Kapitel III. Lineare Abbildungen
|
|
- Michaela Beyer
- vor 7 Jahren
- Abrufe
Transkript
1 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 c n x n in den Variablen x 1,..., x n : F definiert eine Abbildung x 1 F : K n K, x =. y 1 Ist y =. y n x n c 1 x c n x n = (c 1,..., c n ) x K n ein weiteres n tupel und λ K, so gilt F (x + y) = F (x 1 + y 1,..., x n + y n ) = c 1 (x 1 + y 1 ) c n (x n + y n ) = = (c 1 x c n x n ) + (c 1 y c n y n ) = F (x) + F (y), sowie F (λx) = F (λx 1,..., λx n ) = c 1 (λx 1 ) c n (λx n ) = λf (x) b) Sei A eine m n Matrix über K. Für x K n setze F (x) = A x, d.h. F (x) = w 1. w m, wobei w i = a i1 x 1 + a i2 x a in x n, i = 1,..., m. F definiert eine Abbildung F : K n K m, x A x Nach den Rechenregeln für Matrizen (4.3) gilt für Vektoren x, y K n und λ K F (x + y) = A (x + y) = Ax + Ay = F (x) + F (y), F (λx) = A (λx) = λ (Ax) = λ F (x) 1
2 a) ist offenbar ein Spezialfall von b) (m = 1) Allgemeiner definiert man: Sei K ein Körper und V, W K Vektorräume. Eine Abbildung F : V W heißt linear (K linear), wenn gilt: (1) F (x + y) = F (x) + F (y) für alle x, y V. (2) F (λx) = λ F (x) für alle x V und alle λ K (Induktiv folgt: F ( r λ i v i ) = r λ i F (v i )) Beispiele: a) Ist A M(m n, K) so ist die Abbildung F : K n K m, x Ax linear (s.o.). b) Seien v 1,..., v n 1 K n und ϕ(x) = det(a 1,..., a n 1, x t ) für x K n die Determinante der Matrix mit den Zeilen a 1 = v t 1,..., a n 1 = v t n 1 und a n = x t. Wegen (D1) gilt für y K n und λ K ϕ(x + y) = det(a 1,..., a n 1, x t + y t ) = det(a 1,..., a n 1, x t ) + + det(a 1,..., a n 1, y t ) = ϕ(x) + ϕ(y) und ϕ(λx) = = det(a 1,..., a n 1, λx t ) = λ det(a 1,..., a n 1, x t ) = λϕ(x). ϕ : K n K, x det(a 1,..., a n 1, x t ) ist also linear. Entsprechendes gilt für die anderen Zeilen. (Die Determinante ist linear in den Zeilen.) Bild und Kern linearer Abbildungen Sei ϕ : A B eine Abbildung, A A, B B. ϕ(a ) := {ϕ(a) a A } B heißt Bild von A unter der Abbildung ϕ. ϕ 1 (B ) := {a a A und ϕ(a) B } A heißt Urbild von B bei der Abbildung ϕ. (Alles, was in B abgebildet wird). Für y B schreibe ϕ 1 (y) für ϕ 1 ({y}). (1.1) Satz: Sei F : V V eine lineare Abbildung. a) F (0) = 0, F (v w) = F (v) F (w) 2
3 b) Seien v 1,..., v r V. Ist (F (v 1 ),..., F (v r )) linear unabhängig, so war schon (v 1,..., v r ) linear unabhängig. c) (i) Ist W V ein Untervektorraum, so ist auch F (W ) V ein UVR. (ii) Ist W V ein UVR, so ist auch F 1 (W ) V ein UVR. d) Ist (v 1,..., v n ) ein Erzeugendensystem von V, so ist (F (v 1 ),..., F (v n )) ein Erzeugendensystem von F (V ). Beweis: a) F (0) = F (0 0) = 0F (0) = 0 F (v w) = F (v + ( 1)w) = F (v) + ( 1)F (w) = F (v) F (w) b) Aus r λ i v i = 0 folgt 0 = F (0) = ( r λ i v i ) = = r λ i F (v i ). Da (F (v 1 ),..., F (v r )) linear unabhängig war folgt λ 1 =... = λ r = 0. c) (i) 0 = F (0) F (W ) nach a). Seien v, w F (W ). Dann gibt es v, w W mit v = F (v), w = F (w) und v + w W, da W UVR. Es folgt v + w = F (v) + F (w) = F (v + w) F (W ). Für λ K ist λv W, da v W. Es folgt λv = λf (v) = F (λv) F (W ). Damit ist F (W ) ein UVR von V. (ii) 0 W und F (0) = 0, also 0 F 1 (W ). Seien v, w F 1 (W ) und λ K. Es folgt F (v) W und F (w) W, also F (v + w) = F (v) + F (w) W, d.h. v + w F 1 (W ). F (λv) = λf (v) W, d.h. λv F 1 (W ) Damit ist F 1 (W ) ein UVR von V. d) Jedes v V ist von der Form v = n λ iv i. Also ist F (v) = F ( n λ i v i ) = n λ i F (v i ) Linearkombination von F (v 1 ),..., F (v n ). 3
