KURZSKRIPT ZUR VORLESUNG LINEARE ALGEBRA UND ANALYTISCHE GEOMETRIE I IM WS 2017/18
|
|
- Christel Heidrich
- vor 6 Jahren
- Abrufe
Transkript
1 KURZSKRIPT ZUR VORLESUNG LINEARE ALGEBRA UND ANALYTISCHE GEOMETRIE I IM WS 207/8. Mengen und Zahlen Eine Menge X besteht aus Elementen. X ist eine Teilmenge von Y, geschrieben X Y, wenn jedes Element von X auch in Y liegt. Definition.. Seien X und Y Mengen. Die Vereinigung von X und Y ist definiert als X Y = {a a X oder a Y }. Der Durchschnitt von X und Y ist definiert als X Y = {a a X und a Y }. Die Differenz von X und Y ist definiert als X Y = X Y = {a a X und a Y }. Die Potenzmenge P (X) von X ist die Menge aller Teilmengen von X. Proposition.2. Seien X, Y und Z Mengen. Dann gilt: X Y = Y X, X Y = Y X ( Kommutativität ) (X Y ) Z = X (Y Z), (X Y ) Z = X (Y Z) ( Assoziativität ) (X Y ) Z = (X Z) (Y Z) Definition.3. Seien X und Y Mengen. Das kartesische Produkt von X und Y ist die Menge X Y = {(a, b) a X, b Y } der geordneten Paare (a, b) von Elementen a X und b Y. Definition.4. Seien X und Y Mengen. Eine Relation R (zwischen den Elementen von X und den Elementen von Y ) ist eine Teilmenge R von X Y. Für (a, b) R schreiben wir auch arb. Eine Teilmenge R X X wird auch als Relation auf X bezeichnet. Dann heißt R reflexiv ara a X symmetrisch [ a, b X arb bra] transitiv [ a, b, c X arb brc arc] R heißt Äquivalenzrelation R ist reflexiv, symmetrisch und transitiv. Für eine Äquivalenzrelation R schreibt man statt arb auch a R b ( a ist R-äquivalent zu b ). Definition.5. Sei R eine Äquivalenzrelation auf X und a X. Dann heißt [a] = {b X arb} die Äquivalenzklasse von a. Proposition.6. Sei R eine Äquivalenzrelation auf X. Für a, b X gilt entweder [a] = [b] oder [a] [b] =. X = [a], d.h. X ist die disjunkte Vereinigung der verschiedenen Äquivalenzklassen. Definition.7. Eine Relation f X Y heißt Funktion oder Abbildung von X nach Y a X! b Y (a, b) f (! bedeutet es existiert genau ein ). Statt (a, b) f schreiben wir auch f(a) = b und wir nutzen die Notation f X Y ( f ist eine Abbildung von X nach Y ) sowie a f(a) ( das Element a X wird auf f(a) abgebildet ). Definition.8. Sei f X Y eine Abbildung. Dann ist f injektiv a, b X f(a) = f(b) a = b surjektiv c Y a X f(a) = c bijektiv f injektiv und surjektiv
2 Definition.9. Seien f X Y und g Y Z Abbildungen. Die Komposition von g und f ist die Abbildung g f X Z mit a g(f(a)) für a X. Wir sagen auch, dass g nach f ausgeführt wird. Die Abbildung g heißt die Umkehrabbildung von f Z = X und g f = id X sowie f g = id Y. Theorem.0. Seien X und Y nichtleere Mengen und f X Y eine Abbildung. Dann gilt: f ist injektiv g Y X sodass g f = id X f ist surjektiv g Y X sodass f g = id Y f ist bijektiv g Y X sodass g f = id X und f g = id Y Definition.. Sei f X Y eine Abbildung. Die Menge f(x) = {f(a) a X} = {b Y a X mit f(a) = b} heißt Bild (oder Bildbereich oder Bildmenge oder Wertebereich von f). Die Elemente a X mit f(a) = b heißen Urbilder von b Y. Die Menge aller Urbilder von b wird mit f (b) = f ({b}) = {a X f(a) = b} bezeichnet. Für Z Y ist f (Z) = {a X f(a) Z}. Definition.2. Zwei Mengen X und Y sind gleichmächtig (oder von gleicher Kardinalität) Bijektion X Y. Eine Menge X heißt abzählbar, wenn sie gleichmächtig zu einer Teilmenge von N ist. Wenn X nicht abzählbar ist, heißt X überabzählbar. Peano-Axiome: (P) Es gibt eine natürliche Zahl. (P2) Es gibt eine Funktion S, die jeder Zahl a N eine Zahl S(a) zuordnet. (P3) ist nicht von der Form S(a) für irgendein a. (P4) S ist injektiv: a b S(a) S(b). (P5) Für alle Aussagen A über natürliche Zahlen gilt: [A() wahr und a N [A(a) wahr A(S(a)) wahr]] a A(a) wahr. Prinzip der vollständigen Induktion: Sei A(n) eine Aussage über natürliche Zahlen n N, sodass gilt: Induktionsanfang: A() ist wahr. Induktionsschritt: n N [A(n) wahr