Vektorräume. 9.1 Grundlagen

Größe: px
Ab Seite anzeigen:

Download "Vektorräume. 9.1 Grundlagen"

Transkript

1 9 Vektorräume 9. Grundlagen Definition 9. (Vektorraum) Sei K ein Körper. Ein Vektorraum über K (oder K-Vektorraum) bestehtauseiner(nichtleeren)mengev zusammen mit zwei Verknüpfungen: +: V V! V (Vektoraddition) : K V! V (Skalarmultiplikation), so dass folgende Bedingungen erfüllt sind: (i) (V,+) ist eine abelsche Gruppe (das neutrale Element bezeichnen wir dann mit, dasinverseelementzuv 2 V mit v) (ii) Für alle, µ 2 K und v 2 V gilt: ( + µ) v = v + µ v (. Distributivivät) (iii) Für alle 2 K und u, v 2 V gilt: (u + v) = u + v (2. Distributivivät) (iv) Für alle, µ 2 K und v 2 V gilt: (µ v) =( µ) v (Assoziativiät) (v) Für alle v 2 V gilt: v = v. Die Elemente aus V nennen wir Vektoren, die Elemente aus K Skalare. Bemerkung 9.2 Manchmal schreiben wir explizit V bzw. K und K für die neutralen Elemente in (V,+) bzw. (K, +) und (K \{}, ).

2 42 Vektorräume Beispiel 9.3 (i) Ist K ein Körper, so können wir auf dem n-fachen kartesischen Produkt K n = K K = {z } n mal 8 >< >: v. v n 9 >= C A : v i 2 K, i =,...,n >; eine Addition mittels v B A + v n u. u n C A := u + v B A. u n + v n und eine Skalarmultiplikation mittels v. v n C A := v C. A v n definieren. Wie man leicht sieht, ergibt dies einen K-Vektorraum. Beispielsweise gilt für ein Skalar 2 K und u, v 2 V : 2 3 u v u + v 6B C B C7 B C B (u + v) = 4@. A A5 A u n v n u n + v n u + v u v B C B C B C A A A. u n + v n u n v n Dass wir die Elemente von K n als Spalten schreiben, also (u + v ) C A. (u n + v n ) v. v n C A anstelle von (v,...,v n ) ist momentan reine Konvention, die sich später jedoch als überaus nützlich erweisen wird. (ii) Als Spezialfall von (i) ist R 2 der Vektorraum, der aus allen Paaren (x, y) von reellen Zahlen x, y besteht; die Addition und die skalare Multiplikation sind komponentenweise erklärt. (iii) Ist K ein Körper und M eine Menge, so ist die Menge V := K M := {f : f ist eine Abbildung von M nach K} aller Abbildungen von M nach K ein K-Vektorraum, wenn wir die Addition und Multiplikation mit Skalaren punktweise definieren: (f + g)(x) :=f(x)+g(x) ( f)(x) := f(x) Ein Spezialfall ist die Menge aller reellen Funktionen auf dem abgeschlossenen Intervall [a, b].

3 9.2 Unterräume 43 (iv) Ein weiterer Spezialfall von (iii) ist die Menge F = {(a,a,a 2,...):a n 2 C für n 2 N} aller komplexen Folgen. Wir haben: (a,a,...)+(b,b,...):=(a + b,a + b,...) (a,a,...):=( a, a,...) Vorlesung vom: Video zur Vorlesung: Lemma 9.4 Sei V ein Vektorraum über K. Dann gilt für alle v 2 V : (i) K v = V = V. (ii) Ist v = V,soist = K oder v = V. (iii) ( ) v = v. C 2 K und alle Beweis: (i) Wir haben nach der. Distributivität K v =( K + K ) v = K v + K v. Addieren wir auf beiden Seiten ( K v), sofolgt V = K v. Analogfolgt aus der 2. Distributivität V = ( V + V )= V + V und Addition von ( V ) ergibt V = V. (ii) Falls 6=,soexistiert 2 K mit = K.DanngiltnachBedingung (v) in Definition 9. (iii) Wir haben v = v =( ) v Assoziativität = ( v) = V (i) = V. ( ) v + v =( ) v + v =( + ) v = v (i) = V. Also ist ( ) v das additiv inverse Element zu v und damit gleich v Unterräume Definition 9.5 Sei V ein Vektorraum über K. EinenichtleereTeilmengeU V heißt Unterraum von V,wennU mit den Verküpfungen + und selbst wieder ein Vektorraum ist, d.h. falls gilt: (i) Für alle u, v 2 U ist u + v 2 U. (ii) Für alle 2 K und v 2 U ist v 2 U. (iii) U ist mit + und ein Vektorraum über K. Bemerkung 9.6 Jeder Unterraum U enthält den Nullvektor V.Diesfolgtdaraus, Lemma 9.4 dass U 6= ist und somit mindestens ein x 2 U existiert. Nach (ii) ist K x = V 2 U.

4 44 Vektorräume Es ist normalerweise recht aufwändig, alle Bedingungen aus Definition 9. wieder für die Menge U explizit nachzuprüfen. Glücklicherweise stellt sich heraus, dass dies nicht notwendig ist: Lemma 9.7 (Unterraumkriterium) Sei V ein Vektorraum über K. Eine Teilmenge U V ist genau dann ein Unterraum von V,wennU 6=? und sie die Bedingungen (i) und (ii) aus Definition 9.5 erfüllt. Beweis: Ist U ein Unterraum, dann erfüllt U natürlich (i) und (ii). Zudem ist U 6=? nach Definition eines Unterraums. Wir betrachten jetzt die andere Richtung. Sei also U 6=? und U erfülle (i) und (ii). (i) (U, +) ist eine abelsche Gruppe. Assoziativität Für u, v, w 2 U gilt wegen U V dann auch u, v, w 2 V. Da (V,+) eine abelsche Gruppe ist, gilt in V die Assoziativität, also (u + v)+w = u +(v + w). Existenz eines neutralen Elements Da U 6=?, gibteseinu 2 U. Wegen (ii) ist K u 2 U V.NachLemma9.4 (angewendet auf V )ist K = V,also V 2 U auch neutrales Element von U. Existenz von inversen Elementen Sei u 2 U. Wegen(ii) ist ( ) u 2 U V.NachLemma9.4 ist dann ( ) u = u, also u 2 U. (ii) Distributivität, Assoziativität und v = v für alle v 2 U Diese Eigenschaften übertragen sich direkt von der größeren Menge V. Beispiel 9.8 (i) Im Vektorraum K n mit K n = K K = {z } n mal 8 >< >: v. v n 9 >= C A : v i 2 K, i =,...,n >; 2 ist ein Unterraum. 8 9 >< v 2 >= U := v 3 : v B C i 2 K, i A >: >; v n (ii) Sei K = R und V = R 2.WirbetrachtenfolgendeTeilmengenU, U 2 und U 3 von V,dieinAbbildung9. gezeigt sind: x U = : x + x 2 = x 2 x U 2 = : x + x 2 = x 2 x U 3 = : x 2 = x. x 2

