Der Rangsatz für lineare Abbildungen
|
|
- Felix Mann
- vor 7 Jahren
- Abrufe
Transkript
1 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 f die Dimension von V (und auch die von W ) bekannt ist, bestimmen sich folglich die Dimensionen von Kern(f) und Bild(f) wechselseitig Als Regelbezeichnung hat sich hier der Rang von f durchgesetzt Manchmal ist von der Dimension von Kern(f) als dem Defekt von f die Rede 1
2 Beweis des Rangsatzes Wir nehmen an, dass V und W endlichdimensional sind Es folgt dann (Beweis später), dass Kern(f) und Bild(f) ebenfalls endliche Dimension haben Beweis Seien (e 1, e 2,, e p ) eine Basis von Kern(f) und (g 1, g 2,, g q ) eine Basis von Bild(f) Im ersten Schritt wählen wir für jedes g i (1 i q) ein Urbild f i aus V Wir behaupten, dass B := (e 1, e 2,, e p, f 1, f 2,, f q ) eine Basis von V ist, woraus der Rangsatz sofort folgt 2
3 (1) B ist linear unabhängig: Aus (a 1 e 1 + a 2 e a p e p ) + (b 1 f 1 + b 2 f b q f q ) = 0 folgt durch Anwendung von f, dass b 1 g 1 + b 2 g b q g q = 0 und dann alle b j verschwinden, da die g j s eine Basis bilden Es ergibt sich nunmehr a 1 e 1 + a 2 e a p e p = 0, woraus das Verschwinden auch der a i folgt (2) B ist ein Erzeugendensystem von V : Sei v V, somit f(v) Bild(f) = g 1, g 2,, g q Wir erhalten also f(v) = b 1 g b q g q = f(b 1 f b q f q ) mit geeigneten Skalaren b j Es folgt somit ist f(v (b 1 f 1 + b 2 f b q f q )) = 0, v (b 1 f 1 + b 2 f b q f q ) in Kern(f) gelegen, daher von der Form a 1 e 1 + a 2 e a p e p mit geeigneten Skalaren a i Zusammengefasst: v = (a 1 e 1 + a 2 e a p e p ) + (b 1 f 1 + b 2 f b q f q ) 3
4 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 1 v 1 + x 2 v x n v n = 0 ein Unterraum des R n von der Dimension n r Beweis Sei f : R n R m, x 1 x 2 x n = x 1v 1 + x 2 v x n v n die zu A gehörige lineare Abbildung Bei L handelt es sich gerade um den Kern von f, der ein Unterraum von R n ist und nach dem Rangsatz für lineare Abbildungen die Dimension n r hat 4
5 Rückblick auf Spezialfälle Spezialfälle des Rangsatzes in Matrixform haben wir schon kennengelernt r = 1: Sei A = (a 1, a 2, a 3 ) (0, 0, 0) Dann ist x 1 x 2 x 3 a 1x 1 + a 2 x 2 + a 3 x 3 = 0 ein Unterraum des R 3 von der Dimension zwei ( ) a1 a r = 0, 1, 2: Sei A = 2 a 3 Dann ist die Menge (x b 1 b 2 b 1, x 2, x 3 ) aller Lösungen 3 des linearen Gleichungssystems 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 ein Unterraum von R 3, der in Abhängigkeit von rg(a) = 2, 1 oder 0 die Dimension 1, 2 oder 3 haben kann 5
6 Lineare Gleichungssysteme Wir erkennen das allgemeine Muster: Satz Jede m n-matrix A = (a ik ) liefert ein (homogenes) lineares Gleichungssystem a 11 x 1 + a 12 x a 1n x n = 0 a 21 x 1 + a 22 x a 2n x n = 0 a m1 x 1 + a m2 x a mn x n = 0 bestehend aus m Gleichungen in den n Unbekannten x 1, x 2,, x n Die Lösungen (x 1, x 2,, x n ) bilden einen Unterraum L des R n von der Dimension n rg(a) 6
7 Begründung Beweis Seien v 1, v 2,, v n die Spaltenvektoren der Matrix A, also a 1k a v k = 2k für k = 1,, n a mk Dann besteht die Lösungsmenge L gerade aus den n-vektoren x 1 x 2 x n Rn mit x 1 v 1 + x 2 v x n v n = 0 Der Rangsatz für Matrizen zeigt nun, dass L ein Unterraum des R n ist, welcher die Dimension n rg(a) hat 7