4 Definition: Sei L : V W linear. Der Untervektorraum L(V ) von W heißt Bild von L. Schreibe dafür Bild (L). Der Untervektorraum L 1 (0) = {v V L(v) = 0} von V heißt Kern von L. Schreibe dafür Kern (L). Beispiel: a) Gegeben sei ein lineares GLS a 11 x a 1n x n = b 1 b 1 x 1 ( ). b =. ; x =. a m1 x a mn x n = b m mit Koeffizientenmatrix A = (a ij ) und erweiterter Matrix (A b). Sind a 1,..., a n die Spalten von A, so gilt Ax = x 1 a x n a n und ( ) schreibt sich in der Form Ax = b Also ist L 1 (b) = {x Ax = b}, die Menge der Lösungen von ( ), wenn L : K n K m, x Ax. Speziell, wenn b = 0 ist (homogenes GLS): b m Lös A = L 1 (0) = Kern L Damit ist erneut gezeigt, dass Lös (A) ein UVR von K n ist. Lösbarkeit von ( ), falls b 0 (( ) inhomogen): Wegen Ax = x 1 a x n a n gilt BildL = {Ax x K n } = {x 1 a x n a n x 1,..., x n K} = SRA ( ) ist lösbar, falls es ein x K n gibt mit L(x) = Ax = b, d.h. wenn b Bild L = SRA. Genau dann ist b SRA, wenn SR(A) = SR(A b), d.h. wenn Rang A = Rang (A b). Wir haben also erneut gesehen: Genau dann ist das lineare GLS Ax = b lösbar, wenn A und (A b) den gleichen Rang haben (vgl. Kap. I). x n 4
5 Problem: Durch welche Daten ist eine lineare Abbildung festgelegt. Beispiel: Seien e 1,..., e n K n die Einheitsvektoren. (e 1,..., e n ) ist eine Basis von K n. Sei L : K n K m, x Ax(A M(m n, K)) Ae 1 = L(e 1 ), Ae 2 = L(e 2 ),..., Ae n = L(e n ) sind die Spalten der Matrix A. Fazit: Die lineare Abbildung L ist durch die Bilder der Basisvektoren e 1,..., e n festgelegt (A ist durch ihre Spalten bestimmt). Allgemeiner gilt (1.2) Satz: Seien V und W Vektorräume, (v 1,..., v n ) eine Basis von V und (w 1,..., w n ) ein beliebiges System von Vektoren aus W. Dann gibt es genau eine lineare Abbildung F : V W mit F (v 1 ) = w 1, F (v 2 ) = w 2,..., F (v n ) = w n. (Nach 1.1 d) ist dann F (V ) = Kw Kw n ). Insbesondere gilt: Zur Festlegung einer linearen Abbildung F : V W mit dim V < genügt es, die Werte der Elemente einer Basis unter der Abbildung F anzugeben. Beweis: a) Existenz: Sei v V. Dann schreibt sich v in der Form v = n λ i v i. Dabei sind die λ 1,..., λ n durch v eindeutig festgelegt. Daher beschreibt F (v) := n λ i w i eine wohldefinierte Abbildung F : V W, und es gilt: F ist linear: F (v 1 ) = w 1, F (v 2 ) = w 2,..., F (v n ) = w n. Sei v V ein weiterer Vektor. Schreibe v = n µ i v i. Dann ist F (v ) = n µ i w i. Wegen v + v = n λ i v i + n µ i v i = n (λ i + µ i )v i gilt nach Definition von F : F (v + v ) = n (λ i + µ i )w i = = n λ i w i + n µ i w i = F (v) + F (w). 5
