Definition 27 Affiner Raum über Vektorraum V

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Definition 27 Affiner Raum über Vektorraum V"

Transkript

1 Definition 27 Affiner Raum über Vektorraum V

2 Definition 27 Affiner Raum über Vektorraum V ist die Menge A =

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

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

5 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w)

6 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v

7 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet.

8 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Die Dimension des affinen Raums ist die Dimension des V.

9 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Die Dimension des affinen Raums ist die Dimension des V. Die Elemente von A heißen Punkten.

10 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Die Dimension des affinen Raums ist die Dimension des V. Die Elemente von A heißen Punkten. StandardBsp.

11 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Die Dimension des affinen Raums ist die Dimension des V. Die Elemente von A heißen Punkten. StandardBsp. Sei V ein Vektorraum.

12 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Die Dimension des affinen Raums ist die Dimension des V. Die Elemente von A heißen Punkten. StandardBsp. Sei V ein Vektorraum. Wir setzen A = V.

13 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Die Dimension des affinen Raums ist die Dimension des V. Die Elemente von A heißen Punkten. StandardBsp. Sei V ein Vektorraum. Wir setzen A = V. + sei die übliche Addition in V.

14 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Die Dimension des affinen Raums ist die Dimension des V. Die Elemente von A heißen Punkten. StandardBsp. Sei V ein Vektorraum. Wir setzen A = V. + sei die übliche Addition in V. Das ist ein affiner Raum:

15 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Die Dimension des affinen Raums ist die Dimension des V. Die Elemente von A heißen Punkten. StandardBsp. Sei V ein Vektorraum. Wir setzen A = V. + sei die übliche Addition in V. Das ist ein affiner Raum: (A 1 ) entspricht Assoziativität der Addition,

16 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Die Dimension des affinen Raums ist die Dimension des V. Die Elemente von A heißen Punkten. StandardBsp. Sei V ein Vektorraum. Wir setzen A = V. + sei die übliche Addition in V. Das ist ein affiner Raum: (A 1 ) entspricht Assoziativität der Addition, (A 2 )

17 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Die Dimension des affinen Raums ist die Dimension des V. Die Elemente von A heißen Punkten. StandardBsp. Sei V ein Vektorraum. Wir setzen A = V. + sei die übliche Addition in V. Das ist ein affiner Raum: (A 1 ) entspricht Assoziativität der Addition, (A 2 ) entspricht der Existenz der eindeutigen Inversen (Lemma 5).

18 Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A, für die gilt (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Die Dimension des affinen Raums ist die Dimension des V. Die Elemente von A heißen Punkten. StandardBsp. Sei V ein Vektorraum. Wir setzen A = V. + sei die übliche Addition in V. Das ist ein affiner Raum: (A 1 ) entspricht Assoziativität der Addition, (A 2 ) entspricht der Existenz der eindeutigen Inversen (Lemma 5).

19 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum.

20 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum. i sei 2 oder 3. Sei A E i, v sei ein Vektor in E i, i.e. ein Element von E i E i / =.

21 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum. i sei 2 oder 3. Sei A E i, v sei ein Vektor in E i, i.e. ein Element von E i E i / =. Die Summe A + v ist ein Punkt B E i so dass die geordnete Strecke (A,B) ein Element von v ist.

22 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum. i sei 2 oder 3. Sei A E i, v sei ein Vektor in E i, i.e. ein Element von E i E i / =. Die Summe A + v ist ein Punkt B E i so dass die geordnete Strecke (A,B) ein Element von v ist. Addition von Vektoren und Punkten A B 1 A 1

23 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum. i sei 2 oder 3. Sei A E i, v sei ein Vektor in E i, i.e. ein Element von E i E i / =. Die Summe A + v ist ein Punkt B E i so dass die geordnete Strecke (A,B) ein Element von v ist. Addition von Vektoren und Punkten B A B 1 A 1