8 Korrespondenz zwischen linearen Abbildungen, Matrizen, linearen Gleichungssystemen Es gibt eine eins-zu-eins Entsprechung zwischen linearen Abbildungen f : R n R m einerseits und m n-matrizen mit reellen Einträgen andererseits Es gibt eine eins-zu-eins Entsprechung zwischen m n-matrizen und (homogenen) linearen Gleichungssystemen aus m Gleichungen in n Unbekannten Die Lösungsmenge des (homogenen) linearen Gleichungssystems bildet einen Unterraum des R n, welcher mit dem Kern der zugeordneten linearen Abbildung f übereinstimmt Die Dimension des Lösungsraumes/Kerns ergibt sich aus dem Rangsatz 8
9 Nochmals zur Dimension Satz Sei (v 1, v 2,, v n ) ein maximal linear unabhängiges System von V, dh dieses System ist linear unabhängig in V, aber jedes Hinzufügen eines weiteren Vektors macht daraus ein linear abhängiges System Dann ist (v 1, v 2,, v n ) eine Basis von V und somit dim V = n Beweis Wir müssen zeigen, dass (v 1, v 2,, v n ) ein Erzeugendensystem ist Sei dazu v ein beliebiger Vektor Da (v 1, v 2,, v n ) maximal linear unabhängig ist, ist das vergrößerte System (v 1, v 2,, v n, v ) linear abhängig Es gibt somit eine lineare Abhängigkeitsrelation a 1 v 1 + a 2 v a n v n + bv = 0, wobei nicht alle Koeffizienten Null sind Dabei kann b nicht Null sein; sonst würde nämlich die lineare Abhängigkeit von (v 1, v 2,, v n ) folgen Wegen b 0 lässt sich die Gleichung nach v auflösen und es folgt, dass v eine Linearkombination der Vektoren v 1, v 2,, v n ist 9
10 Basen und maximal linear unabhängige Systeme Der studierte Satz lässt sich umkehren: Satz Jede Basis b 1, b 2,, b n eines Vektorraums V ist ein maximal linear unabhängiges System und umgekehrt Die Begriffe Basis von V und maximal linear unabhängiges System von V stimmen daher überein Beweis = Sei b 1, b 2,, b n eine Basis, insbesondere also linear unabhängig in V Wir wollen zeigen, dass beim Hinzufügen eines weiteren Vektors v stets ein linear abhängiges System (b 1, b 2,, b n, v) entsteht v lässt sich nämlich als Linearkombination v = a 1 b 1 + a 2 b a n b n schreiben Dies führt zur Beziehung a 1 b 1 + a 2 b a n b n + ( 1) v = 0, die uns die lineare Abhängigkeit des erweiterten Systems zeigt 10
11 Der Basisergänzungssatz Wir betrachten einen Vektorraum V, der ein endliches Erzeugendensystem E hat Satz Jedes linear unabhängige System (v 1, v 2,, v r ) von V lässt sich durch Hinzufügen geeigneter Vektoren aus E zu einer Basis von V ergänzen Beweis Wir fügen zu (v 1, v 2,, v r ) solange Mitglieder des Erzeugendensystems hinzu, bis wir ein immer noch linear unabhängiges System B = (v 1, v 2,, v r, w 1, w 2,, w s ) erreicht haben, aus dem jedes Hinzufügen eines weiteren Mitglieds aus E ein linear abhängiges System macht 11
12 Wir behaupten, dass B = (v 1, v 2,, v r, w 1, w 2,, w s ) den Vektorraum V erzeugt und dann wegen der konstruktionsbedingten linearen Unabhängigkeit auch eine Basis von V ist Sei w E Es folgt, dass (v 1, v 2,, v r, w 1, w 2,, w s, w) ein linear abhängiges System ist, also eine lineare Relation (a 1 v 1 + a 2 v a r v r ) + (b 1 w 1 + b 2 w b s w s ) + cw = 0 besteht, für die nicht alle Koeffizienten verschwinden Dabei kann c wegen der linearen Unabhängigkeit von nicht gleich Null sein (v 1, v 2,, v r, w 1, w 2,, w s ) Die obige Gleichung lässt sich daher nach w auflösen Dies zeigt, dass jedes w E in der linearen Hülle von B gelegen ist Dieselbe stimmt daher mit V überein 12