6 Analog zeigt man, dass F (λv) = λf (v). b) Eindeutigkeit: Sei G : V W eine weitere lineare Abbildung mit G(v i ) = w i, i = 1,..., n. Sei v V beliebig. Schreibe v in der Form v = n λ i v i. Es folgt G(v) = G( n λ i v i ) = n λ i G(v i ) = n λ i w i = F (v). Bezeichnungen: Sei F : V V eine lineare Abbildung (Man spricht auch von einem Homomorphismus von Vektorräumen.) F heißt Monomorphismus, falls F injektiv ist, Epimorphismus, falls F surjektiv ist, Isomormismus, falls F bijektiv ist, Endomorphismus, falls V = V ist. Ein bijektiver Endomorphismus wird auch Automorphismus genannt. End(V ) := Menge der Endomorphismen von V Aut(V ) := Menge der Automorphismen von V Vektorräume V und V heißen isomorph, wenn ein Isomorphismus F : V V existiert. Schreibe dann V = V. (1.3) Satz: Seien F : V V und G : V V linear. Dann gilt: a) Die Komposition G F : V V, x G(F (x)) von F und G ist ebenfalls linear. b) Ist F : V V ein Isomorphismus, so ist auch Beweis: F 1 : V V ein Isomorphismus. 6
7 a) Seien v, w V und λ K. G F (v + w) = G(F (v + w)) = G(F (v) + F (w)) = G(F (v)) + G(F (w)) = G F (v) + G F (w) G F (λv) = G(F (λv)) = G(λF (v)) = λg(f (v)) = λ G F (v). b) Es ist zu zeigen, dass F 1 : V V linear ist. Seien dazu v, w V und λ K. Sei v = F 1 (v ) und w = F 1 (w ). Dann ist v = F (v) und w = F (w), also F 1 (v + w ) = F 1 (F (v) + F (w)) = F 1 (F (v+w)) = v+w = F 1 (v )+F 1 (w ), ferner F 1 (λv ) = F 1 (λf (v)) = F 1 (F (λv)) = λv = λf 1 (v ). (1.4) Korollar: Sei V ein Vektorraum. Dann gilt: a) (EndV, ) ist eine Halbgruppe mit Einselement id V b) (AutV, ) ist eine Gruppe mit Einselement id V (1.5) Satz: Sei F : V V linear. Äquivalente Aussagen sind: a) F ist ein Monomorphismus. b) Kern F = {0} c) Für jedes System linear unabhängiger Vektoren (v 1,..., v n ) ist auch (F (v 1 ),..., F (v n )) linear unabhängig. Beweis: a) b) Sei v Kern (F ). Dann ist F (v) = 0 und F (0) = 0. Da F injektiv ist, folgt v = 0. Also ist Kern F = {0}. b) c) Sei Kern F = {0}. Sei (v 1,..., v n ) linear unabhängig. Aus λ 1 F (v 1 ) λ n F (v n ) = 0 folgt F (λ 1 v λ n v n ) = λ 1 F (v 1 ) λ n F (v n ) = 0, λ 1 v λ n v n Kern F = {0}, also λ 1 v λ n v n = 0. Da (v 1,..., v n ) linear unabhängig ist, folgt λ 1 =... = λ n = 0. c) b) Ist v 0, so ist (v) linear unabhängig und daher nach Voraussetzung (F (v)) linear unabhängig. Also ist F (v) 0 und somit Kern F = {0}. b) a) Seien v, w V mit F (v) = F (w). Es ist zu zeigen, dass v = w : Aus F (v) = F (w) folgt 0 = F (v) F (w) = F (v w), also v w Kern F = {0}. Somit ist v w = 0, d.h. v = w. 7
8 Frage: Wie verhalten sich Kern und Bild einer linearen Abbildung zueinander? Beispiel: Sei A eine m n Matrix und L : K n K m, x Ax die dazugehörige lineare Abbildung. Wir haben gesehen, dass Kern L = Lös (A) (Lösungsmenge des GLS Ax = 0) Bild L = SR (A) In II 4 wurde gezeigt: dim Lös (A) = n dim SR (A), d.h. dim Bild L+dim Kern L = n = dim K n. Allgemeiner gilt nun: (1.6) Satz: (Dimensionsformel für lineare Abbildungen) Sei V ein endlicher Vektorraum und F : V V eine lineare Abbildung. Dann sind auch Bild (F ) und Kern (F ) endliche Vektorräume und es gilt dim V = dim Bild F + dim Kern F. Beweis: Nach 1.1 c) ist Bild F endlicher Vektorraum und nach I.2.11 ist dim Kern (F ) dim V <. Wähle Basen (w 1,..., w r ) von Bild (F ) und (u 1,..., u s ) von Kern F. Zu zeigen: dim V = r + s. Wähle dazu v i V mit F (v i ) = w i, i = 1,..., r. Nach 1.1 b) ist (v 1,..., v r ) linear unabhängig. Zu zeigen: B = (v 1,..., v r, u 1,..., u s ) ist eine Basis von V. (i) B erzeugt V : Sei v V. Dann ist w = F (v) Bild F. Daher gibt es λ 1,..., λ r K mit F (v) = w = λ 1 w λ r w r = F (λ 1 v λ r v r ). Es folgt F (v (λ 1 v λ r v r )) = F (v) F (λ 1 v λ r v r ) = 0 und v (λ 1 v λ r v r ) Kern F. Also gibt es µ 1,..., µ s K mit v (λ 1 v λ r v r ) = µ 1 u µ 1 U s, d.h. v = r λ i v i + s µ j u j. j=1 8
9 (ii) B ist linear unabhängig: Aus λ i v i + µ j u j = 0 folgt λi v i = ( µ j u j ) Kern (F ), also ist λ 1 w λ r w r = λ 1 F (v 1 ) λ r F (v r ) = F ( λ i v i ) = 0 Es folgt λ 1 =... = λ r = 0, da (w 1,..., w r ) linear unabhängig, und s µ j u j = 0. Da auch (u 1,..., u s ) linear unabhängig ist folgt µ 1 = j=1... = µ s = 0. Damit ist gezeigt, dass B linear unabhängig ist. (1.7) Korollar: Ist V endlich und F : V V linear, so ist F injektiv genau dann wenn F surjektiv, genau dann wenn F ein Isomorphismus ist. Beweis: F injektiv 1.5 KernF = dim V = dim BildF II.2b) V = BildF F surjektiv. Die letzte Äquivalenz ist dann klar. (1.8) Korollar: Sei F : V V ein Homomorphismus endlicher Vektorräume. Dann gilt: a) Gibt es eine Basis (v 1,..., v n ) von V, so dass auch (F (v 1 ),..., F (v n )) eine Basis von V ist, so ist F ein Isomorphismus. b) Sei F ein Isomorphismus und v 1,..., v n V. Genau dann ist (v 1,..., v n ) eine Basis von V, wenn (F (v 1 ),..., F (v n )) eine Basis von V ist. c) V = V genau dann, wenn dim V = dim V. Beweis: a) V = K F (v 1 ) K F (v n ) 1.1 = Bild F, also ist F surjektiv und dim V = n = dim Bild F. Nach 1.6 ist daher Kern F = {0}, also F injektiv nach 1.5. b) Sei F ein Isomorphismus. Dann ist Kern F = 0 und Bild F = V. Aus 1.6 folgt dim V = dim V. Ist (v 1,..., v n ) eine Basis von V, so folgt dim V = n und (F (v 1 ),..., F (v n )) erzeugt V = Bild F. Nach II.2.10 ist dann (F (v 1 ),..., F (v n )) eine Basis von V. Die umgekehrte Richtung beweist man analog. 9
10 c) gilt nach b). : Sei (v 1,..., v n ) eine Basis von V und (w 1,..., w n ) eine Basis von V. Nach 1.2 gibt es eine lineare Abbildung G : V V mit G(v i ) = w i und nach a) ist G ein Isomorphismus. Sei nun V endlich, dim V = n, B = (v 1,..., v n ) eine Basis von V. Nach 1.2 existiert eine lineare Abbildung φ B : K n V, φ B (e j ) = v j, j = 1,..., n und nach 1.8 ist φ B ein Isomorphismus; insbesondere ist x 1 Für x =. x n K n ist V = K n, falls dim V = n φ B (x) = φ B (x 1 e x n e n ) = x 1 v x n v n Umgekehrt gilt: Ist v V beliebig, so hat v eine eindeutige Darstellung v = x 1 v x n v n. Es gilt dann φ B x 1 x n x 1. = v, d.h.. x 1 Definition: Das n Tupel x =. x n x n = φ 1 B (v) mit v = x 1 v x n v n heißt Koordinatenvektor des Vektors v V bezüglich der Basis (v 1,..., v n ). Problem: Seien w 1,..., w m V und W = Kw Kw m. Ferner sei eine Basis B = (v 1,..., v n ) von V vorgegeben. Wie bestimmt man eine Basis von W? Lösung: (1) Stelle jeden erzeugenden Vektor w i als Linearkombination von v 1,..., v n dar: w i = n λ ij v j, i = 1,..., m. Dann ist j=1 λ i1 u i =. λ in der Koordinatenvektor von w i bezüglich B, i = 1,..., m. 10
