technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller

Größe: px
Ab Seite anzeigen:

Download "technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller"

Transkript

1 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 Basis und Dimension Im folgenden ist V immer ein IK-Vektorraum. Ein m-tupel (v 1, v 2,..., v m ) V m = V V... V bezeichnen wir als Vektorsystem (der Länge m). Da wir zumeist statt (v 1, v 2,..., v m ) nur die Menge {v 1, v 2,..., v m } benötigen, schreiben wir das Vektorsystem als v 1, v 2,..., v m. Eine Linearkombination eines Vektorsystems ist mit α 1, α 2,..., α m IK. α 1 v 1 + α 2 v α m v m Definition 4.12 (Erzeugendensystem) Ein Vektorsystem v 1, v 2,..., v m von Vektoren aus V heißt Erzeugendensystem von V, wenn jedes v V Linearkombination von v 1, v 2,..., v m ist, also V = Lin{v 1, v 2,..., v m }. Definition 4.13 (lineare Abhängigkeit und Unabhängigkeit) Ein Vektorsystem v 1, v 2,..., v m heißt linear abhängig, wenn α 1, α 2,..., α m IK existieren mit (α 1, α 2,..., α m ) (0, 0,..., 0) und α 1 v 1 + α 2 v α m v m = 0. Andernfalls heißen v 1, v 2,..., v m linear unabhängig. Satz 4.14 (Eigenschaften linear unabhängiger Vektorsysteme) Sind v 1,..., v m linear unabhängig, dann gelten (i) 0 {v 1,..., v m }, (ii) v i v j für i j, (iii) Für jedes k {1,..., m} gilt v k Lin{v 1,..., v k 1, v k+1,..., v m }, (iv) Wenn {u 1,..., u s } {v 1,..., v m } und u i u j für i j, dann ist auch u 1,..., u s ein linear unabhängiges Vektorsystem. 1

2 Beweis Zu (i): Wenn 0 {v 1,..., v m }, etwa 0 = v 1, dann folgt 0 = 1 v v v m, also doch die lineare Abhängigkeit des Vektorsystems. Da das nach Voraussetzung nicht gilt, ist 0 {v 1,..., v m }. Zu (ii): Wenn v i = v j für zwei Indizes i, j mit i j, etwa v 1 = v 2, dann folgt 0 = 1 v 1 + ( 1) v v v m, also doch die lineare Abhängigkeit des Vektorsystems. Da das nach Voraussetzung nicht gilt, gilt (ii). Zu (iii): Wenn v k Lin{v 1,..., v k 1, v k+1,..., v m }, dann ist v k Linearkombination der anderen v i, also v k = γ 1 v γ k 1 v k 1 + γ k+1 v k γ m v m mit γ i IK. Es folgt mit γ k := 1 0 = γ 1 v γ k v k γ m v m, im Widerspruch zur linearen Unabhängigkeit von v 1,..., v m. Also gilt (iii). Zu (iv): v 1,..., v m sind paarweise verschieden nach (ii). Daher kann man o.b.d.a. annehmen, dass u 1 = v 1,... u s = v s gilt. Wenn dann u 1,..., u s ein linear abhängiges Vektorsystem ist, dann gibt es γ 1,..., γ s IK, nicht alle γ i Null, mit 0 = γ 1 v γ s v s + 0 v s v m, d.h. v 1,..., v m ist doch linear abhängig im Widerspruch zur Voraussetzung. Somit ist (iv) wahr. Beispiel 1 Sei IK = R oder = C. Zu vorgegebenen α 0, α 1,..., α n IK ist eine Polynomabbildung p des Höchstgrads n gegeben durch p : IK IK, x α 0 + α 1 x α n x n. Die Menge P n der Polynomabbildungen vom Höchstgrad n ist ein IK-Vektorraum. Die n + 1 Polynome m k : IK IK, x x k, k = 0, 1,..., n, bilden ein Erzeugendensystem von P n. Sie sind linear unabhängig, weil sonst Skalare γ 0, γ 1,..., γ n existieren, die nicht alle Null sind und die γ 0 m 0 + γ 1 m γ n m n = 0 erfüllen. Ist k der größte Index, für den γ k 0, dann hat das Polynom γ 0 m 0 + γ 1 m γ n m n einerseits den Grad k, ist andererseits identisch 2