13 Zwei wichtige Folgerungen Satz 1 Ist U ein Unterraum eines endlich dimensionalen Vektorraums V, so ist dim(u) dim(v ) Beweis Wir haben gerade gesehen, dass sich jede Basis B von U zu einer Basis B von V erweitern lässt Somit hat B mindestens so viele Elemente wie B Satz 2 Ist U ein Unterraum eines endlich dimensionalen Vektorraums V und gilt dim(u) = dim(v ), so folgt U = V Beweis Wie eben ergänzen wir eine Basis B von U zu einer Basis B von V Wegen der Gleichheit der Dimensionen ist B = B; folglich ist B eine Basis von U (und von V ) Es stimmen daher U und V mit der linearen Hülle von B überein 13
14 Sei A = Nochmals: Rang einer Matrix a 11 a 12 a 1 n 1 a 1n a 21 a 22 a 2 n 1 a 2n a m1 a m2 a m n 1 a mn eine m n-matrix mit den Spalten v 1, v 2,, v n Wir haben den Rang von A erklärt als Dimension der linearen Hülle v 1, v 2,, v n Wir haben nun die folgende neue Interpretation des Rangs von A Der Rang rg(a) ist die Anzahl eines maximal linear unabhängigen Systems von Spalten von A Wir werden zur Hervorhebung daher auch vom Spaltenrang von A sprechen Entsprechend kann man den Zeilenrang einer Matrix bilden Später sehen wir, dass Spaltenrang = Zeilenrang ist 14
15 Fünf Kennzeichnungen von Basen Wir haben bereits alle hier genannten Kennzeichnungen von Basen allerdings nicht im Zusammenhang kennengelernt Satz Für ein System v 1, v 2,, v n von Vektoren von V sind äquivalent: (a) v 1, v 2,, v n ist eine Basis von V, somit ein linear unabhängiges Erzeugendensystem von V (b) v 1, v 2,, v n ist ein minimales Erzeugendensystem von V (c) v 1, v 2,, v n ist maximal linear unabhängig in V (d) Jedes v V lässt sich aus v 1, v 2,, v n eindeutig linear kombinieren x 1 (e) Die Abbildung h : R n V, x 2 x 1v 1 + x 2 v x n v n x n ist ein Isomorphismus 15
16 Nützliche Begleitinformation Ratschlag Es reicht nicht, nur eine einzige der fünf Kennzeichnungen von Basen zu kennen Je nach Sachlage ist die eine oder die andere von ihnen oft sehr viel vorteilhafter; wir sollten daher alle fünf Kennzeichnungen kennen und auch anwenden können Im Notfall halten wir jedoch mindestens die ursprüngliche Definition ( linear unabhängiges Erzeugendensystem ) in der Hinterhand Zusatzinformation: Jedes Erzeugendensystem enthält eine Basis Jede linear unabhängige Teilmenge lässt sich zu einer Basis ergänzen 16
17 Vorschau: Austauschsatz, Basisergänzungssatz und Dimension Bei unserer bisherigen Behandlung von Vektorräumen (und in der Folge in der Behandlung von linearen Abbildungen) haben wir offen gelassen, weshalb je zwei Basen eines Vektorraums dieselbe Mitgliederzahl haben Wir werden anschließend diese Argumentationslücke mittels des sogenannten Austauschsatzes schließen Der Austauschsatz hinwiederum wird uns zugleich verbesserte konstruktive Verfahren zur Basisergänzung liefern 17
18 Das Austauschlemma Wir starten mit einer Vorstufe zum Austauschsatz: Austauschlemma Sei B = (v 1, v 2,, v n ) eine Basis von V und w = a 1 v a i v i + + a n v n mit a i 0 Dann ist auch B = (v 1,, v i 1, w, v i+1,, v n ) eine Basis von V Mit anderen Worten: Wir können den Vektor w falls der i-te Koeffizient a i der Darstellung von w in der Basis B nicht verschwindet gegen den i-ten Vektor v i der Basis B austauschen und erhalten mit B erneut eine Basis von V 18
