Affine Geometrie (Einfachere, konstruktive Version)
|
|
|
- Ute Schwarz
- vor 9 Jahren
- Abrufe
Transkript
1 Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit Hilfe von Axiomen; danach kann man beweisen, dass jeder endlichdimensionale affine Raum zu K n affin-isomorph ist. Wir werden es aus Zeitgründen nicht tun. Bemerkung. Wenn es für Sie komfortabler ist, können Sie fast überall den Körper K mit R ersetzen es gibt zwei Stellen wo die Wahl des Körpers eine Rolle spielt; Ich werde diese zwei Stellen deutlich anzeigen. Def. Eine Teilmenge U K n heißt ein affiner Unterraum, falls ein Untervektorraum V K n und ein a 0 K n existieren, so dass U = {a 0 + v, wobei v V }. dim(u) := dim(v). Die affinen Unterräume der Dimension 1 heißen Gerade, die affinen Unterräume der Dimension 2 heißen Ebenen. Die affinen Unterräume der Dimension n 1 heißen Hyperebenen. Triviales Bsp. Jede 1-Punkt-Menge {a} K n ist ein affiner Unterraum (Weil { 0} ein Vektoraum ist, und a + 0 = a ) der Dimension 0. K n selbst ist auch ein affiner Unterraum (über Vektorraum K n ).
2 Bsp. Unterräume von R 2 Unteräume von Ebene A Punkt ist ein 0-dim. aff. Unterraum B Gerade={ B+ t v, wobei t aus R ist} ist ein 1-dim. aff. Unterraum =Hyperebene Die ganze Ebene ist ein 2-dim. aff. Unterraum
3 ist ein Hyperebene Bsp. Unterräume von R 3 Unteräume vom Raum Gerade={ B+ t v, wobei t aus R ist} A Punkt ist ein 0-dim. aff. Unterraum B ist ein 1-dim. aff. Unterraum C w v Der ganze Raum ist ein 3-dim. aff. Unterraum Die Ebene {C+t v + r w, wobei t,r aus R sind} und v, w linear unabhängig sind ist ein 2-dim. aff. Unterraum
4 Als Fusspunkt können wir einen beliebigen Punkt wählen Lemma 6. Sei U K n ein affiner Unterraum (mit zugehörigen Vektorraum V U ). Sei a 1 U ein beliebiger Punkt. Dann gilt: U = {a 1 + v, wobei v V U }. In Worten: Als Fusspunkt eines affinen Raums können wir einen beliebigen Punkt des Unterraums wählen. Geraden {A+ tv}, {B+t v}, {C+t v} sind gleich B C A Beweis.Wir zeigen: Jeder Punkt a aus {a 0 + v, wobei v V U } liegt auch in {a 1 + v, wobei v V U }. Tatsächlich, a = a 0 + v, wobei v V U. Dann ist a 0 + v = a 0 + v + 0 = a 0 + v + a 1 a 0 + a 0 a 1 = (a 0 + a 1 a 0 ) + (v + a 0 a 1 ) {a 1 + u, wobei u V U }. }{{}}{{} a 1 V U Ähnlich: Jedes a aus {a 1 + v, wobei v V U } liegt auch in {a + v, wobei v V }. Also sind die Mengen gleich.