11 (2) In II.3 wurde beschrieben, wie man durch elementare Umformung der Matrix A = (λ ij ),...,m mit den Zeilenvektoren u 1,..., u m eine Basis B 0 = j=1,...,n (b 1,..., b s ) von W = Ku Ku m = φ 1 B (W ) bekommt. (3) Berechne B 0 = (φ B (b 1 ),..., φ B (b s )). Nach 1.8a) ist dann B 0 eine Basis von W = φ B (W ), denn die Abbildung ist ein Isomorphismus. ϕ : W W, w φ B (w ) Beispiel: Sei V der R Vektorraum der Polynome vom Grad. Wie gesehen ist B = (1, t, t 2, t 3 ) eine Basis von V. a 0 φ B : R 4 V, a 1 a 2 a 0 + a 1 t + a 2 t 2 + a 3 t 3 a 3 ist dann ein Isomorphismus mit Inversem φ 1 B : V R4, a 0 + a 1 t + a 2 t 2 + a 3 t 3 a 1 a 2 a 3 (Hier ist v 1 = 1, v 2 = t, v 3 = t 2, v 4 = t 3 ) Sei W V der UVR, der von den Polynomen w 1 = 1+t 2, w 2 = (1+t) 2, w 3 = (1 + t) 3 und w 4 = t(1 + t) 2 erzeugt wird a 0 W = {λ 1 (1 + t 2 ) + λ 2 (1 + t) 2 + λ 3 (1 + t) 3 + λ 4 t(1 + t) 2 λ 1, λ 2, λ 3, λ 4 R} w 1 = t + 1 t t 3 u t 1 = (1, 0, 1, 0) w 2 = 1 + 2t + 1 t t 3 u t 2 = (1, 2, 1, 0) w 3 = 1 + 3t + 3t t 3 u t 3 = (1, 3, 3, 1) w 4 = t + 2t t 3 u t 4 = (0, 1, 2, 1) 11
12 b t b t 2. Daher bilden b t b 1 = 0 1, b 2 = 1 0 und b 3 = 0 2 eine Basis von W = φ 1 b (W ) Nach 1.8 ist daher φ B (b 1 ) = 1 + t 2, φ B (b 2 ) = t, φ B (b 3 ) = 2t 2 + t 3 eine Basis W ; insbesondere ist dim W = 3. 12
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
Mehr1 Eigenschaften von Abbildungen
Technische Universität München Christian Neumann Ferienkurs Lineare Algebra für Physiker Vorlesung Dienstag WS 2008/09 Thema des heutigen Tages sind zuerst Abbildungen, dann spezielle Eigenschaften linearer
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra 2014/15 Seite 59 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra HS 2014 Seite 56 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
MehrKap 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
MehrLineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
MehrKLAUSUR 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
MehrMathematik 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,...,
MehrBild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
Mehr34 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
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
Mehr2.4 Lineare Abbildungen und Matrizen
24 Lineare Abbildungen und Matrizen Definition 24 Seien V, W zwei K-Vektorräume Eine Abbildung f : V W heißt lineare Abbildung (lineare Transformation, linearer Homomorphismus, Vektorraumhomomorphismus
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrR 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte
Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben
MehrLösung zu Serie 9. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 9 1. [Aufgabe] Sei f : V W eine lineare Abbildung. Zeige: a) Die Abbildung f ist injektiv genau dann, wenn eine lineare Abbildung g :
MehrLineare 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).
