Menge G und einer Abbildung : G G G (wir werden a b oder ab statt (a,b) schreiben; die Abbildung
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
MehrI (u +v)+w = u +(v +w) II u +v = v +u III Es existiert ein 0 V, s. d. 0+v = v IV Es existiert ein v V, s. d. v +v = 0
Def. Sei (K,+, ) ein Körper. Eine Wiederholung: (Hauptdefinition Menge V mit Abbildungen der LAAG1:) Vektorraum ist eine + : V V V Menge V mit zwei Abbildungen : K V V + : V V V, : R V heißt ein Vektorraum
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
Mehr3 Lineare Abbildungen und Matrizen
3 Lineare Abbildungen und Matrizen Definition 3.1. Es seien V und W zwei Vektorräume über demselben Zahlkörper k. Eine Abbildung heisst linear, falls gilt i) [ λ k ] [ v V ] [ f (λ v) = λ f ( v) ] ii)
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
MehrLineare Abbildungen. Lineare Algebra I. Kapitel Juni 2012
Lineare Abbildungen Lineare Algebra I Kapitel 10 26. 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:
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana.
Lineare Algebra 6. Übungsstunde Steven attilana stevenb@student.ethz.ch November, 6 Lineare Abbildungen Eine Abbildung f : X Y heisst injektiv, falls x, x X : x x fx fx. In Worten: erschiedene Elemente
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
MehrLineare Abbildungen und Darstellungsmatrizen
KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt
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
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
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
MehrGrundlagen der Mathematik 1
Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben
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
MehrAufgabenblatt 1: Abgabe am vor der Vorlesung
Aufgabenblatt 1: Abgabe am 17.09.09 vor der Vorlesung Aufgabe 1. a.) (1P) Geben Sie die Lösungsmenge der folgenden Gleichung an: 6x + y = 10. Zeichnen Sie die Lösungsmenge in ein Koordinatensystem. b.)
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
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
Mehr$Id: vektor.tex,v /01/21 14:35:13 hk Exp $
Mathematik für Physiker I, WS 2/2 Freitag 2 $Id: vektortex,v 5 2//2 4:35:3 hk Exp $ Vektorräume 2 Untervektorräume und Erzeugendensysteme Am Ende der letzten Sitzung hatten wir wieder einmal den Lösungsraum
MehrKapitel 7 Lineare Abbildungen und Matrizen II
Kapitel 7 Lineare Abbildungen und Matrizen II 7.1 Weitere Rechenregeln für Matrizen Aus den bisher gelernten Regeln entnehmen wir den als Übung zu beweisenden Satz 7.1. Es gelten die folgenden Regeln.
Mehr4. Morphismen. 30 Andreas Gathmann
30 Andreas Gathmann 4. Morphismen Wir haben nun viele Beispiele und Konstruktionen von Gruppen gesehen. Natürlich wollen wir diese vielen verschiedenen Gruppen jetzt auch irgendwie miteinander in Beziehung
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
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 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
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
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
MehrLineare Algebra II Lösungen zu ausgewählten Aufgaben
Lineare Algebra II Lösungen zu ausgewählten Aufgaben Blatt 2, Aufgabe 3 a) Wir zeigen, daß das Ideal (2, X) kein Hauptideal in Z[X] ist. (Dieses Ideal besteht aus allen Elementen in Z[X], die von der Form
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,
MehrGleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung
Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Def. Eine Gleitspiegelung ist eine Spiegelung an einer Geraden (Spiegelachse) verknüpft mit einer Translation parallel zu dieser
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:
MehrVektorräume und Lineare Abbildungen
Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um
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
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
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 0/06 Lineare Algebra und analytische Geometrie I Vorlesung... und ein guter Lehrer kann auch einem schlechten Schüler was beibringen Beziehung zwischen Eigenräumen Wir
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
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
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
MehrLineare Algebra I. Lösung 9.2:
Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik Lösungsblatt 9 Prof. Dr. Markus Schweighofer 20.01.2010 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 9.1: Voraussetzung:
MehrVorlesung 27. Der projektive Raum. Wir werden den projektiven Raum zunehmend mit mehr Strukturen versehen.