5 Affine Hülle Wiederholung. Der Vektor x K n ist eine lineare Kombination der Vektoren x 1,...,x k K n, wenn es Zahlen λ 1,...,λ k K gibt mit x = λ 1 x λ k x k. Def. Gibt es solche Zahlen λ 1,...,λ k K mit λ λ k = 1, so ist der Punkt x K n eine affine Kombination der Punkte x 1,...,x k K n. Eine affine Kombination ist also eine Linearkombination, sodass die Summe der Koeffizienten gleich 1 ist (hat in jedem Körper Sinn, da 1 in jedem Körper wohldefiniert ist, als neutrales Element der Gruppe (K = K \ {0}, )). Bemerkung. Dies ist äquivalent zu x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3... λ k, und x = λ 1 x 1 + λ 2 x λ k x k = x 1 + ( λ 2... λ k )x 1 + λ 2 x λ k x k = x 1 + λ 2 (x 2 x 1 ) + λ 3 (x 3 x 1 ) λ k (x k x 1 )
6 Wiederholung. Für A K n ist die lineare Hülle Span(A) die Menge aller (endlichen) linearen Kombinationen von Elementen von A. Span(A) ist zugleich der kleinste lineare Untervektorraum von K n, der A enthält, und die Schnittmenge von allen linearen Untervektorräumen von K n, die A enthalten (siehe Satz 6 Vorl. 5 LAAG I und dessen Folgerung). Def. Für A K n ist die affine Hülle Aff (A) die Menge aller (endlichen) affinen Kombinationen von Elementen von A. Lineare Hülle von A und B: eine Ebene, die A, B und Null-Nunkt 0 enthält. Affine Hülle von A und B: die Gerade durch A und B A B A B 0 0
7 Lemma 7. Sei A = {x 1,...,x k } K n. Dann gilt: Aff (A) ist ein affiner Unterraum über Untervektorraum span(x 2 x 1,x 3 x 1,...,x k x 1 ). (Wiederhol. aff. Raum über U ist die Menge {a 0 + u u U}.) Ferner gilt: Enthält ein affiner Unterraum U alle Punkte x 1,...,x k, so gilt Aff (A) U. Bemerkung. Die letzte Aussage des Lemmas kann man wie folgt umformulieren: Aff (A) ist der kleinste affine Unterraum von K n, der A enthält (vergl. Folg. Satz 6 LAAG 1). Bemerkung. Wir sehen, dass die Dimension von Aff (A) höchstens k 1 = #A 1 = #{x 2 x 1,x 3 x 1,...,x k x 1 } ist. Beweis. Z.z.: (i) Aff (A) {x 1 + v v span(x 2 x 1,x 3 x 1,...,x k x 1 )}, d.h., Jedes x Aff (A) kann man als x 1 + v darstellen, wobei v span(x 2 x 1,x 3 x 1,...,x k x 1 ). (ii) Aff (A) {x 1 + v v span(x 2 x 1,x 3 x 1,...,x k x 1 )}, d.h., für jedes v span(x 2 x 1,x 3 x 1,...,x k x 1 ) gilt: x 1 + v Aff (A). (iii) Für jeden affinen Unterraum U mit A U gilt: Aff (A) U.
8 Beweis von (i): Aff (A) {x 1 + v v span(x 2 x 1, x 3 x 1,..., x k x 1 )} Wir haben diese Aussage praktisch in der Bemerkung nach der Definition der affinen Hülle gezeigt. Angenommen x = λ 1 x λ k x k wobei λ λ k = 1. Dann ist λ 1 = 1 λ 2 λ 3... λ k, und x = λ 1 x 1 + λ 2 x λ k x k = x 1 + ( λ 2... λ k )x 1 + λ 2 x λ k x k = x 1 + λ 2 (x 2 x 1 ) + λ 3 (x 3 x 1 ) λ k (x k x 1 ) Dann ist x x 1 eine lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1, also ein Element (z.b. v) von span(x 2 x 1,x 3 x 1,...,x k x 1 ). Also, x = x 1 + v,
9 Beweis von (ii): Aff (A) {x 1 + v v span(x 2 x 1, x 3 x 3,..., x k x 1 )} Z.z.: für jedes v = λ 2 (x 2 x 1 ) + λ 3 (x 3 x 1 ) λ k (x k x 1 ) liegt x 1 + v in Aff (A). x 1 + v = x 1 + λ 2 (x 2 x 1 ) + λ 3 (x 3 x 1 ) λ k (x k x 1 ) = (1 λ 2 λ 3... λ k ) }{{} λ 1 x 1 + (λ 2 + λ λ k )x 1 + λ 2 (x 2 x 1 ) + λ 3 (x 3 x 1 ) λ k (x k x 1 ) = λ 1 x 1 +λ 2 (x 1 +(x 2 x 1 ))+λ 3 (x 1 +(x 3 x 1 ))+...+λ k (x 1 +(x k x 1 )) = λ 1 x 1 + λ 2 x λ k x k. Da die Summe der Koeffizienten λ 1,...,λ k gleich (1 λ 2 λ 3... λ k ) + λ 2 + λ λ k = 1 ist, ist x 1 + v eine affine Kombination von x 1,...,x k.