5 9.2 Unterräume 45 n o (a) U = x : x x + x 2 = 2 n o (b) U 2 = x : x x + x 2 = 2 n o (c) U 3 = x : x x 2 = x 2 Abbildung 9.: Teilmengen von R 2, U ist ein Unterraum, U 2 und U 3 nicht. Alle drei Mengen sind offenbar nicht leer. Die Menge U ist ein Unterraum, denn für x x 2 2 U und y y 2 2 U gilt x + x 2 =und y + y 2 =und damit für x y x + y z + = =: x 2 y 2 x 2 + y 2 z 2 dann z + z 2 =(x + y )+(x 2 + y 2 )=(x + x 2 )+(y + y 2 )=+=. x Außerdem ist für x 2 2 U und 2 R auch = (x + x 2 )= x + x 2 und x daher x 2 = x x 2 2 U. Die Menge U 2 kann kein Unterraum sein, da sie den Nullvektor (neutrales Element bezüglich der Vektoraddition) nicht enthält. Auch U 3 ist kein Unterraum, da etwa 2 U 3,aber /2 U 3. (iii) Im C-Vektorraum F = {(a,a,a 2,...):a n 2 C für n 2 N} aller komplexen Folgen bildet die Menge C F aller konvergenten Folgen nach Satz 4.7 einen Unterraum. (iv) Sei V ein Vektorraum über K und M V eine beliebige Menge. Wir setzen: lin (M) :={ v + + n v n : n 2 N,,..., n 2 K, v,...,v n 2 M}. (9.) Wir weisen mit Hilfe des Unterraumkriteriums nach, dass lin (M) ein Unterraum ist. Da nach Definition die leere Summe den Nullvektor ergibt, enthält lin (M) zumindest den Nullvektor, ist also nicht leer. Seien P n iv i 2 lin (M) und P k µ iu i 2 lin (M), sowie 2 K. Dannsindauchauch iv i + µ i u i und iv i = ( i)v i wieder in lin (M) enthalten. (v) Satz 8.5 sagt, dass die Menge R[a, b] der auf [a, b] Riemann-integrierbaren Funktionen mit der üblichen Addition und Multiplikation mit Skalaren ein R-Vektorraum ist. C

6 46 Vektorräume Lemma 9.9 (Summe von Unterräumen) Seien U und U 2 Unterräume des Vektorraums V. Dann ist auch die Summe von U und U 2, definiert durch U + U 2 := {u + u 2 : u 2 U,u 2 2 U 2 } ein Unterraum und es gilt U + U 2 =lin(u [ U 2 ). Beweis: Wir prüfen die Bedingungen des Unterraumkriteriums aus Lemma 9.7 nach. Da U und U 2 nichtleer sind, ist auch U +U 2 nichtleer. Seien u +u 2 2 U +U 2 und v + v 2 2 U + U 2.Dannistauch(u + u 2 )+(v + v 2 )=(u + v )+(u 2 + v 2 ) 2 U + U 2,dajedesU i ein Unterraum ist und daher u i + v i 2 U i für i =, 2 gilt. Ist u +u 2 2 U +U 2 und 2 K, so haben wir analog (u +u 2 )= u + u 2 2 U +U 2. Die Inklusion U +U 2 lin (U [ U 2 ) ist offensichtlich. Sei umgekehrt v 2 lin (U [ U 2 ). Dann lässt sich v schreiben als v = P k ia i + P m j= µ jb j,wobeidiea i Vektoren aus U und die b j Vektoren aus U 2 sind. Da U ein Vektorraum ist, gilt u := P k ia i 2 U und analog u 2 := P m j= µ jb j 2 U 2. Damit haben wir v = u + u 2 mit u 2 U und u 2 2 V 2. 2 Lemma 9. (Schnitte von Unterräumen) Seien U, 2 A Unterräume des Vektorraums V, wobei A eine beliebige Indexmenge ist. Dann ist auch der Schnitt U := \ wieder ein Unterraum von V. 2A Beweis: Da jeder Unterraum nach Bemerkung 9.6 den Nullvektor enthält, ist U 6=?. WirkönnenalsodasUnterraumkriteriumbenutzen.Fallsu, v 2 U, sogiltu 2 U und v 2 U für alle 2 A. DajedesU ein Unterraum ist, haben wir u + v 2 U für alle 2 A, alsou + v 2 T 2A U = U. Analogfolgt v 2 U für alle 2 K und v 2 U. 2 U Vorlesung vom: Video zur Vorlesung: 9.3 Linearkombinationen und Basen Definition 9. (Linearkombination) Sei V ein Vektorraum über K und seien v,...,v k 2 V (die nicht notwendigerweise verschieden sind). Sind,..., n 2 K, so nennen wir den Vektor v = iv i = v + + n v n eine Linearkombination von v,...,v n.dieelemente,..., n nennen wir die Koeffizienten oder Vorfaktoren der Linearkombination. Falls = = n =, so ist nach Lemma 9.4 auch v =.Wir nennen dies die triviale Darstellung des Nullvektors. Ist M V eine Teilmenge von M, so nennen wir v eine Linearkombination der Menge M, fallsesendlichvielevektorenausm gibt, so dass v eine Linearkombination dieser Vektoren ist, d.h. falls v 2 lin (M) gilt. Definition 9.2 (Lineare (Un)Abhängigkeit) Endlich viele Vektoren v,...,v n 2 V eines Vektorraums heißen linear unabhängig, fallsdernullvektornurtrivialelinearkombination von v,...,v n ist, d.h. wenn aus P n iv i =folgt, dass = = n =.

7 9.3 Linearkombinationen und Basen 47 Falls v,...,v n nicht linear unabhängig ist, so nennen wir die Vektoren linear abhängig. Eine Menge M V heißt linear unabhängig, wennjeendlichvieleverschiedene Vektoren aus M linear unabhängig sind. Andernfalls heißt M linear abhängig. Beispiel 9.3 (i) Die leere Menge? ist linear unabhängig, da es gar keine Vektoren in? gibt. (ii) Die einelementige Menge {v} ist genau dann linear unabhängig, wenn v 6= gilt (siehe Lemma 9.4). (iii) Sind v,...,v n linear unabhängig, so folgt v i 6= v j für i 6= j. Ist nämlich v i = v j, dann haben wir =v i +( )v j und der Nullvektor ist als nichttriviale Linearkombination darstellbar. Wenn wir im Folgenden von Vektoren sprechen, dann impliziert dies immer, dass diese Elemente eines Vektorraums V sind. Lemma 9.4 (Charakterisierung der linearen Abhängigkeit) Sei M eine Menge von Vektoren mit M 2. Dann ist M genau dann linear abhängig, falls es mindestens einen Vektor aus M gibt, der sich als Linearkombination der anderen Vektoren darstellen lässt. Beweis: Sei zunächst v 2 M mit v = P n iv i mit geeigneten v,...,v n 2 M \{v} und,..., n 2 K. Mit := und v := v gilt dann P n i= iv i =und wegen = 6= ist dies eine nichttriviale Linearkombination des Nullvektors. Folglich ist M linear abhängig. Sei nun M linear abhängig. Dann gibt es verschiedene Vektoren v,...,v n 2 M, so dass P n iv i =,wobeimindestenseinesder i nicht gleich ist. Sei dies ohne Beschränkung der Allgemeinheit (ansonsten nummerieren wir die Vektoren um). Wir können n 2 voraussetzen, da wir sonst zu der Summe noch einen Vektor aus M mit dem Faktor hinzunehmen können (hier verwenden wir die Voraussetzung, dass M 2 gilt). Dann gilt: C v = i=2 iv i, also v = ( i)v i. i=2 und wegen 6=können wir die obige Gleichung mit v = i=2 ( i)v i. multiplizieren: Da n 2 ist v also Linearkombination der n Vektoren auf der rechten Seite. 2 Lemma 9.5 (Koeffizientenvergleich) Seien v,...,v n linear unabhängige Vektoren. Aus iv i = µ i v i folgt, dass die Koeffizienten der v i gleich sind, also dass = µ, 2 = µ 2,..., n = µ n gilt.