19 Beweis des Austauschlemmas Beweis Erzeugendensystem: Wegen a i 0 ist v i eine Linearkombination von v 1,, v i 1, w, v i+1,, v n Folglich liegen alle v j, j = 1,, n, im Unterraum v 1,, v i 1, w, v i+1,, v n und damit auch V = v 1, v 2,, v n Das System (v 1,, v i 1, w, v i+1,, v n ) erzeugt daher den Vektorraum V Lineare Unabhängigkeit: Nehmen wir nun an, dass c 1 v c i 1 v i 1 + cw + c i+1 v i c n v n = 0 Falls c = 0 erhalten wir aus der linearen Unabhängigkeit von (v 1, v 2,, v n das Verschwinden aller c j Falls c 0 können wir obige Gleichung nach w auflösen und erhalten eine Linearkombination w = a 1 v v i + + a nv n, was der Eindeutigkeit der Darstellung von w in der Basis (v 1, v 2,, v n ) widerspricht 19
20 Der Austauschsatz Austauschsatz Sei B = (v 1, v 2,, v n ) eine Basis von V Ist w 1, w 2,, w r ein in V linear unabhängiges System, so können wir nach geeigneter Umnummerierung von v 1, v 2,, v n annehmen, dass (w 1, w 2,, w r, v r+1,, v n ) eine Basis von V ist Insbesondere ist r n Beweis Den Beweis führen wir durch Induktion nach r und werden für den Induktionsschritt das Austauschlemma einsetzen Induktionsverankerung: Der Fall r = 0 ist klar Induktionsschritt: Nun sei r 1 und per Induktionsannahme die Aussage des Satzes für ein auszutauschendes linear unabhängiges System (w 1, w 2,, w r 1 ) von r 1 Vektoren gültig 20
21 Wir können daher nach geeigneter Umnummerierung der v j das System (w 1, w 2,, w r 1 ) zu einer Basis B = (w 1,, w r 1, v r,, v n ) von V ergänzen, und folglich w r in der Form darstellen w r = a 1 w a r 1 w r 1 + a r v r + + a n v n Dabei können a r,, a n nicht alle Null sein, da sonst das System (w 1, w 2,, w r ) linear abhängig wäre Nach erneutem Umnummerieren können wir daher a r 0 annehmen und folglich per Austauschlemma den Vektor w r gegen den Vektor v r von B austauschen Das Austauschlemma sagt uns nun, dass dann wie behauptet (w 1, w 2,, w r, v r+1,, v n ) eine Basis von V ist 21
22 Invarianz der Dimension Invarianz der Dimension: Je zwei Basen eines Vektorraums V haben dieselbe Mitgliederzahl Beweis Seien B und B Basen von V mit n bzw n Mitgliedern Da B linear unabhängig und B eine Basis von V ist, gilt nach Austauschsatz n n Vertauschen der Rollen von B und B liefert ferner n n und damit die Behauptung Wir haben damit die frühere Argumentationslücke geschlossen und gezeigt, dass die Dimension eines Vektorraums eine wohldefinierte Größe ist 22
23 Nützliche Eigenschaften der Dimension Satz Sei V ein Vektorraum der Dimension n Dann gilt: (1) Je n+1 Vektoren x 1, x 2,, x n, x n+1 aus V sind linear abhängig (2) Jedes Erzeugendensystem besitzt mindestens n Mitglieder (3) Jedes n-elementige Erzeugendensystem ist eine Basis (4) Jedes linear unabhängige System hat höchstens n Mitglieder (5) Jedes n-elementige linear unabhängige System ist eine Basis Beweis Jede der Behauptungen folgt unmittelbar aus dem Austauschsatz 23
24 Vergleich Austauschsatz und Basisergänzungssatz Der früher besprochene Basisergänzungssatz Jedes linear unabhängige System lässt sich zu einer Basis ergänzen ist ersichtlich eine Folgerung des Austauschsatzes Wir beachten, dass trotz offensichtlicher Ähnlichkeit die Aussagen beider Sätze von unterschiedlicher Qualität sind So reicht der Basisergänzungssatz nicht aus, die Invarianz der Dimension nachzuweisen Im Vergleich ist somit der Austauschsatz die wesentlich stärkere Aussage 24