10 Beweis (iii): Ist A U, so ist Aff (A) U Wied. Lemma 6. Sei U K n affiner Unterraum über Untervektorraum V U, d.h., U = {a 0 + v v V U }. Sei a 1 U ein beliebiger Punkt. Dann gilt: U = {a 1 + v, wobei v V U }. Wegen Lemma 6 können wir obda annehmen, dass U = {x 1 + u u V U }. Dann sind alle Punkte x 2,...,x k A gleich x 2 = x 1 + u 2, x 3 = x 1 + u 3,..., x k = x 1 + u k wobei u 2,...,u k V U. Dann sind (x 2 x 1 ), (x 3 x 1 ),...,(x k x 1 ) V U. Dann ist span(x 2 x 1,x 3 x 1,...,x k x 1 ) V U. ( ) Dann gilt Aff (A) (i) {x 1 + v v span(x 2 x 1,x 3 x 1,...,x k x 1 )} ( ) {x 1 + v v V U } = U,
11 Lemma 7. Sei A = {x 1,...,x k }. Dann gilt: Aff (A) ist ein affiner Raum über Untervektorraum span(x 2 x 1,x 3 x 1,...,x k x 1 ). Ferner gilt: Enthält ein affiner Unterraum U alle Punkte x 1,...,x k, so gilt Aff (A) U. Folgerung. Jeden affinen Unterraum von K n kann man als affine Hülle einer endlichen Teilmenge darstellen. Beweis. In der Tat, sei U = {x 1 + v v V }. Wir nehmen eine Basis (v 2,...,v k ) V (endlich, weil dim(k n ) endlich ist). Sei x i := x 1 + v i, i = 2,...,k Dann ist Aff (x 1,...,x k ) Lem. = 7 {x 1 + v v span(x 2 x 1,x 3 x 1,...,x k x 1 )} = {x 1 + v v V }.
12 Lemma 8. Seien A Mat(m,n, K) und b K m. Man betrachte das lineare Gleichungssystem Ax = b. Angenommen, das System ist lösbar (= es gibt mind. ein x 0 K n mit Ax 0 = b). Dann ist die Lösungsmenge U := {x K n Ax = b} ein affiner Unterraum und V U = Kern A. Wiederholung. Kern A := {x K n Ax = 0}. Wiederholung Def. Ein affiner Unterraum ist eine Teilmenge U der Form U = {x 0 + v, wobei v V }, wobei V ein Untervektorraum ist. Bemerkung. Vergleichen Sie bitte das Lemma mit dem Satz 27 LAAG I die sind äquivalent (und die Beweise sind gleich). Beweis des Lemmas: Z.z.: U := {x K n Ax = b} ist ein affiner Unterraum über Kern A. Sei x 0 U. Z.z.: (i) Jedes x U ist die Summe x 0 + v, wobei v Kern A. (ii) Für jedes v Kern A liegt x 0 + v auch in U. Beweis (i): Angenommen, x U, d.h., Ax = b. Dann gilt für den Vektor v := (x x 0 ) K n : A(v) = A(x x 0 ) = Ax Ax 0 = b b = 0, d.h., v Kern A. Beweis (ii): Angenommen, v Kern A, x 0 + v U, d.h., Av = 0 und Ax 0 = b. Dann ist A(x 0 + v) = Ax 0 + Av = b + 0 = b. d.h., x 0 + v U.
13 Def. Seien U 1, U 2 Unterräume von K n zu Untervektorräumen V U1 bzw. V U2. Sie heißen parallel zueinander, falls V U1 V U2 oder V U2 V U1. Auf der Ebene Gerade ist parallel zu sich selbst und zu jeder Geraden deren sie nicht schneidet Punkt is parallel zum jeden Unterraum Ebene ist parallel zu jeden Unterraum Bsp. (Trivialfall) Jeder Unterraum ist zu sich selbst, zum ganzen Raum und zu einem Punkt parallel. Einfach zu sehen: Seien U 1, U 2 parallele affine Unterräume. Dann gilt: Entweder enthält ein Unterraum den anderen, oder sie haben keine Schnittpunkte. Bsp. Eigenschaft aus zwei Unterräumen zu bestehen, die keine Schnittpunkte haben, ist eine affine Eigenschaft.
14 Lemma 9. Sei K n ein n dimensionaler affiner Raum, U affiner Unterraum und H affine Hyperebene. Gilt U H =, so sind U und H parallel.(körper ist K) Bemerkung. Die Bedingung, dass H Hyperebene ist, also dass dim(v H ) = n 1, ist wichtig: Zwei verschiedene Geraden in R 3 können parallel sein, einander schneiden windschief sein Windschiefe Geraden sind nicht parallel, haben aber keinen Schnittpunkt.