8 48 Vektorräume Beweis: Falls P n iv i = P n µ iv i, so haben wir P n ( i µ i )v i =.Da v,...,v n linear unabhängig sind, folgt i µ i =für i =,...,n,also i = µ i für i =,...,n. 2 Definition 9.6 (Erzeugnis) Ist M V eine Teilmenge des Vektorraums V, so bezeichnen wir mit lin (M) die Menge aller Linearkombinationen von Vektoren aus M (vgl. 9.). Man nennt lin (M) auch das Erzeugnis von M. Lemma 9.7 Für jedes M V ist lin (M) ein Unterraum von V. Weiterhin ist lin (M) der kleinste Unterraum von V, der M enthält. Beweis: Jeder Unterraum, der M enthält, muss auch jede Linearkombination enthalten. Also gilt lin (M) U für jeden solchen Unterraum U. Es verbleibt zu zeigen, dass lin (M) auch selbst ein Unterraum ist. Dies haben wir aber in Beispiel 9.8 bereits getan. 2 Definition 9.8 (Erzeugendensystem, Basis) Eine Menge B V von Vektoren heißt Erzeugendensystem von V, falls lin (B) = V gilt, d.h. falls sich jeder Vektor aus V als Linearkombination von Vektoren aus B schreiben lässt. Wir nennen B V eine Basis von V,fallsB ein Erzeugendensystem von V und linear unabhängig ist. Lemma 9.9 Ist B Basis des Vektorraums V, so lässt sich jeder Vektor auf eindeutige Art als Linearkombination von B schreiben. Beweis: Da B ein Erzeugendensystem ist, lässt sich jeder Vektor (auf mindestens eine Weise) als Linearkombination schreiben. Die Eindeutigkeit folgt aus Lemma Ein zentrales Ergebnis dieses Kapitels wird es sein, dass alle Basen eines Vektorraums gleichmächtig sind (Achtung: Wir wissen im Moment noch nicht einmal, dass jeder Vektorraum überhaupt eine Basis hat). Für einen Spezialfall können wir dies bereits beweisen: Satz 9.2 (Anzahl der Vektoren eines endlichen Vektorraums) Sei V ein endlicher Vektorraum über einem Körper K mit q Elementen. Hat V eine Basis aus n Vektoren, so gilt V = q n. Insbesondere hat jede Basis genau n Elemente. Beweis: Sei B = {v,...,v n } eine Basis. Aus dieser können wir q n Linearkombinationen bilden (jeder der n Koeffizienten kann einen der q Werte aus K annehmen). Da B ein Erzeugendensystem ist, erhalten wir dabei alle Vektoren aus V.Aufgrund von Lemma 9.9 wird jeder Vektor aus V auch nur durch genau eine Linearkombination dargestellt. Also ist V = q n.falls{u,...,u m } eine weitere Basis ist, so folgt analog V = q m,alson = m. 2 Satz 9.2 (Charakterisierung von Basen) Sei V ein Vektorraum über K. Dann sind äquivalent: (i) B ist eine Basis von V. (ii) B ist eine maximale linear unabhängige Menge (d.h. es gibt keinen Vektor v 2 V \ B, so dass B [{v} immer noch linear unabhängig ist).

9 9.3 Linearkombinationen und Basen 49 (iii) B ist ein minimales Erzeugendendsystem (d.h. es gibt kein b 2 B, so dass B \{b} immer noch ein Erzeugendensystem ist.) Beweis: (i)) (ii) Nach Definition einer Basis ist B linear unabhängig. Angenommen, B [{v} wäre immer noch linear unabhängig für ein v 2 V \ B. DaB ein Erzeugendensystem ist, gilt für geeignete Koeffizienten i und Vektoren v i 2 B Dann ist aber v = = eine nichttriviale Linearkombination des Nullvektors (da der Faktor vor v gleich ist) und B [{v} linear abhängig. (ii)) (iii) Zunächst müssen wir zeigen, dass B ein Erzeugendensystem ist. Jeder Vektor aus B ist trivialerweise eine Linearkombination der Vektoren in B. Sei also v 2 V \{B}. DannistB [{v} linear abhängig, also: = v + iv i iv i. v iv i, (9.2) wobei P nicht alle Koeffizienten gleich sind. Falls 6=, dann ist v = n i v i Linearkombination von Vektoren in B. Falls =,dann folgt aus der linearen Unabhängigkeit von B, dass i =für i =,...,n. Dies ist aber ein Widerspruch zur Tatsache, dass nicht alle Koeffizienten in (9.2) gleich sind. Es verbleibt, die Minimalität von B zu zeigen. Wäre B \{b} immer noch ein Erzeugendensystem von V für ein b 2 B, dannwäreinsbesondereb als Linearkombination von Vektoren v,...,v n aus B \{b} darstellbar: b = Dann ist aber P n iv i b =eine nichttriviale Kombination des Nullvektors im Widerspruch zur linearen Unabhängigkeit von B. (iii)) (i) Wir müssen nur noch zeigen, dass B linear unabhängig ist. Angenommen, es gäbe v,...,v n 2 B und,..., n 2 K mit (O.B.d.A.) 6=,so dass iv i =. (9.3) Wir zeigen, dass B \{v } immer noch ein Erzeugendensystem ist. Sei dazu v 2 V beliebig. Da B ein Erzeugendensystem ist, gilt v = iv i. µ i b i (9.4) für geeignete µ i 2 K und b i 2 B.Fallsv /2{b,...,b k }, so haben wir v bereits ohne Verwendung von v dargestellt und wir sind fertig. Falls v 2{b,...,b k },

10 5 Vektorräume so können wir o.b.d.a. annehmen, dass v = b gilt. Wegen (9.3) und 6= haben wir v = iv i und Einsetzen in (9.4) liefert v = i=2 i=2 ( µ i)v i + µ i b i, (9.5) so dass wir v wieder als Linearkombination von Vektoren aus B \{v } darstellen können. Daher ist B \{v } immer noch ein Erzeugendensystem im Widerspruch zur Minimalität von B. Definition 9.22 (Endlich erzeugter Vektorraum) Ein Vektorraum V heißt endlich erzeugt, fallsereinerzeugendensystemausendlichvielenvektorenbesitzt. Wir zeigen jetzt die Existenz einer Basis für endlich erzeugte Vektorräume. Man kann alle unsere Überlegungen auch auf beliebige Vektorräume übertragen. Dazu benötigt man aber das sogenannte Zornsche Lemma. DieentsprechendenÜberlegungen sind relativ technisch (wenn auch nicht wirklich schwierig), verwirren aber unnötig. Wir führen sie der Vollständigkeit halber in Abschnitt 9.8 auf. Satz 9.23 (Basisauswahlsatz) Sei E ein endliches Erzeugendensystem eines Vektorraums V. Dann gibt es eine Basis B mit B E. Insbesondere hat V eine endliche Basis. Beweis: Sei E = {v,...,v n }.FallsE ein minimales Erzeugendensystem ist, so ist E := E nach Satz 9.2 bereits eine Basis. Ansonsten existiert ein i, sodass E := E \{v i } immer noch ein Erzeugendensystem ist. Wir könnnen den Prozess mit E anstelle von E fortführen. Da E endlich ist, muss dieser Prozess nach endlich vielen Schritten terminieren (irgendwann ist E m =? und wir können keine Vektoren mehr aus der Menge entfernen). Dann haben wir ein minimales Erzeugendensystem, also eine Basis. 2 Falls nicht explizit anders gesagt, setzen wir ab jetzt alle Vektorräume als endlich erzeugt voraus. i= Der Steinitzsche Austauschsatz Lemma 9.24 (Austauschlemma) Sei V ein Vektorraum und B = {b,...,b n } eine Basis von V. Zu jedem Vektor v 2 V mit v 6= gibt es ein b i 2 B, so dass B := (B \{b i }) [{v} ebenfalls eine Basis von V ist. Wir sagen dann, dass wir den Vektor b i durch den Vektor v ersetzen können. Als Vektor b i kann jeder Vektor gewählt werden, der in der Linearkombination v = ib i (9.6) einen Koeffizienten ungleich hat.