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n
Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41
Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
Mehr2 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 )
MehrKlausur zur Linearen Algebra I HS 2012, Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum
Klausur zur Linearen Algebra I HS 01, 1.1.01 Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum Name: Sitzplatznummer: Die Bearbeitungszeit für diese Klausur beträgt 90 Minuten. Die Klausur umfaßt
MehrMathematik I. Vorlesung 12. Lineare Abbildungen
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 12 Lineare Abbildungen Definition 12.1. Es sei K ein Körper und es seien V und W K-Vektorräume. Eine Abbildung heißt lineare Abbildung,
MehrGrundlagen der Mathematik 1
Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 0..08 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
MehrLineare Algebra I Lösung der Probeklausur
David Blottière Patrick Schützdeller WS 6/7 Universität Paderborn Lineare Algebra I Lösung der Probeklausur Aufgabe : M i) M ist linear unabhängig. Seien a,b,c R mit Daraus folgt : Also gilt a = b = c
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
Mehr1 Lineare Abbildungen
1 Lineare Abbildungen Definition 1 Sei K ein Körper und V und W K-Vektoräume. Eine Abbildung f : V W heisst linear oder Homomoprhismus, wenn gilt: fv 1 + v 2 = fv 1 + fv 2 v 1, v 2 V fλv = λfv λ K, v V
MehrLineare Abbildungen und Matrizen
Lineare Abbildungen und Matrizen In diesem Kapitel geht es um den grundlegenden Zusammenhang zwischen linearen Abbildungen und Matrizen. Die zentrale Aussage ist, dass nach anfänglicher Wahl von Basen
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn
MehrLineare Abbildungen und Darstellungsmatrizen
KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt
Mehr1 Linearkombinationen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch
MehrLineare 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
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
Mehrtechnische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4
MehrKapitel V. Affine Geometrie
Kapitel V Affine Geometrie 1 Affine Räume Betrachte ein lineares Gleichungssystem Γ : 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 x 1 + a m2 x 2 + + a mn x n = b
MehrKapitel 7. Lineare Abbildungen. 7.1 Motivation
Kapitel 7 Lineare Abbildungen 71 Motivation Verschieben, Drehen und Scheren sind parallelentreu, dh sie lassen sich auch als Abbildung zwischen Vektorräumen fomulieren Die Verschiebung, beispielsweise,
MehrKapitel 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,
MehrVektorräume 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
MehrMusterlösung zur Klausur Lineare Algebra I
Musterlösung zur Klausur Lineare Algebra I Aufgabe Version A 5 Punkte: Welche der folgenden Aussagen sind wahr bzw. falsch? Setzen Sie in jeder Zeile genau ein Kreuz. Für jede korrekte Antwort erhalten
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzugen zur Vorlesung: Der Vollständigkeit
Mehr5.1 Affine Räume und affine Abbildungen
402 LinAlg II Version 1.2 21. Juli 2006 c Rudolf Scharlau 5.1 Affine Räume und affine Abbildungen Ein affiner Raum besteht aus zwei Mengen P und G zusammen mit einer Relation der Inzidenz zwischen ihnen.
MehrWiederholung: lineare Abbildungen
Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) =
MehrLineare Abbildungen und Matrizen
Lineare Abbildungen und Matrizen Seien V und W K-Vektorräume mit dimv = n und dimw = m Im folgenden wollen wir jeder m n Matrix eine lineare Abbildung V W zuordnen, und umgekehrt jeder linearen Abbildung
MehrVorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)
1 Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 14: Vektorräume und lineare Abbildungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 6. Oktober 2009) Vektorräume
Mehr5. Matrizen und Determinanten
technische universität dortmund Dortmund, im Januar 01 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 1 und Matrizen und
MehrAUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW
AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrLineare Abbildungen. Lineare Algebra I. Kapitel Juni 2012
Lineare Abbildungen Lineare Algebra I Kapitel 10 26. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent:
MehrGegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.