15 Lemma 9 Wiederh. Sei U affiner Unterraum (zu V U ) des n dimensionalen affinen Raums K n, und H K n affine Hyperebene (zu V H der Dimension n 1). Gilt U H =, so sind U und H parallel. Widerspruchsbeweis. Angenommen sie sind nicht parallel. Man nehme ein v V U, v V H. Man nehme eine Basis (h 1,...,h n 1 ) in V H, und betrachte {h 1,...,h n 1,v}. Die Menge ist linear unabhängig. Tatsächlich, sei λ 1 h λ n 1 h n 1 + λv = 0 ( ). Dann ist λ = 0, sonst kann man v als Linearkombination von h 1,...,h n 1 darstellen, was den Voraussetzungen widerspricht. Dann ist ( ) eine Linearkombination der Elemente aus {h 1,...,h n 1 } und ist trivial, weil {h 1,...,h n 1 } linear unabhängig ist. Dann ist {h 1,...,h n 1,v} linear unabhängig, und deswegen eine Basis. Nehmen wir ein a U und ein b H. Da (h 1,...,h n 1,v) eine Basis ist, gilt b a = λ 1 h λ n 1 h n 1 + λv. Dann b = a + λ 1 h λ n 1 h n 1 + λv, und deswegen b (λ 1 h λ n 1 h n 1 ) = a + λv. ( ) Da b H und (λ 1 h λ n 1 h n 1 ) V H, liegt die linke Seite von ( ) in H. Da b H und λv V U, liegt die rechte Seite von ( ) in U. Also U H. Widerspruch beweist das Lemma.
16 Lemma 9. Sei U affiner Unterraum (zu V U ) des n dimensionalen affinen Raums K n, und H K n affine Hyperebene (zu V H der Dimension n 1). Gilt U H =, so sind U und H parallel. Folgerung. Sei E eine Ebene ( = 2-dim affiner Raum). Dann gilt: zwei Geraden L 1 L 2 sind genau dann parallel, wenn sie keinen Schnittpunkt haben. D.h., in 2-dim affinen Raum können wir Begriff parallel wie in Schulgeomtrie definieren (d.h., zwei Geraden in einer Ebene sind parallel, wenn sie zusammenfallen oder keine Schnittpunkte haben; eine Gerade und eine Ebene im 3D Raum sind genau dann parallel, wenn Gerade in der Ebene liegt, oder keine Schnittpunkte mit der Ebene hat) auch wenn das Raum über einen beliebigen Körper K ist.
Affine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3...
Affine Hülle Wiederholung. Der Vektor x K n ist eine lineare Kombination der Vektoren x,...,x k K n, wenn es Zahlen λ,...,λ k K gibt mit x = λ x +... + λ k x k. Def. Gibt es solche Zahlen λ,...,λ k K mit
Definition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
Lineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 03.12.2013 Alexander Lytchak 1 / 16 Wiederholung und Beispiele Der Spaltenrang einer Matrix ist gleich ihrem Zeilenrang.
Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen
Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i.
Kapitel Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften von R 3 interessieren, so stört manchmal die Ausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise
Wiederholung: lineare Abbildungen
Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) =
Summen und direkte Summen
Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M
Lineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.
Lineare Hülle Def A sei eine nichtleere Teilmenge des Vektorraums (V,+, ) Die lineare Hülle von A (Bezeichung: span(a)) ist die Menge aller Linearkombinationen der Elemente aus A { k } span(a) := λ i v
Satz 7. A sei eine nichtleere Teilmenge des nichttrivialen Vektorraums (V, +, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine nichtleere Teilmenge
Lemma 10. Die Menge Aff (K n ) aller Affinitäten von K n ist eine Gruppe bezüglich der Verkettung. Beweis. (vgl. Lemma 39 LAAG I sowie
Lemma 10. Die Menge Aff (K n ) aller Affinitäten von K n ist eine Gruppe bezüglich der Verkettung. Beweis. (vgl. Lemma 39 LAAG I sowie Noch ein Beispiel aus Vorl. 1, Seite 10) Zuerst zeigen wir, dass jede
2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
Lineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden
2.3 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
5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
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
Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle
Anhang A Etwas affine Geometrie In diesem Anhang stellen wir die wichtigsten Grundbegriffe aus der affinen Geometrie zusammen, soweit sie eben für uns von Nutzen sind. Für weiterführende Ergebnisse sei
Mathematik I. Vorlesung 11. Lineare Unabhängigkeit
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 11 Lineare Unabhängigkeit Definition 11.1. Es sei K ein Körper und V ein K-Vektorraum. Dann heißt eine Familie von Vektoren v i, i I,
Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.