11 9.4 Der Steinitzsche Austauschsatz 5 Beweis: Da B ein Erzeugendensystem ist, können wir v tatsächlich als Linearkombination wie in (9.6) darstellen.nach Lemma 9.5 folgt, dass die Darstellung auch eindeutig ist. Sei i 6= und B := (B \{b i }) [{v}. Wirmüssenzeigen,dassB eine Basis, also ein linear unabhängiges Erzeugendensystem ist. Als Erstes zeigen wir die lineare Unabhängigkeit. Ist v + X j6=i jb j = und =,sofolgt j =für j 6= i wegen der linearen Unabhängigkeit von B. Falls 6=,danngilt X v = b i j b j. (9.7) j6=i Dann haben wir v in (9.6) und(9.7) aufzweiweisenalslinearkombinationvon b,...,b n dargestellt. Nach Lemma 9.5 müssten die Koeffizienten in beiden Darstellungen gleich sein, aber in (9.7) istderfaktorvorb i die und in (9.6) derwert i 6=.AlsoistdieserFallgarnichtmöglich. Jetzt zeigen wir, dass B ein Erzeugendensystem ist. Dies ist im Prinzip die Wiederholung des Beweises (iii)) (i) insatz9.2. Seidazuw 2 V beliebig. Da B ein Erzeugendensystem ist, gilt w = µ j b j (9.8) j= für geeignete µ j 2 K. Wegen(9.6) und i 6=gilt: X b i = i jb j + i v. Einsetzen in (9.8) liefert w = j6=i j6=i j6=i X µ j b j µ i i jb j + µ i i v. so dass wir w als Linearkombination der Vektoren in B darstellen können. 2 Satz 9.25 (Austauschsatz von Steinitz) Sei B = {b,...,b n } eine Basis des Vektorraums V und C = {v,...,v m } eine Menge linear unabhängiger Vektoren. Dann gibt es eine Menge von n m Vektoren in B, o.b.d.a. b m+,...,b n, so dass eine Basis von V ist. {v,...,v m,b m+,...,b n } Man kann also b,...,b m durch die Vektoren v,...,v m ersetzen (austauschen) und erhält wieder eine Basis von V. Insbesondere kann jede linear unabhängige Menge zu einer Basis ergänzt werden. Beweis: Wir beweisen den Satz durch Induktion nach m. Fürm =ist die Aussage das Austauschlemma (Lemma 9.24). Sei die Aussage für m wahr und C = {v,...,v m+ } eine Menge von m +linear unabhängigen Vektoren. Die Menge C := {v,...,v m } ist linear unabhängig, da C C. Nach Induktionsvoraussetzung ist B := {v,...,v m,b m+,...,b n } eine Basis von V.Wirmüssen

12 52 Vektorräume Vorlesung vom: Video zur Vorlesung: jetzt nur noch den Vektor v m+ in die Basis tauschen und dabei einen der Vektoren b m+,...,b n durch v m+ ersetzen. Da B eine Basis ist, finden wir Koeffizienten i, so dass mx v m+ = iv i + ib i. Gilt i =für i m +, dann haben wir mx i=m+ iv i v m+ = und C wäre linear abhängig. Also gibt es ein i mit i m +und i 6=.Dann können wir das Austauschlemma anwenden und b i durch v m+ ersetzen. 2 Aus dem Austauschsatz von Steinitz können wir eine Menge nützlicher Folgerungen ableiten: Korollar 9.26 Sei B = {b,...,b n } eine Basis von V und C = {v,...,v m } eine Menge linear unabhängiger Vektoren. Dann gilt m apple n, also C apple B. Beweis: Nach dem Austauschsatz von Steinitz, können wir C durch n m Vektoren aus B zu einer Basis ergänzen. Aus n m folgt m apple n. 2 Korollar 9.27 Jede linear unabhängige Menge eines endlich erzeugen Vektorraums hat nur endlich viele Elemente. Insbesondere hat jede Basis nur endlich viele Elemente. Beweis: Sei C eine linear unabhängige Menge von unendlich vielen Vektoren und B eine endliche Basis (so eine Basis existiert nach Satz 9.23). Dann finden wir eine endliche linear unabhängige Teilmenge C C mit B + Elementen im Widerspruch zu Korollar Korollar 9.28 Je zwei Basen von V haben gleich viele Elemente. Beweis: Seien B und B 2 Basen. Nach Korollar 9.26 mit C := B und B := B 2 gilt B apple B 2. Setzen wir C := B 2 und B := B, so erhalten wir analog B 2 apple B. Insgesamt folgt also B = B 2. 2 Definition 9.29 Ist V ein endlich erzeugter Vektorraum und B eine Basis von V, dann nennen wir B =: dim V die Dimension des Vektorraums V. Offenbar hat der K n (siehe Beispiel 9.3) Dimensionn: Dien Vektoren,,..., B C B C B A sind nämlich linear unabhängig und erzeugen ganz K n.siebildenalsoeinebasis des K n. Der spezielle Vektorraum V = {}, dernurausdemnullvektorbesteht,hatdi- mension, dadieleeremengeeinebasisvonv ist. Oft setzt man in der Literatur darüberhinaus dim? :=, auchwenndieleeremengenachunsererdefinition kein Vektorraum ist.

13 9.5 Komplementäre Unterräume 53 Korollar 9.3 Sei dim V = n. Dann hat jede linear unabhängige Menge von Vektoren höchstens n Elemente. Wenn eine linear unabhängige Menge n Elemente hat, ist sie eine Basis. Beweis: Der erste Teil folgt aus Korollar Ist C = n und C linear unabhängig, dann können wir nach dem Austauschsatz C durch n n =Vektoren zu einer Basis ergänzen. Folglich ist C bereits eine Basis. 2 Korollar 9.3 Ist V ein Vektorraum über K mit dim V = n, dann hat jede Basis eines Unterraums von V hat höchstens n Elemente. Die Dimension eines Unterraums U von V ist höchstens so groß wie die Dimension von V. Jede Basis eines Unterraums kann zu einer Basis von V ergänzt werden. Beweis: Jede Basis von U ist eine linear unabhängige Menge. Die Aussage folgt jetzt mit Korollar 9.26 und dem Austauschsatz von Steinitz Korollar 9.32 Seien U und U 2 Unterräume von V mit U U 2. Dann gilt dim U apple dim U 2. Es gilt genau dann dim U =dimu 2,wennU = U 2. Beweis: Der Beweis ergibt sich direkt aus Korollar 9.3, wenn wir V := U 2 und U := U setzen, da U dann Unterraum von U 2 ist Komplementäre Unterräume Definition 9.33 Seien U und U 2 Unterräume von V.DannheißtU Komplement von U 2,fallsU \ U 2 = {} und U + U 2 = V.WirnennendannU und U 2 auch komplementär und schreiben U U 2 = V. Satz 9.34 Jeder Unterraum U von V hat ein Komplement. Beweis: Sei B = {b,...,b k } eine Basis von U.NachKorollar9.3 können wir B zu einer Basis B = {b,...,b k,b k+,...,b n } von V ergänzen. Nach Lemma 9.7 ist U 2 := lin (b k+,...,b n ) ein Unterraum von V.Wirzeigen,dassU und U 2 komplementär sind. Sei v 2 U \ U 2.Dannistwegenv 2 U : und wegen v 2 U 2 : für geeignete i. Daherist =v v = v = v = i=k+ ib i + ib i (9.9) ib i i=k+ ( i)b i. (9.) Da B linear unabhängig ist, sind alle Koeffizienten in (9.) gleich. Einsetzen in (9.9) liefertdannv =. Ist v 2 V, so können wir v als Linearkombination der Basis B = {b,...,b n } darstellen. Da b,...,b k 2 U und b k+,...,b n 2 U 2,folgtU +U 2 =lin(u [ U 2 )= V. 2