3 Null, also das Nullpolynom. Das ist ein Widerspruch, d.h., m 0,..., m n sind linear unabhängig. Beispiel 2 Die Einheitsvektoren e 1 := (1, 0,..., 0), e 2 := (0, 1, 0,..., 0),..., e n := (0,..., 0, 1) IK n sind linear unabhängig. (Sie bilden, wie schon gezeigt, ein Erzeugendensystem der IK-Vektorraums IK n.) Beispiel 3 Die Vektoren v 1 := (1, 1, 0), v 2 := ( 1, 0, 2), v 3 := (3, 2, 1) R 3 sind linear unabhängig, denn führt auf das LGS α 1 v 1 + α 1 v 1 + α 1 v 1 = (0, 0, 0) 1 α+ ( 1) β+ 3 γ = 0, 1 α+ 0 β+ 2 γ = 0, 0 α+ 2 β+ 1 γ = 0. Subtraktion der ersten von der zweiten Gleichung gibt 1 α+ ( 1) β+ 3 γ = 0, 0 α+ 1 β+ ( 1) γ = 0, 0 α+ 2 β+ 1 γ = 0. Zieht man jetzt das zweifache der zweiten von der dritten Gleichung ab und teilt die neue dritte Gleichung durch 3, bekommt man die Stufenform 1 α+ ( 1) β+ 3 γ = 0, 0 α+ 1 β+ ( 1) γ = 0, 0 α+ 0 β+ 1 γ = 0. Einzige Lösung ist α = β = γ = 0. Damit ist v 1, v 2, v 3 ein linear unabhängiges Vektorsystem. Am Beispiel 3 erkennt man, dass es praktisch ist, die Vektoren des R n als Spaltenvektoren zu notieren. Beim LGS zur Feststellung ihrer linearen Unabhängigkeit oder Abhängigkeit bilden sie dann die Spalten der Koeffizientenmatrix. Definition 4.15 (Basen) Ist das Vektorsystem v 1,..., v m ein Erzeugendensystem von V und ist es linear unabhängig, dann nennt man v 1,..., v m Basis von V. Satz 4.16 (Eindeutige Linearkombinationen) Ist v 1,..., v m ein Erzeugendensystem von V, dann hat jedes v V genau dann eine Darstellung als Linearkombination von v 1,..., v m v = α 1 v α m v m 3

4 mit eindeutig bestimmten Koeffizienten α 1,..., α m IK, wenn v 1,..., v m eine Basis von V ist. Beweis Hat ein v V zwei verschiedene Darstellungen v = α 1 v α m v m und v = β 1 v β m v m, also (α 1 β 1,..., α m β m ) (0,..., 0), dann folgt 0 = v v = (α 1 β 1 ) v (α m β m ) v m. Das bedeutet, dass v 1,..., v m linear abhängig, insbesondere keine Basis ist. Hat umgekehrt jedes v V nur eine Darstellung als Linearkombination, dann gilt das insbesondere für den Vektor v = 0 V ; außer 0 = 0 v v m hat 0 keine Darstellung 0 = α 1 v α m v m mit einem/einigen von Null verschiedenen α i, d.h., v 1,..., v m ist linear unabhängig. Wir wollen jetzt zeigen, dass in IK m jede Basis aus genau m Elementen besteht. Das tun wir, indem wir zuerst zeigen, dass Erzeugendensysteme des IK m Vektorsysteme der Mindestlänge m sind, und dann, dass linear unabhängige Vektorsysteme aus höchstens m Vektoren bestehen. Lemma 4.17 (Mindestlänge von Erzeugendensystemen im IK m ) Ist v 1,..., v s ein Vektorsystem im IK m mit s < m, dann ist v 1,..., v s kein Erzeugendensystem des IK m. Beweis Wir nehmen an, dass v 1,..., v s Erzeugendensystem des IK m mit s < m ist. Dann ist jedes b IK m Linearkombination von v 1,..., v s. Wir schreiben die v i und b als Spaltenvektoren, v i =: v 1i v 2i. v mi, i = 1,..., s, b =: Für beliebiges b IK m ist dann das LGS b 1 b 2. b m. v 11 x 1 +v 12 x v 1s x s = b 1, v 21 x 1 +v 22 x v 2s x s = b 2,.... v m1 x 1 +v m2 x v ms x s = b m (1) 4

5 lösbar, denn genau dann wenn (x 1,..., x s ) Lösung ist, ist b die Linearkombination b = x 1 v 1 + x 2 v x s v s. Wegen s < m hat aber die Stufenform keine m Stufen, d.h., es gibt beim LGS in Stufenform Vektoren b der rechten Seite, für die das LGS keine Lösung besitzt. Wir nehmen jetzt ein solches b und bringen mit elementaren Zeilenumformungen das Gleichungssystem in Stufenform wieder zurück auf die Gestalt (1), indem wir die Umformungen die auf die Stufenform führten wieder rückgängig machen. Hierbei bekommen wir eine rechte Seite b in (1), so dass das LGS (1) nicht lösbar ist. (Bei elementaren Zeilenumformungen bleibt ja die Lösungsmenge unverändert!) Nach Voraussetzung muss aber (1) für beliebige rechte Seiten lösbar sein. Die Voraussetzung ist also falsch und daher v 1,..., v s kein Erzeugendensystem von IK m. Lemma 4.18 (Höchstlänge von lin. unabh. Vektorsystemen im IK m ) Ist v 1,..., v s ein Vektorsystem im IK m mit s > m, dann ist v 1,..., v s linear abhängig. Beweis Wir schreiben die v i wieder als Spaltenvektoren v 1i v 2i v i =:, i = 1,..., s.. Das LGS v mi v 11 x 1 +v 12 x v 1s x s = 0, v 21 x 1 +v 22 x v 2s x s = 0,.... v m1 x 1 +v m2 x v ms x s = 0 hat eine Lösung (x 1,..., x s ) genau dann, wenn 0 = x 1 v 1 + x 2 v x s v s. Eine Lösung ist (0, 0,..., 0). Weil s > m gilt, hat (2), auf Stufenform gebracht, mehr als eine Lösung. Damit hat auch (2) mehr als eine Lösung, d.h., die Spaltenvektoren v 1,..., v s sind linear abhängig. Satz 4.19 Jede Basis des IK-Vektorraums IK m hat die Länge m. Beweis Eine Basis des IK m ist Erzeugendensystem und linear unabhängiges Vektorsystem. Nach Lemma 4.17 hat es daher mindestens die Länge m und nach Lemma 4.18 höchstens die Länge m. Satz 4.20 (Vom Erzeugendensystem zur Basis) Hat V ein endliches Erzeugendensystem v 1,..., v s, dann gibt es eine Teilmenge {u 1,..., u m } {v 1,..., v s } so dass u 1,..., u m Basis von V ist. (2) 5