25 Dimension von Schnitt und Summe Satz Sind U 1, U 2 Unterräume des endlich-dimensionalen Vektorraums V, so gilt dim U 1 + dim U 2 = dim (U 1 U 2 ) + dim (U 1 + U 2 ) Wir veranschaulichen die Lage durch das folgende Diagramm: U 1 + U 2 U 1 U 2 U 1 U 2 25
26 Beweisidee Wir starten mit einer Basis (a 1, a 2,, a p ) von U 1 U 2 und ergänzen Sie jeweils zu einer Basis (a 1, a 2,, a p, b 1, b 2,, b q ) von U 1 und (a 1, a 2,, a p, c 1, c 2,, c r ) von U 2 Die Vektoren aus (a 1, a 2,, a p, b 1, b 2,, b q, c 1, c 2,, c r ) sind dann sämtlich in U 1 + U 2 gelegen Wir behaupten, dass dieses System eine Basis von U 1 + U 2 ist Dazu weisen wir getrennt nach, dass das System ein Erzeugendensystem und dass es linear unabhängig ist 26
27 Beweis Erzeugendensystem: Jedes Element aus U 1 (bzw U 2 ) lässt sich aus a 1, a 2,, a p und b 1, b 2,, b q (bzw aus a 1, a 2,, a p und c 1, c 2,, c r ) linear kombinieren Jedes x U 1 + U 2 ist daher eine Linearkombination der Vektoren a 1, a 2,, a p, b 1, b 2,, b q und c 1, c 2,, c r Lineare Unabhängigkeit: Ist ferner (α 1 a 1 +α 2 a 2 + +α p a p )+(β 1 b 1 +β 2 b 2 + +β q b q )+(γ 1 c 1 +γ 2 c 2 + +γ r c r ) = 0 so sehen wir durch Betrachten von jeweils linker und rechter Seite, dass (α 1 a 1 +α 2 a 2 + +α p a p )+(β 1 b 1 +β 2 b 2 + +β q b q ) = (γ 1 c 1 +γ 2 c 2 + +γ r c r ) in U 1 U 2 gelegen ist Wir schließen dann zunächst, dass alle γ k verschwinden Wegen der linearen Unabhängigkeit der Basis (a 1, a 2,, a p, b 1, b 2,, b q ) von U 1 verschwinden dann ferner auch alle α i und β j Dies zeigt die lineare Unabhängigkeit von (a 1, a 2,, a p, b 1, b 2,, b q, c 1, c 2,, c r ) 27
28 Anwendung: Schnitt von Ebenen Wir betrachten hier nur Ebenen durch den Nullpunkt Per Definition sind dies zweidimensionale Unterräume eines ansonsten beliebigen Vektorraums V Wir interessieren uns für den Durchschnitt von zwei derartigen Ebenen U 1, U 2 seien zweidimensionale Unterräume des R 3 (Ebenen durch 0) Nur die folgenden Fälle U 1 = U 2 bzw dim U 1 U 2 = 1 (Gerade durch 0) sind möglich In einem vierdimensionalen Raum kommt es dagegen vor, dass sich zwei Ebenen nur in einem Punkt schneiden Im R 4 haben die zweidimensionalen Unterräume U 1 = Re 1 + Re 2 und U 2 = Re 3 + Re 4 den Schnitt U 1 U 2 = {0} 28
29 Lineare Abbildungen und Matrizen Matrizenrechnung Ansatzpunkt der Matrizenrechnung sind die beiden mittlerweile wohlbekannten Sätze, welche die Korrespondenz zwischen linearen Abbildungen und Matrizen regeln Satz A Sei f : R n R m eine lineare Abbildung und e 1, e 2,, e n die Standardbasis von R n Dann ist f eindeutig bestimmt durch die m n-matrix M(f) = [f(e 1 ),, f(e n )] (R m ) n, deren Spalten von den Bildern f(e i ) der Einheitsvektoren e 1, e 2,, e n gebildet werden 29
30 Satz B Sei umgekehrt eine m n-matrix A mit den Spalten w 1, w 2,, w n gegeben, dh A = a 11 a 1n a m1 a mn = [w 1, w 2,, w n ] Dann gibt es dazu genau eine lineare Abbildung f : R n R m mit f(e i ) = w i (1 i n), also mit M(f) = A Dabei gilt wie wir wissen f x 1 x n = n i=1 x i w i = ni=1 a 1i x i ni=1 a mi x i Wir werden diesen Satz verwenden, um eine Multiplikation für Matrizen einzuführen 30