14 54 Vektorräume Satz 9.35 (Zerlegung eines Vektors bzgl. komplementärer Unterräume) Seien U und U 2 komplementäre Unterräume des Vektorraums V. Dann lässt sich jeder Vektor v 2 V eindeutig schreiben als v = u + u 2 mit u 2 U und u 2 2 U 2. Beweis: Die Existenz einer Zerlegung v = u + u 2 folgt sofort aus lin (U [ U 2 )= U + U 2 = V.Seiv = u + u 2 = w + w 2 mit u,w 2 U und u 2,w 2 2 U 2.Aus u + u 2 = w + w 2 folgt u w = w 2 u 2.DaU ein Unterraum ist, liegt die Differenz u w wieder in U.Analogliegtw 2 u 2 in U 2.Alsoistu w = w 2 u 2 2 U \ U 2 = {} und daher u = w sowie u 2 = w Der Dimensionssatz Satz 9.36 (Dimensionssatz) Seien U und U 2 Unterräume des Vektorraums V. Dann gilt: dim(u + U 2 )=dim(u )+dim(u 2 ) dim(u \ U 2 ). Beweis: Sei B = {b,...,b m } eine Basis von U := U \U 2 (man beachte, dass nach Lemma 9. U \U 2 wieder ein Unterraum ist). Diese können wir nach Korollar 9.3 zu Basen und B = {b,...,b m,v m+,...,v p } von U B 2 = {b,...,b m,w m+,...,w q } von U 2 ergänzen. Wir betrachten nun die Menge B := B [ B 2 = {b,...,b m,v m+,...,v p,w m+,...,w q }. Kein v i kann gleich einem w j sein, denn sonst wäre v i = w j 2 U \ U 2 und damit B (und B 2 )nichtlinearunabhängig.alsogilt: B = m +(p m)+(q m) =p + q m =dimu +dimu 2 dim(u \ U 2 ). Wir sind daher mit dem Beweis fertig, wenn wir zeigen können, dass B eine Basis von U + U 2 ist. Es ist klar, dass lin (B )=U + U 2,daB ganz U und B 2 ganz U 2 erzeugt. Daher verbleibt nur noch, die lineare Unabhängigkeit von B zu beweisen. Angenommen, es gilt: mx px qx ib i + µ i v i + i w i = (9.) i=m+ i=m+ mit geeigneten Skalaren mx ib i + i, µ i und i.umstellenin(9.) liefert: px i=m+ µ i v i = {z } 2U qx i=m+ ( i )w i 2 U \ U 2 = U. (9.2) {z } 2U 2 Da B eine Basis von U ist, können wir den Vektor aus (9.2) alslinearkombination der Vektoren b,...,b m darstellen. Es gibt also Skalare i, sodass P m P ib i = q i=m+ ( i)w i,also mx qx ib i + i w i =. (9.3) i=m+

15 9.7 Faktorräume 55 Da B 2 = {b,...,b m,w m+,...,w q } als Basis von U 2 linear unabhängig ist, müssen alle Koeffizienten in (9.3) gleich sein. Damit reduziert sich (9.) auf mx px ib i + µ i v i =. (9.4) i=m+ Da B = {b,...,b m,v m+,...,v p } als Basis von U linear unabhängig ist, folgt, dass auch in (9.4) allekoeffizientengleich sind. Damit ist (9.) dietriviale Kombination des Nullvektors. 2 Korollar 9.37 Sind U und U 2 komplementäre Unterräume des Vektorraums V, so gilt: dim U +dimu 2 =dimv. Beweis: Wir haben dim(u + U 2 )=dimv und dim(u \ U 2 )=dim({}) =.Die Behauptung folgt jetzt aus dem Dimensionssatz Faktorräume Vorlesung vom: Sei V ein K-Vektorraum und U ein Unterraum. Wir definieren auf V V eine Relation durch: v w :, v w 2 U. (9.5) Lemma 9.38 Die Relation aus (9.5) ist eine Äquivalenzrelation (siehe Definition 2.4). Beweis: Die Relation ist reflexiv, da für alle x 2 V gilt x der Nullvektor in jedem Unterraum liegt. x =und 2 U, da Die Relation ist symmetrisch: Für alle x, y 2 V mit x y 2 U gilt, aufgrund der Abgeschlossenheit bezüglich Skalar-Multiplikation, dass (y x) =( ) (x y) 2 U und damit y x 2 U, was wiederum y x bedeutet. Die Relation ist transitiv: Seien x, y, z 2 V mit x y 2 U und y z 2 U. Aufgrund der Abgeschlossenheit bzgl. Addition folgt damit, dass (x y)+(y z) =x z 2 U. 2 Für eine Äquivalenzrelation können wir die Äquivalenzklassen [v] der einzelnen Vektoren v 2 V betrachten (vgl. Definition 2.42): Wir zeigen jetzt, dass [v] := {w 2 V : w v} = {w 2 V : v w 2 U}. (9.6) [v] = v + U = {v + u : u 2 U} (9.7) gilt. In der Tat ist dies im Wesentlichen sogar offensichtlich. Ist w 2 [v],also v w 2 U, sogiltv w = u für ein u 2 U und wir haben w = v u. DaU ein Unterraum ist, gilt u := u 2 U und damit w = v + u 2 v + U. Ist umgekehrt w = v + u 2 v + U, so haben wir v w = u 2 U, alsov w. Betrachten wir die Nebenklasse v + U. Wann ist diese Nebenklasse selbst wieder ein Unterraum? Wenn v + U ein Unterraum ist, dann muss der Nullvektor in v + U enthalten sein. Also muss es ein u 2 U geben, so dass =v+u,alsov = u gilt. Das bedeutet aber, dass v 2 U liegt. Ist umgekehrt v 2 U, danngiltv + U =+U = U Video zur Vorlesung:

16 56 Vektorräume (da die Nebenklassen von v und beide v enthalten, also nicht disjunkt sein können). Zur Erinnerung: Wie wir in Satz 2.43 gezeigt haben, bilden die Äquivalenzklassen einer Äquivalenzrelation eine Partition der Grundmenge. Wir halten fest: Beobachtung 9.39 Eine Nebenklasse v + U ist genau dann ein Unterraum, wenn v 2 U gilt. In diesem Fall gilt dann v + U = U. Definition 9.4 (Faktorraum) Sei V ein Vektorraum über K und U ein Unterraum von V.DieMengeallerNebenklassenvonU in V heißt der Faktorraum von V nach U und wird mit V/U := {v + U : v 2 V } bezeichnet. Die Elemente der Menge V/U sind Nebenklassen bezüglich der Äquivalenzrelation aus (9.5) und damit Mengen. Nichtsdestotrotz können wir diese Nebenklassen als Vektoren auffassen und auf V/U eine Addition und eine Multiplikation mit Skalaren definieren: bzw. äquivalent unter Benutzung von (9.7): [v] [w] := [v + w] (9.8a) [v] := [ v] (9.8b) (v + U) (w + U) :=(v + w)+u für v + U 2 V/U und w + U 2 V/U (9.9a) (v + U) :=( v)+u für v + U 2 V/U und 2 K (9.9b) Es ist zunächst gar nicht einmal klar, dass die (9.8) bzw. (9.9) überhauptwohldefiniert sind. Es könnte ja sein, dass das Ergebnis von der Wahl der Vertreter der Nebenklassen abhängt. Dass dies nicht so ist, sichert uns der nächste Satz. Satz 9.4 (Satz vom Faktorraum) Die Addition und Multiplikation aus (9.7) ist wohldefiniert. Mit den Operationen aus (9.7) wird der Faktorraum V/U zu einem K-Vektorraum. Beweis: Für die Wohldefiniertheit müssen wir zeigen, dass die Addition und Skalar- Multiplikation unabhängig von der Wahl des Repräsentanten der Restklasse ist: Seien x,x 2 sowie y,y 2 Repräsentanten der jeweils gleichen Restklasse, also [x ] = [x 2 ] und [y ] =[y 2 ] und damit x x 2 2 U und y y 2 2 U. Dann folgt, aus der Abgeschlossenheit des Unterraums bezüglich Addition, dass (x x 2 )+(y y 2 ) 2 U und damit auch (x + y ) (x 2 + y 2 ) 2 U. Ausletzterem folgt (x +y ) (x 2 +y 2 ) also [x ] [y ] =[x +y ] =[x 2 +y 2 ] =[x 2 ] [y 2 ]. Sei 2 K beliebig. Dann folgt außerdem aus der Abgeschlossenheit des Unterraumes bzgl. Skalar-Mulitplikation, dass (x x 2 )= x x 2 2 U und damit [x ] =[ x ] =[ x 2 ] = [x 2 ]. Wir weisen im Folgenden die Eigenschaften des K-Vektorraumes nach: Dabei bezeichnen +, die Verknüpfungen des Vektorraumes V, deren Eigenschaften wir verwenden, um die der abgeleiteten Addition und Skalarmultiplikation auf den Restklassen nach zu weisen. Die Menge der Restklassen ist nichtleer, da V 6=?. Die Menge der Restklassen mit beliebige Restklassen. ist eine abelsche Gruppe: Seien [x], [y], [z]