A(n + ) wahr]. Dann ist A(n) wahr n N. Theorem.3. Sei M N mit M. Dann existiert ein kleinstes Element in M, d.h. n o M mit n o a a M. Dieses Element ist eindeutig bestimmt. Lemma.4. Sei n N. Dann gilt n j = n(n+) 2. j= Proposition.5. Seien X, Y zwei Mengen mit jeweils n Elementen und sei BijAbb(X, Y ) definiert als die Menge der bijektiven Abbildungen von X nach Y. Dann ist BijAbb(X, Y ) = n!. Theorem.6. Sei M eine endliche Menge mit M = m 0 und sei 0 k m. Sei ferner ( m ) k die Anzahl der Teilmengen von M mit genau k Elementen. Die Zahl (m) k N heißt Binomialkoeffizient ( m über k ). Für k gilt: ( m+ ) k = (m) k + ( m ). k Für m k 0 gilt: ( m ) k = m! k k!(m k)! = m (m )... (m k+)... k. Für alle m, k gilt: ( m ) k = ( m ). m k Theorem.7. (Binomischer Lehrsatz): Für reelle (oder komplexe) Zahlen und n N gilt: (a + b) n = n j=0 ( n j )aj b n j. 2
3 Korollar.8. Sei X eine endliche Menge und X = n. Dann gilt: P (X) = 2 n, d.h. X hat genau 2 n Teilmengen. X hat genau 2 n Teilmengen mit gerader Anzahl an Elementen und genauso viele mit ungerader Anzahl an Elementen. Komplexe Zahlen: Wir definieren auf der Menge C = R 2 folgende Addition und Multiplikation: (a, b) + (c, d) = (a + c, b + d) (a, b)(c, d) = (ac bd, ad + bc) Insbesondere folgt dann (0, ) 2 =. Wir setzen i = (0, ) und a + bi = (a, b). Dann gilt: (a + bi)(c + di) = ac bd + (ad + bc)i = (ac bd, ad + bc) Für z = a+bi C heißt a der Realteil von z, a = Re(z), und b der Imaginärteil von z, b = Im(z). Der Betrag von z ist definiert als z = a 2 + b 2. Wir können z C in Polarkoordinaten schreiben, d.h. es gibt ein r R 0 und einen Winkel α im Intervall [0, 2π[, sodass z = r cos α + ir sin α. Um diese Darstellung von z zu erhalten, nutzen wir grundlegende trigonometrische Zusammenhänge im Einheitskreis S = {z C z = }. Auf dem Einheitskreis liegen auch die n-ten Einheitswurzeln, d.h. Lösungen der Gleichung z n =. Diese haben die Form z k,n = (cos 2πk 2πk + i sin ) für k =,..., n. n n Lemma.9. Seien k, n N mit 0 < k < n sowie ε = z,n. Dann gilt: n ε jk = 0 und daher auch j=0 n j=0 cos 2π n n j = 0 = sin 2π j=0 n j. Korollar.20. Sei X eine endliche Menge und X = n. Dann ist die Anzahl der Teilmengen von X, deren Elementezahl durch 3 teilbar ist, gegeben durch 2 n n + 2, n 0 mod 6, d.h. 2 n und 3 n ( n j=0 j ) = 3 2 n 2, n 3 mod 6, d.h. 2 n und 3 n 2 n +, n, 5 mod 6, d.h. 2 n und 3 n 3 j 2 n, n 2, 4 mod 6, d.h. 2 n und 3 n 3
4 2. Vektorräume Definition 2.. Ein Ring ist eine Menge R mit zwei Abbildungen + R R R, (a, b) a + b und R R R, (a, b) a b und zwei ausgezeichneten Elementen 0 und in R mit 0, sodass gilt: (R) a R b R a+b = 0 = b+a (b = a ist inverses Element zu a bezüglich +) a R a + 0 = a = 0 + a (0 ist neutrales Element bezüglich +) a, b R a + b = b + a (+ ist kommutativ) a, b, c R (a + b) + c = a + (b + c) (+ ist assoziativ) (R2) a R a = a = a ( ist neutrales Element bezüglich ) a, b, c R (a b) c = a (b c) ( ist assoziativ) (R3) a, b, c R a (b + c) = (a b) + (a c) a, b, c R (a + b) c = (a c) + (b c) (+, sind distributiv) Der Ring R ist ein kommutativer Ring, wenn zusätzlich gilt: a, b R a b = b a ( ist kommutativ) Ein kommutativer Ring K ist ein Körper, wenn zusätzlich gilt: a K = K {0} b K ab = (= ba) (b = a ist inverses Element zu a bezüglich ) Lemma 2.2. Sei K ein Körper, dann gilt: 0 und sind eindeutig bestimmt als neutrale Elemente bezüglich + und. Ebenso sind a und a eindeutig bestimmt. a K a 0 = 0 a, b K a b = 0 a = 0 oder b = 0 a, b K a ( b) = ab = ( a)b und ( a)( b) = ab Definition 2.3. Sei K ein Körper. Eine Menge V heißt K-Vektorraum (oder Vektorraum über K), wenn es Abbildungen + V V V und K V V und ein ausgezeichnetes Element 0 V gibt, sodass gilt: (V) x V y V x+y = 0 = y+x (y = x ist inverses Element zu x bezüglich +) x V x + 0 = x = 0 + x (0 ist neutrales Element