6 Beweis Wenn v 1,..., v s linear unabhängig ist, können wir dieses Vektorsystem als Basis nehmen. Sonst gibt es α 1,..., α s IK, nicht alle α i Null, so dass α 1 v α s v s = 0. Sei o.b.d.a. α s 0. Dann folgt v s = α 1 α s v 1... α s 1 α s v s 1. Jedes v V = Lin{v 1,..., v s } ist also darstellbar als v = γ 1 v γ s v s = γ 1 v γ s 1 v s 1 + γ s ( α 1 α s v 1... α s 1 α s v s 1 ) α = (γ 1 γ 1 α s α s ) v (γ s 1 γ s 1 s α s ) v s 1, also v Lin{v 1,..., v s 1 }. Somit ist auch v 1,..., v s 1 ein Erzeugendensystem von V. Wenn es noch nicht linear unabhängig ist, können wir genauso einen Vektor daraus streichen und erhalten wieder ein Erzeugendensystem von V u.s.w. Dieses Vorgehen endet, sobald ein Erzeugendensystem linear unabhängig, also Basis von V, ist. Satz 4.21 (Basisergänzungssatz) Sind v 1,..., v m V linear unabhängig und sind w 1,..., w s weitere Vektoren, so dass V = Lin{v 1,..., v m, w 1,..., w s }, dann kann man v 1,..., v m durch Hinzunahme einiger der w i zu einer Basis von V ergänzen. Beweis v 1,..., v m, w 1,..., w s ist ein Erzeugendensystem von V. Ist es linear unabhängig, dann sind wir fertig. Wenn es linear abhängig ist, gibt es eine nicht-triviale Linearkombination von 0 V, α 1 v α m v m + β 1 w β s w s = 0. Dabei ist mindestens ein β i nicht Null, weil sonst mindestens ein α i von Null verschieden wäre und 0 = α 1 v α m v m gälte, im Widerspruch zur linearen Unabhängigkeit von v 1,..., v m. Wie im Beweis von Satz 4.20 kann man dann ein w i mit β i 0 streichen und dann dieselbe Überlegung für dieses um ein Element verkleinerte Erzeugendensystem anwenden u.s.w. Man streicht solange Elemente w i heraus, bis das verbleibende Vektorsystem linear unabhängig ist. Im folgenden werden wir Eigenschaften, die wir im Vektorraum IK m gefunden haben, auf allgemeinere IK-Vektorräume übertragen. Dabei müssen wir uns 6

7 auf Vektorräume beschränken, die ein endliches Erzeugendensystem besitzen, sogenannte endlich erzeugte Vektorräume. (Es gibt IK-Vektorräume, die kein endliches Erzeugendensystem besitzen. Das gilt z.b. für den IK-Vektorraum Abb(M, IK) und auch für seinen Untervektorraum ν 0 := {f Abb(M, IK) f(x) 0 für nur endlich viele x M}, sofern M nicht endlich ist. Allein einen geeigneten Basisbegriff zu finden in Vektorräumen ohne ein endliches Erzeugendensystem, ist schon schwierig und führt über den behandelbaren Stoff für Erstsemester hinaus.) Satz 4.22 (Basissatz) Ist V ein endlich erzeugter IK-Vektorraum, dann besitzt V eine Basis. Alle Basen von V haben die gleiche Länge. Der erste Teil des Beweises (V hat eine Basis) folgt aus Satz Der vollständige Beweis erfordert Hilfsmittel, die wir erst bereitstellen müssen. Definition 4.23 (lineare Abbildung) Seien V und W zwei IK-Vektorräume. Eine Abbildung Φ : V W mit Φ(v 1 + v 2 ) = Φ(v 1 ) + Φ(v 2 ) Φ(α v) = α Φ(v) für alle v 1, v 2 V für alle v V, α IK heißt lineare Abbildung (oder IK-Vektorraumhomomorphismus). Betrachten wir beispielsweise einen IK-Vektorraum V und ein Vektorsystem v 1,..., v m aus V. Die Abbildung Φ : IK m V, (α 1,..., α m ) α 1 v α m v m ist linear, wie man leicht sieht. Φ ist surjektiv, wenn v 1,..., v m Erzeugendensystem von V ist, denn v V (α 1,..., α m ) IK m : v = α 1 v α m v m = Φ(α 1,..., α m ). Φ ist injektiv, wenn v 1,..., v m linear unabhängig ist, denn bei linearer Unabhängigkeit sind die Koeffizienten α 1,..., α m in der Darstellung v = α 1 v α m v m eindeutig bestimmt (Satz 4.16), also gibt es zu v nur ein (α 1,..., α m ) mit v = Φ(α 1,..., α m ). Die Abbildung Φ ist also eine bijektive Abbildung, wenn v 1,..., v m eine Basis von V ist. Sie ist als lineare Abbildung dann ein (IK Vektorraum-) Isomorphismus. Lemma 4.24 Ist Φ : IK m IK n ein Isomorphismus, dann gilt n = m. 7

