Bonusmaterial Vektorräume Schauplätze. Algebra Endliche Körper. Ein Körper ist durch ein Axiomensystem definiert
|
|
- Karsten August Knopp
- vor 6 Jahren
- Abrufe
Transkript
1 Bonusmaterial Vektorräume Schauplätze der linearen Algebra 5 5 Endliche Körper Wir haben Vektorräume nur für die beiden Körper K = R und K = C definiert Man überzeugt sich leicht, dass man Vektorräume auch über andere Körper, etwa über Q, den Körper der rationalen Zahlen, definieren kann Es gibt viele weitere Körper Erfahrungsgemäß bereiten diese weiteren Körper Studienanfängern Schwierigkeiten Insbesondere gilt dies für die endlichen Körper, d h Körper, die nur endlich viele Elemente enthalten Aber tatsächlich spielen gerade diese endlichen Körper in vielen Anwendungen der linearen Algebra eine entscheidende Rolle: Die Codierungstheorie etwa ist ohne endliche Körper nicht denkbar, und moderne effiziente Verschlüsselungsverfahren, also Themen aus der Kryptologie, benutzen endliche Körper Wir interessieren uns für kleine Körper, nämlich für Körper, die nur endlich viele Elemente enthalten Solche Körper nennt man endliche Körper, genauer: Ein Körper K heißt endlich, wenn K = n N gilt Es ist ein Ergebnis der (nichtlinearen) Algebra, dass es zu jeder Primzahlpotenz p n, d h, p ist eine Primzahl und n eine natürliche Zahl, bis auf die Bezeichnung der Elemente genau einen Körper gibt, der p n Elemente enthält, und weitere endliche Körper gibt es nicht? Gibt es einen Körper mit 6 oder 7 oder 8 Elementen? Beispiel Es ist Z 2 := {, } mit den beiden wie folgt definierten Verknüpfungen + und ein endlicher Körper mit 2 Elementen: Ein Körper ist durch ein Axiomensystem definiert + und Wir beginnen mit der Definition eines Körpers Definition eines Körpers Eine Menge K mit zwei (inneren) Verknüpfungen + und heißt Körper, wenn für alle a, b, c K die folgenden Eigenschaften gelten: (i) a + (b + c) = (a + b) + c, (ii) Es gibt ein Element mit a + = a, (iii) Zu a gibt es ein a mit a + a =, (iv) a + b = b + a, (v) a (b + c) = (a b) + (a c), (vi) a (b c) = (a b) c, (vii) Es gibt ein Element = mit a = a (viii) Zu a = gibt es ein a mit a a =, (ix) a b = b a Beispiel Es sind Q, R und C mit ihren jeweiligen bekannten Verknüpfungen + und offenbar Körper, da sie die Axiome (i)-(ix) erfüllen Es gelten auch offenbar die Inklusionen Q R C Die Axiome (i)-(ix) sind einfach nachzuprüfen Es übernimmt die Rolle von und jene von Weil jeder Körper nach dem Axiomensystem mindestens zwei Elemente enthält, ist Z 2 also ein kleinstmöglicher Körper Wir verallgemeinern diese Konstruktion, um zu jeder Primzahl p einen Körper Z p mit p Elementen zu erhalten Zu jeder Primzahl p gibt es einen Körper Z p mit p Elementen Ist p eine Primzahl, so definiert die Relation a, b Z a p b : k Z : a b = kp eine Äquivalenzrelation auf Z (siehe Kapitel 2) Bezüglich dieser Relation zerfällt also Z in seine disjunkten Äquivalenzklassen Ist a Z, so setzen wir a ={b Z a p b} für die Äquivalenzklasse von a Für die Quotientenmenge Z/ p ={a a Z} schreiben wir kürzer Z p
2 2 5 Vektorräume Schauplätze der linearen Algebra Es gilt: ( ) Z p ={,,, p } Ist nämlich b Z eine beliebige ganze Zahl, so können wir diese durch p mit Rest teilen, also ganze Zahlen q und r bestimmen, sodass b = qp+ r mit r<p gilt (siehe das Kapitel zur elementaren Zahlentheorie auf der Website) Es gilt dann aber b p r, also b = r Und weil r zwischen und p liegt, folgt die Gleichheit der beiden Mengen in ( ) Wir führen nun in dieser Menge Z p zwei Verknüpfungen + und ein, sodass diese Menge bezüglich dieser Verknüpfungen einen Körper bildet So erhalten wir dann einen Körper mit p Elementen Wir addieren bzw multiplizieren zwei Elemente, also Äquivalenzklassen aus Z p, indem wir ihre Repräsentanten addieren bzw multiplizieren: a + b := a + b bzw a b := a b Nun besteht eine kleine Hürde Es ist nämlich eine offene Frage, ob diese Verknüpfungen sinnvoll sind, da ja Repräsentanten nicht eindeutig bestimmt sind Kann es denn nicht sein, dass etwa diese Summe vom gewählten Repräsentanten abhängt? Ist wirklich gewährleistet, dass für verschiedene a, a a auch stets a + b = a + b gilt? Dies ist tatsächlich sowohl für die Summe wie auch für das Produkt der Fall, man sagt: Die Verknüpfungen + und sind wohldefiniert Wir begründen dies für die Addition, für die Multiplikation geht man analog vor: Es gelte also a = a und b = b Zu zeigen ist: a+b = a +b Wegen a = a und b = b gibt es ganze Zahlen r, s mit Es folgt a = a + rpund b = b + sp a + b = a + b = a + b + (r + s)p = a + b = a + b, sodass also diese Addition wohldefiniert, also unabhängig von den Repräsentanten ist Man kann für die Menge Z p mit den eben definierten Verknüpfungen + und leicht die