1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild
MehrAufgabe P33 (Nachrechnen von Eigenschaften linearer Abbildungen des K n ). Gegeben seien folgende Vektoren im R 4 :
Lineare Algebra Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 8/9 9. Präsenzblatt Lösungen Aufgabe P (Nachrechnen von Eigenschaften linearer Abbildungen des K n ). Gegeben seien folgende
Mehr5 Die Allgemeine Lineare Gruppe
5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 6. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November, 7 Vektoräume Eine Menge E zusammen mit zwei Verknüpfungen + : E E E, x, y x + y Addition : E E E,
MehrLösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 24 1. Zeige: Ist 1 n := min{dim K (V 1 ), dim K (V 2 )} < für Vektorräume V 1 und V 2, so ist jeder Tensor in V 1 K V 2 eine Summe von
Mehr4 Lineare Abbildungen und Matrizen
4.1 Lineare Abbildungen Definition 4.1. Es seien V, W K-Vektorräume. Eine Abbildung f : V W heißt linear oder Homomorphismus, wenn für alle u, v V und λ K gilt Beispiel 4.2. L1 f(u + v) = f(u) + f(v),
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung heißt lineare
Mehr13 Partielle Ableitung und Richtungsableitung
3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 74 3 Partielle Ableitung und Richtungsableitung 3 Definition und Notiz Sei B R n offen, f : B R m, v R n, so heißt für γ x,v (t) = x + tv d dt f(x + tv) f(x)
Mehrα i e i. v = α i σ(e i )+µ
Beweis: Der Einfachheit halber wollen wir annehmen, dass V ein endlich-dimensionaler Vektorraum mit Dimension n ist. Wir nehmen als Basis B {e 1,e 2,...e n }. Für beliebige Elemente v V gilt dann v α i
MehrFerienkurs Mathematik für Physiker I Skript Teil 2 ( )
Ferienkurs Mathematik für Physiker I WS 206/7 Ferienkurs Mathematik für Physiker I Skript Teil 2 (28.03.207) Vektorräume Bevor wir zur Definition eines Vektorraumes kommen erinnern wir noch einmal kurz
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Lineare Gleichungssysteme (LGS) 2 1.1 Grundlagen..................................................
MehrLineare Algebra I Lösungsvorschlag
Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und
MehrÜbungsklausur Lineare Algebra
Übungsklausur Lineare Algebra Sommersemester 2010 Johannes Gutenberg-Universität Mainz Diese Übungsklausur ist sehr lang (gut zum Üben). In der richtigen Klausur finden Sie eine Multiple Choice aufgabe
Mehr, Uhr Dr. Thorsten Weist. Name Vorname Matrikelnummer. Geburtsort Geburtsdatum Studiengang
Nachklausur zur Linearen Algebra I - Nr. 1 Bergische Universität Wuppertal Sommersemester 2011 Prof. Dr. Markus Reineke 06.10.2011, 10-12 Uhr Dr. Thorsten Weist Bitte tragen Sie die folgenden Daten leserlich
MehrViele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung
Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218
MehrMusterlösung zur Probeklausur Lineare Algebra I
Musterlösung zur Probeklausur Lineare Algebra I Aufgabe 1 5 Punkte: Welche der folgenden Aussagen sind wahr bzw. falsch? Setzen Sie in jeder Zeile genau ein Kreuz. Für jede korrekte Antwort erhalten Sie
MehrVektorräume und lineare Abbildungen
Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten
Mehr3.5 Duale Vektorräume und Abbildungen
3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
MehrLineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik
Universität Karlsruhe (TH) Institut für Algebra und Geometrie Dr. Klaus Spitzmüller Dipl.-Inform. Wolfgang Globke Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Lösungen zum
MehrLösungsskizze zur Hauptklausur Lineare Algebra I
Lösungsskizze zur Hauptklausur Lineare Algebra I Aufgabe Seien V und W zwei K-Vektorräume für einen Körper K. a) Wann heißt eine Abbildung f : V W linear? b) Wann heißt eine Abbildung f : V W injektiv?