31 Addition, Multiplikation mit Skalaren Ist A = (a ik ) eine m n-matrix und α ein Skalar, so verstehen wir unter αa die Matrix αa := (αa ik ) Also a 11 a 12 a 1n α a 11 α a 12 α a 1n a 21 a 22 a 2n α a = 21 α a 22 α a 2n α a m1 a m2 a mn α a m1 α a m2 α a mn Sind A = (a ik ) und B = (b ik ) beides Matrizen vom Format m n, so definieren wir die Summe A + B als A + B := (a ik + b ik ), also a 11 a 12 a 1n b 11 b 12 b 1n a 21 a 22 a 2n b + 21 b 22 b 2n a m1 a m2 a mn = b m1 b m2 b mn a 11 + b 11 a 12 + b 12 a 1n + b 1n a 21 + b 21 a 22 + b 22 a 2n + b 2n a m1 + b m1 a m2 + b m2 a mn + b mn 31
32 Weitere Bezeichnungen Mit M mn (R) bezeichnen wir die Menge aller m n-matrizen über R Bis auf die Rechteck-Notation ist M mn (R) dasselbe wie der (R m ) n (Spaltenaufbau) oder der (R n ) m (Zeilenaufbau) oder der R m n Es ist somit M mn (R) bzgl Addition und Multiplikation mit Skalaren ein Vektorraum der Dimension m n Der Standardbasis des R m n entsprechen dabei in Rechteck-Notation die m n sogenannten Matrixeinheiten E ik =
33 Die Matrixmultiplikation Sei A eine m n -Matrix wie oben (a) Sei x eine eine n-spalte, dann heißt A x 1 x n := n i=1 x i a 1i a mi = ni=1 a 1i x i ni=1 a mi x i das Produkt der m n-matrix A mit der Spalte x (b) Sei A eine m n -Matrix und B eine n p -Matrix mit dem Spaltenaufbau B = [b 1, b 2,, b p ] Dann heißt A B = A [b 1, b 2,, b p ] := [Ab 1,, Ab p ] das Matrixprodukt von A und B 33
34 Satz A = [s 1, s 2,, s n ] sei eine im Spaltenaufbau gegebene m n-matrix, B sei eine n p-matrix e 1, e 2,, e n sei die Standardbasis von R n und x R n Es gilt (1) A e i = s i (2) n-zeile mal n-spalte : (a 1, a 2,, a n ) x 1 x n = n a i x i i=1 (3) m n-matrix mal n-spalte : A x = [s 1, s 2,, s n ] = z i z n x = x 1 x n z 1 x z m x = n x i s i i=1 34
35 Zeile mal Spalte (4) m n-matrix mal n p-matrix : A B = = A [b 1, b 2,, b p ] = [A b 1, A b 2,, A b p ] = z 1 [b 1, b 2,, b p ] = z m z 1 b 1 z 1 b p z m b 1 z m b p Wir merken uns : Der (i, k)-eintrag von A B ist das Matrix-Produkt z i b k der i-ten Zeile von A mit der k-ten Spalte von B 35
36 Zusammenfassung Matrixprodukt Fazit Das Matrixprodukt A B = C läßt sich genau dann bilden, wenn die Anzahl der Spalten von A mit der Anzahl der Zeilen von B übereinstimmt, dh wenn A eine m n-matrix und B eine n p-matrix ist Das Produkt C = A B ist dann diejenige m p-matrix, deren (i, k)- Eintrag durch c ik = i-te Zeile von A k-te Spalte von B = gegeben ist (1 i m, 1 k p) n j=1 a ij b jk 36
37 Erneut: Matrizen und lineare Abbildungen Mit Hilfe der Matrixmultiplikation lässt sich die Korrespondenz zwischen linearen Abbildungen und Matrizen elegant ausdrücken: Satz e 1, e 2,, e n sei die Standardbasis des R n (a) Sei f : R n R m eine lineare Abbildung und A = [f(e 1 ),, f(e n )] die Darstellungsmatrix von f, dh A = M(f) A ist eine m n-matrix und es gilt f(x) = A x für alle x R n (b) Sei umgekehrt A eine m n-matrix Dann ist die Abbildung f : R n R m, x A x linear mit Darstellungsmatrix M(f) = A 37
Kapitel 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
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
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