obigen Körperaxiome (i) - (vii) und (ix) nachweisen Dabei übernehmen und die Rollen von und Das einzige Axiom, das nicht so leicht nachzuweisen ist, ist das Axiom (viii) es ist auch das einzige Axiom, für dessen Nachweis wir benutzen, dass p eine Primzahl ist: Ist = a Z p gegeben, so gilt ggt(a, p) =, weil p eine Primzahl ist Mit dem Euklidischen Algorithmus (siehe das Kapitel zur elementaren Zahlentheorie auf der Website) findet man also ganze Zahlen r und s mit ar+ ps = Also gilt ar p, d h aber gerade a r =, also gilt auch Axiom (viii) Damit ist begründet, dass für jede Primzahl p die Menge Z p mit den oben definierten Verknüpfungen einen Körper mit p Elementen bildet? Wählt man keine Primzahl, sondern eine zusammengesetzte Zahl n = ab(a, b N \{}), so hat die Konstruktion auch ihren Sinn Ist die entstehende Struktur, also Z n ein Körper? Beispiel Wir geben explizit die Verknüpfungstafeln für die Additionen und Multiplikationen in Z 3 an (für Z 2 siehe das obige Beispiel): Es ist Z 3 ={,, 2} mit den beiden Operationen und Wir haben gezeigt, dass es zu jeder Primzahl p einen Körper mit p Elementen gibt Es wurde bereits erwähnt, dass es zu jeder Primzahlpotenz p n mit n N einen Körper mit p n Elementen gibt Einen solchen kann man mithilfe eines sogenannten irreduziblen Polynoms vom Grad n über Z p konstruieren Wir verweisen hierzu auf gängige Algebralehrbücher, etwa S Bosch: Algebra Springer, 993 Relativ einfach aber ist die Konstruktion eines Körpers mit 4 = 2 2 Elementen: Beispiel Gegeben ist eine Menge K := {,,a,b} mit vier (verschiedenen) Elementen Wir füllen die Additionsund Multiplikationstafeln + a b a b a a b b unter der Annahme aus, dass die Menge K mit den Verknüpfungen + und ein Körper (mit dem neutralen Element bezüglich + und dem neutralen Element bezüglich ) ist Wir werden sehen, dass es nur eine Möglichkeit gibt Und zwar gilt: + a b a b a b b a a b a a b a a b b b a b b a Wir begründen dies und beginnen mit der Tafel für die Multiplikation Arens et al, Mathematik, ISBN: , Spektrum Akademischer Verlag, 28
3 52 Vektorräume und Untervektorräume 3 Es gilt a b K \{} Aus a b = a folgte b = (das kann also nicht sein) Aus a b = b folgte a = (das kann also auch nicht sein): Es muss also a b = gelten Damit kann aber nicht a a = gelten (das Inverse zu a ist ja eindeutig bestimmt), und weil aus a a = a die Gleichung a = folgte, muss a a = b gelten Weiter muss auch b a = gelten Es bleibt noch b b zu bestimmen Das ist nun aber klar: b b = und b b = b sind ausgeschlossen, es muss also b b = a gelten Damit ist die Multiplikationstafel bereits festgelegt Wir wenden uns nun der Additionstafel zu Es gilt + a {, b} und + b {, a} (man kann ja subtrahieren) Annahme: + a = Dann muss + b = a gelten (Eindeutigkeit von Inversen) Es folgt dann: b = a a = a ( + b) = a + a b = a + Und das ist ein Widerspruch Damit ist gezeigt: + a = b Ebenso gilt (vertausche die Rollen von a und b) + b = a Es folgt weiter: + = (ein Inverses zu muss es ja geben), und damit gilt auch a + a = a ( + ) = = b ( + ) = b + b Damit liegt die Tafel für die Addition fest 52 Vektorräume und Untervektorräume Völlig analog zum Fall K = R oder K = C können wir Vektorräume über einem beliebigen Körper K erklären: Definition eines Vektorraumes Eine nichtleere Menge V mit zwei Verknüpfungen + und (Addition von Elementen aus V und Multiplikation von Elementen aus V mit Elementen aus K) heißt ein Vektorraum über K oder kurz K-Vektorraum, wenn für alle u, v, w V und λ, μ K die folgenden Vektorraumaxiome gelten: (V) v + w V und λ v V (Abgeschlossenheit) (V2) (u + v) + w = u + (v + w) (Assoziativität) (V3) Es gibt ein Element V mit v+ = v (Existenz eines neutralen Elementes) (V4) Es gibt ein v V mit v + v = (Existenz eines entgegengesetzten Elementes) (V5) v + w = w + v (Kommutativität) (V6) λ(v + w) = λ v + λ w (V7) (λ + μ) v = λ v + μ w (V8) (λ μ) v = λ(μv) (V9) v = v Die Begriffe Untervektorräume, lineare Unabhängigkeit, Erzeugendensystem, Basis, Dimension, gelten analog für beliebiges K Beispiel Es seien K ein Körper und K K der K Vektorraum der Abbildungen von K nach K Für i N sei p i K K definiert durch { K K p i : x x i Wir bestimmen jeweils die Dimension des von {p, p, p 2, p 3 } aufgespannten Untervektorraums von K K für die Fälle K = Z 2, K = Z 3 bzw K = Q Es sei U := p, p, p 2, p 3 K = Z 2 : Wegen p ( ) = p 2 ( ) = p 3 ( ) = und p ( ) = p 2 ( ) = p 3 ( ) = gilt p = p 2 = p 3 und somit p, p = p, p, p 2, p 3 =U Wir zeigen nun noch, dass {p, p } linear unabhängig ist Es seien a,a Z 2 mit a p + a p = K K, also a p (x) + a p (x) = für alle x Z 2 Einsetzen von x = liefert a = und dann Einsetzen von x = auch a = Also ist {p, p } linear unabhängig, also eine