Affine 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...

Größe: px
Ab Seite anzeigen:

Download "Affine 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..."

Transkript

1 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 λ λ k =, so ist der Punkt x K n eine affine Kombination der Punkte x,...,x k K n. Eine affine Kombination ist also eine Linearkombination, sodass die Summe der Koeffizienten gleich ist (hat in jedem Körper Sinn, da in jedem Körper wohldefiniert ist, als neutrales Element der Gruppe (K = K \ {0}, )). Bemerkung. Dies ist äquivalent zu x x ist lineare Kombination der Vektoren x 2 x,x 3 x,...,x k x. Tatsächlich, in diesem Fall ist λ = λ 2 λ 3... λ k, und x = λ x + λ 2 x λ k x k = x + ( λ 2... λ k )x + λ 2 x λ k x k = x + λ 2 (x 2 x ) + λ 3 (x 3 x ) λ k (x k x )

2 Wiederholung. Für A K n ist die lineare Hülle Span(A) die Menge aller (endlichen) linearen Kombinationen von Elementen von A. Span(A) ist zugleich der kleinste lineare Untervektorraum von K n, der A enthält, und die Schnittmenge von allen linearen Untervektorräumen von K n, die A enthalten (LA I). Def. Für A K n ist die affine Hülle Aff (A) die Menge aller (endlichen) affinen Kombinationen von Elementen von A. Lineare Hülle von A und B: eine Ebene, die A, B und Null-Nunkt 0 enthält. Affine Hülle von A und B: die Gerade durch A und B A B A B 0 0

3 Lemma. Sei A = {x,...,x k } K n. Dann gilt: Aff (A) ist ein affiner Unterraum über dem Untervektorraum span(x 2 x,x 3 x,...,x k x ). (Wiederhol. aff. Raum über U ist die Menge {a 0 + u u U}.) Ferner gilt: Enthält ein affiner Unterraum U alle Punkte x,...,x k, so gilt Aff (A) U. Bemerkung. Die letzte Aussage des Lemmas kann man wie folgt umformulieren: Aff (A) ist der kleinste affine Unterraum von K n, der A enthält (vergl. die analoge Aussage über Untervektorräume aus LA I). Bemerkung. Wir sehen, dass die Dimension von Aff (A) höchstens k = #A = #{x 2 x,x 3 x,...,x k x } ist. Beweis. Z.z.: (i) Aff (A) {x + v v span(x 2 x,x 3 x,...,x k x )}, d.h., Jedes x Aff (A) kann man als x + v darstellen, wobei v span(x 2 x,x 3 x,...,x k x ). (ii) Aff (A) {x + v v span(x 2 x,x 3 x,...,x k x )}, d.h., für jedes v span(x 2 x,x 3 x,...,x k x ) gilt: x + v Aff (A). (iii) Für jeden affinen Unterraum U mit A U gilt: Aff (A) U.

4 Beweis von (i): Aff (A) {x + v v span(x 2 x, x 3 x,..., x k x )} Wir haben diese Aussage praktisch in der Bemerkung nach der Definition der affinen Hülle gezeigt. Angenommen x = λ x λ k x k wobei λ λ k =. Dann ist λ = λ 2 λ 3... λ k, und x = λ x + λ 2 x λ k x k = x + ( λ 2... λ k )x + λ 2 x λ k x k = x + λ 2 (x 2 x ) + λ 3 (x 3 x ) λ k (x k x ) Dann ist x x eine lineare Kombination der Vektoren x 2 x,x 3 x,...,x k x, also ein Element (z.b. v) von span(x 2 x,x 3 x,...,x k x ). Also, x = x + v.

5 Beweis von (ii): Aff (A) {x + v v span(x 2 x, x 3 x 3,..., x k x )} Z.z.: für jedes v = λ 2 (x 2 x ) + λ 3 (x 3 x ) λ k (x k x ) liegt x + v in Aff (A). x + v = x + λ 2 (x 2 x ) + λ 3 (x 3 x ) λ k (x k x ) = ( λ 2 λ 3... λ k ) }{{} λ x + (λ 2 + λ λ k )x + λ 2 (x 2 x ) + λ 3 (x 3 x ) λ k (x k x ) = λ x +λ 2 (x +(x 2 x ))+λ 3 (x +(x 3 x ))+...+λ k (x +(x k x )) = λ x + λ 2 x λ k x k. Da die Summe der Koeffizienten λ,...,λ k gleich ( λ 2 λ 3... λ k ) + λ 2 + λ λ k = ist, ist x + v eine affine Kombination von x,...,x k.