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
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
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,
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
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
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
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
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,...,
Mehrtechnische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4
MehrMathematik 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,
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
Mehr3.5 Duale Vektorräume und Abbildungen
3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung
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
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
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
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
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 8 Dimensionstheorie Ein endlich erzeugter Vektorraum hat im Allgemeinen ganz unterschiedliche Basen. Wenn
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
MehrErneut: Matrizen und lineare Abbildungen
Erneut: Matrizen und lineare Abbildungen Mit Hilfe der Matrixmultiplikation lässt sich die Korrespondenz zwischen linearen Abbildungen und Matrizen elegant ausdrücken: Satz. e 1, e 2,..., e n sei die Standardbasis
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
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
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
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
Mehr6.5 Lineare Abhängigkeit, Basis und Dimension
6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von
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.
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:
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
Mehr2.2 Kern und Bild; Basiswechsel
22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare
MehrMathematik I. Vorlesung 12. Lineare Abbildungen
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 12 Lineare Abbildungen Definition 12.1. Es sei K ein Körper und es seien V und W K-Vektorräume. Eine Abbildung heißt lineare Abbildung,
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung ϕ : V W
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
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
MehrVektorräume. Kapitel Definition und Beispiele
Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
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
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
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
MehrBasis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Basis und Dimension Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren aus V. 1) (v i ) i I heißt ein Erzeugendensystem von V, wenn Span(v i ) = V. 2) (v i ) i I heißt Basis von
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra 2014/15 Seite 59 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
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,
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Wir befassen uns anschließend mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren einmal den begrifflichen Aspekt, d.h.