Basis von U, also dim(u) = 2 K = Z 3 : Analog zu K = Z 2 sieht man, dass {p, p, p 2 } eine Basis von U ist, also dim(u) = 3 K = Q: Offensichtlich ist p, p, p 2, p 3 =U Wir zeigen, dass {p, p, p 2, p 3 } linear unabhängig ist Es seien a,a,a 2,a 3 Q mit a p + a p + a 2 p 2 + a 3 p 3 = K K, also a p (x) + a p (x) + a 2 p 2 (x) + a 3 p 3 (x) = für alle x Q Einsetzen von x =, x =, x =, x = 2 liefert a = und dass (a,a 2,a 3 ) eine Lösung des homogenen linearen Gleichungssystems mit Koeffizientenmatrix ist Mit dem Gauß-Algorithmus sieht man, dass dieses System nur die Lösung (,, ) besitzt Also ist {p, p, p 2, p 3 } linear unabhängig, also eine Basis und somit dim(u) = 4 Anwendungsbeispiel Der Bauer-Code Ein vereinfachtes Kommunikationssystem lässt sich vereinfacht darstellen als: Nachrichtenquelle Codierung Kanal Decodierung Empfänger Die Nachrichtenquelle gibt eine Folge von Bits oder in den Kanal ein Arens et al, Mathematik, ISBN: , Spektrum Akademischer Verlag, 28
4 4 5 Vektorräume Schauplätze der linearen Algebra Der Kanal ist gestört, d h, hin und wieder wird ein Bit als das entgegengesetzte Bit vom Kanal an den Empfänger weitergereicht Um diese Störung zu bekämpfen, schalten wir vor bzw hinter den Kanal einen Codierer bzw einen Decodierer Der Codierer fasst je k (zum Beispiel k = 4) von der Nachrichtenquelle ausgegebene Bits zu einem Informationsblock zusammen Sodann berechnet der Codierer in Abhängigkeit vom Informationsblock r (im Beispiel r = 4) Kontrollbits, fasst diese zu einem Kontrollblock zusammen und sendet das Codewort, das ist das Paar (Informationsblock, Kontrollblock), an den Kanal Die Zuordnung Informationsblock Codewort heißt Codierung Der Kanal gibt nach Eingabe des Codewortes ein Kanalwort der Länge k + r aus Als Kanalwort kann prinzipiell jedes der 2 k+r möglichen Bit-Wörter der Länge k + r auftreten (im Beispiel also jedes der 256 Bytes) Die Kanalstörungen können ja jedes Bit verfälschen; wir gehen allerdings davon aus, dass die Bit-Störungen sehr selten und unabhängig voneinander auftreten Der Decodierer versucht, aus der Kenntnis des Kanalwortes das ursprünglich gesendete Codewort zu rekonstruieren; die ersten k Bits des geschätzten Codewortes reicht der Decodierer als seine Mutmaßung des tatsächlich von der Nachrichtenquelle ausgegebenen Informationsblockes an den Empfänger weiter Der Bauer-Code ist ein sogenannter -fehlerkorrigierender und 2-fehlererkennender Code (k = 4 und r = 4), d h ein geeigneter Decodierer kann die von höchstens einem Bit- Fehler betroffenen Codewörter richtig schätzen und bei zwei Bit-Fehler in einem Codewort erkennen, dass eine Störung vorliegt Einen solchen geeigneten Decodierer stellen wir im Bonusmaterial zum Kapitel 8 vor; hier beschreiben wir nur die Codierung Ein (binärer) linearer Code der Länge n ist ein Untervektorraum C von Z n 2 mit C 2, wobei Z 2 ={, } der Körper mit 2 Elementen ist Es sei nun C ein solcher linearer Code der Länge n Für die Elemente x = (x,, x n ) C schreiben wir kürzer x = x x n Der Hamming-Abstand d(x, y) zweier Codewörter x, y C ist die Anzahl der Positionen, in denen sich x und y unterscheiden, d h d(x, y) = {j j n und x j = y j } Das Hamming-Gewicht w(x) von x C ist die Anzahl der Einsen in x, also w(x) = d(x, ), wobei = Z n 2 das Nullwort ist Für jeden Code C Z n 2 mit C 2heißen die Zahlen d(c) = min{d(x, y) x, y C, x = y} bzw w(c) = min{w(x) x C, x = } der Minimalabstand bzw das Minimalgewicht von C Für x, y C ist stets auch x + y C, und x + y = impliziert x = y = y Somit gilt d(x, y) = {i x i = y i } = {i x i + y i = } = w(x + y) und schließlich d(c) = min{d(x, y) x, y C, x = y} = min{w(x + y) x, y C, x = y} = min{w(z) z C, z = } =w(c) Der Bauer-Code B besteht aus allen Elementen x = x x 2 x 3 x 4 x 5 x 6 x 7 x 8 Z 8 2, die der folgenden Bedingung genügen: x 5 x 6 x 7 x 8 = { x x 2 x 3 x 4, falls w(x x 2 x 3 x 4 ) 2 N, = x x 2 x 3 x 4 +, falls w(x x 2 x 3 x 4 ) 2 N + ; z B sind,, Codewörter Wir geben alle Elemente von B explizit an und zeigen, dass B ein linearer Code ist: Da x x 2 x 3 x 4 Z 4 2 beliebig gewählt werden kann, gilt B = 6 Die Elemente von B sind: Zum Beweis der Tatsache, dass B ein Z 2 -Vektorraum ist, nutzen wir aus, dass eine Teilmenge C Z n 2 genau dann ein linearer Code ist, wenn C und aus x, y C stets x + y C folgt Wir schreiben die Elemente aus B in der Form (a, a ) mit a Z 4 2 und { a a, falls w(a) 2 N, = a +, falls w(a) 2 N, wobei wir zur Abkürzung = geschrieben haben Es gilt (a, a ) + (b, b ) = (a + b, a + b ) Das einzige Codewort, das hierfür infrage kommt, ist ( a + b,(a + b) ) Also ist B genau dann ein linearer Code, wenn (a + b) = a + b für alle a, b Z 4 2 Unter Beachtung von + = inz 2 bestätigt man die Formel: w(a + b) 2 N w(a) + w(b) 2 N Hiermit erhalten wir die Tabelle (für ein c Z 4 2 schreiben wir w(c) = im Fall w(c) 2 N und w(c) = imfallw(c) 2 N +): w(a) w(b) w(a + b) a b (a + b) a b a + b a + b a + b + a b+ a + b + a + b + a + b Arens et al, Mathematik, ISBN: , Spektrum Akademischer Verlag, 28