24 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum. i sei 2 oder 3. Sei A E i, v sei ein Vektor in E i, i.e. ein Element von E i E i / =. Die Summe A + v ist ein Punkt B E i so dass die geordnete Strecke (A,B) ein Element von v ist. Addition von Vektoren und Punkten B A B 1 A 1 Eigenschaft (A 1 ):

25 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum. i sei 2 oder 3. Sei A E i, v sei ein Vektor in E i, i.e. ein Element von E i E i / =. Die Summe A + v ist ein Punkt B E i so dass die geordnete Strecke (A,B) ein Element von v ist. Addition von Vektoren und Punkten B A B 1 A 1 Eigenschaft (A 1 ): A sei ein Punkt,

26 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum. i sei 2 oder 3. Sei A E i, v sei ein Vektor in E i, i.e. ein Element von E i E i / =. Die Summe A + v ist ein Punkt B E i so dass die geordnete Strecke (A,B) ein Element von v ist. Addition von Vektoren und Punkten B A B 1 Eigenschaft (A 1 ): A sei ein Punkt, v, u seien Vektoren. A 1 A+v v A

27 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum. i sei 2 oder 3. Sei A E i, v sei ein Vektor in E i, i.e. ein Element von E i E i / =. Die Summe A + v ist ein Punkt B E i so dass die geordnete Strecke (A,B) ein Element von v ist. Addition von Vektoren und Punkten B A B 1 Eigenschaft (A 1 ): A sei ein Punkt, v, u seien Vektoren. Es gilt: (A + v) + u = A + ( u + v). A 1 A+v u v A

28 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum. i sei 2 oder 3. Sei A E i, v sei ein Vektor in E i, i.e. ein Element von E i E i / =. Die Summe A + v ist ein Punkt B E i so dass die geordnete Strecke (A,B) ein Element von v ist. Addition von Vektoren und Punkten B A B 1 Eigenschaft (A 1 ): A sei ein Punkt, v, u seien Vektoren. Es gilt: (A + v) + u = A + ( u + v). A 1 A+v u v A+v+u A v+u

29 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum. i sei 2 oder 3. Sei A E i, v sei ein Vektor in E i, i.e. ein Element von E i E i / =. Die Summe A + v ist ein Punkt B E i so dass die geordnete Strecke (A,B) ein Element von v ist. Addition von Vektoren und Punkten B A B 1 Eigenschaft (A 1 ): A sei ein Punkt, v, u seien Vektoren. Es gilt: (A + v) + u = A + ( u + v). A 1 A+v u v A+v+u A v+u Eigenschaft (A 2 ):

30 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum. i sei 2 oder 3. Sei A E i, v sei ein Vektor in E i, i.e. ein Element von E i E i / =. Die Summe A + v ist ein Punkt B E i so dass die geordnete Strecke (A,B) ein Element von v ist. Addition von Vektoren und Punkten B A B 1 Eigenschaft (A 1 ): A sei ein Punkt, v, u seien Vektoren. Es gilt: (A + v) + u = A + ( u + v). A 1 A+v u v A+v+u A v+u Eigenschaft (A 2 ): Für A, B E i

31 MotivationsBsp: A = E i über V = E i E i /= + ist die Addition von Vektoren und Punkten auf der Ebene/im Raum. i sei 2 oder 3. Sei A E i, v sei ein Vektor in E i, i.e. ein Element von E i E i / =. Die Summe A + v ist ein Punkt B E i so dass die geordnete Strecke (A,B) ein Element von v ist. Addition von Vektoren und Punkten B A B 1 Eigenschaft (A 1 ): A sei ein Punkt, v, u seien Vektoren. Es gilt: (A + v) + u = A + ( u + v). A 1 A+v u v A+v+u A v+u Eigenschaft (A 2 ): Für A, B E i (A,B). AB ist der Vektor mit Repräsentanten

32 Lass uns noch einmal Eigenschaften (A1), (A2) ansehen.

33 Lass uns noch einmal Eigenschaften (A1), (A2) ansehen. (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w)

34 Lass uns noch einmal Eigenschaften (A1), (A2) ansehen. (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v

35 Lass uns noch einmal Eigenschaften (A1), (A2) ansehen. (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet.

36 Lass uns noch einmal Eigenschaften (A1), (A2) ansehen. (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Falls wir einen festen Punkt a A gewählt haben,

37 Lass uns noch einmal Eigenschaften (A1), (A2) ansehen. (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Falls wir einen festen Punkt a A gewählt haben, ist A fast ein Vektorraum: jedem a 1 ist eindeutiges aa 1 zugeordnet.