6 Beweis (iii): Ist A U, so ist Aff (A) U Wied. Lemma 8. Sei U K n affiner Unterraum über dem Untervektorraum V U, d.h., U = {a 0 +v v V U }. Sei a U ein beliebiger Punkt. Dann gilt: U = {a + v, wobei v V U }. Wegen Lemma 8 können wir obda annehmen, dass U = {x + u u V U }. Dann sind alle Punkte x 2,...,x k A gleich x 2 = x + u 2, x 3 = x + u 3,..., x k = x + u k wobei u 2,...,u k V U. Dann sind (x 2 x ), (x 3 x ),...,(x k x ) V U. Dann ist span(x 2 x,x 3 x,...,x k x ) V U. ( ) Dann gilt Aff (A) (i) {x + v v span(x 2 x,x 3 x,...,x k x )} ( ) {x + v v V U } = U.

7 Lemma. Sei A = {x,..., x k }. Dann gilt: Aff (A) ist ein affiner Raum über dem Untervektorraum span(x 2 x, x 3 x,..., x k x ). Ferner gilt: Enthält ein affiner Unterraum U alle Punkte x,..., x k, so gilt Aff (A) U. Folgerung. Jeden affinen Unterraum von K n kann man als affine Hülle einer endlichen Teilmenge darstellen. Beweis. In der Tat, sei U = {x + v v V }. Wir nehmen eine Basis (v 2,...,v k ) V (endlich, weil dim(k n ) endlich ist). Sei x i := x + v i, Lem. i = 2,...,k Dann ist Aff (x,...,x k ) = {x + v v span(x 2 x,x 3 x,...,x k x )} = {x + v v V }.

8 Def. Sei M eine Teilmenge des affinen Raums K n. Sie heißt affin abgeschlossen, falls M mit je zwei Punkten a b auch die Gerade L(a,b) := {a + λ(b a) wobei λ K} durch a und b enthält. Bemerkung. Die Menge L(a,b) := {a + λ(b a) wobei λ K} ist tatsächlich die Gerade durch a und b: Sie ist eine Gerade (= -dim affiner Raum), weil sie die Form {a + v v span(b a)} hat. Sie enthält die Punkte a (entspricht λ = 0) und b (entspricht λ = ). Bsp. Ein affiner Unterraum ist eine affin abgeschlossene Teilmenge. In der Tat, sei U ein affiner Raum sodass a,b U. Nach Lemma 8 können wir obda den Punkt a als den Punkt unseres affinen Unterraums U nehmen. Dann besteht der Unterraum aus Punkten der Form a + v wobei v in einem Untervektorraum V U liegen. Liegt b im affinen Unterraum, so liegt b a im Untervektorraum V U. Dann liegen alle Punkte der Geraden L(a,b) := {a + λ(b a) wobei λ K} in U.

9 Bsp. einer affin abgeschlossenen Teilmenge, die kein Unterraum ist: Man betrachte K = Z 2 und den affinen Raum (Z 2 ) 2. O Nach Definition besteht die Gerade, die die Punkte a,b enthält aus allen Punkten der Form a + λ(b a). Da λ {0,} = Z 2, besteht die ganze Gerade nur aus 2 Punkten a und b. Deswegen ist jede Menge in (Z 2 ) 2 affin abgeschlossen. Aber die Menge (Z 2 ) 2 \ {(0,0)} ist kein Unterraum (weil die Vektoren 0 = 0, 0 = 0 linear unabhängig sind; also jeder diese Punkte enthaltende affine Unterraum mit (Z 2 ) 2 zusammenfallen muss. )