5 52 Vektorräume und Untervektorräume 5 Mit + = erhalten wir in allen Fällen (a+b) = a +b Der Bauer-Code B ist also ein linearer Code Damit können wir obige Formel anwenden, um d(b) zu bestimmen Wir erhalten d(c) = w(c) = 4, denn außer, haben ja alle Codewörter aus B das Hamming-Gewicht 4 Summen von Untervektorräumen sind wieder Untervektorräume Für zwei Untervektorräume U und W eines K-Vektorraumes V definiert man U + W := {u + w u U, w W } und nennt U + W die Summe der Untervektorräume U und W Offenbar ist U + W wieder ein Untervektorraum von V, dies folgt auch aus einer späteren Betrachtung einer Erzeugendenmenge von U + W? Wieso ist U + W ein Untervektorraum? Man nennt U + W die Summe der Untervektorräume U und W Wir betrachten nun Erzeugendensysteme von U und W Dabei soll M U ein solches von U und M W ein solches von W sein, d h U = M U und W = M W Gegeben seien u U und w W Da M U aus allen Linearkombinationen von Elementen aus M U besteht, existieren r N, u,, u r M U und λ,, λ r K mit u = r i= λ i u i Ebenso ist w = s i= μ i w i mit einem s N, w i M W und μ i K für i s Folglich ist u + w = r λ i u i + i= s μ i w i i= eine Linearkombination von u,, u r, w,, w s M U M W Es gilt also U + W M U M W Nun sei umgekehrt v = t i= λ i v i eine Linearkombination von Elementen v i M U M W Wir setzen I := {i,t v i M U } und J :=,t \ I, wobei zur Abkürzung, t := {, 2,, t} geschrieben wird Für i J gilt v i / M U,dhv i M W Folglich ist t u = λ i v i = λ i v i + λ i v i U + W i= i I i J }{{}}{{} M U M W Damit haben wir also U + W = M U + M W = M U M W begründet Aus der Darstellung U + W = M U M W folgt natürlich insbesondere, dass U + W ein Teilraum von V ist Nach der Definition der linearen Hülle ist U W der kleinste Untervektorraum von V, der U und W enthält Da U und W Teilräume von V sind, gilt U = U, W = W Also ist U + W der kleinste Untervektorraum von V, der U und W enthält? Wenn M U und M W sogar Basen von U und W sind, ist dann M U M W eine solche von U + W? Beispiel Wir bestimmen jeweils eine Basis von U, W und U + W für U = R + R + R und W = R 2 + R R Wir bezeichnen die angegeben Vektoren aus U der Reihe nach mit u, u 2, u 3 und jene aus W mit w, w 2, w 3 Die Schreibweise U = R u +R u 2 +R u 3 bedeutet nichts anderes als U = u, u 2, u 3 Wir zeigen, dass u, u 2, u 3 linear unabhängig sind Die Gleichung λ v +λ 2 +λ 3 v 3 = mit λ,λ 2,λ 3 R führt zu einem linearen Gleichungssystem mit der erweiterten Koeffizientenmatrix 2, dessen einzige Lösung offenbar (,, ) ist Demnach ist {u, u 2, u 3 } ein linear unabhängiges Erzeugendensystem, also eine Basis von U Nun untersuchen wir die Vektoren w, w 2, w 3 auf lineare Unabhängigkeit Offenbar sind w, w 2 linear unabhängig, denn aus λ w + λ 2 w 2 = mit sagen wir λ 2 = folgt w 2 = ( λ /λ 2 ) w,dhw 2 wäre skalares Vielfaches von w, was offensichtlich nicht der Fall ist Wir müssen Arens et al, Mathematik, ISBN: , Spektrum Akademischer Verlag, 28
6 6 5 Vektorräume Schauplätze der linearen Algebra Vertiefung: Die Anzahl der k-dimensionalen Untervektorräume von Z n p Gegeben seien n N sowie eine Primzahl p N Wir wollen die Anzahl der k-dimensionalen (verschiedenen) Untervektorräume von Z n p bestimmen Wir betrachten den Z p -Vektorraum Z n p : a Z n p = a,, a n Z p a n Für jede Komponente hat man p Möglichkeiten, ein Element aus Z p zu wählen, so dass also Z n p insgesamt pn Elemente enthält Es ist {} der einzige Untervektorraum der Dimension Zur Anzahl der -dimensionalen Untervektorräume: Es gibt p n Möglichkeiten, einen vom Nullvektor verschiedenen Vektor zu wählen, und jeder solche Vektor erzeugt einen -dimensionalen Untervektorraum Nun sind aber diese Untervektorräume nicht alle verschieden, so gilt im 2 Z 3 3 etwa = 2 Wir überlegen uns, wie viele verschiedene Basen ein -dimensionaler Untervektor- raum von Z n p haben kann Ist U ein -dimensionaler Untervektorraum, so liefert jede Wahl eines vom Nullvektor verschiedenen Vektors aus U (das sind p Möglichkeiten) eine Basis für U Also erzeugen je p = Z p \{} Elemente den gleichen Untervektorraum Wir erhalten: Es gibt genau pn p verschiedene -dimensionale Untervektorräume von Z n p Zur Anzahl der 2-dimensionalen Untervektorräume: Es gibt p n Möglichkeiten, einen vom Nullvektor verschiedenen Vektor a zu wählen und p n p Möglichkeiten einen zum Vektor a linear unabhängigen Vektor a 2 Z n p \ a zu wählen Jedes solche Paar von