bezüglich +) x, y V x + y = y + x (+ ist kommutativ) x, y, z V x + (y + z) = (x + y) + z (+ ist assoziativ) (V2) x V λ, µ K λ(µx) = (λµ) x ink x V λ, µ K (λ + µ) ink x = λx + inv µx x, y V λ K λ(x + y) = λx + λy x V x = x Die Elemente von V heißen Vektoren, die von K heißen Skalare oder Koeffizienten. Definition 2.4. Sei V ein K-Vektorraum und U V eine Teilmenge. U heißt Untervektorraum (oder Unterraum) von V U ist ein K-Vektorraum und die Operationen auf U sind die Einschränkungen der Operationen auf V : (+ U U U) = (+ V V V ) U U (oder U U Einschränkung) ( K U U) = ( K V V ) K U Proposition 2.5. (Unterraumkriterium) Sei V ein K-Vektorraum und U V mit U. Dann ist U ein Untervektorraum von V a, b U λ, µ K λa + µb U a, b U a + b U und λ K a U λa U. 4
5 Definition 2.6. Sei V ein K-Vektorraum, I eine Menge und M = {v i i I} eine Menge von Vektoren in V. Ein Vektor a V ist eine Linearkombination der v i (lässt sich aus den v i linear kombinieren), wenn gilt: n N i,..., i n I λ,..., λ n K a = n j= λ j v ij. Die Menge [M] aller Vektoren in V, die sich aus endlich vielen Elementen von M linear kombinieren lassen, also [M] = {a V n N, i,..., i n I, λ,..., λ n K a = n j= λ j v ij }, heißt lineare Hülle von M oder der von M erzeugte oder aufgespannte Unterraum. Die Menge M heißt Erzeugendenssystem von [M]. Für M = ist [M] = {0}. Lemma 2.7. Für jede Menge M V gilt: [M] ist ein Unterraum von V. Proposition 2.8. Sei M V und [M] die lineare Hülle von M. Dann gilt: [M] = M U U Unterraum U d.h. [M] ist der bezüglich Inklusion kleinste Unterraum von V, der M enthält. Ein Polynom mit Koeffizienten in einem kommutativen Ring R ist eine endliche Folge (a 0, a,..., a n ) = (a 0,..., a n, 0,... ) von Elementen in R, geschrieben als p(x) = a 0 +a x+a 2 x a n x n (mit einem Symbol x) oder auch p(x) = a n x n a 0. Das Element a n 0 heißt Höchstkoeffizient (oder Leitkoeffizient) und die natürliche Zahl n heißt Grad von p. Definition 2.9. Sei V ein K-Vektorraum, n N und v,..., v n V. Die Vektoren v,..., v n heißen linear abhängig (λ,..., λ n ) K n {(0,..., 0)}, sodass n λ i v i = 0. Sonst heißen die Vektoren v,..., v n linear unabhängig. Lemma 2.0. Sei n > und seien die Vektoren v..., v n linear abhängig. Dann gibt es ein j {,..., n}, sodass v j eine Linearkombination der v i für i j ist. Sei n und seien die Vektoren v,..., v n linear abhängig. Sei u ein weiterer Vektor. Dann sind die Vektoren v,..., v n, u linear abhängig. Definition 2.. Sei V ein K-Vektorraum. Eine Menge M = {b i i I} von Vektoren in V bildet eine Basis von V : V = [M] und für alle echten Teilmengen M = {b i i I } M gilt [M ] V. Theorem 2.2. Sei V ein K-Vektorraum und M = {b i i I} eine Menge von Vektoren. Dann sind die folgenden Aussagen äquivalent: M ist eine Basis von V. Jedes a V ist eine Linearkombination von Vektoren in M, und die vorkommenden Vektoren und die Koeffizienten sind (für festes a) eindeutig bestimmt. Die Vektoren in M sind linear unabhängig, d.h. jede endliche Teilmenge ist linear unabhängig, und [M] = V. Eine Basis ist also ein Erzeugendensystem aus linear unabhängigen Vektoren. i= 5
6 Proposition 2.3. Sei V ein K-Vektorraum, der von einer abzählbaren Menge erzeugt wird: V = [{v, v 2, v 3,... }]. Dann besitzt V eine Basis, die in der Menge {v, v 2, v 3,... } enthalten ist. Definition 2.4. Seien V und W K-Vektorräume und f V W eine Abbildung. f heißt K-linear (oder Vektorraum-Homomorphismus) a, b V f(a + b) = f(a) + f(b) und a V, λ K f(λ a) = λ f(a) f heißt Vektorraum-Isomorphismus: f ist ein bijektiver Vektorraum-Homomorphismus. Die Vektorräume V und W heißen dann isomorph und wir schreiben V W. Lemma 2.5. Sei f V W ein Vektorraum-Isomorphismus. Dann ist f W V auch ein Vektorraum-Isomorphismus. Korollar 2.6. Sei V ein endlich erzeugter K-Vektorraum. Dann existiert ein n N 