38 Lass uns noch einmal Eigenschaften (A1), (A2) ansehen. (A 1 ) für alle a A, v,w V gilt (a + v) + w = a + (v + w) (A 2 ) für alle a 1,a 2 A existiert genau ein v A s.d. a 2 = a 1 + v (Der Vektor v wird a 1 a 2 ) bezeichnet. Falls wir einen festen Punkt a A gewählt haben, ist A fast ein Vektorraum: jedem a 1 ist eindeutiges aa 1 zugeordnet.

39 Ihre Frage an mich

40 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen?

41 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3

42 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt:

43 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain!

44 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja,

45 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können.

46 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein,

47 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat,

48 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht.

49 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt:

50 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein!

51 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner

52 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen

53 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems),

54 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum.

55 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich,

56 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/=

57 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/= kann man mit einer geordneten Strecke repräsentieren,

58 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/= kann man mit einer geordneten Strecke repräsentieren, deren Anfangspunkt der gewälte Punkt ist.

59 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/= kann man mit einer geordneten Strecke repräsentieren, deren Anfangspunkt der gewälte Punkt ist. Die Endpunkte aller solchen geordneten Strecken

60 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/= kann man mit einer geordneten Strecke repräsentieren, deren Anfangspunkt der gewälte Punkt ist. Die Endpunkte aller solchen geordneten Strecken sind alle Punkte der Ebene.

61 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/= kann man mit einer geordneten Strecke repräsentieren, deren Anfangspunkt der gewälte Punkt ist. Die Endpunkte aller solchen geordneten Strecken sind alle Punkte der Ebene. Falls wir zusäzlich eine Basis

62 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/= kann man mit einer geordneten Strecke repräsentieren, deren Anfangspunkt der gewälte Punkt ist. Die Endpunkte aller solchen geordneten Strecken sind alle Punkte der Ebene. Falls wir zusäzlich eine Basis in E 2 E 2/= wählen,

63 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/= kann man mit einer geordneten Strecke repräsentieren, deren Anfangspunkt der gewälte Punkt ist. Die Endpunkte aller solchen geordneten Strecken sind alle Punkte der Ebene. Falls wir zusäzlich eine Basis in E 2 E 2/= wählen, dann sind die Vektoren aus E 2 E 2/=

64 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/= kann man mit einer geordneten Strecke repräsentieren, deren Anfangspunkt der gewälte Punkt ist. Die Endpunkte aller solchen geordneten Strecken sind alle Punkte der Ebene. Falls wir zusäzlich eine Basis in E 2 E 2/= wählen, dann sind die Vektoren aus E 2 E 2/= fast Vektoren aus R 2.

65 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/= kann man mit einer geordneten Strecke repräsentieren, deren Anfangspunkt der gewälte Punkt ist. Die Endpunkte aller solchen geordneten Strecken sind alle Punkte der Ebene. Falls wir zusäzlich eine Basis in E 2 E 2/= wählen, dann sind die Vektoren aus E 2 E 2/= fast Vektoren aus R 2.