17 9.7 Faktorräume 57 Assoziativität: ([x] [y] ) [z] =[x + y] [z] =[(x + y) +z] = [x +(y + z)] =[x] [y + z] =[x] ([y] [z] ). Existenz des neutralen Elements: Sei e := [].Danngilte [x] =[+x] =[x]. [x] = [] Existenz der inversen Elemente: Für [ x] gilt [x] [ x] =[x +( x)] = [] = e. Kommutativität: [x] [y] =[x + y] =[y + x] =[y] [x]. Die Skalar-Multiplikation ist mit den anderen Verknüpfungen verträglich: Seien, µ 2 K und [x], [y] aus der Menge der Restklassen beliebig. ( +µ) [x] =[( +µ) x] =[ x+µ x] =[ x] [µ x] = [x] µ[x]. ([x] [y] )= [x+y] =[ (x+y)] =[ x+ y] =[ x] [ y] = [x] [y]. (µ [x] )= [µ x] =[ (µ x)] =[( µ) x] =( µ) [x]. [x] =[ x] =[x] 2 Da V/U ein Vektorraum ist, stellt sich die Frage nach der Dimension. Satz 9.42 (Zweiter Dimensionssatz) Für den Faktorraum V/U gilt: dim V/U =dimv dim U. Beweis: Sei n =dimv und k =dimu. Wirmüssenzeigen,dassV/U eine Basis aus n k Elementen besitzt. Dazu wählen wir uns eine Basis B U := {b,...,b k } von U und ergänzen diese zu einer Basis B V := {b,...,b k,b k+,...,b n } von V. Man beachte, dass dies nach Korollar 9.3 stets möglich ist. Wir zeigen nun, dass B := {b k+ + U,..., b n + U} eine Basis von V/U ist. Dazu zeigen wir zunächst, dass B linear unabhängig ist. Angenommen, es gilt: k+(b k+ + U)+ + n (b n + U) = V + U = U. (9.2) (Der Nullvektor in V/U ist die Nebenklasse V + U des Nullvektors, die wiederum nach Beobachtung 9.39 gleich U ist). Da wir wie in (9.9) rechnenkönnen,folgt aus (9.2): ( k+ b k+ + + n b n )+U = U. Nach Beobachtung 9.39 liegt dann der Vektor v := k+ b k+ + + n b n im Unterraum U. Dannistv aber auch eine Linearkombination der Basis B U von U, also v = ib i für geeignete Skalare,..., k 2 K. Dann haben wir aber =v v = ib i + ( i)b i i=k+

18 58 Vektorräume und aus der linearen Unabhängigkeit der Basis B V folgt = = n =. Wir zeigen jetzt, dass B ganz V/U erzeugt. Sei v + U 2 V/U beliebig. Da B V Basis von V ist, gilt für geeignete Skalare: eine v = ib i = ib i + {z } =:u i=k+ ib i = u + i=k+ ib i. Da {b,...,b k } eine Basis von U ist, folgt u 2 U und damit v Damit sind die Nebenklassen von v und P n i=k+ ib i identisch, also v + U =( i=k+ ib i )+U = i=k+ i(b i + U). P n i=k+ ib i 2 U. Dies zeigt, dass v + U eine Linearkombination der Nebenklassen b i + U, i = k +,...,n ist Anhang: Basisexistenz in beliebigen Vektorräumen In diesem Abschnitt zeigen wir die Existenz von Basen in beliebigen Vektorräumen, also auch in solchen, die nicht endlich erzeugt sind. Dazu benötigen wir ein paar Begriffe. Sei M ein nichtleeres System von Mengen. Eine nichtleere Teilmenge C Mheißt Kette, wennausa, B 2Cstets A B oder B A folgt. Eine Menge S 2Mheißt maximales Element von M, wennausa 2Mund S S folgt, dass A = S gilt. Unser Beweishilfsmittel für die Basisexistenz ist das Zornsche Lemma: Satz 9.43 (Lemma von Zorn) Wenn für jede Kette C von M auch die Vereinigungsmenge S A2C A ein Element von M ist, dann gibt es in M (mindestens) ein maximales Element. 2 Wir können jetzt das wesentliche Resultat beweisen: Satz 9.44 Sei V ein beliebiger Vektorraum über dem Körper K und M K linear unabhängig. Dann gibt es eine Basis B von V mit M B. Beweis: Wir definieren das Mengensystem M durch M := {A V : A ist linear unabhängig}. Das System M ist nichtleer, da M 2M.SeiC eine beliebige Kette von M und H := S A2C A.Wirzeigen,dassH 2Mgilt, also H linear unabhängig ist. Es gelte P k iv i =für paarweise verschiedene Vektoren v,...,v k 2 H. Für jedes i =,...,kfinden wir eine Menge A i 2Cmit v i 2 A i.dac eine Kette ist, gibt es unter diesen endlich vielen Mengen A i ein A i mit A i A i für i =,...,k.dann folgt v,...,v k 2 A i.daa i 2C M,istA i linear unabhängig, insbesondere also die Vektoren v,...,v k und es folgt = = k =. Nach dem Zornschen Lemma gibt es ein maximales Element B 2M.NachDefinition von M ist B linear unabhängig. Sei U := lin (B). Nach Beispiel 9.8 ist

19 9.8 Anhang: Basisexistenz in beliebigen Vektorräumen 59 U ein Unterraum von V. Wenn wir U = V zeigen können, dann ist B ein linear unabhängiges Erzeugendensystem von V,alsoeineBasis,unddieBehauptungist bewiesen. Angenommen, es gibt einen Vektor v 2 V \U. Esgiltdannv 6=,daderNullvektor im Erzeugnis jeder Menge (sogar der leeren Menge) liegt. Die Menge B := B [{v} ist dann eine echte Obermenge von B. DaB maximales Element von M ist, kann nicht B 2Mgelten. Also ist B linear abhängig. Ist B =?, soistb = {v} mit v 6= linear abhängig im Widerspruch zu Beispiel 9.3. Ist B 6=?, sogibteswegenv 6= eine endliche Anzahl k von Vektoren v,...,v k 2 B, sodass v + iv i =, (9.2) wobei in (9.2) nichtallekoeffizientengleich K sind, da B linear abhängig ist. Es kann nicht 6= gelten, da dann v = ( i )v i wäre und v in lin (B) läge. Somit verbleibt nur =.Dannreduziertsichaber(9.2) auf iv i = und die lineare Unabhängigkeit von B impliziert = = k =im Widerspruch zur Voraussetzung, dass in (9.2) nichtallekoeffizientennullsind. 2 Korollar 9.45 Jeder Vektorraum hat eine Basis. Beweis: Wenn wir in Satz 9.44 M =? wählen, dann zeigt das Ergebnis des Satzes die Existenz einer Basis B?. AlsogibtesmindestenseineBasis. 2

20

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 11 Lineare Unabhängigkeit Definition 11.1. Es sei K ein Körper und V ein K-Vektorraum. Dann heißt eine Familie von Vektoren v i, i I,

Mehr

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

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum, 2 Vektorräume In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa Unterraum, Linearkombination, lineare Unabhängigkeit und Erzeugendensystem.