0 und ein Vektorraum-Isomorphismus ϕ K n V. (Hier ist K 0 = {0 v }.) Lemma 2.7. Sei {v i i I} eine Menge linear unabhängiger Vektoren und sei w = λ i v i i {i,...,i n} mit λ i 0 für alle i {i,..., i n }. Dann ist für j {i,..., i n } die Menge ({v i i I} {v j }) {w} linear unabhängig und erzeugt dieselbe lineare Hülle: [{v i i I}] = [{v i i I, i j} {w}]. Theorem 2.8. (Austauschsatz von Steinitz): Sei V ein K-Vektorraum mit Basis {b,..., b n } und sei {v,..., v l } eine Menge linear unabhängiger Vektoren. Dann gilt l n und V hat eine Basis {v,..., v l, c,..., c n l } mit {c,..., c n l } {b,..., b n }. Korollar 2.9. Wenn V eine Basis mit n Elementen hat, dann hat jede Basis von V genau n Elemente und die Vektoren in einer Menge mit l > n Elementen sind stets linear abhängig. Definition Sei V ein K-Vektorraum mit einer Basis {v,..., v n }. Dann heißt n die K-Dimension von V. Wir schreiben dim K V = n (oder dim V = n). Falls V = {0}, dann ist dim V = 0. Wenn V nicht endlich erzeugt ist, schreiben wir dim K V =. Lemma 2.2. Seien U und V K-Vektorräume und U ϕ V ein Vektorraum-Isomorphismus. Dann gilt dim U = dim V. Genauer gilt: ϕ bildet eine Basis von U auf eine Basis von V ab. 6
7 3. Lineare Abbildungen und Matrizen Sei K ein Körper und seien V und W endlich dimensionale K-Vektorräume mit Basen v,..., v n und w,..., w l. Sei ϕ V W eine K-lineare Abbildung mit ϕ(v ) = a w + a 2 w a l w l ϕ(v 2 ) = a 2 w + a 22 w a l2 w l ϕ(v n ) = a n w + a 2n w a ln w l d.h. für j {,..., n} gilt ϕ(v j ) = a j w + a 2j w a lj w l mit a ij K. Diese Information können wir wie folgt darstellen: a a 2... a n a A = 2 a a 2n a l a l2... a ln = (a ij ) i=,...,l Zeilenindex j=,...,n Spaltenindex A heißt die darstellende Matrix von ϕ bezüglich der Basen v,..., v n von V und w,..., w l von W. Sei v V mit v = λ v + λ 2 v λ n v n für λ, λ 2,..., λ n K. Wir definieren λ λ 2 a a 2... a n a A x = 2 a a 2n a l a l2... a ln l n λ n n µ µ 2 a λ + a 2 λ a n λ n a = 2 λ + a 22 λ a 2n λ n = a l λ + a l2 λ a ln λ n µ l l Dann gilt: ϕ(v) = µ w + µ 2 w µ l w l, d.h. die Matrix A legt die lineare Abbildung ϕ fest. Definition 3.. Sei K ein Körper. Die Menge der l n-matrizen mit l Zeilen und n Spalten sowie Einträgen in K wird mit Mat(l n, K) bezeichnet. Theorem 3.2. Sei V ein n-dimensionaler K-Vektorraum mit Basis v,..., v n und W ein l- dimensionaler K-Vektorraum mit Basis w,..., w l für l, n N. Dann ist die Abbildung {ϕ V W ϕ K-linear } Mat(l n, K), die der linearen Abbildung ϕ die darstellende Matrix bezüglich obiger Basen zuordnet, bijektiv. Definition 3.3. Seien V und W K-Vektorräume. Die Menge der K-linearen Abbildungen von V nach W wird mit Hom K (V, W ) oder Hom(V, W ) bezeichnet (siehe Definition 2.4). Proposition 3.4. Hom K (V, W ) ist ein K-Vektorraum mit Nullvektor 0(x) = 0 x V sowie (f + g)(x) = f(x) + g(x) und (λf)(x) = λf(x) x V. Wenn dim V = n und dim W = l, dann ist dim Hom K (V, W ) = n l. Mat(l n, K) ist ein K-Vektorraum mit Nullvektor (0) l n sowie a + b... a n + b n λa... λa n A + B = und λ A = a n + b n... a ln + b ln λa n... λa ln 7
8 Die Bijektion in Theorem 3.2 definiert einen (von der Wahl der Basen abhängigen) Vektorraumisomorphismus. Für zwei Matrizen A = (a ij ) Mat(l n, K) und B = (b ij ) Mat(n m, K) definieren wir das Produkt A B = (c ij ) Mat(l m, K) durch c ij = n k= a ik b kj. Proposition 3.5. Die Komposition von linearen Abbildungen entspricht dem Produkt von Matrizen, genauer gesagt: Seien U, V und W K-Vektorräume mit Basen u,..., u m, v,..., v n und w,..., w l und seien f U V und g V W lineare Abbildungen, sodass bezüglich dieser Basen f die darstellende Matrix B hat und g die darstellende Matrix A. Dann ist A B die darstellende Matrix der linearen Abbildung g f U W. Korollar 3.6. Bezüglich einer festen Basis v,..., v n von V ist End K (V ) = Hom K (V, V ) isomorph zu Mat(n n, K) als K-Vektorraum und als Ring. 8