8 Beweis Sei e 1,..., e m eine Basis des IK m. (Die Basislänge ist m nach Satz 4.19.) Dann folgt für beliebige w IK n, weil Φ surjektiv ist, w = Φ(v) = Φ(α 1 e α m e m ) = α 1 Φ(e 1 ) α m Φ(e m ). w ist also Linearkombination von Φ(e 1 ),..., Φ(e m ) Mit anderen Worten, Φ(e 1 ),..., Φ(e m ) ist Erzeugendensystem von IK n. Es folgt m n mit Lemma Die Umkehrabbildung Φ 1 ist ebenfalls ein Isomorphismus. Mit ihm zeigt man, dass Φ 1 (w 1 ),..., Φ 1 (w n ) ein Erzeugendensystem von IK m ist, wenn w 1,..., w n Basis von IK n. Mit Lemma 4.17 also n m. Zusammen daher m = n. Beweis (von Satz 4.22) Als endlich erzeugter IK-Vektorraum besitzt V Basen (Satz 4.20). Seien v 1,..., v m und w 1,..., w n zwei Basen von V. Zu zeigen ist n = m. Betrachte dazu Φ m : IK m V, (α 1,..., α m ) α 1 v α m v m, Φ n : IK n V, (β 1,..., β n ) β 1 w β n w n. Φ m und Φ n sind bijektive (und lineare) Abbildungen, weil v 1,..., v m und w 1,..., w n Basen sind. Φ m und Φ n sind also Isomorphismen. Damit ist auch Φ 1 n und insbesondere Φ 1 n Φ m : IK m IK n ein Isomorphismus. Aus Lemma 4.24 folgt m = n. Definition 4.25 (Dimension) Sei V ein Vektorraum mit einer Basis der Länge m. Dann hat V die Dimension m, kurz: dim(v ) = m. Diese Definition ist widerspruchsfrei, d.h., jeder endlich erzeugte Vektorraum hat eine wohlbestimmte Dimension nach Satz Der Dimensionsbegriff deckt sich mit dem anschaulichen Dimensionsbegriff im R 2 und R 3. Dort hat ein Vektorraum die Dimension 1, wenn er eine Gerade ist, also eine Basis der Länge 1 besitzt, und die Dimension 2, wenn er eine Ebene ist, also von zwei linear unabhängigen Vektoren erzeugt wird. Satz 4.26 (Isomorphe Bilder von IK m ) Ist V ein IK-Vektorraum der Dimension m, dann und nur dann ist V isomorph zu IK m. Beweis Man zeigt, wenn Φ : IK m V eine isomorphe Abbildung ist und e 1,..., e m eine Basis von IK m, dass dann Φ(e 1 ),..., Φ(e m ) eine Basis von V ist. Ist umgekehrt V ein IK-Vektorraum mit Basis v 1,..., v m, dann ist Φ : IK m V, (α 1,..., α m ) α 1 v α m v m eine isomorphe Abbildung. 8

9 Korollar 4.27 Sei V ein n-dimensionaler IK-Vektorraum. Dann gelten i) Wenn v 1,..., v m Erzeugendensystem von V, dann m n. ii) Wenn v 1,..., v m linear unabhängig und in V, dann m n. iii) Wenn v 1,..., v n Erzeugendensystem von V, dann ist es Basis von V ; wenn v 1,..., v n linear unabhängig und in V, dann ist es Basis von V. iv) Wenn U Untervektorraum von V, dann dim(u) dim(v ). v) Wenn U Untervektorraum von V und dim(u) = dim(v ), dann U = V. Beweis Sei Φ : V IK n ein (nach Satz 4.26 existierender) Isomorphismus. Zu i) : Ist v 1,..., v m Erzeugendensystem von V, dann ist Φ(v 1 ),..., Φ(v m ) Erzeugendensystem von IK n. Nach Lemma 4.17 folgt n m. Zu ii) : Ist v 1,..., v m lin. unabh. und in V, dann ist Φ(v 1 ),..., Φ(v m ) lin. unabh. und in IK n. Nach Lemma 4.18 folgt m n. Zu iii) : Ist v 1,..., v n ein Erzeugendensystem von V, dann ist eine Teilmenge davon Basis. Nach dem Basissatz kann keine echte Teilmenge Basis sein. Also ist v 1,..., v n selbst schon Basis. Ist v 1,..., v n linear unabhängig und in V, dann kann man dieses Vektorsystem zu einer Basis von V ergänzen. Weil ein linear unabhängiges Vektorsystem höchstens die Länge n hat, ist v 1,..., v n bereits Basis. Zu iv) : Ist v 1,..., v k Basis von U, dann kann man dieses Vektorsystem zu einer Basis von V ergänzen. Es folgt dim(u) = k n = dim(v ). Zu v) : Wie in iv), nur dass man schon mit den n = dim(v ) Basiselementen von U auskommt, so dass U und V dieselbe Basis besitzen. Definition und Satz 4.28 (Kern) Der Kern einer linearen Abbildung Φ : V W ist definiert als Kern Φ := {v V Φ(v) = 0}. Kern Φ ist ein Untervektorraum von V. Beweis. Die Definition des Kerns gibt Kern Φ V. Wegen Φ(0) = Φ(0 v) = 0 Φ(v) = 0 ist 0 Kern Φ. Wenn v 1, v 2 Kern Φ, also Φ(v 1 ) = Φ(v 2 ) = 0, folgt Φ(v 1 +v 2 ) = Φ(v 1 )+Φ(v 2 ) = 0, also v 1 +v 2 Kern Φ. Aus v 1 Kern Φ, α IK folgt Φ(α v 1 ) = α Φ(v 1 ) = α 0 = 0, d.h., α v 1 Kern Φ wenn v 1 Kern Φ. Satz 4.29 (Dimension von Bild und Kern) Sind V und W IK-Vektorräume, V endlich erzeugt und Φ : V W lineare Abbildung, dann gilt dim(v ) = dim(kern Φ) + dim(bild Φ). Beweis Bild Φ ist ein IK-Vektorraum, denn mit w 1, w 2 Bild Φ, also mit v 1, v 2 V : w 1 = Φ(v 1 ), w 2 = Φ(v 2 ), ist w 1 + w 2 = Φ(v 1 ) + Φ(v 2 ) = 9