10 Def Wiederh. Sei M eine Teilmenge des K affinen Raums K n. Sie heißt affin abgeschlossen, falls M mit je zwei Punkten a b auch die Gerade L(a,b) := {a + λ(b a) wobei λ K} durch a und b enthält. Satz Angenommen, in dem Körper K gilt: + 0. Dann gilt: Eine affin abgeschlossene Teilmenge M des affinen Raums K n ist ein affiner Unterraum. Bemerkung. Es gibt Körper, so dass + = 0. Z.B. ist in Z 2 + = 0. Das erklärt auch, warum wir für das Beispiel auf der vorherigen Folie einen affinen Raum über Z 2 gewählt haben. Konvention. Sei K ein Körper. Das neutrale Element der multiplikativen Gruppe (K := K \ {0}, ) bezeichnen wir mit. Wir werden Element + mit 2 bezeichnen; + + mit 3 usw. Bsp: in Z 2 ist 2 = 0; 3 =. In Z 3 ist 2 = 2, 3 = 0, 4 = usw. Bsp: in Q, R, C gilt k = k. Falls ein Element ist, werden wir das inverse Element }{{} k Stück mit k bezeichnen. Bsp: In Z 2 ist 2 nicht definiert, da 2 = 0. In Z 2 ist 3 = In Z 3 ist 2 = 2, weil 2 2 = (= 4 mod 3). Bsp: in Q, R, C gilt k = k.

11 2 + 2 = Wie in der Konvention: 2 ist das Element von K so dass Distributionsgesetz 2 = 2 ( + ) = 2 2 =. ( + ) =. }{{} 2

12 Def Sei M eine Teilmenge des K affinen Raums K n. Sie heißt affin abgeschlossen, falls M mit je zwei Punkten a b auch die Gerade L(a,b) := {a + λ(b a) wobei λ K} durch a und b enthält. Satz. Angenommen, in dem Körper K gilt: + 0. Dann gilt: Eine affin abgeschlossene Teilmenge M des affinen Raums K n (über K- Vektorraum V) ist ein (affiner) Unterraum. Beweis. Angenommen, M ist affin abgeschlossen und a 0 M. Z.z.: U := {a a 0 wobei a M } ist ein Unterraum. (Da M := {a 0 + u wobei u U}, ist dann M ein affiner Unterraum). Z.z:. (i) Ist v U, so ist λv U. (ii) Sind v,w U, so ist v + w U. Wir zeigen (i). Es gilt: 0 = a 0 a 0 U. Sei v U, v 0, d.h. v = a a 0 für a M, a a 0. Dann liegen alle Punkte der Geraden L(a 0,a) := {a 0 + λ(a a 0 ) wobei λ K} in M, also λ(a a 0 ) U. Wir zeigen (ii). Seien v = a a 0 U, w = b a 0 U mit a,b M. Gilt v = w, so folgt nach (i) v + w = 2v U. Wir können also annehmen, dass v w und damit a b. Nach Voraussetzungen gilt dann L(a,b) M. Wegen b a = a 0 a + (b a 0 ) = (a a 0 ) + (b a 0 ) = w v gilt dann L(a,b) = {a + λ(w v) wobei λ K} = {a 0 + ( λ)v + λw wobei λ K}. Für λ = 2 erhalten wir a 0 + ( 2 )v + 2 w = a (v + w) M, also 2 (v + w) U. Nach (i) folgt 2 2 (v + w) U.

13 4 äquivalente Definitionen eines affinen Unterraums von K n Wir betrachten den affinen Raum K n. Ursprüngliche Definition 0. Ein Affiner Unterraum ist eine Teilmenge U der Form {a 0 + v, wobei v V U }, wobei V U ein Untervektorraumvon V ist. Def a. Die affine Hülle Aff (A) von einer (endlichen) Teilmenge von K n heißt ein affiner Unterraum. Equivalenz von Definitionen 0 und a: Lemma Def. b Ein affiner Unterraum ist die Lösungsmenge eines linearen Gleichungssystems Ax = b (unter der Annahme, dass das System mind. eine Lösung hat). Äquivalenz von Definitionen 0 und b: Eine Richtung: Lemma 8. Andere Richtung: Hausaufgabe. Def. c Ein affiner Unterraum ist eine affin abgeschlossene nichtleere Teilmenge von K n Äquivalenz von Definitionen 0 und c: Satz Man bemerke: Definition c benötigt nur Geraden