Vorlesung 27 Der projektive Raum Definition 1. Sei K ein Körper. Der projektive n-dimensionale Raum P n K besteht aus allen Geraden des A n+1 K durch den Nullpunkt, wobei diese Geraden als Punkte aufgefasst
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
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
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
MehrAufgabensammlung zu Einführung in das mathematische Arbeiten Lineare Algebra und Geometrie WS 2009
Aufgabensammlung zu Einführung in das mathematische Arbeiten Lineare Algebra und Geometrie WS 2009 Schulstoffbeispiele 1. Lineare Gleichungssysteme. Lösen Sie die folgenden linearen Gleichungssysteme.
Mehr10. Affine und euklidische Geometrie.
10. Affine und euklidische Geometrie. In der analytischen Geometrie beschreibt man nach Wahl eines Koordinatensystems Punkte durch n-tupel von Zahlen (n = 2 für die Ebene, n = 3 für den 3-dimensionalen
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrLösung zu Serie 9. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 9 1. [Aufgabe] Sei f : V W eine lineare Abbildung. Zeige: a) Die Abbildung f ist injektiv genau dann, wenn eine lineare Abbildung g :
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
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
MehrVorkurs Mathematik B
Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein
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
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra HS 2014 Seite 56 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
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,
MehrL2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:
L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: 2) Vektoren: vollständig bestimmt durch Angabe einer und einer Beispiele: Übliche
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
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
MehrAnalysis I Marburg, Wintersemester 1999/2000
Skript zur Vorlesung Analysis I Marburg, Wintersemester 1999/2000 Friedrich W. Knöller Literaturverzeichnis [1] Barner, Martin und Flohr, Friedrich: Analysis I. de Gruyter. 19XX [2] Forster, Otto: Analysis
MehrL2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:
L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: Masse, Volumen, Energie, Arbeit, Druck, Temperatur 2) Vektoren: vollständig
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.
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
Mehr2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105. gramms kommutativ:
2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105 gramms kommutativ: V ϕ W ψ X c B c C c D K n x MC B(ϕ) x K m x MC D (ψ) x K l x M C D (ψ)mb C (ϕ) x Dies bedeutet, dass das gesamte Diagramm kommutativ ist.
MehrAbbildungen. Kapitel Definition: (Abbildung) 5.2 Beispiel: 5.3 Wichtige Begriffe
Kapitel 5 Abbildungen 5.1 Definition: (Abbildung) Eine Abbildung zwischen zwei Mengen M und N ist eine Vorschrift f : M N, die jedem Element x M ein Element f(x) N zuordnet. Schreibweise: x f(x) 5. Beispiel:
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
Mehr2 Mengen, Abbildungen und Relationen
Vorlesung WS 08 09 Analysis 1 Dr. Siegfried Echterhoff 2 Mengen, Abbildungen und Relationen Definition 2.1 (Mengen von Cantor, 1845 1918) Eine Menge M ist eine Zusammenfassung von wohlbestimmten und wohl
Mehr= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0.
Def 4 Eine Menge K mit zwei Abbildungen + : K K K und : K K K (heißen Addition und Multiplikation; wir werden a b bzw a+b statt (a,b), +(a,b) schreiben) ist ein kommutativer Ring, falls: (R1) (K, +) ist
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
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
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
MehrExkurs in die Mengenlehre: Das Auswahlaxiom
Exkurs in die Mengenlehre: Das Auswahlaxiom Def. Sei A eine Menge von nichtleeren Mengen. Dann heißt F : A α Aα eine Auswahlfunktion für A (mit Definitionsbereich A und Werbereich die Vereinigung von allen
Mehr