10 Φ(v 1 + v 2 ) Bild Φ. Und wenn w = Φ(v), α IK, dann α w = Φ(α v) Bild Φ. Für α = 0 folgt 0 Bild Φ. Bild Φ ist endlich erzeugt, denn wenn v 1,..., v m ein Erzeugendensystem von V ist (es existiert, weil V endlich erzeugt ist), dann gilt für jedes w Bild Φ mit w = Φ(v) v = α 1 v α m v m w = Φ(v) = α 1 Φ(v 1 ) α m Φ(v m ). Damit ist Φ(v 1 ),..., Φ(v m ) ein Erzeugendensystem von Bild Φ. Bild Φ hat also eine Basis w 1,..., w s. Zu jedem w i gibt es ein z i V mit w i = Φ(z i ). Ist u 1,..., u r eine Basis von Kern Φ, dann brauchen wir nur noch zu zeigen, dass u 1,..., u r, z 1,..., z s eine Basis von V ist. Dann gilt nämlich die Behauptung des Satzes dim(v ) = r + s = dim(kern Φ) + dim(bild Φ). u 1,..., u r, z 1,..., z s sind linear unabhängig, denn gilt 0 = α 1 u α r u r + β 1 z β s z s, dann gibt Φ auf beide Seiten der Gleichung angewendet und Φ(u i ) = 0 ausgenutzt, 0 = β 1 Φ(z 1 ) β s Φ(z s ) = β 1 w β s w s. Weil w 1,..., w s linear unabhängig sind, folgt β 1 =... = β s = 0 und damit 0 = α 1 u α r u r. Aus der linearen Unabhängigkeit der u i folgt, dass auch α 1 =... = α r = 0 gilt. u 1,..., u r, z 1,..., z s sind damit linear unabhängig. Sie bilden auch ein Erzeugendensystem von V, denn für beliebiges v V gilt Φ(v) Bild Φ, also Φ(v) = β 1 w β s w s. Der Vektor u := v β 1 z 1... β s z s erfüllt Φ(u) = Φ(v) β 1 Φ(z 1 )... β s Φ(z s ) = Φ(v) β 1 w 1... β s w s = 0. Daher gilt u Kern Φ. Weil u 1,..., u r eine Basis von Kern Φ ist, folgt u = γ 1 u γ r u r und damit endlich v = u + β 1 z β s z s = γ 1 u γ r u r + β 1 z β s z s. u 1,..., u r, z 1,..., z s ist also auch Erzeugendensystem von V und damit Basis von V. 10

11 Sind U 1 und U 2 Untervektorräume eines Vektorraums V, dann ist auch U 1 + U 2 := {v V u 1 U 1, u 2 U 2 : v = u 1 + u 2 } ein Untervektorraum von V, und zwar ist es der kleinste Untervektorraum, der U 1 und U 2 enthält. Dagegen ist U 1 U 2 der größte Untervektorraum von V, der sowohl in U 1 als auch in U 2 enthalten ist. Satz 4.30 (Dimensionsformel für Summen von Untervektorräumen) Sei V ein endlich erzeugter Vektorraum, U 1 und U 2 Untervektorräume von V. Dann gilt dim(u 1 ) + dim(u 2 ) = dim(u 1 + U 2 ) + dim(u 1 U 2 ). Beweis Sei u 1,..., u k eine Basis von U 1 U 2. Weil U 1 U 2 Untervektorraum von U 1 und von U 2 ist, kann man die Basis von U 1 U 2 mit dem Basisergänzungssatz sowohl zu einer Basis von U 1 als auch zu einer von U 2 ergänzen. Sei also u 1,..., u k, v 1,..., v s Basis von U 1, u 1,..., u k, w 1,..., w t Basis von U 2. Also dim(u 1 ) = k + s und dim(u 2 ) = k + t. Diese Formeln gelten auch im Fall U 1 U 2 = {0} (mit k = 0), im Fall U 1 U 2 = U 1 (mit s = 0) und im Fall U 1 U 2 = U 2 (mit t = 0). Wenn wir zeigen, dass ist, dann folgt u 1,..., u k, v 1,..., v s, w 1,..., w t Basis von U 1 + U 2 (3) dim(u 1 ) + dim(u 2 ) = k + s + k + t = dim(u 1 U 2 ) + k + s + t = dim(u 1 + U 2 ) + dim(u 1 U 2 ). Es reicht also, (3) zu zeigen. Zur linearen Unabhängigkeit von u 1,..., u k, v 1,..., v s, w 1,..., w t : Betrachte α 1 u α k u k + β 1 v β s v s + γ 1 w γ t w t = 0. Zu zeigen ist, dass alle α i, β i und γ i Null sind. Der Vektor w := γ 1 w γ t w t liegt in U 2. Andererseits hat er die Darstellung w = α 1 u 1... α k u k β 1 v 1... β s v s. 11