14 Affine Abbildungen und Affinitäten Def. Seien K n und K m zwei affine Räume. Die Abbildungen der Form F f,w (v) := T w f (v) := f (v) + w, wobei f eine lineare Abbildung und T w eine Parallelverschiebung ist, heißen affine Abbildungen. Ist m = n und f eine Bijektion ( also ein (linearer) Isomorphismus), so heißt F eine Affinität. Dasselbe in Koordinaten: Sei A eine m n Matrix über K und w K m. Dann sind die affinen Abbildungen die Abbildungen der Form F A,w : K n K m, F A,w (x) := Ax + w. Ist m = n und A nichtausgeartet, so ist F A,w eine Affinität. Bild von adobe.com

15 Def. Sei M eine Teilmenge des affinen Raums K n. Sie heißt affin abgeschlossen, falls M mit je zwei Punkten a b auch die Gerade L(a,b) := {a + λ(b a) wobei λ K} durch a und b enthält. Bemerkung. Die Menge L(a,b) := {a + λ(b a) wobei λ K} ist tatsächlich die Gerade durch a und b: Sie ist eine Gerade (= -dim affiner Raum), weil sie die Form {a + v v span(b a)} hat. Sie enthält die Punkte a (entspricht λ = 0) und b (entspricht λ = ). Bsp. Ein affiner Unterraum ist eine affin abgeschlossene Teilmenge. In der Tat, sei U ein affiner Raum sodass a,b U. Nach Lemma 8 können wir obda den Punkt a als den Punkt unseres affinen Unterraums U nehmen. Dann besteht der Unterraum aus Punkten der Form a + v wobei v in einem Untervektorraum V U liegen. Liegt b im affinen Unterraum, so liegt b a im Untervektorraum V U. Dann liegen alle Punkte der Geraden L(a,b) := {a + λ(b a) wobei λ K} in U.

16 Bsp. einer affin abgeschlossenen Teilmenge, die kein Unterraum ist: Man betrachte K = Z 2 und den affinen Raum (Z 2 ) 2. O Nach Definition besteht die Gerade, die die Punkte a,b enthält aus allen Punkten der Form a + λ(b a). Da λ {0,} = Z 2, besteht die ganze Gerade nur aus 2 Punkten a und b. Deswegen ist jede Menge in (Z 2 ) 2 affin abgeschlossen. Aber die Menge (Z 2 ) 2 \ {(0,0)} ist kein Unterraum (weil die Vektoren 0 = 0, 0 = 0 linear unabhängig sind; also jeder, diese Punkte enthaltende, affine Unterraum mit (Z 2 ) 2 zusammenfallen muss. )

17 Def Wiederh. Sei M eine Teilmenge des K affinen Raums K n. Sie heißt affin abgeschlossen, falls M mit je zwei Punkten a b auch die Gerade L(a,b) := {a + λ(b a) wobei λ K} durch a und b enthält. Satz Angenommen, in dem Körper K gilt: + 0. Dann gilt: Eine affin abgeschlossene Teilmenge M des affinen Raums K n ist ein affiner Unterraum. Bemerkung. Es gibt Körper so dass + = 0. Z.B. ist in Z 2 + = 0. Das erklärt auch warum wir für das Beispiel auf der vorherigen Folie einen affinen Raum über Z 2 gewählt haben. Konvention. Sei K ein Körper. Das neutrale Element der multiplikativen Gruppe (K := K \ {0}, ) bezeichnen wir mit. Wir werden Element + mit 2 bezeichnen; + + mit 3 usw. Bsp: in Z 2 ist 2 = 0; 3 =. In Z 3 ist 2 = 2, 3 = 0, 4 = usw. Bsp: in Q, R, C gilt k = k. Falls ein Element ist, werden wir das inverse Element }{{} k Stück mit k bezeichnen. Bsp: In Z 2 ist 2 nicht definiert, da 2 = 0. In Z 2 ist 3 = In Z 3 ist 2 = 2, weil 2 2 = (= 4 mod 3). Bsp: in Q, R, C gilt k = k.