66 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/= kann man mit einer geordneten Strecke repräsentieren, deren Anfangspunkt der gewälte Punkt ist. Die Endpunkte aller solchen geordneten Strecken sind alle Punkte der Ebene. Falls wir zusäzlich eine Basis in E 2 E 2/= wählen, dann sind die Vektoren aus E 2 E 2/= fast Vektoren aus R 2. Ebene und Raum haben noch eine zusätzliche Struktur:

67 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/= kann man mit einer geordneten Strecke repräsentieren, deren Anfangspunkt der gewälte Punkt ist. Die Endpunkte aller solchen geordneten Strecken sind alle Punkte der Ebene. Falls wir zusäzlich eine Basis in E 2 E 2/= wählen, dann sind die Vektoren aus E 2 E 2/= fast Vektoren aus R 2. Ebene und Raum haben noch eine zusätzliche Struktur: das Skalarprodukt;

68 Ihre Frage an mich Soll ich mich die Ebene als R 2 vorstellen? Der Raum als R 3 Mein Antwort bis jetzt: Jain! Ja, weil wir die Punkten der Ebene bzw. Raum mit 2 bzw. 3 Koordinaten parametrisieren können. Nein, weil ein Vektorraum ein besonderes Element 0 hat, und die Ebene bzw. der Raum nicht. Mein Antwort jetzt: Nein! Sie sollen die Ebene bzw den Raum als 2 bzw. 3 dimensionaler affiner Raum vorstellen Falls sie einen Punkt wählen (Anfangspunkt des Koordinatensystems), ist die Ebene fast ein 2-dimensionaler Vektorraum. Tatsächlich, jeden Vektor aus E 2 E 2/= kann man mit einer geordneten Strecke repräsentieren, deren Anfangspunkt der gewälte Punkt ist. Die Endpunkte aller solchen geordneten Strecken sind alle Punkte der Ebene. Falls wir zusäzlich eine Basis in E 2 E 2/= wählen, dann sind die Vektoren aus E 2 E 2/= fast Vektoren aus R 2. Ebene und Raum haben noch eine zusätzliche Struktur: das Skalarprodukt; darüber in Januar.

69 Plan für Heute

70 Theorie von affinen Räumen Plan für Heute

71 Theorie von affinen Räumen Affiner Raum Plan für Heute

72 Theorie von affinen Räumen Affiner Raum Affiner Unterraum Plan für Heute

73 Theorie von affinen Räumen Affiner Raum Affiner Unterraum Affine Abbildungen Plan für Heute

74 Theorie von affinen Räumen Affiner Raum Affiner Unterraum Affine Abbildungen Affine Koordinaten Plan für Heute

75 Theorie von affinen Räumen Affiner Raum Affiner Unterraum Affine Abbildungen Affine Koordinaten Hauptsatz der affiner Geometrie Plan für Heute

76 Theorie von affinen Räumen Affiner Raum Affiner Unterraum Affine Abbildungen Affine Koordinaten Hauptsatz der affiner Geometrie Plan für Heute Theorie von Vektorräumen

77 Theorie von affinen Räumen Affiner Raum Affiner Unterraum Affine Abbildungen Affine Koordinaten Hauptsatz der affiner Geometrie Plan für Heute Theorie von Vektorräumen Vektorraum (Vorl.2)

78 Theorie von affinen Räumen Affiner Raum Affiner Unterraum Affine Abbildungen Affine Koordinaten Hauptsatz der affiner Geometrie Plan für Heute Theorie von Vektorräumen Vektorraum (Vorl.2) Untervektorraum (Vorl. 3-4)

79 Theorie von affinen Räumen Affiner Raum Affiner Unterraum Affine Abbildungen Affine Koordinaten Hauptsatz der affiner Geometrie Plan für Heute Theorie von Vektorräumen Vektorraum (Vorl.2) Untervektorraum (Vorl. 3-4) Koordinaten (Vorl 5-7)

80 Theorie von affinen Räumen Affiner Raum Affiner Unterraum Affine Abbildungen Affine Koordinaten Hauptsatz der affiner Geometrie Plan für Heute Theorie von Vektorräumen Vektorraum (Vorl.2) Untervektorraum (Vorl. 3-4) Koordinaten (Vorl 5-7) Lineare Abbildungen (Vorl. 7)