Vektoren a und a 2 erzeugt einen 2-dimensionalen Untervektorraum Diese Untervektorräumesind aber nicht alle verschieden So gilt im Z 3 3 etwa, 2 = Wir überlegen uns, wie viele verschiedene Basen ein 2-dimensionaler Untervektorraum von Z n p haben kann Jede Wahl eines vom Nullvektor verschiedenen Vektors b (das sind p 2 Möglichkeiten) und eines von b linear unabhängigen Vektors aus U \ b (das sind p 2 p Möglichkeiten) liefert eine Basis von U: Es gibt also (p 2 )(p 2 p) verschiedene Basen in U Wir erhalten: Es gibt genau (pn )(p n p) (p 2 )(p 2 p) verschiedene 2-dimensionale Untervektorräume von Z n p Die Überlegungen wiederholen sich für die 3- dimensionalen Untervektorräume Und allgemein erhalten wir für die Anzahl der k-dimensionalen Untervektorräume von Z n p die Formel: Es gibt genau k p n p j p k p j = (pn )(p n p) (p n p k ) (p k )(p k p) (p k p k ) j= k-dimensionale Untervektorräume von Z n p dann prüfen, ob w 3 w, w 2,dhw 3 = λ w + λ 2 w 2 lösbar ist Ausgeschrieben liefert dies das lineare Gleichungssystem Dieses Gleichungssystem ist lösbar mit Lösung λ = /4, λ 2 = 3/4 Es folgt W = w, w 2, und {w, w 2 } ist als linear unabhängiges Erzeugendensystem eine Basis von W Nun wissen wir, dass U + W = {u, u 2, u 3, w, w 2 } Der Vektor w kann nicht Linearkombination von v,, v 3 sein man beachte die vierten Komponenten Also sind u, u 2, u 3, w linear unabhängig Wegen w 2 = 4 u 3 3 w gilt U + W = {u, u 2, u 3, w },dh{u, u 2, u 3, w } ist eine Basis von U + W Durchschnitte von Untervektorräumen sind wieder Untervektorräume Für zwei Untervektorräume U und W eines K-Vektorraumes V ist U W wieder ein Untervektorraum von V Der Nachweis ist sehr einfach: Weil der Nullvektor sowohl in U als auch in W liegt, ist U W nicht leer Weiterhin ist mit jedem λ K und v U W auch λ v ein Element aus U und zugleich ein Element aus W, also wieder ein Element aus U W Und mit zwei Elementen v und v aus U W liegt auch deren Summe sowohl in U als auch in W, also wieder in deren Durchschnitt Achtung: Ist M U ein Erzeugendensystem von U und M W ein solches von W, so gilt im Allgemeinen U W = M U M W = M U M W Man wähle etwa M U ={} und M W ={2} im eindimensionalen R-Vektorraum R Arens et al, Mathematik, ISBN: , Spektrum Akademischer Verlag, 28
7 52 Vektorräume und Untervektorräume 7 Beispiel Im R Vektorraum V = R 3 seien zwei Untervektorräume U und W gegeben durch U =, und W =, Wir bestimmen U W Achtung: Die Vereinigung von Untervektorräumen ist im Allgemeinen kein Untervektorraum Als Beispiel wähle man etwa zwei verschiedene eindimensionale Untervektorräume des R 2 x 2 U 2 U U 2 x 3 x U Abbildung A52 Die Summe der zwei Vektoren aus U U 2 ist nicht Element von U U 2, also ist U U 2 kein Vektorraum x x2 Man beachte den Unterschied zwischen der Summe und der Vereinigung von Untervektorräumen Abbildung A5 Der Schnitt der beiden Untervektorräume U und W ist eine Gerade Für v = λ +λ 2 mit λ,λ 2 R gilt v U W genau dann, wenn es μ,μ 2 R gibt, so dass λ + λ 2 = μ + μ 2 gilt Wir bestimmen daher die Lösungsmenge L des homogenen linearen Gleichungssystems über R mit der folgenden erweiterten Koeffizientenmatrix: Mittels elementarer Zeilenumformungen wird diese Matrix überführt in Also gilt L ={(λ,λ,λ,λ) λ R} und somit U W = λ + λ λ R = λ λ R Also U W = Es gibt einen Vektorraum mit acht Elementen Bekanntlich bildet die Menge aller Abbildungen von einer nichtleeren Menge M in einen Körper K, also K M mit den Verknüpfungen f + g : x f (x) + g(x) und λ f : x λ f (x) einen K-Vektorraum Dabei darf K natürlich auch ein endlicher Körper sein Wir geben ein Beispiel an Beispiel Wir betrachten eine dreielementige Menge M = {x, y, z} und den Körper K := Z 2 ={, } mit zwei Elementen Es ist dann die Menge K M aller Abbildungen von M nach K eine Menge mit 2 3 = 8 Elementen Wir geben die Elemente von K M explizit an: f : x, y, z f 2 : x, y, z f 3 : x, y, z f 4 : x, y, z f 5 : x, y, z f 6 : x, y, z f 7 : x, y, z f 8 : x, y, z Der eindeutig bestimmte Nullvektor ist f und jedes Element ist zu sich selbst invers, da für jedes i {,, 8} jeweils f i +f i = f gilt Wir bestimmen weiter die Summe f 2 +f 3 : Arens et al, Mathematik, ISBN: , Spektrum Akademischer Verlag, 28