18 2 + 2 = Wie in der Konvention: 2 ist das Element von K so dass Distributionsgesetz 2 = 2 ( + ) = 2 2 =. ( + ) =. }{{} 2

19 Def Sei M eine Teilmenge des K affinen Raums K n. Sie heißt affin abgeschlossen, falls M mit je zwei Punkten a b auch die Gerade L(a,b) := {a + λ(b a) wobei λ K} durch a und b enthält. Satz. Angenommen, in dem Körper K gilt: + 0. Dann gilt: Eine affin abgeschlossene Teilmenge M des affinen Raums K n (über K- Vektorraum V) ist ein (affiner) Unterraum. Beweis. Angenommen, M ist affin abgeschlossen und a 0 M. Z.z.: U := {a a 0 wobei a M } ist ein Unterraum. (Da M := {a 0 + u wobei u U}, ist dann M ein affiner Unterraum). Z.z:. (i) Ist v U, so ist λv U. (ii) Sind v,w U, so ist v + w U. Wir zeigen (i). Es gilt: 0 = a 0 a 0 U. Sei v U, v 0, d.h. v = a a 0 für a M, a a 0. Dann liegen alle Punkte der Geraden L(a 0,a) := {a 0 + λ(a a 0 ) wobei λ K} in M, also λ(a a 0 ) U. Wir zeigen (ii). Seien v = a a 0 U, w = b a 0 U mit a,b M. Gilt v = w, so folgt nach (i) v + w = 2v U. Wir können also annehmen, dass v w und damit a b. Nach Voraussetzungen gilt dann L(a,b) M. Wegen b a = a 0 a + (b a 0 ) = (a a 0 ) + (b a 0 ) = w v gilt dann L(a,b) = {a + λ(w v) wobei λ K} = {a 0 + ( λ)v + λw wobei λ K}. Für λ = 2 erhalten wir a 0 + ( 2 )v + 2 w = a (v + w) M, also 2 (v + w) U. Nach (i) folgt 2 2 (v + w) U.

20 4 äquivalente Definitionen des affinen Unterraums K n Sei K n der affine Raum. Ursprüngliche Definition 0. Affiner Unterraum ist eine Teilmenge U = der Form {a 0 + v, wobei v V U }, wobei V U ein Untervektorraumvon V ist. Def a. Affine Hülle Aff (A) von einer (endlichen) Teilmenge von K n heißt ein affiner Unterraum. Equivalenz von Definitionen 0 und a: Lemma Def. b Affiner Unterraum ist Lösungsmenge eines linearen Gleichungssystem Ax = b (unter der Annahme, dass das System mind. eine Lösung hat). Äquivalenz von Definitionen 0 und b: eine Richtung: Lemma 8; andere Richtung: Hausaufgabe Def. c Affiner Unterraum ist eine affin abgeschlossene nichtleere Teilmenge von K n Äquivalenz von Definitionen 0 und c: Satz Man bemerke: Definition c benötigt nur Geraden

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

Lineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.

Lineare 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

Mehr

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent. Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen

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

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

Definition 27 Affiner Raum über Vektorraum V

Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,

Mehr

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis

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

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

Erweiterte Koordinaten

Erweiterte Koordinaten Erweiterte Koordinaten Sei K n ein n dimensionaler affiner Raum Die erweiterten Koordinaten des Punktes x x n K n sind x x n Kn+ (Das ist für alle K sinnvoll, weil in jedem Körper K wohldefiniert ist In

Mehr

Satz 7. A sei eine nichtleere Teilmenge des nichttrivialen Vektorraums (V, +, ). Dann sind die folgende Aussagen äquivalent.

Satz 7. A sei eine nichtleere Teilmenge des nichttrivialen Vektorraums (V, +, ). Dann sind die folgende Aussagen äquivalent. Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine nichtleere Teilmenge

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 (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden

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

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte 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

Mehr

Definitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.

Definitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}. Technische Universität Berlin Wintersemester 7/8 Institut für Mathematik 9. April 8 Prof. Dr. Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Nachklausur zur Linearen Algebra I Aufgabe ++ Punkte Definieren

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik 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

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

Lineare Abhängigkeit

Lineare 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

Mehr

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i.