Mehr

Kapitel II. Vektorräume. Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume

Kapitel II. Vektorräume. Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume Kapitel II. Vektorräume Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume Die fundamentale Struktur in den meisten Untersuchungen der Linearen Algebra bildet der Vektorraum.

Mehr

Übersicht Kapitel 9. Vektorräume

Übersicht Kapitel 9. Vektorräume Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten

Mehr

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

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

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

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus

Mehr

Mathematik für Anwender I

Mathematik für Anwender I Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 7 Die Lösungsmenge eines homogenen linearen Gleichungssystems in n Variablen über einem Körper K ist ein Untervektorraum

Mehr

technische 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 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

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

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

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

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

Mehr

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

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

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

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

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

Teil II: Lineare Algebra

Teil II: Lineare Algebra 3 Vektorräume 49 Teil II: Lineare Algebra 3 Vektorräume Wir haben in den vorangegangenen Kapiteln ausführlich die Differential- und Integralrechnung in einer (reellen Variablen untersucht Da die Welt aber

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

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v Kap 1: VEKTORRÄUME Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung ϕ : I X, i ϕ(i) = x i, wobei die Menge I in diesem Zusammenhang auch Indexmenge genannt wird. Man schreibt vereinfacht

Mehr

Einführung in die Mathematik für Informatiker

Einführung in die Mathematik für Informatiker Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 21.11.2016 6. Vorlesung aufgespannter Untervektorraum Span(T ), Linearkombinationen von Vektoren Lineare Unabhängigkeit

Mehr

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

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

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

Lineare Algebra. 5. Übungsstunde. Steven Battilana.

Lineare 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

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

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 26. November 2014 Was kommt nach den natürlichen Zahlen? Mehr als die natürlichen Zahlen braucht man nicht, um einige der schwierigsten

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

Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I

Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I Humboldt-Universität zu Berlin.0.08. Mathematisch-Naturwissenschaftliche Fakultät II, Institut für Mathematik A. Filler Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I Bitte lösen

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

13 Auswahlaxiom und Zornsches Lemma

13 Auswahlaxiom und Zornsches Lemma 13 Auswahlaxiom und Zornsches Lemma Handout zur Funktionalanalysis I von H. Glöckner, 25.11.2008 Wichtige Teile der modernen Mathematik beruhen auf dem sogenannten Auswahlaxiom der Mengenlehre. Dieses

Mehr

U = U, v i λ i = o und (z.b.) λ 1 0. i=1 1 = i=2. i=2

U = U, v i λ i = o und (z.b.) λ 1 0. i=1 1 = i=2. i=2 7 Lineare Unabhängigkeit, asis Existenzsatz M Am Ende des vorigen Paragraphen betrachteten wir bei vorgegebener Teilmenge T eines K-Vektorraumes V das Erzeugnis U von T in V. Die ildung des Erzeugnisses

Mehr

15. Basen und Dimension

15. Basen und Dimension 166 Andreas Gathmann 15. Basen und Dimension Wir wollen nun die Struktur von Vektorräumen genauer untersuchen. Besonders zentral ist dabei der Begriff der Basis, den ihr ja wahrscheinlich schon aus der

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

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 8 Dimensionstheorie Ein endlich erzeugter Vektorraum hat im Allgemeinen ganz unterschiedliche Basen. Wenn

Mehr

Konstruktion der reellen Zahlen

Konstruktion der reellen Zahlen Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert

Mehr

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit 3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53

Mehr

Vektorräume und Lineare Abbildungen

Vektorräume und Lineare Abbildungen Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit

Mehr

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

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018 (Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,

Mehr

Vektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Vektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:

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

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

4.1. Vektorräume und lineare Abbildungen

4.1. Vektorräume und lineare Abbildungen 4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik 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

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

Kapitel II. Vektoren und Matrizen

Kapitel 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

Mehr

6.5 Lineare Abhängigkeit, Basis und Dimension

6.5 Lineare Abhängigkeit, Basis und Dimension 6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von

Mehr

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

$Id: vektor.tex,v /01/21 14:35:13 hk Exp $

$Id: vektor.tex,v /01/21 14:35:13 hk Exp $ Mathematik für Physiker I, WS 2/2 Freitag 2 $Id: vektortex,v 5 2//2 4:35:3 hk Exp $ Vektorräume 2 Untervektorräume und Erzeugendensysteme Am Ende der letzten Sitzung hatten wir wieder einmal den Lösungsraum

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I Wintersemester 3/ Aufgabenblatt 6. Januar Präsenzaufgaben

Mehr

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

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

Mehr

(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: Eine

Mehr

Lösungen zur Mathematik für Informatiker I

Lösungen zur Mathematik für Informatiker I Lösungen zur Mathematik für Informatiker I Wintersemester 00/03 Prof Dr H Lenzing Blatt 7 Sei M Ihre Matrikelnummer mit den Ziffern m, m, m 3, m 4, m 5, m 6, m 7 Aufgabe 6 ( Bonuspunkt): Wir betrachten

Mehr

Körper- und Galoistheorie

Körper- und Galoistheorie Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 8 Erzeugte Algebra und erzeugter Körper Satz 8.1. Sei K L eine Körpererweiterung und sei f L ein algebraisches Element. Dann ist

Mehr

Ferienkurs Mathematik für Physiker I Skript Teil 2 ( )

Ferienkurs Mathematik für Physiker I Skript Teil 2 ( ) Ferienkurs Mathematik für Physiker I WS 206/7 Ferienkurs Mathematik für Physiker I Skript Teil 2 (28.03.207) Vektorräume Bevor wir zur Definition eines Vektorraumes kommen erinnern wir noch einmal kurz

Mehr

10.2 Linearkombinationen

10.2 Linearkombinationen 147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition

Mehr

02. Vektorräume und Untervektorräume

02. Vektorräume und Untervektorräume 02. Vektorräume und Untervektorräume Wir kommen nun zur eigentlichen Definition eines K-Vektorraums. Dabei ist K ein Körper (bei uns meist R oder C). Informell ist ein K-Vektorraum eine Menge V, auf der

Mehr

1. Gruppen. 1. Gruppen 7

1. Gruppen. 1. Gruppen 7 1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.

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

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v. Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel

Mehr

1 Lineare Vektorräume

1 Lineare Vektorräume 1 Lineare Vektorräume 1.1 Der Raum à n Sei ÃeinKörper.DerRaum à n bestehtausn-tupelnin Ã,diespaltenweise angeordnet werden x 1 x 2 u =., x i Ã. x n Um weniger Platz zu verbrauchen, schreiben wir dafür

Mehr

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

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

Mehr

Ringe und Module Im folgenden sind alle Ringe frei wählbar (nicht notwendigerweise kommutativ)

Ringe und Module Im folgenden sind alle Ringe frei wählbar (nicht notwendigerweise kommutativ) Ringe und Module Im folgenden sind alle Ringe frei wählbar (nicht notwendigerweise kommutativ) DEFINITION (1.1): Seien R, S zwei Ringe. Eine Abbildung Ringhomomorphismus, wenn für alle x, y R gilt (1)

Mehr

Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer

Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie Sommersemester 2009 Franz Pauer INSTITUT FÜR MATHEMATIK, UNIVERSITÄT INNSBRUCK, TECHNIKERSTRASSE 13, 6020

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

Die reellen Zahlen als Äquivalenzklassen rationaler Cauchy-Folgen. Steven Klein

Die reellen Zahlen als Äquivalenzklassen rationaler Cauchy-Folgen. Steven Klein Die reellen Zahlen als Äquivalenzklassen rationaler Cauchy-Folgen Steven Klein 04.01.017 1 In dieser Ausarbeitung konstruieren wir die reellen Zahlen aus den rationalen Zahlen. Hierzu denieren wir zunächst

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

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

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen 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

Mehr

Der Rangsatz für lineare Abbildungen

Der Rangsatz für lineare Abbildungen Der Rangsatz für lineare Abbildungen Satz Sei f : V W eine lineare Abbildung Dann gilt dim V = dim Kern(f) + dim Bild(f), also gleichbedeutend dim Kern(f) = dim V rg(f) Da uns in der Regel bei gegebenem

Mehr

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...