8 8 5 Vektorräume Schauplätze der linearen Algebra Vertiefung: Fastvektorräume Gegenbeispiele, denen dies nicht sofort anzusehen ist Es gibt Beispiele von Mengen mit Verknüpfungen, bei denen nur fast alle Vektorraumaxiome erfüllt sind Wir führen vier Beispiele an, bei denen jeweils eines der sogenannten Verträglichkeitsaxiome (V6), (V7), (V8), (V9) zwischen der skalaren Multiplikation und der Addition nicht erfüllt ist Man beachte, dass wir im Folgenden bei der üblichen Multiplikation in R bzw C keinen Multiplikationspunkt setzen Die Multiplikationspunkte sind für die definierten skalaren Multiplikationen reserviert () In K = C und V = C 2 bezeichne + die komponentenweise Addition; als skalare Multiplikation definieren v wir für λ C und v = V : ( ) λv, falls = v λ λ := λv, falls = Wir wählen λ = i C, v = und rechnen nach, ( λ (v +w) = i, w = V ) + = i sowie λ v+λ w = i +i = 2 = i i + = i i 2i 2i Also ist das Vektorraumaxiom (V6) verletzt Es gelten jedoch alle anderen Vektorraumaxiome Exemplarisch weisen wir (V9) nach: Für alle v = v V gilt: v v v = = = v (2) In K = R und V = R bezeichne + die übliche Addition komplexer Zahlen; als skalare Multiplikation definieren wir für λ R und v V λ v := λ 2 v Das Axiom (V7) (λ + μ) v = λ v + μ v ist verletzt: Z B ist ( + ) v = 2 v = 4 v = 2 v = v + v = v + v, sofern v = Es sind jedoch alle anderen Vektorraumaxiome erfüllt Exemplarisch zeigen wir, dass (V8) erfüllt ist: Für alle λ, μ R und v V gilt (λ μ) v = (λ μ) 2 v = λ 2 (μ 2 v) = λ (μ v) (3) In K = C und V = C bezeichne + die übliche Addition komplexer Zahlen; als skalare Multiplikation definieren wir für λ C und v V λ v := (Re λ) v Das gemischte Assoziativgesetz (V8) gilt hier nicht: Z B ist aber (i 2 ) v = ( ) v = Re ( ) v = v, i (i v) = Re (i) Re (i) v =, d h (i 2 ) v = i (i v), sofern v = Die anderen Vektorraumaxiome sind erfüllt Exemplarisch zeigen wir, dass (V7) erfüllt ist: Für alle λ, μ C und v V gilt (λ + μ) v = Re (λ + μ) v = (Re λ + Re μ) v = Re λ v + Re μ v = λ v + μ v (4) In K = R und V = R 2 bezeichne + die komponentenweise Addition; als skalare Multiplikation definieren v wir für λ R und v = V v λ := Für λ =, = ergibt sich v = λv v = v, also gilt hier das Axiom (V9) nicht Alle anderen Axiome gelten Exemplarisch weisen ( wir ) (V6) nach Für alle v w λ R und v =, w = V gilt: w 2 λ(v + w λ (v + w) = ) = = λ v + λ w λv + λw Kommentar: Wir haben für jedes der vier Axiome der Skalarmultiplikation eine algebraische Struktur angegeben, in der dieses Axiom verletzt und alle anderen Vektorraumaxiome erfüllt sind Demnach folgt keines der vier Axiome der Skalarmultiplikation aus den übrigen Axiomen Man sagt: Die Axiome der Skalarmultiplikation sind voneinander unabhängig Dies ist nicht so bei der Kommutativität (V5): Die Kommutativität der Addition folgt tatsächlich aus den anderen Vektorraumaxiomen Wir stellen diesen Nachweis als Übungsaufgabe Arens et al, Mathematik, ISBN: , Spektrum Akademischer Verlag, 28
9 52 Vektorräume und Untervektorräume 9 Wegen (f 2 + f 3 )(x) = f 2 (x) + f 3 (x) = + =, (f 2 + f 3 )(y) = f 2 (y) + f 3 (y) = + =, (f 2 + f 3 )(z) = f 2 (z) + f 3 (z) = + = Achtung: Man achte wieder auf die grundsätzlich verschiedenen Bedeutungen der Additionen, die wir mit ein und demselben +-Zeichen versehen Man unterscheide genau: Es ist f K M und f (x) K gilt also f 2 + f 3 = f 8 Antworten der Selbstfragen S Es gibt keinen Körper mit 6 Elementen, da 6 = 2 3 keine Primzahlpotenz ist Es gibt hingegen Körper mit 7 = 7 und 8 = 2 3 Elementen, da diese Zahlen Primzahlpotenzen sind S 2 Nein, da a b = gilt, obwohl keiner der Faktoren ist S 5 Es ist U +W nicht leer, weil der Nullvektor in U +W liegt Weiter liegen mit zwei Elementen u + w, u + w U und λ K stets auch u + w + u + w = (u + u ) + (w + w ) und λ(u + w) = λ u + λ w wieder in U S 5 Nein, man wähle etwa zwei verschiedene Basen M U und M W eines Vektorraumes U = W Arens et al, Mathematik, ISBN: , Spektrum Akademischer Verlag, 28
Aufgaben zu Kapitel 15
Aufgaben zu Kapitel 5 Aufgaben zu Kapitel 5 Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation
MehrKapitel 15. Aufgaben. Verständnisfragen
Kapitel 5 Aufgaben Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation einen K-Vektorraum bildet
Mehr02. Vektorräume und Untervektorräume
02. Vektorräume und Untervektorräume Wir kommen nun zur eigentlichen Definition eines K-Vektorraums. Dabei ist K ein Körper (bei uns meist R oder C). Informell ist ein K-Vektorraum eine Menge V, auf der
MehrKapitel II. Vektoren und Matrizen
Kapitel II. Vektoren und Matrizen Vektorräume A Körper Auf der Menge R der reellen Zahlen hat man zwei Verknüpfungen: Addition: R R R(a, b) a + b Multiplikation: R R R(a, b) a b (Der Malpunkt wird oft
MehrTechnische Universität München 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
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrLösungen zur Mathematik für Informatiker I
Lösungen zur Mathematik für Informatiker I Wintersemester 00/03 Prof Dr H Lenzing Blatt 7 Sei M Ihre Matrikelnummer mit den Ziffern m, m, m 3, m 4, m 5, m 6, m 7 Aufgabe 6 ( Bonuspunkt): Wir betrachten
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
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.