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i. Kapitel Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften von R 3 interessieren, so stört manchmal die Ausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen) Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung

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

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle Anhang A Etwas affine Geometrie In diesem Anhang stellen wir die wichtigsten Grundbegriffe aus der affinen Geometrie zusammen, soweit sie eben für uns von Nutzen sind. Für weiterführende Ergebnisse sei

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

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w = 1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition

Mehr

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Def. Eine Gleitspiegelung ist eine Spiegelung an einer Geraden (Spiegelachse) verknüpft mit einer Translation parallel zu dieser

Mehr

= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0.

= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0. Def 4 Eine Menge K mit zwei Abbildungen + : K K K und : K K K (heißen Addition und Multiplikation; wir werden a b bzw a+b statt (a,b), +(a,b) schreiben) ist ein kommutativer Ring, falls: (R1) (K, +) ist

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

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

6 Lineare Gleichungssysteme

6 Lineare Gleichungssysteme 6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α

Mehr

Grundlagen der Mathematik 1

Grundlagen der Mathematik 1 Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben

Mehr

x 2 + y 2 = f x y = λ

x 2 + y 2 = f x y = λ Lineare Abbildungen Def Es seien (V 1,+, ) und (V 2,+, ) zwei Vektorräume Eine Abbildung f : V 1 V 2 heißt linear, falls für alle Vektoren u,v V 1 und für jedes λ R gilt: f (u + v) = f (u) + f (v), f (λu)

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

1 Eigenschaften von Abbildungen

1 Eigenschaften von Abbildungen Technische Universität München Christian Neumann Ferienkurs Lineare Algebra für Physiker Vorlesung Dienstag WS 2008/09 Thema des heutigen Tages sind zuerst Abbildungen, dann spezielle Eigenschaften linearer

Mehr

Lineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18.

Lineare 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

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(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:

Mehr

Matrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).

Matrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K). Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen

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

Übungen zur Linearen Algebra 1

Übungen 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

4 Affine Koordinatensysteme

4 Affine Koordinatensysteme 4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner

Mehr

Quadratische Matrizen

Quadratische Matrizen Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)

Vektorräume. 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

Mehr

Vorlesung 27. Der projektive Raum. Wir werden den projektiven Raum zunehmend mit mehr Strukturen versehen.

Vorlesung 27. Der projektive Raum. Wir werden den projektiven Raum zunehmend mit mehr Strukturen versehen. Vorlesung 27 Der projektive Raum Definition 1. Sei K ein Körper. Der projektive n-dimensionale Raum P n K besteht aus allen Geraden des A n+1 K durch den Nullpunkt, wobei diese Geraden als Punkte aufgefasst

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel VI. Euklidische Geometrie Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und

Mehr

Kapitel 15. Aufgaben. Verständnisfragen

Kapitel 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

Mehr

Formale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz

Formale 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

Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke

Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke Konvexe Mengen Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke xy = {x + t xy 0 t 1} = {(1 t)x + ty 0 t 1} enthält. konvex nicht konvex Lemma

Mehr

Aufgaben zu Kapitel 15

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

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

Symplektische Geometrie

Symplektische Geometrie Symplektische Geometrie Def. Eine symplektische Form auf U R 2n ist eine geschlossene, nichtausgeartete 2-Differentialform. }{{}}{{} d.h. dω = 0 wird gleich definiert Wir bezeichnen sie normalerweise mit

Mehr

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau 312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind

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

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

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

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

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

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

β 1 x :=., und b :=. K n β m

β 1 x :=., und b :=. K n β m 44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Mathematik I für Biologen, Geowissenschaftler und Geoökologen 28. November 2011 Definition Beispiel: Wassermengen und Konzentrationen in einem Fluss Beispiel Zeilenstufenform Beispiel (Fortsetzung) Anhang

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

Lineare Gleichungssysteme - Grundlagen

Lineare Gleichungssysteme - Grundlagen Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente

Mehr

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.