9 4. Elementarmatrizen und lineare Gleichungssysteme Seien V und W Vektorräume und sei ϕ V W eine lineare Abbildung. Sei zudem B eine Basis von V und C eine Basis von W und sei A die darstellende Matrix von ϕ bezüglich dieser Basen. Wie verändert sich die Matrix A, wenn wir andere Basen von V bzw. W wählen? Sei also B eine weitere Basis von V und C eine weitere Basis von W. Wir schreiben die lineare Abbildung ϕ als Komposition V id V V ϕ W id W W. Sei nun T die darstellende Matrix von id V bezüglich der Basen B und B und sei S die darstellende Matrix von id W bezüglich der Basen C und C. V Basis B id V T V Basis B ϕ A W Basis C id W S W. Basis C Dann ist S A T die darstellende Matrix von ϕ bezüglich der Basen B und C. Die Matrizen T und S werden auch Basistransformationen oder Basiswechselmatrizen genannt. Im Folgenden fragen wir uns, wie wir durch Basistransformationen eine möglichst einfache darstellende Matrix von ϕ finden können. Seien n, p N und i, j n. Sei zudem K ein Körper mit λ K {0} und A Mat(p n, K). Wir definieren die folgenden Elementarmatrizen in Mat(n n, K): Elementare Umformung : S i (λ) = λ a... λa i... a n mit A S i (λ) = a p... λa pi... a pn Elementare Umformung 2: Falls i < j sei Q j i =, wobei außerhalb der Diagonalen alle Einträge 0 sind bis auf den Eintrag (j, i) =. Falls i > j sei Q j i =, wobei außerhalb der Diagonalen alle Einträge 0 sind bis auf den Eintrag (j, i) =. 9
10 a... a i + a j... a n Wir erhalten in beiden Fällen: A Q j i = a p... a pi + a pj... a pn Analog definieren wir: Q j i (λ) = λ i-spalte und Q j i (λ) = λ. Elementare Umformung 3: P j i = Pj i = 0 0 wobei außerhalb der Diagonalen alle Einträge 0 sind bis auf die Einträge (j, i) = (i, j) =., a... a j... a i... a n Wir erhalten für i < j A P j i = a p... a pj... a pi... a pn i-te Spalte j-te Spalte Theorem 4.. (Gaußsches Eliminationsverfahren für Matrizen) Sei A Mat(p n, K). Dann gibt es endlich viele elementare Umformungen T,..., T l, sodass C = T l... T A = , d.h. c ij = 0 für i > j und steht für beliebige Einträge aus K. Diese Form heißt Zeilenstufenform. Korollar 4.2. Sei ϕ V W eine lineare Abbildung mit dim V = n und dim W = p. Dann existiert in V eine Kette von Unterräumen V 0 = {0} V V n = V mit dim V j = j, und es existiert in W eine Kette von Unterräumen W 0 = {0} W W p = W mit dim W j = j, sodass ϕ(v i ) W i für alle i min{n, p}. 0
11 x x 0 Definition 4.3. Sei A Mat(p n, K). Die Menge K n A = heißt Lösungsmenge des homogenen linearen Gleichungssystems Ax = x n x n 0 0. Lemma 4.4. Die Lösungsmenge von Ax = 0 ist ein Untervektorraum von K n. Wenn A die darstellende Matrix einer linearen Abbildung ϕ K n K p bezüglich der Standardbasen ist, dann ist die Lösungsmenge von Ax = 0 genau das Urbild ϕ (0 K p) des Nullvektors 0 K p im Zielbereich, d.h. die Menge aller Vektoren in K n, die auf 0 K p abgebildet werden. Definition 4.5. Sei ϕ V W eine lineare Abbildung zwischen K-Vektorräumen V und W (nicht notwendig endlich dimensional). Die Menge ϕ (0 W ) = {x V ϕ(x) = 0 W } heißt Kern von ϕ. Wir schreiben Kern(ϕ). Lemma 4.6. Sei T ein Produkt von endlich vielen Elementarmatrizen. Dann gilt Kern(T A) = Kern(A). Die linearen Gleichungssysteme Ax = 0 und T Ax = 0 haben denselben Lösungsraum. Korollar 4.7. Sei A Mat(l n, K) und sei T ein Produkt von endlich vielen Elementarmatrizen, sodass T A Mat(l n, K) in Zeilenstufenform ist, wobei p Zeilen ungleich null sind und l p Zeilen Nullzeilen sind. Dann hat der Lösungsraum U von Ax = 0 die Dimension n p. Genauer können die n p Variablen x j, wobei der Spaltenindex j nicht zu einer Zeile ungleich null gehört, frei gewählt werden, während die anderen p Variablen durch die zur entsprechenden Zeile gehörende Gleichung bestimmt sind.