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... 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

Mehr

Aufgabe 1. Die ganzen Zahlen Z sind ein R-Vektorraum bezüglich der gewöhnlichen Multiplikation in R.

Aufgabe 1. Die ganzen Zahlen Z sind ein R-Vektorraum bezüglich der gewöhnlichen Multiplikation in R. Aufgabe Die ganzen Zahlen Z sind ein Q-Vektorraum bezüglich der gewöhnlichen Multiplikation in Q. Die reellen Zahlen R sind ein Q-Vektorraum bezüglich der gewöhnlichen Multiplikation in R. Die komplexen

Mehr

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 9 Basiswechsel Wir wissen bereits, dass in einem endlichdimensionalen Vektorraum je zwei Basen die gleiche Länge

Mehr

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale Kapitel I Reelle Zahlen 1 Axiomatische Charakterisierung der reellen Zahlen R 2 Angeordnete Körper 3 Die natürlichen, die ganzen und die rationalen Zahlen 4 Das Vollständigkeitsaxiom und irrationale Zahlen

Mehr

Proseminar Analysis Vollständigkeit der reellen Zahlen

Proseminar Analysis Vollständigkeit der reellen Zahlen Proseminar Analysis Vollständigkeit der reellen Zahlen Axel Wagner 18. Juli 2009 1 Voraussetzungen Zunächst wollen wir festhalten, was wir als bekannt voraussetzen: Es sei (Q, +, ) der Körper der rationalen

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare 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

Mehr

L2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:

L2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele: L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: 2) Vektoren: vollständig bestimmt durch Angabe einer und einer Beispiele: Übliche

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

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

Lineare Algebra II Lösungen der Aufgaben 42 und 43

Lineare Algebra II Lösungen der Aufgaben 42 und 43 D Blottière SS 7 P Schützdeller Universität Paderborn Lineare Algebra II Lösungen der Aufgaben 4 und 43 Aufgabe 4 : Bemerkungen : Es sei V ein n-dimensionaler Vektorraum über einem Körper K und β : V V

Mehr

Von einem Parallelogramm ABCD sind die Punkte A =(1, 5), C =(13, 4) und D =(5, 7) bekannt. Berechne den Punkt B.

Von einem Parallelogramm ABCD sind die Punkte A =(1, 5), C =(13, 4) und D =(5, 7) bekannt. Berechne den Punkt B. Lineare Algebra WS2/22 Übungsblatt Übung. Von einem Parallelogramm ABD sind die Punkte A =(, 5), =(3, 4) und D =(5, 7) bekannt. Berechne den Punkt B. Übung 2. Stelle rechnerisch fest, ob das Viereck A

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

9 Metrische und normierte Räume

9 Metrische und normierte Räume 9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik

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

3 Moduln. Analogon zu K-Vektorräumen, aber statt über einem Körper, über einem Ring definiert.

3 Moduln. Analogon zu K-Vektorräumen, aber statt über einem Körper, über einem Ring definiert. 3 Moduln Analogon zu K-Vektorräumen, aber statt über einem Körper, über einem Ring definiert. Beispiele: (1) (Z n, +, (Z, )), wobei (Z, ) Skalarmultiplikation. k (a 1,...,a n )=(ka 1,...,ka n )inz. (2)

Mehr

Die Studenten, die sich in Friedolin EINGETRAGEN haben und von Friedolin wissen in welcher UG sie sind,

Die Studenten, die sich in Friedolin EINGETRAGEN haben und von Friedolin wissen in welcher UG sie sind, Die Studenten, die sich in Friedolin EINGETRAGEN haben und von Friedolin wissen in welcher UG sie sind, schreiben Sie sich bitte in IHRE CAJ-Gruppe ein (möglisch schnell damit die Übungsleiter die Punkte

Mehr

Teil 4. Mengen und Relationen

Teil 4. Mengen und Relationen Teil 4 Mengen und Relationen KAPITEL 10 Äquivalenzrelationen und Faktormengen 1. Äquivalenzrelationen Wir nennen eine Relation von A nach A auch eine Relation auf A. DEFINITION 10.1. SeiΡeine Relation

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen

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

Ultrametrik. Christian Semrau Metrische Räume

Ultrametrik. Christian Semrau Metrische Räume Ultrametrik Christian Semrau 05.11.2002 Inhaltsverzeichnis 1 Metrische Räume 1 1.1 Definition der Metrik.................................. 1 1.2 Offene und abgeschlossene Mengen..........................

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof Dr H Brenner Osnabrück SS 26 Lineare Algebra und analytische Geometrie II Vorlesung 2 Orthogonalität Mit dem Skalarprodukt kann man die Eigenschaft zweier Vektoren, aufeinander senkrecht zu stehen,

Mehr

5 Der Transzendenzgrad

5 Der Transzendenzgrad $Id: trgrad.tex,v 1.6 2009/05/11 14:48:57 hk Exp $ 5 Der Transzendenzgrad Wir stellen nun einige der Tatsachen über die Mächtigkeit von Mengen zusammen, die Ihnen wahrscheinlich aus den ersten Semester

Mehr

Lineare Algebra für Informatiker Manuskript

Lineare Algebra für Informatiker Manuskript Sebastian Thomas RWTH Aachen, SS 5 Juli 5 Lineare Algebra für Informatiker Manuskript Die Vorlesung richtet sich in erster Linie an Studierende des Studiengangs Bachelor of Science Informatik Es werden

Mehr

1 Körper. Wir definieren nun, was wir unter einem Körper verstehen, und sehen dann, dass es noch andere, ganz kleine Körper gibt:

1 Körper. Wir definieren nun, was wir unter einem Körper verstehen, und sehen dann, dass es noch andere, ganz kleine Körper gibt: 1 Körper Sie kennen bereits 2 Beispiele von Zahlkörpern: (Q, +, ) (R, +, ) die rationalen Zahlen mit ihrer Addition und Multiplikation die reellen Zahlen mit ihrer Addition und Multiplikation Vielleicht

Mehr

4.2 Quotientenvektorräume

4.2 Quotientenvektorräume 306 LinAlg II Version 1 6. Juni 2006 c Rudolf Scharlau 4.2 Quotientenvektorräume Zum Verständnis der folgenden Konstruktion ist es hilfreich, sich noch einmal den Abschnitt 1.4 über Restklassen vom Beginn

Mehr

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 13. Übungsblatt

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 13. Übungsblatt UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl WS 8/9 Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

Affine Geometrie (Einfachere, konstruktive Version) Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit

Mehr

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

14. Lineare Abbildungen und Quotientenräume

14. Lineare Abbildungen und Quotientenräume 58 Andreas Gathmann 4. Lineare Abbildungen und Quotientenräume Im letzten Kapitel haben wir Vektorräume eingeführt also die grundlegende Struktur, mit der sich die lineare Algebra befasst. Um nun verschiedene

Mehr