81 Theorie von affinen Räumen Affiner Raum Affiner Unterraum Affine Abbildungen Affine Koordinaten Hauptsatz der affiner Geometrie Plan für Heute Theorie von Vektorräumen Vektorraum (Vorl.2) Untervektorraum (Vorl. 3-4) Koordinaten (Vorl 5-7) Lineare Abbildungen (Vorl. 7) Hauptsatz der linearen Algebra (Vorl. 8)

82 Theorie von affinen Räumen Affiner Raum Affiner Unterraum Affine Abbildungen Affine Koordinaten Hauptsatz der affiner Geometrie Plan für Heute Theorie von Vektorräumen Vektorraum (Vorl.2) Untervektorraum (Vorl. 3-4) Koordinaten (Vorl 5-7) Lineare Abbildungen (Vorl. 7) Hauptsatz der linearen Algebra (Vorl. 8)

83 Lemma 21 Für alle a,a 1,a 2,a 3 A gilt: a + 0 = a, aa = 0, a 1 a 2 = a 2 a 1, a 1 a 2 + a 2 a 3 = a 1 a 3.

84 Lemma 21 Für alle a,a 1,a 2,a 3 A gilt: a + 0 = a, aa = 0, a 1 a 2 = a 2 a 1, a 1 a 2 + a 2 a 3 = a 1 a 3. Beweis: Hausaufgabe 1 Blatt 8.

85 Lemma 21 Für alle a,a 1,a 2,a 3 A gilt: a + 0 = a, aa = 0, a 1 a 2 = a 2 a 1, a 1 a 2 + a 2 a 3 = a 1 a 3. Beweis: Hausaufgabe 1 Blatt 8. Definition 28

86 Lemma 21 Für alle a,a 1,a 2,a 3 A gilt: a + 0 = a, aa = 0, a 1 a 2 = a 2 a 1, a 1 a 2 + a 2 a 3 = a 1 a 3. Beweis: Hausaufgabe 1 Blatt 8. Definition 28 Sei A ein affiner Raum über Vektorraum V.

87 Lemma 21 Für alle a,a 1,a 2,a 3 A gilt: a + 0 = a, aa = 0, a 1 a 2 = a 2 a 1, a 1 a 2 + a 2 a 3 = a 1 a 3. Beweis: Hausaufgabe 1 Blatt 8. Definition 28 Sei A ein affiner Raum über Vektorraum V. Eine Teilmenge U A heißt ein affiner Unterraum,

Lineare Gleichungssysteme

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

Mehr

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

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

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

Lineare Abbildungen und Darstellungsmatrizen

Lineare 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

Mehr

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

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

4. Übungsblatt Matrikelnr.: 6423043

4. Übungsblatt Matrikelnr.: 6423043 Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613

Mehr

Kapitel VI. Euklidische Geometrie

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

Mehr

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

1 Mengen und Abbildungen

1 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

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

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

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

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

Mehr

Ringe und Moduln. ausgearbeitet von. Corinna Dohle Matrikelnummer 6299128 corinna@math.upb.de

Ringe und Moduln. ausgearbeitet von. Corinna Dohle Matrikelnummer 6299128 corinna@math.upb.de Ringe und Moduln ausgearbeitet von Corinna Dohle Matrikelnummer 6299128 corinna@math.upb.de Seminar Darstellungstheorie Prof. Dr. H. Krause, PD Dr. D. Kussin Wintersemester 2007/2008 Grundlagen 1 Grundlagen

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

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

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

Mehr

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung

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

Mehr

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum Kapitel II Lineare Algebra und analytische Geometrie 6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum geometrischen

Mehr

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern

Mehr

34 Lineare Abbildungen

34 Lineare Abbildungen 34 Lineare Abbildungen 34 Motivation Wir haben wichtige Eigenschaften von Vektorräumen kennen gelernt Damit ist es sinnvoll zu untersuchen, wie Abbildungen zwischen Vektorräumen aussehen können Die wichtigsten

Mehr

Kapitel III. Lineare Abbildungen

Kapitel III. Lineare Abbildungen Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,