12 5.. Erste Anwendung. 5. Anwendungen des Gauß-Algorithmus Theorem 5.. Eine Matrix A Mat(n n, K) ist genau dann invertierbar, wenn sie ein Produkt von Elementarmatrizen in Mat(n n, K) ist. c Korollar 5.2. Sei A Mat(n n, K) mit Zeilenstufenform C = T l... T A =. 0 c nn Dann ist A invertierbar c,..., c nn sind alle 0. Definition 5.3. Eine Gruppe G ist eine Menge mit einer Abbildung G G G, (g, h) g h, sodass gilt: e G e g = g e = g g G (e ist neutrales Element) g G h G g h = h g = e (h ist inverses Element zu g, Bezeichnung h = g ) g, g 2, g 3 G (g g 2 ) g 3 = g (g 2 g 3 ) ( ist assoziativ) G heißt abelsche Gruppe (oder kommutativ) g, g 2 G g g 2 = g 2 g. Definition 5.4. Die Menge der invertierbaren n n-matrizen mit Einträgen in K wird mit GL(n, K) oder GL n (K) bezeichnet und heißt die allgemeine lineare Gruppe Zweite Anwendung. Sei V ein n-dimensionaler Vektorraum mit Basis B = {b,..., b n }. Wir betrachten Vektoren v,..., v q V sowie die Koordinaten a ij der v j bezüglich der Basis B, d.h. v j = n i= a ij b i. Wir definieren die Matrix A = (a ij ) Mat(n q, K). Dann sind die folgenden Aussagen äquivalent: v,..., v q sind linear unabhängig. q n und A hat Zeilenstufenform c 0 c qq 0 0 mit allen c,..., c qq Dritte Anwendung. Sei V ein n-dimensionaler Vektorraum mit Basis B = {b,..., b n }. Wir betrachten Vektoren v,..., v q V und suchen eine Basis von U = [{v,..., v q }] V. Dazu betrachten wir die Koordinaten b ij der v i bezüglich der Basis B, d.h. v i = n j= b ij b j. Wir definieren die Matrix B = (b ij ) Mat(q n, K), sodass der Koordinatenvektor von v i bezüglich B die i-te Zeile von B darstellt. Durch Anwendung des Gauß-Algorithmus erhalten wir die Zeilenstufenform C von B. Die p Nichtnullzeilen von C (p q, n) beschreiben die Koordinaten von p Vektoren in V bezüglich der Basis B. Wir nennen diese p Vektoren u,..., u p. Diese Vektoren bilden eine Basis von U Vierte Anwendung. Seien V und W endlich dimensionale Vektorräume und sei B = {v,..., v n } eine Basis von V und C = {w,... w l } eine Basis von W. Sei ϕ Hom K (V, W ). Dann sind die folgenden Aussagen äquivalent: ϕ ist ein Isomorphismus. n = l und die darstellende Matrix von ϕ bezüglich B und C ist invertierbar. n = l und die darstellende Matrix von ϕ bezüglich B und C hat die Zeilenstufenform c mit allen c,..., c nn 0. 0 c nn 2
13 6. Bild und Rang einer linearen Abbildung, Gauß-Normalform Definition 6.. Seien V und W Vektorräume über einem Körper K und sei ϕ V W eine lineare Abbildung. Das Bild von ϕ ist ϕ(v ) = Im(ϕ) = {ϕ(x) x V }. Seine Dimension heißt der Rang von ϕ. Wir schreiben Rang(ϕ) oder rg(ϕ). Theorem 6.2. (Dimensionsformel für Kern und Bild): Sei ϕ V W eine lineare Abbildung und dim V <. Dann ist dim V = dim Kern(ϕ) + Rang(ϕ). Definition 6.3. Seien p, q N und sei A = (a ij ) Mat(p q, K). Die zu A transponierte Matrix t A = A t = A tr Mat(q p, K) hat die Einträge a ji, d.h. der (i, j)-te Eintrag ist a ji. Definition 6.4. Sei A Mat(p q, K). Der Rang von A wird auch als Spaltenrang von A bezeichnet. Der Rang von A tr heißt auch Zeilenrang von A. Theorem 6.5. Der Zeilenrang einer Matrix stimmt mit dem Spaltenrang überein. Der von den Zeilen aufgespannte Vektorraum hat dieselbe Dimension wie der von den Spalten aufgespannte Vektorraum. Korollar 6.6. Seien A, B Mat(p q, K). Dann sind die folgenden Aussagen äquivalent: Rang(A) = Rang(B) ϕ K q K p linear, sodass A und B bezüglich geeigneter Basen in K q und K p darstellende Matrizen von ϕ sind. S GL(p, K) und T GL(q, K), sodass B = SAT. S, S GL(p, K) und T, T GL(q, K) und r N 0, sodass SAT = S B(T ) = = C und C hat r Einträge gleich. In diesem Fall nennt man A und B äquivalent. C ist die Gauß-Normalform von A und von B. 3
14 7. Summen und Quotienten von Vektorräumen Definition 7.. Sei V ein K-Vektorraum mit Untervektorräumen X und Y. Die Summe X +Y ist die lineare Hülle der Vereinigung beider Mengen, d.h. X + Y = [X Y ]. Die Summe X + Y heißt direkte Summe, wenn X Y = {0}. Wir schreiben X Y. Lemma 7.2. X + Y = {v V x X y Y v = x + y} Die Summe X + Y ist direkt v X + Y!x X!y Y v = x + y. Theorem 7.3. (Dimensionsformel für Summe und Schnitt): Sei V ein endlich dimensionaler K-Vektorraum mit Unterräumen X und Y. Dann gilt: Insbesondere gilt für direkte Summen: dim(x + Y ) = dim X + dim Y dim(x Y ). dim(x Y ) = dim X + dim Y. Korollar 7.4. Sei V ein endlich dimensionaler K-Vektorraum und X V ein Unterraum. Dann existiert ein Unterraum Y V, sodass V = X Y. Der Unterraum Y wird oft ein Komplement von X genannt. Sei nun V ein nicht notwendig endlich dimensionaler K-Vektorraum und U ein Unterraum von V. Sei die Relation auf V, die definiert ist durch v v 2 v v 2 U. Lemma 