12 Er liegt also auch in U 1. Damit liegt er in U 1 U 2 und hat eine Darstellung w = δ 1 u δ k u k. Als Vektor in U 2 hat er damit zwei verschiedene Darstellungen mit der Basis u 1,..., u k, w 1,..., w t von U 2, w = δ 1 u δ k u k +0 w w t = 0 u u k +γ 1 w γ t w t Aus der Eindeutigkeit der Darstellung von w als Linearkombination der Basiselemente folgt δ 1 =... = δ k = γ 1 =... = γ t = 0 und insbesondere w = 0. Es verbleibt β 1 v β s v s = 0. Weil die v i (als Elemente der Basis von U 1 ) linear unabhängig sind, folgt auch β 1 =... = β s = 0. Damit ist die lineare Unabhängigkeit von u 1,..., u k, v 1,..., v s, w 1,..., w t gezeigt. Erzeugendensystem: Jedes v U 1 + U 2 hat eine Darstellung v = x + y mit x U 1 und y U 2. Mit den Basen von U 1 und U 2 also x = α 1 u α k u k + β 1 v β s v s, y = γ 1 u γ k u k + δ 1 w δ t w t, v = (α 1 + γ 1 )u (α k + γ k )u k + β 1 v β s v s +δ 1 w δ t w t. Damit ist u 1,..., u k, v 1,..., v s, w 1,..., w t auch ein Erzeugendensystem von U 1 + U 2. Definition 4.31 (direkte Summe und Komplement) Ein Vektorraum V heißt direkte Summe zweier Untervektorräume U 1 und U 2, wenn V = U 1 + U 2 und U 1 U 2 = {0} gilt. In diesem Fall heißt U 2 Komplement zu U 1 in V oder komplementärer Untervektorraum zu U 1 in V. Man schreibt dann V = U 1 U2. Korollar 4.32 Sind U 1 und U 2 Untervektorräume eines endlich erzeugten Vektorraums V, dann gelten folgende zwei Aussagen. i) Wenn U 1 U 2 = {0}, dann dim(u 1 U2 ) = dim(u 1 ) + dim(u 2 ). ii) Wenn dim(v ) = dim(u 1 )+dim(u 2 ), dann ist V = U 1 U2, falls U 1 U 2 = {0} oder V = U 1 + U 2. Beweis Zu i): U 1 und U 2 sind Untervektorräume von U 1 + U 2. Aus Satz 4.30 mit V := U 1 + U 2 folgt die Behauptung. Zu ii): Nach Satz 4.30 ist dim(u 1 + U 2 ) = dim(u 2 ) + dim(u 2 ) äquivalent zu 12

13 dim(u 1 U 2 ) = 0, also zu U 1 U 2 = {0}. Somit gilt: Wenn V = U 1 + U 2 und dim(v ) = dim(u 2 ) + dim(u 2 ), dann U 1 U 2 = {0}, d.h., V = U 1 U2, und wenn U 1 U 2 = {0}, dann dim(u 1 + U 2 ) = dim(u 2 ) + dim(u 2 ) = dim(v ) und deshalb V = U 1 + U 2 (weil V gleiche Dimension hat wie sein Untervektorraum U 1 + U 2 ), d.h., V = U 1 U2. Ist V ein endlich erzeugter Vektorraum, dann kann man zu jedem Untervektorraum U von V einen komplementären Untervektorraum konstruieren. Dazu braucht man den Basisergänzungssatz. Hat man nämlich eine Basis v 1,..., v m von U durch Vektoren w 1,..., w s zu einer Basis von V ergänzt, dann ist W := Lin{w 1,..., w s } Komplement zu U, denn U + W = V, weil die Vereinigung der Basen von U und W nach Konstruktion eine Basis von V ergeben und weil aus v U W folgt v = α 1 v α m v m und v = β 1 w β s w s, zusammen also α 1 v α m v m β 1 w 1... β s w s = 0. Aus der linearen Unabhängigkeit von v 1,..., v m, w 1,..., w s ergibt sich jedoch α 1 =... = α m = 0 (und β 1 =... = β s = 0), also v = 0. 13

2.3 Basis und Dimension

2.3 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

Mehr

Mathematik I. Vorlesung 12. Lineare Abbildungen

Mathematik 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,

Mehr

Mathematik für Anwender I

Mathematik 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

2.3 Basis und Dimension

2.3 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

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme 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 41 und 42 4 Vektorräume