Donnerstag, 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 )

Mehr

5 Lineare Abbildungen

5 Lineare Abbildungen 5 Lineare Abbildungen Pink: Lineare Algebra HS 2014 Seite 56 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,

Mehr

KAPITEL 1: ENDLICHE KÖRPER 1 ALLGEMEINES 2 GLEICHUNGEN ÜBER EINEM ENDLICHEN KÖRPER

KAPITEL 1: ENDLICHE KÖRPER 1 ALLGEMEINES 2 GLEICHUNGEN ÜBER EINEM ENDLICHEN KÖRPER RUPRECHT-KARLS-UNIVERSITÄT HEIDELBERG MATHEMATISCHES INSTITUT SEMINAR: QUADRATISCHE FORMEN ÜBER DEN RATIONALEN ZAHLEN SOMMERSEMESTER 2007 DOZENT: PROF. DR. KAY WINGBERG ASSISTENT: JOHANNES BARTELS KAPITEL

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

Lineare Algebra II 6. Übungsblatt

Lineare Algebra II 6. Übungsblatt Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der

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

Kapitel 2: Mathematische Grundlagen

Kapitel 2: Mathematische Grundlagen [ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen

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

11. BASIS, UNTERRAUM, und DIMENSION

11. 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

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Mehr

Klausurvorbereitungsblatt Lineare Algebra

Klausurvorbereitungsblatt Lineare Algebra Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen

Mehr

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen 3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange

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

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 2 Ein guter Schüler lernt auch bei einem schlechten Lehrer Eigentheorie Unter einer Achsenspiegelung in der

Mehr

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,

Mehr

Übungen zur Diskreten Mathematik I Blatt 6

Übungen zur Diskreten Mathematik I Blatt 6 1 Blatt 6 Aufgabe 19 Es sei M := {n N : n 2} und R := {(n, m) M M : n teilt m}. a) Zeigen Sie, dass R eine Ordnungsrelation auf M ist. b) Überprüfen Sie, ob R eine totale Ordnung auf M ist. c) Zeigen Sie,

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem

Mehr

Der Kern einer Matrix

Der 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

Mehr

5 Die Allgemeine Lineare Gruppe

5 Die Allgemeine Lineare Gruppe 5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben

Mehr

Die Dimension eines Vektorraumes

Die 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

Mehr

Lineare Abbildungen - I

Lineare Abbildungen - I Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit

Mehr

Affine und projektive Räume

Affine und projektive Räume Affine und projektive Räume W. Kühnel Literatur hierzu: G.Fischer, Analytische Geometrie, 7. Aufl., Vieweg 2001 Zur Motivation: Wenn man in einem Vektorraum die Elemente nicht als Vektoren, sondern als

Mehr

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Lösungen Serie 6 (Vektorräume, Skalarprodukt) Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9

Mehr

Homogene und inhomogene Koordinaten und das Hyperboloid

Homogene und inhomogene Koordinaten und das Hyperboloid Seminararbeit zum Seminar aus Reiner Mathematik Homogene und inhomogene Koordinaten und das Hyperboloid Gernot Holler 1010674 WS 2012/13 28.November 2012 1 Inhaltsverzeichnis 1 Einleitung 3 2 Homogene

Mehr

Erweiterte Koordinaten

Erweiterte Koordinaten Erweiterte Koordinaten Sei K n ein n dimensionaler affiner Raum Die erweiterten Koordinaten x des Punktes x K n sind Kn+ (Ist für alle K sinnvoll, weil in jedem Körper K wohldefiniert ist; in dieser Vorlesung

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

5 Lineare Algebra (Teil 3): Skalarprodukt 5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale

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

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1

Mehr

2 Euklidische Vektorräume

2 Euklidische Vektorräume Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,

Mehr

Beziehungen zwischen Vektorräumen und ihren Dimensionen

Beziehungen zwischen Vektorräumen und ihren Dimensionen Beziehungen zwischen Vektorräumen und ihren Dimensionen Lineare Algebra I Kapitel 9 20. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz

Mehr

Lineare Algebra I. Lösung 9.2:

Lineare Algebra I. Lösung 9.2: Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik Lösungsblatt 9 Prof. Dr. Markus Schweighofer 20.01.2010 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 9.1: Voraussetzung:

Mehr

Lineare Algebra Weihnachtszettel

Lineare Algebra Weihnachtszettel Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet

Mehr

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar. Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:

Mehr

ein vom Nullvektor verschiedener Vektor, dann ist jeder dazu parallele (kollinear) Veka tor d ein Vielfaches von a. + λ 2 a 2

ein 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 -----------------------------------------------------------------------------------------------------------------

Mehr