7.5. Die Relation ist eine Äquivalenzrelation. Die Menge der Äquivalenzklassen {[v] v V } ist ein K-Vektorraum mit Nullvektor [0], Addition [v ] + [v 2 ] = [v + v 2 ] und Skalarmultiplikation λ [v] = [λv] für λ K. Definition 7.6. Die Menge der Äquivalenzklassen {[v] v V } mit der obigen Vektorraumstruktur heißt Quotientenvektorraum. Wir schreiben V /U ("V modulo U") und [v] = v + U. Proposition 7.7. Sei V ein K-Vektorraum und U ein Unterraum. Die Restklassenabbildung π V V /U mit v [v] ist ein surjektiver Vektorraumhomomorphismus mit Kern(π) = U. Proposition 7.8. Seien V und W K-Vektorräume und sei f V W eine K-lineare Abbildung. Dann induziert f einen Isomorphismus V / Kern(f) Im(f). Korollar 7.9. Seien V und W K-Vektorräume und sei f V W eine K-lineare Abbildung. Dann sind die K-Vektorräume V und Kern(f) Im(f) isomorph. 4
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
Mehr2.4 Lineare Abbildungen und Matrizen
24 Lineare Abbildungen und Matrizen Definition 24 Seien V, W zwei K-Vektorräume Eine Abbildung f : V W heißt lineare Abbildung (lineare Transformation, linearer Homomorphismus, Vektorraumhomomorphismus
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
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein
Mehr1 Eigenschaften von Abbildungen
Technische Universität München Christian Neumann Ferienkurs Lineare Algebra für Physiker Vorlesung Dienstag WS 2008/09 Thema des heutigen Tages sind zuerst Abbildungen, dann spezielle Eigenschaften linearer
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 6. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November, 7 Vektoräume Eine Menge E zusammen mit zwei Verknüpfungen + : E E E, x, y x + y Addition : E E E,
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
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
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
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
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
MehrLineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,
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
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,...,
MehrLineare Abbildungen. i=0 c ix i n. K n K m
Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht
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,
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
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
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,
Mehr1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen
1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn
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
MehrKlausurenkurs 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
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra 2014/15 Seite 59 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
MehrMathematik II für Studierende der Informatik (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
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
MehrLineare Abbildungen. i=0 c ix i n. K n K m. linear. Wir können also jeder Matrix eine lineare Abbildung zuordnen.
Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht
MehrGrundlagen der Mathematik 1
Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben
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
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra HS 2014 Seite 56 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
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
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrLineare Algebra I. December 11, 2017
Lineare Algebra I December 11, 2017 1 Grundlagen 1.1 Relationen Definition. Seien X und Y Mengen. Eine Relation auf X Y ist eine Teilmenge R X Y. Für x X, y Y sagen wir x steht in Relation mit y, falls
MehrKap 5: Rang, Koordinatentransformationen
Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv
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
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
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 +
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 03.12.2013 Alexander Lytchak 1 / 16 Wiederholung und Beispiele Der Spaltenrang einer Matrix ist gleich ihrem Zeilenrang.
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
Mehr2.3 Lineare Abbildungen und Matrizen
2.3. LINEARE ABBILDUNGEN UND MATRIZEN 89 Bemerkung Wir sehen, dass die Matrix à eindeutig ist, wenn x 1,...,x r eine Basis ist. Allgemeiner kann man zeigen, dass sich jede Matrix mittels elementarer Zeilenumformungen
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
Mehri) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.
Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
Mehr5 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
Mehr5. Matrizen und Determinanten
technische universität dortmund Dortmund, im Januar 01 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 1 und Matrizen und
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
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
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
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
MehrKlausur zur Vorlesung Lineare Algebra und Geometrie I
Klausur zur Vorlesung Lineare Algebra und Geometrie I Ruhr-Universität Bochum Prof. Dr. Peter Eichelsbacher 3. April 2007, 9.00-13.00 Uhr, 240 Minuten Name und Geburtsdatum: Matrikelnummer: Hinweise: Überprüfen
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
MehrLösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }
Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird
MehrLineare Algebra I (Lehramt Gymnasium)
Lineare Algebra I (Lehramt Gymnasium) Technische Universität München, WS 2013/14 Vorlesung: Caroline Lasser (aktualisiert am 31. Januar 2014) 1 Vorspiel Mengen (15.10.): intuitiver Mengenbegriff, x M,
Mehr1 Mengen und Abbildungen
1 MENGEN UND ABBILDUNGEN 1 1 Mengen und Abbildungen Wir starten mit einigen einführenden Definitionen und Ergebnissen aus der Theorie der Mengen und Abbildungen, die nicht nur Grundlage der Linearen Algebra
MehrProf. Dr. Markus Reineke Dr. Anna-Louise Grensing. Musterlösung zur Klausur zur Linearen Algebra I
Prof. Dr. Markus Reineke Dr. Anna-Louise Grensing Musterlösung zur Klausur zur Linearen Algebra I 1 Aufgabe 1: (8 Punkte) Entscheiden Sie, ob die folgenden Aussagen wahr oder falsch sind: Aussage wahr
MehrLineare Algebra I. Probeklausur - Lösungshinweise
Institut für Mathematik Wintersemester 2012/13 Universität Würzburg 19. Dezember 2012 Prof. Dr. Jörn Steuding Dr. Anna von Heusinger Frederike Rüppel Lineare Algebra I Probeklausur - Lösungshinweise Aufgabe
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzugen zur Vorlesung: Der Vollständigkeit
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung ϕ : V W
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
MehrIV.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
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
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
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
MehrVorlesung Abbildungen und Matrizen
Vorlesung Abbildungen und Matrizen Ferienkurs Lineare Algebra 1 Wintersemester 2009/10 09.03.2010 In diesem Abschnitt befassen wir uns mit linearen Abbildungen zwischen Vektorräumen und deren Darstellung
MehrVektorräume und lineare Abbildungen
Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten
MehrBild, 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
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung heißt lineare
MehrLineare Abbildungen und Matrizen
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume
Mehr12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen
12 Lineare Algebra - Übersicht Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn
Mehr3 Vektorräume abstrakt
Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare
MehrLineare Algebra I. Lösung 9.2:
Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik Lösungsblatt 9 Prof. Dr. Markus Schweighofer 20.01.2010 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 9.1: Voraussetzung:
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
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
MehrV. Lineare Algebra. 35 Lineare Abbildungen und Matrizen. 156 V. Lineare Algebra
156 V. Lineare Algebra V. Lineare Algebra 35. Lineare Abbildungen und Matrizen 156 36. Eigenwerte und Eigenvektoren 161 37. Hauptvektoren 165 38. Normen und Neumannsche Reihe 168 39. Numerische Anwendungen
Mehr5 Matrizen. In dem linearen Gleichungssystem. wollen wir die Koeffizienten zusammenfassen zu einer Matrix A =
74 5 Matrizen K sei ein fest gewählter Körper In dem linearen Gleichungssystem α ξ + α 2 ξ 2 + +α n ξ n = 0 α 2 ξ + +α 2n ξ n = 0 α m ξ + + +α mn ξ n = 0 wollen wir die Koeffizienten zusammenfassen zu
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
Mehr1 Lineare Abbildungen
1 Lineare Abbildungen Definition 1 Sei K ein Körper und V und W K-Vektoräume. Eine Abbildung f : V W heisst linear oder Homomoprhismus, wenn gilt: fv 1 + v 2 = fv 1 + fv 2 v 1, v 2 V fλv = λfv λ K, v V
Mehr2 Mengen, Gruppen, Ringe und Körper
Das ist kein Skript! Dennoch kann man hier sehen, welche Begriffe definiert wurden und welche Sätze bewiesen wurden. Bei vielen Sätzen ist der Beweis skizziert, so dass diese Zusammenfassung ideal für
MehrÜbungen 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,
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
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
MehrÜbungen 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
MehrA w w f f B w f w f A B w f w w A B A B A B. z = a 2 + b 2 =: r. c+id = ac+bd. 2 c 2 +d 2. z 2. z n = z. z = r cos(x) + ir sin(x) = reix
Formelsammlung Aussagenlogik Für beliebige Aussagen A, B gilt: Konjunktion Disjunktion Implikation Äquivalenz A B w f f f A B w w w f A B w f w w A B w f f w Mengenlehre Für beliebige Mengen A, B gilt:
MehrA w w f f B w f w f A B w f w w A B A B A B. z = a 2 + b 2 =: r. c+id = ac+bd. 2 c 2 +d 2. z 2. z n = z. z = r cos(x) + ir sin(x) = reix
Formelsammlung Aussagenlogik Für beliebige Aussagen A, B gilt: Konjunktion Disjunktion Implikation Äquivalenz A B w f f f A B w w w f A B w f w w A B w f f w Mengenlehre Für beliebige Mengen A, B gilt:
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
MehrLineare Abbildungen und Darstellungsmatrizen
KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 15 Unterräume und Dualraum Untervektorräume eines K-Vektorraumes stehen in direkter Beziehung zu Untervektorräumen
MehrAufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009
I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe
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
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]
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
Mehr6 Lineare Abbildungen
6 Lineare Abbildungen Bei der Untersuchung einer algebraischen Struktur spielen im wesentlichen immer zwei Konzepte eine wichtige Rolle: Unterstrukturen, also Teilmengen mit derselben Struktur, und Morphismen,
MehrLineare Algebra I 8. Übungsblatt - Weihnachtszettel - Lösungen
Prof. Dr. Duco van Straten Blatt 8 - Lösungen Oliver Labs 8. Dezember 2003 Konrad Möhring Lineare Algebra I 8. Übungsblatt - Weihnachtszettel - Lösungen. Skizzieren Sie die folgenden Teilmengen der GAUSSschen
Mehr