Mehr

2 Durchschnitt und Verbindungsraum

2 Durchschnitt und Verbindungsraum 2 Durchschnitt und Verbindungsraum Seien X und Y nicht leere affine Unterräume des R n (21) Satz: a) Ist X Y, so ist T(X) T(Y ) b) Ist X Y φ so ist X Y ein affiner Raum mit Richtungsvektorraum T(X) T(Y

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

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Analysis II. Vorlesung 48. Die Hesse-Form

Analysis II. Vorlesung 48. Die Hesse-Form Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 48 Die Hesse-Form Wir sind natürlich auch an hinreichenden Kriterien für das Vorliegen von lokalen Extrema interessiert. Wie schon im eindimensionalen

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von

Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik Lineare Algebra zusammengestellt von Sabine Giese, Josef Heringlehner, Birgit Mielke, Hans Mielke und Ralph-Hardo Schulz 98 Aufgaben,

Mehr

2 Algebraische Grundstrukturen

2 Algebraische Grundstrukturen 2 ALGEBRAISCHE GRUNDSTRUKTUREN 1 8. November 2002 2 Algebraische Grundstrukturen Definitionen. Eine binäre Operation (binary operation) oder zweistellige Verknüpfung auf einer Menge M ist eine Abbildung

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter

Mehr

KAPITEL 0. Einführung

KAPITEL 0. Einführung Lineare Algebra KAPITEL 0 Einführung Dieses Skript zur Vorlesung Lineare Algebra an der Goethe Universität Frankfurt im Sommersemester 2011 befindet sich noch in der Entstehung und wird fortlaufend aktualisiert

Mehr

Satz 25 A sei eine (n n)-matrix über K

Satz 25 A sei eine (n n)-matrix über K Satz 25 Satz 25 A sei eine (n n)-matrix über K Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen Eigenwerten λ 1,...,λ m. Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Lineare Algebra I: Eine Landkarte

Lineare Algebra I: Eine Landkarte Bild F Algebra I: Eine Landkarte Faser Versuch einer Übersicht der Themen und Zusammenhänge der n Algebra 1. 1 Algebra I: Bild F Faser Sei B Basis von V. Jedes v V läßt sich eindeutig aus den Basisvektoren

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

Mehr

Kapitel 12. Lineare Abbildungen und Matrizen

Kapitel 12. Lineare Abbildungen und Matrizen Kapitel 12 Lineare Abbildungen und Matrizen Lineare Abbildungen f : R n R m Wir wissen schon: Eine lineare Abbildung f : R n R m ist eindeutig durch ein n-tupel von Vektoren v 1, v 2,, v n des R m bestimmt

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

2.2 Kern und Bild; Basiswechsel

2.2 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

4 Elementare Vektorraumtheorie

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

Mehr

7 Untergruppen, Faktorgruppen, Ideale, Restklassenringe

7 Untergruppen, Faktorgruppen, Ideale, Restklassenringe 7 Untergruppen, Faktorgruppen, Ideale, Restklassenringe und Homomorfismen Wir verallgemeinern den Übergang von Z zu Z/m. Sei im folgenden G eine (additiv geschriebene) abelsche Gruppe, H eine Untergruppe.

Mehr

7. Ringe und Körper. 7. Ringe und Körper 49

7. Ringe und Körper. 7. Ringe und Körper 49 7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH ) Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon

Mehr

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h. Lineare Abbildungen Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls (1) u, v V : f( u + v) = f( u) + f( v). (2) v V α K : f(α v) = αf( v).

Mehr

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage

Mehr

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG ¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Vorlesung: Klassische Theoretische Physik I

Vorlesung: Klassische Theoretische Physik I Vorlesung: Klassische Theoretische Physik I M. Zirnbauer Institut für Theoretische Physik Universität zu Köln Sommersemester 2015 Contents 1 Newtonsche Mechanik 3 1.1 Affine und Euklidische Räume.............................