Mehr4 Affine Koordinatensysteme
4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner
Mehrx 2 + y 2 = f x y = λ
Lineare Abbildungen Def Es seien (V 1,+, ) und (V 2,+, ) zwei Vektorräume Eine Abbildung f : V 1 V 2 heißt linear, falls für alle Vektoren u,v V 1 und für jedes λ R gilt: f (u + v) = f (u) + f (v), f (λu)
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 9 Lineare Abbildungen Definition 9.1. Es sei K ein Körper und es seien V und W Vektorräume über K. Eine Abbildung ϕ : V W
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
Mehr5 Diagonalisierbarkeit
5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana.
Lineare Algebra 6. Übungsstunde Steven attilana stevenb@student.ethz.ch November, 6 Lineare Abbildungen Eine Abbildung f : X Y heisst injektiv, falls x, x X : x x fx fx. In Worten: erschiedene Elemente
MehrWiederholungsserie II
Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095
MehrLineare Abbildungen und Matrizen
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume
Mehra) Zeigen Sie, dass ϕ genau dann ein Gruppenhomomorphismus ist, wenn die Verknüpfung
Aufgabe (8 Punkte) Es sei (G, ) eine Gruppe und ϕ: G G die Abbildung, die für jedes g G durch ϕ(g) = g g =: g gegeben ist. a) Zeigen Sie, dass ϕ genau dann ein Gruppenhomomorphismus ist, wenn die Verknüpfung
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Heimarbeitsblatt 14
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker Wintersemester 3/4 Heimarbeitsblatt 4 Die Lösungshinweise dienen
Mehr9. Abgabeblatt Lösungen. Aufgabe 33 Aufgabe 34 Aufgabe 35 Aufgabe 36 Summe:
Lineare Algebra Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 8/9 9. Abgabeblatt Lösungen Aufgabe Aufgabe 4 Aufgabe 5 Aufgabe 6 Summe: Übungsgruppe: Namen: Tutor(in): Aufgabe (Nachrechnen
MehrLineare Abbildungen. i=0 c ix i n. K n K m
Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht
Mehrauf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a
x LINEARE ABBILDUNGEN Denition: Seien V; V Vektorraume Eine Abbildung f heit linear, falls (i) (ii) f(x + y) f(x) + f(y) (x; y V ) f(x) f(x) ( R; x V ) Bemerkungen: I (i) und (ii) oben sind aquivalent
MehrKlausur Lineare Algebra I
Klausur Lineare Algebra I Fachbereich Mathematik WS / Prof. Dr. Kollross 9. März Name:.................................................. Vorname:............................................... Studiengang:...........................................
MehrKapitel 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
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
Mehr3. Algebra und Begriffsverbände. Algebraische Strukturen
3. Algebra und Begriffsverbände Algebraische Strukturen Def.: Eine n-stellige (n-äre) [algebraische] Operation [auch: Verknüpfung] auf einer Menge A ist eine Abbildung f : A n A. Der Spezialfall n = 0:
MehrInhalt der Vorlesung Algebraische Zahlentheorie Prof. Dr. Arno Fehm TU Dresden SS2017
Inhalt der Vorlesung Algebraische Zahlentheorie Prof. Dr. Arno Fehm TU Dresden SS2017 Kapitel II. Moduln 1 Moduln Sei R ein Ring (stets kommutativ und mit 1). 1.1 Definition. 1. Ein R-(links-)Modul ist
MehrKap 5: Rang, Koordinatentransformationen
Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv
MehrVorlesung Abbildungen und Matrizen
Vorlesung Abbildungen und Matrizen Ferienkurs Lineare Algebra 1 Wintersemester 2009/10 09.03.2010 In diesem Abschnitt befassen wir uns mit linearen Abbildungen zwischen Vektorräumen und deren Darstellung
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
Mehr2.3 Basis und Dimension
23 Basis und Dimension Erinnerung Gegeben ein K-Vektorraum V, ein Vektorensystem x,, x n in V Eine Linearkombination in den x i ist ein Vektor der Form λ x + + λ n x n mit λ i K Die λ i heißen Koeffizienten
MehrVorlesung 6: Gruppen und Homomorphismen
Vorlesung 6: Gruppen und Homomorphismen Gabriele Link 11.11.2013 Gabriele Link Vorlesung 6: Gruppen und Homomorphismen 1 Erinnerung: Verknüpfung Gegeben sei eine Menge M. Eine (innere) Verknüpfung auf
Mehr