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
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
MehrLineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18.
18. November 2011 Wozu das alles? Bedeutung von Termen Vektoren in R n Ähnlichkeiten zwischen Termbedeutungen Skalarprodukt/Norm/Metrik in R n Komposition von Termbedeutungen Operationen auf/abbildungen
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
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
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
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
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
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
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
Mehr4. 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
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
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
MehrTeil II: Lineare Algebra
3 Vektorräume 49 Teil II: Lineare Algebra 3 Vektorräume Wir haben in den vorangegangenen Kapiteln ausführlich die Differential- und Integralrechnung in einer (reellen Variablen untersucht Da die Welt aber
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
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
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
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I Wintersemester 3/ Aufgabenblatt 6. Januar Präsenzaufgaben
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
MehrLösungen der Aufgaben zu Abschnitt 5.4
A Filler: Elementare Lineare Algebra Lösungen zu Abschnitt 54 Lösungen der Aufgaben zu Abschnitt 54 B ist linear unabhängig, wenn die Vektorgleichung ( ) ( ) ( ) ( ) 456 λ + λ + λ = bzw das LGS λ +4λ +λ
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
MehrKapitel 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.
MehrKapitel 13. Lineare Gleichungssysteme und Basen
Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x
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
Mehrtechnische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4
MehrMusterlösung. 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,
MehrVektorräume. Lineare Algebra I. Kapitel Juni 2012
Vektorräume Lineare Algebra I Kapitel 9 12. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent: Sadegh
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I (Wintersemester 3/4) Aufgabenblatt (9. Januar
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
MehrDie Studenten, die sich in Friedolin EINGETRAGEN haben und von Friedolin wissen in welcher UG sie sind,
Die Studenten, die sich in Friedolin EINGETRAGEN haben und von Friedolin wissen in welcher UG sie sind, schreiben Sie sich bitte in IHRE CAJ-Gruppe ein (möglisch schnell damit die Übungsleiter die Punkte
Mehr6. Woche: Lineare Codes, Syndrom, Gilbert-Varshamov Schranke. 6. Woche: Lineare Codes, Syndrom, Gilbert-Varshamov Schranke 107/ 238
6 Woche: Lineare Codes, Syndrom, Gilbert-Varshamov Schranke 6 Woche: Lineare Codes, Syndrom, Gilbert-Varshamov Schranke 107/ 238 Erinnerung: Der Vektorraum F n 2 Schreiben {0, 1} n als F n 2 Definition
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
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:
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
MehrDer Kern einer Matrix
Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis
MehrKonstruktion reeller Zahlen aus rationalen Zahlen
Konstruktion reeller Zahlen aus rationalen Zahlen Wir nehmen an, daß der Körper der rationalen Zahlen bekannt ist. Genauer wollen wir annehmen: Gegeben ist eine Menge Q zusammen mit zwei Verknüpfungen
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,...,
MehrVektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:
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 +
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrL2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:
L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: 2) Vektoren: vollständig bestimmt durch Angabe einer und einer Beispiele: Übliche
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
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
Mehr1 Körper. Wir definieren nun, was wir unter einem Körper verstehen, und sehen dann, dass es noch andere, ganz kleine Körper gibt:
1 Körper Sie kennen bereits 2 Beispiele von Zahlkörpern: (Q, +, ) (R, +, ) die rationalen Zahlen mit ihrer Addition und Multiplikation die reellen Zahlen mit ihrer Addition und Multiplikation Vielleicht
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
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
MehrUnterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer
Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie Sommersemester 2009 Franz Pauer INSTITUT FÜR MATHEMATIK, UNIVERSITÄT INNSBRUCK, TECHNIKERSTRASSE 13, 6020
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2008/09 4 Einführung Vektoren und Translationen
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
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
Mehr7 Vektorräume und Körperweiterungen
$Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig
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
MehrD-MATH, D-PHYS, D-CHAB Analysis I HS 2016 Prof. Manfred Einsiedler Philipp Wirth. Lösung 3
D-MATH, D-PHYS, D-CHAB Analsis I HS 016 Prof Manfred Einsiedler Philipp Wirth Lösung 3 Diese Woche werden nur Lösungen zu den Aufgaben 4, 5 und 6 zur Verfügung gestellt 4 a Nach Folgerung (i aus den Axiomen
Mehr2.5 Gauß-Jordan-Verfahren
2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
MehrLineare Algebra I 5. Tutorium Die Restklassenringe /n
Lineare Algebra I 5. Tutorium Die Restklassenringe /n Fachbereich Mathematik WS 2010/2011 Prof. Dr. Kollross 19. November 2010 Dr. Le Roux Dipl.-Math. Susanne Kürsten Aufgaben In diesem Tutrorium soll
MehrDezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule
Berufsfeldbezogenes Fachseminar - Zahlentheorie Lisa Laudan Prof. Dr. Jürg Kramer Wintersemester 2014/2015 Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule 1.1
Mehr5. Vorlesung. Rechnen mit Vektoren.