Mehr

Euklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz

Euklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz Tobias Kraushaar Kaiserstr. 178 44143 Dortmund Matr.- Nr.: 122964 Euklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz 1. EINLEITUNG... 2 2. HAUPTTEIL... 3 2.1. Der

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume

Mehr

Die Lineare Algebra-Methode. Mahir Kilic

Die Lineare Algebra-Methode. Mahir Kilic Die Lineare Algebra-Methode Mahir Kilic 23. Juni 2004 1 Einführung 1.1 Überblick Im Allgemein benutzt man die Lineare Algebra-Methode in der Kombinatorik wie folgt: Für die Bestimmung einer Obergrenze

Mehr

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? 1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2

Mehr

2. Universelle Algebra

2. Universelle Algebra 2. Universelle Algebra Die Theorie der universellen Algebra verallgemeinert die Theorien der klassischen Algebren. Obwohl ursprünglich nur eine Sorte betrachtet wurde, werden wir hier gleich den mehrsortigen

Mehr

6.2 Perfekte Sicherheit

6.2 Perfekte Sicherheit 04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da

Mehr

Matrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen.

Matrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen. Matrixalgebra mit einer Einführung in lineare Modelle Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@statuni-muenchende 25 August 24 Vielen Dank an Christiane Belitz, Manuela Hummel und

Mehr

1 Eingebettete Untermannigfaltigkeiten des R d

1 Eingebettete Untermannigfaltigkeiten des R d $Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die

Mehr

Proseminar Einführung in die Mathematik 1 WS 2010/11 2. Dezember 2010 Lösungen

Proseminar Einführung in die Mathematik 1 WS 2010/11 2. Dezember 2010 Lösungen Proseminar Einführung in die Mathematik 1 WS 1/11. Deember 1 Lösungen 46) Wie kann man nach Wahl eines Nullpunktes die Zeichenebene in natürlicher Weise als Vektorraum betrachten? Skriptum Kapitel 4, Par.

Mehr

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010 Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver

Mehr

6. Übungsblatt zur Mathematik I für Maschinenbau

6. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 6. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 2/ 25..-.2. Aufgabe G (Lineare Gleichungssysteme)

Mehr

Vektorräume und Rang einer Matrix

Vektorräume und Rang einer Matrix Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

Kapitel IV. Lineare Abbildungen. Inhalt: 13. Lineare Abbildungen 14. Matrix-Darstellung 15. Isomorphie von Vektorräumen

Kapitel IV. Lineare Abbildungen. Inhalt: 13. Lineare Abbildungen 14. Matrix-Darstellung 15. Isomorphie von Vektorräumen Kapitel IV. Lineare Abbildungen Inhalt: 13. Lineare Abbildungen 14. Matrix-Darstellung 15. Isomorphie von Vektorräumen Wir wollen nun die Abbildungen F : V W zwischen Vektorräumen V und W untersuchen,

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

Kap 5: Rang, Koordinatentransformationen

Kap 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

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

1 Aussagenlogik und Mengenlehre

1 Aussagenlogik und Mengenlehre 1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres

Mehr

3 Polytope. 3.1 Polyeder

3 Polytope. 3.1 Polyeder 28 3 Polytope 3.1 Polyeder Polytope in der Ebene und im Raum standen neben Kreis und Kugel schon während der griechischen Antike im Mittelpunkt des mathematischen (und philosophischen) Interesses. Durch

Mehr

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt

Mehr

Diskrete Mathematik für Informatiker

Diskrete Mathematik für Informatiker Diskrete Mathematik für Informatiker Markus Lohrey Universität Siegen Wintersemester 2014/2015 Lohrey (Universität Siegen) Diskrete Mathematik Wintersem. 2014/2015 1 / 344 Organisatorisches zur Vorlesung

Mehr

Noethersche und artinsche Ringe

Noethersche und artinsche Ringe Noethersche und artinsche Ringe Seminar Kommutative Algebra und Varietäten Prof. Dr. K. Wingberg, Dr. J. Gärtner Vortrag 6 Yassin Mousa 05.06.2014 Im Folgenden bezeichne R immer einen kommutativen Ring