Mehr

1 Linearkombinationen

1 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

Mehr

3 Die Strukturtheorie der Vektorräume

3 Die Strukturtheorie der Vektorräume Vorlesung WS 08 09 Lineare Algebra 1 Prof. Dr. Peter Schneider 3 Die Strukturtheorie der Vektorräume Sei V ein K-Vektorraum Sei v 1,...v r V endlich viele vorgegebene Vektoren. Definition: 1. Jeder Vektor

Mehr

2 Die Dimension eines Vektorraums

2 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

Mehr

Kapitel 13. Lineare Gleichungssysteme und Basen

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

Mehr

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik 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,...,

Mehr

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit

Mathematik 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

Mathematik für Anwender I

Mathematik 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

Mehr

5. Matrizen und Determinanten

5. Matrizen und Determinanten technische universität dortmund Dortmund, im Januar 01 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 1 und Matrizen und

Mehr

5.7 Lineare Abhängigkeit, Basis und Dimension

5.7 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

Mehr

Lineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin:

Lineare 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

Mehr

Lineare Algebra und analytische Geometrie I

Lineare 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

Mehr

6.5 Lineare Abhängigkeit, Basis und Dimension

6.5 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

Mehr

Lineare Algebra. Wintersemester 2017/2018. Skript zum Ferienkurs Tag Claudia Nagel Pablo Cova Fariña. Technische Universität München

Lineare Algebra. Wintersemester 2017/2018. Skript zum Ferienkurs Tag Claudia Nagel Pablo Cova Fariña. Technische Universität München Technische Universität München Wintersemester 27/28 Lineare Algebra Skript zum Ferienkurs Tag 2-2.3.28 Claudia Nagel Pablo Cova Fariña Wir danken Herrn Prof. Kemper vielmals für seine Unterstützung bei

Mehr

4.1. Vektorräume und lineare Abbildungen

4.1. 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

Mehr

Kapitel 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 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.

Mehr

Vektorräume. Kapitel Definition und Beispiele

Vektorräume. Kapitel Definition und Beispiele Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte

Mehr

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,

In 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

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler

Mehr

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und

Mehr

Wiederholung: lineare Abbildungen

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 ) =

Mehr

3.3 Austauschsatz, Basisergänzungssatz und Dimension

3.3 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

Mehr

Lineare Algebra I für Mathematiker Lösungen

Lineare Algebra I für Mathematiker Lösungen Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation

Mehr

Lineare Algebra I Lösungsvorschlag

Lineare 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

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG

KLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG KLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG Aufgabe 1 Es sei K ein Körper, V ein K-Vektorraum, und seien v 1,..., v n V (n N). (a) Definieren Sie, wann die endliche Familie v 1,...,

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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,...,

Mehr

70 IV. ENDLICH-DIMENSIONALE VEKTORRÄUME

70 IV. ENDLICH-DIMENSIONALE VEKTORRÄUME IV. Endlich-dimensionale Vektorräume Unter einem endlich-dimensionalen Vektorraum verstehen wir einen Vektorraum, der eine endliche Basis besitzt. Die entscheidende Beobachtung ist die Tatsache, dass in

Mehr

Kapitel II. Vektorräume

Kapitel II. Vektorräume Inhalt der Vorlesung LAAG I Prof. Dr. Arno Fehm TU Dresden WS2017/18 Kapitel II. Vektorräume In diesem ganzen Kapitel sei K ein Körper. 1 Definition und Beispiele 1.1 Beispiel. Ist K = R, so haben wir

Mehr

10.2 Linearkombinationen

10.2 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

Mehr

Lineare Algebra I Zusammenfassung

Lineare 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

Mehr

Klausur zur Linearen Algebra I HS 2012, Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum

Klausur zur Linearen Algebra I HS 2012, Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum Klausur zur Linearen Algebra I HS 01, 1.1.01 Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum Name: Sitzplatznummer: Die Bearbeitungszeit für diese Klausur beträgt 90 Minuten. Die Klausur umfaßt

Mehr

Einführung in die Mathematik für Informatiker

Einführung 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

Mehr

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

$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

Mehr

4 Elementare Vektorraumtheorie

4 Elementare Vektorraumtheorie 4. ELEMENTARE VEKTORRAUMTHEORIE 51 4 Elementare Vektorraumtheorie Im folgenden sei K stets ein Körper. Definition. (i) Eine homogene Gleichung in den Unbekannten ξ 1,..., ξ n ist ein Ausdruck der Gestalt

Mehr

Der Rangsatz für lineare Abbildungen

Der 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

Mehr

Kapitel 11. Dimension und Isomorphie

Kapitel 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

Mehr

Musterlösung Serie 8

Musterlösung 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

Mehr

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

4 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

Mehr

Lineare Algebra und analytische Geometrie I

Lineare 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

Mehr

Mathematik für Anwender I

Mathematik 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

Mehr

3 Vektorräume abstrakt

3 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

Mehr

Ferienkurs Mathematik für Physiker I Skript Teil 2 ( )

Ferienkurs 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

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische 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

Mehr

5 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. (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

Mehr

2.4 Lineare Abbildungen und Matrizen

2.4 Lineare Abbildungen und Matrizen 24 Lineare Abbildungen und Matrizen Definition 24 Seien V, W zwei K-Vektorräume Eine Abbildung f : V W heißt lineare Abbildung (lineare Transformation, linearer Homomorphismus, Vektorraumhomomorphismus