5. Vorlesung. Rechnen mit Vektoren. Vektoren per se gibt es nicht. Vektoren sind immer Teil eines Vektorraumes. In dieser Vorlesung führen wir Vektorräume und Vektoren ein und beweisen ein paar klassische
MehrEin Skript für Lineare Algebra I und II
Ein Skript für Lineare Algebra I und II Chris Preston 2003/04 1 2 Dies ist ein Skript für die Vorlesungen Lineare Algebra I und II. Die Texte von Jänich [5] und Fischer [3] haben die Darstellung beeinflusst.
MehrVerschlüsselungs- und Codierungstheorie PD Dr. Thomas Timmermann Westfälische Wilhelms-Universität Münster Sommersemester 2017
Verschlüsselungs- und Codierungstheorie PD Dr. Thomas Timmermann Westfälische Wilhelms-Universität Münster Sommersemester 2017 Lineare Codes (Ausarbeitung von Benjamin Demes) 1) Was sind lineare Codes
MehrAffine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3...
Affine Hülle Wiederholung. Der Vektor x K n ist eine lineare Kombination der Vektoren x,...,x k K n, wenn es Zahlen λ,...,λ k K gibt mit x = λ x +... + λ k x k. Def. Gibt es solche Zahlen λ,...,λ k K mit
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
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr2 Grundstrukturen. 2.1 Gruppen. Prof. Dr. Peter Schneider. Vorlesung WS Lineare Algebra 1 2 GRUNDSTRUKTUREN
Vorlesung WS 08 09 Lineare Algebra 1 Prof. Dr. Peter Schneider 2 Grundstrukturen Notation: Sind M und N zwei Mengen, so heißt die Menge M N := {(m, n) : m M, n N} das cartesische Produkt oder auch die
MehrMATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER Inhaltsverzeichnis
MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER 206 STEFAN GESCHKE Inhaltsverzeichnis Einleitung 3 Literatur 3. Lineare Gleichungssysteme
MehrMATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER Inhaltsverzeichnis
MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER 208 STEFAN GESCHKE Inhaltsverzeichnis Einleitung 3 Literatur 3. Lineare Gleichungssysteme
MehrAufgaben zu Kapitel 14
Aufgaben zu Kapitel 14 1 Aufgaben zu Kapitel 14 Verständnisfragen Aufgabe 14.1 Haben (reelle) lineare Gleichungssysteme mit zwei verschiedenen Lösungen stets unendlich viele Lösungen? Aufgabe 14.2 Gibt
MehrDie Größe A(n, d) und optimale Codes
Die Größe A(n, d) und optimale Codes Definition Optimaler Code Wir definieren A(n, d) = max{m binärer (n, M, d) Code} Ein (n, M, d)-code heißt optimal, falls M = A(n, d). Bestimmung von A(n, d) ist offenes
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
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
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 13. Übungsblatt
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl WS 8/9 Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum
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 )
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana.
Lineare Algebra 5. Übungsstunde Steven Battilana stevenb@student.ethz.ch November, 6 Vektoräume Eine Menge E zusammen mit zwei Verknüpfungen +: E E! E, (x, y) 7! x + y (Addition) : E E! E, (x, y) 7! x
Mehr2.2 Lineare Gleichungssysteme
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 55 22 Lineare Gleichungssysteme Das Lösen von Gleichungen (ganz unterschiedlichen Typs und unterschiedlichen Schwierigkeitsgrades) gehört zu den Grundproblemen
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 6 Vektorräume Die Addition von zwei Pfeilen a und b, ein typisches Beispiel für Vektoren. Der zentrale
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
Mehrfür alle a, b, x, y R.
Algebra I 13. April 2008 c Rudolf Scharlau, 2002 2008 33 1.5 Ringe Definition 1.5.1 Ein Ring ist eine Menge R zusammen mit zwei Verknüpfungen + und, genannt Addition und Multiplikation, für die folgendes
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?
MehrL2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:
L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: Masse, Volumen, Energie, Arbeit, Druck, Temperatur 2) Vektoren: vollständig
Mehr1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat.
1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. übliche Beispiele: Ort r = r( x; y; z; t ) Kraft F Geschwindigkeit
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen
MehrLineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.
Lineare Hülle Def A sei eine nichtleere Teilmenge des Vektorraums (V,+, ) Die lineare Hülle von A (Bezeichung: span(a)) ist die Menge aller Linearkombinationen der Elemente aus A { k } span(a) := λ i v
Mehrein vom Nullvektor verschiedener Vektor, dann ist jeder dazu parallele (kollinear) Veka tor d ein Vielfaches von a. + λ 2 a 2
II. Basis und Dimension ================================================================= 2.1 Linearkombination und Basis -----------------------------------------------------------------------------------------------------------------
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,
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Vektoren in der Ebene Zwei Punkten P, Q in der Ebene
Mehr