Mehr

2 Einführung in die lineare Algebra

2 Einführung in die lineare Algebra 2 Einführung in die lineare Algebra 2. Vektorräume und ihre Unterräume Definition 2... Sei K ein Körper. Ein Vektorraum über K (oder K-Vektorraum) ist eine Menge V mit einer Addition genannten Verknüpfung

Mehr

Geometrische Mannigfaltigkeiten

Geometrische Mannigfaltigkeiten Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

2.1 Codes: einige Grundbegriffe

2.1 Codes: einige Grundbegriffe Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen

Mehr

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht

Mehr

2 Euklidische Vektorräume

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

Mehr

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33

Mehr

Lineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya

Lineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya Lineare Abhängigkeit und Unabhängigkeit -E Ma Lubov Vassilevskaya Eindimensionaler Raum Abb. -: Zwei nicht gleiche Vektoren auf der gleichen Gerade Jeden Vektor, der auf einer Geraden liegt, kann man durch

Mehr

Invariantentheorie. Vorlesung 5. Invariantenringe zu Untergruppen

Invariantentheorie. Vorlesung 5. Invariantenringe zu Untergruppen Prof. Dr. H. Brenner Osnabrück WS 2012/2013 Invariantentheorie Vorlesung 5 Invariantenringe zu Untergruppen Proposition 5.1. Es sei R G R eine Operation einer Gruppe G auf einem kommutativen Ring durch

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9

Mehr

Skript zur Vorlesung Ringe und Moduln. gehalten von Peter Maier an der TU Darmstadt im Wintersemester 2000/2001

Skript zur Vorlesung Ringe und Moduln. gehalten von Peter Maier an der TU Darmstadt im Wintersemester 2000/2001 Skript zur Vorlesung Ringe und Moduln gehalten von Peter Maier an der TU Darmstadt im Wintersemester 2000/2001 Inhaltsverzeichnis 1 Ringe und Moduln 1 1.1 Ringe und Schiefkörper.............................

Mehr

Halbgruppen, Gruppen, Ringe

Halbgruppen, Gruppen, Ringe Halbgruppen-1 Elementare Zahlentheorie Einige Bezeichnungen Halbgruppen, Gruppen, Ringe Die Menge N 0 der natürlichen Zahlen 0, 1, 2, Die Menge N = N 1 der von Null verschiedenen natürlichen Zahlen Die

Mehr

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:

Mehr

Mathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7

Mathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Mathematik für Wirtschaftswissenschaftler im WS 203/4 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Aufgabe 27 Sei eine lineare Abbildung f : R 4 R 3 gegeben durch f(x, x 2, x 3 ) = (2 x 3 x 2

Mehr

Lösungen zum 2. Aufgabenblatt

Lösungen zum 2. Aufgabenblatt SS 2012, Lineare Algebra 1 Onlineversion, es werden keine Namen angezeigt. Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar. Insgesamt 3255 Wörter

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

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft: Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein

Mehr

Was sind Vektoren? Wozu braucht man sie?

Was sind Vektoren? Wozu braucht man sie? Was sind Vektoren? Wozu braucht man sie? Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 30. März 2005 1 Einleitung Dieser

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 7 Einführung Definition lineare Abbildung

Mehr

Qualitative Datenanalyse

Qualitative Datenanalyse Qualitative Datenanalyse Prof. Dr. Stefan E. Schmidt Francesco Kriegel TU Dresden Fakultät Mathematik Institut Algebra SS 2007 28. September 2008 Inhaltsverzeichnis Kapitel 1 Formale Begriffsanalyse 1

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein

Mehr

Codes und Codegitter. Katharina Distler. 27. April 2015

Codes und Codegitter. Katharina Distler. 27. April 2015 Codes und Codegitter Katharina Distler 7. April 015 Inhaltsverzeichnis 1 Codes 4 Codegitter 14 Einleitung Die folgende Seminararbeit behandelt das Konzept von Codes und Codegittern. Da sie bei der Informationsübertragung

Mehr