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
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
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
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
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 )
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
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
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
MehrLineare Abbildungen und Gleichungssysteme
Lineare Abbildungen und Gleichungssysteme Klaus-R Loeffler Lineare Abbildungen Definition: Lineare Abbildung Es wird vorausgesetzt, dass V und W Vektorräume sind Eine Abbildung f von V in W heißt dann
MehrÜbungen zur Linearen Algebra 1 Probeklausur Musterlösung: Aufgabe A
Musterlösung: Aufgabe A Wir betrachten die Matrix A = 1 4 1 1 3 1 4 5 2 M(3 3, Q) und die dazugehörige Abbildung f : Q 3 Q 3 ; v A v. Für j = 1, 2, 3 bezeichne v j Q 3 die j-te Spalte von A. Teilaufgabe
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
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
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
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
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 03.12.2013 Alexander Lytchak 1 / 16 Wiederholung und Beispiele Der Spaltenrang einer Matrix ist gleich ihrem Zeilenrang.
Mehr10 Kapitel I: Anschauliche Vektorrechnung
10 Kapitel I: Anschauliche Vektorrechnung haben. In Mengenschreibweise ist G = {x x = a + tb für ein t R}. Wir werden für diese einführenden Betrachtungen im Interesse einer knappen Redeweise jedoch häufig
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
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
Mehr6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt
Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 213/214 Markus Schweighofer Lineare Algebra I 6.2 Basen Definition 6.2.1. Seien V ein K-Vektorraum, n N und v 1,..., v n V. (a)
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
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
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
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.
MehrLösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3
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
Mehr6 Lineare Gleichungssysteme
6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
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:
MehrProf. Dr. Markus Reineke Dr. Anna-Louise Grensing. Musterlösung zur Klausur zur Linearen Algebra I
Prof. Dr. Markus Reineke Dr. Anna-Louise Grensing Musterlösung zur Klausur zur Linearen Algebra I 1 Aufgabe 1: (8 Punkte) Entscheiden Sie, ob die folgenden Aussagen wahr oder falsch sind: Aussage wahr
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 21.11.2016 6. Vorlesung aufgespannter Untervektorraum Span(T ), Linearkombinationen von Vektoren Lineare Unabhängigkeit
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
Mehr13 Partielle Ableitung und Richtungsableitung
3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 74 3 Partielle Ableitung und Richtungsableitung 3 Definition und Notiz Sei B R n offen, f : B R m, v R n, so heißt für γ x,v (t) = x + tv d dt f(x + tv) f(x)
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
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 Gleichungssysteme
Lineare Gleichungssysteme Martin Gubisch Lineare Algebra I WS 27/28 Definition (a ij ) 1 j n 1 i n heiÿt eine m n-matrix mit Komponenten a ij K Dabei bezeichnet i den Zeilenindex und j den Spaltenindex
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
Mehr2 Lineare Gleichungssysteme
2 Lineare Gleichungssysteme Betrachte ein beliebiges System von m linearen Gleichungen in den n Unbekannten x,,x n : a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 () a m x + a m2 x
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
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 15 Unterräume und Dualraum Untervektorräume eines K-Vektorraumes stehen in direkter Beziehung zu Untervektorräumen
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 und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner WS 11/1 Blatt 1 7.1.1 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag 45. a) Wegen 1
Mehr2.4 Matrizen und Lineare Abbildungen
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 73 2.4 Matrizen und Lineare Abbildungen Zum Schluss von Abschnitt 2.2 hatten wir Matrizen eingeführt, und zwar im Zusammenhang mit der abgekürzten Schreibweise
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 =
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
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
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
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
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?
Mehr2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105. gramms kommutativ:
2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105 gramms kommutativ: V ϕ W ψ X c B c C c D K n x MC B(ϕ) x K m x MC D (ψ) x K l x M C D (ψ)mb C (ϕ) x Dies bedeutet, dass das gesamte Diagramm kommutativ ist.
MehrLineare 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. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin:
Lineare Algebra I - 9.Vorlesung - rof. Dr. Daniel Roggenkamp & Falko Gauß Korrektur: 2. Klausurtermin: 09.02.2017 Linearkombination von Vektoren lineare Hülle Erzeugendensystem S lineare Unabhängigkeit
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
Mehr