Mehr

Vektorräume und Lineare Abbildungen

Vektorräume und Lineare Abbildungen Vektorräume und Lineare Abbildungen Die angesprochene Thematik macht den Kern dieser Veranstaltung aus. Lineare Techniken sind zentral für weite Bereiche mathematischen Argumentierens. Durch in der Analysis

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5

Klausurenkurs 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

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

Affine 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

Mehr

m 2 m 3 m 5, m m 2

m 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

Mehr

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5

Klausurenkurs 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

Mehr

14. Basen und Dimension

14. Basen und Dimension 14. Basen und Dimension 163 14. Basen und Dimension In diesem Kapitel wollen wir beginnen, die Struktur von Vektorräumen genauer zu untersuchen. Besonders zentral ist dabei der Begriff der Basis, den ihr

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 11 Untervektorräume unter linearen Abbildungen Eine typische und wohl auch namensgebende Eigenschaft einer

Mehr

3. Übungsblatt zur Lineare Algebra I für Physiker

3. 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

Mehr

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

3 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

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE 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

Mehr

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren 3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)

Mehr

Vektorräume und lineare Abbildungen

Vektorräume und lineare Abbildungen Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten

Mehr

Musterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr

Musterlösung. 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,

Mehr

Basis 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 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

Mehr

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt

6.2 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)

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs 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

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Heimarbeitsblatt 14

Mathematik für Informatiker 1 Wintersemester 2013/14 Heimarbeitsblatt 14 Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker Wintersemester 3/4 Heimarbeitsblatt 4 Die Lösungshinweise dienen

Mehr

Übersicht Kapitel 9. Vektorräume

Übersicht 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

Mehr

Kapitel III. Lineare Abbildungen

Kapitel 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,...,

Mehr

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.

, 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 =

Mehr

3.2 Unabhängigkeitsstrukturen

3.2 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

Mehr

Lösungen der Aufgaben zu Abschnitt 5.4

Lösungen 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

Mehr

Aufgaben zur linearen Algebra und analytischen Geometrie I

Aufgaben 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

Mehr

Kapitel 15 Lineare Gleichungssysteme

Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler ................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik

Mehr

Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) SoSe C. Curilla/ B. Janssens

Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) SoSe C. Curilla/ B. Janssens Fachbereich Mathematik Algebra und Zahlentheorie Christian Curilla Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) Blatt 7 SoSe 2011 - C. Curilla/ B. Janssens Präsenzaufgaben (P13)

Mehr

Lineare Algebra I (WS 13/14)

Lineare 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

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 215/216 Lineare Algebra und analytische Geometrie I Vorlesung 27 In der letzten Vorlesung haben wir die Haupträume zu einem Eigenwert λ zu einem Endomorphismus ϕ als Kern

Mehr

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 4

Klausurenkurs 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:

Mehr

Lineare Algebra I (WS 13/14)

Lineare 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

Mehr

Summen und direkte Summen

Summen 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

Mehr

Addition: ( 1 ; : : : ; n ) + ( 1 ; : : : ; n ) = ( ; : : : ; n + n ). Skalare Multiplikation: ( 1 ; : : : ; n ) = ( 1 ; : : : ; n ). II. Die Me

Addition: ( 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

Mehr

5.1 Affine Räume und affine Abbildungen

5.1 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.

Mehr

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

Gegeben 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

Mehr

IV.3. RANG VON MATRIZEN 81

IV.3. RANG VON MATRIZEN 81 IV3 RANG VON MATRIZEN 8 Ist b,,b n eine Basis des reellen Vektorraums V, dann bildet b,,b n auch eine Basis des komplexen Vektorraums V C Mit V ist daher auch V C endlichdimensional und es gilt dim C V

Mehr

Für die Matrikelnummer M = Dann sind durch A =

Für 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

Mehr

Lineare Algebra I Lösung der Probeklausur

Lineare Algebra I Lösung der Probeklausur David Blottière Patrick Schützdeller WS 6/7 Universität Paderborn Lineare Algebra I Lösung der Probeklausur Aufgabe : M i) M ist linear unabhängig. Seien a,b,c R mit Daraus folgt : Also gilt a = b = c

Mehr

7.3 Unitäre Operatoren

7.3 Unitäre Operatoren Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren

Mehr

Lineare Algebra und analytische Geometrie I

Lineare 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

Mehr

Rangsatz. d.) (2P) Formulieren Sie den

Rangsatz. 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

Mehr

Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie-

Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie- 1 Vorbemerkungen Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie- benen Vektoren. Wird die Matrix A = ( a 1,..., a n ) mit dem Vektor c = c 1. c n multipliziert,

Mehr

Lösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j.

Lösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j. Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 24 1. Zeige: Ist 1 n := min{dim K (V 1 ), dim K (V 2 )} < für Vektorräume V 1 und V 2, so ist jeder Tensor in V 1 K V 2 eine Summe von

Mehr

8 Lineare Abbildungen und Matrizen

8 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

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 22 Algebraische Körpererweiterung Satz 1. Sei K L eine Körpererweiterung und sei f L ein Element. Dann sind folgende Aussagen

Mehr

Lineare Algebra und analytische Geometrie I

Lineare 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

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 4

Klausurenkurs 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:

Mehr