1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4
5 Vektorräume. (V1) für alle x, y V : x + y = y + x; (V2) für alle x, y, z V : (x + y) + z = x + (y + z);
5 Vektorräume Was wir in den vorangegangenen Kapiteln an Matrizen und Vektoren gesehen haben, wollen wir nun mathematisch abstrahieren. Das führt auf den Begriff des Vektorraumes, den zentralen Begriff
Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer
Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie Sommersemester 2009 Franz Pauer INSTITUT FÜR MATHEMATIK, UNIVERSITÄT INNSBRUCK, TECHNIKERSTRASSE 13, 6020
Lineare Algebra II Lösungen der Aufgaben 42 und 43
D Blottière SS 7 P Schützdeller Universität Paderborn Lineare Algebra II Lösungen der Aufgaben 4 und 43 Aufgabe 4 : Bemerkungen : Es sei V ein n-dimensionaler Vektorraum über einem Körper K und β : V V
Kapitel 13. Lineare Gleichungssysteme und Basen
Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x
Lineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 05.11.2013 Alexander Lytchak 1 / 14 Linearkombinationen Definition Es sei V ein reeller Vektorraum. Es sei (v i ) i
Mengenlehre: Mächtigkeit (Ordnung) einer Menge
Mengenlehre: Mächtigkeit (Ordnung) einer Menge Def. Seien A, B Mengen. Wir sagen, dass A höchstens gleichmächtig zu B ist, falls es eine injektive Abbildung f : A B gibt. Schreibweise: A B. Wir sagen,
Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis
Technische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
Ausgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
3 Vektorräume abstrakt
Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare
2 Vektorräume und Gleichungssysteme
2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum 2 Vektorräume und Gleichungssysteme 21 Der n-dimensionale K-Vektorraum Definition 21 Seien K = (K, +, ) ein Körper, V eine Menge und
Homogene und inhomogene Koordinaten und das Hyperboloid
Seminararbeit zum Seminar aus Reiner Mathematik Homogene und inhomogene Koordinaten und das Hyperboloid Gernot Holler 1010674 WS 2012/13 28.November 2012 1 Inhaltsverzeichnis 1 Einleitung 3 2 Homogene
Lineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin:
Lineare Algebra I - 9.Vorlesung - rof. Dr. Daniel Roggenkamp & Falko Gauß Korrektur: 2. Klausurtermin: 09.02.2017 Linearkombination von Vektoren lineare Hülle Erzeugendensystem S lineare Unabhängigkeit
Hüllen und Kombinationen
Hüllen und Kombinationen 2 Die zulässigen Bereiche in der Linearen Optimierung sind Lösungen von linearen Ungleichungssystemen. Deswegen müssen wir die Werkzeuge der linearen Algebra um Elemente erweitern,
Kapitel 14. Geometrie Eine kurze Einführung in die affine Geometrie
Kapitel 14 Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften vonr 3 interessieren, so stört manchmal dieausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise
6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt
Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 213/214 Markus Schweighofer Lineare Algebra I 6.2 Basen Definition 6.2.1. Seien V ein K-Vektorraum, n N und v 1,..., v n V. (a)
Basis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Basis und Dimension Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren aus V. 1) (v i ) i I heißt ein Erzeugendensystem von V, wenn Span(v i ) = V. 2) (v i ) i I heißt Basis von
Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke
Konvexe Mengen Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke xy = {x + t xy 0 t 1} = {(1 t)x + ty 0 t 1} enthält. konvex nicht konvex Lemma
6.5 Lineare Abhängigkeit, Basis und Dimension
6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von
Projektive Räume und Unterräume
Projektive Räume und Unterräume Erik Slawski Proseminar Analytische Geometrie bei Prof. Dr. Werner Seiler und Marcus Hausdorf Wintersemester 2007/2008 Fachbereich 17 Mathematik Universität Kassel Inhaltsverzeichnis
Karlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie (KIT) WS 212/13 Institut für Analysis 14.1.213 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Aufgabe 1 Höhere Mathematik I für die Fachrichtung Physik 12. Übungsblatt Sei
Lineare Gleichungssysteme
Lineare Gleichungssysteme Definition. Sei K ein Körper, a ij K für 1 i m, 1 j n und 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......
Beziehungen zwischen Vektorräumen und ihren Dimensionen
Beziehungen zwischen Vektorräumen und ihren Dimensionen Lineare Algebra I Kapitel 9 20. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz
Kapitel II. Vektorräume
Inhalt der Vorlesung LAAG I Prof. Dr. Arno Fehm TU Dresden WS2017/18 Kapitel II. Vektorräume In diesem ganzen Kapitel sei K ein Körper. 1 Definition und Beispiele 1.1 Beispiel. Ist K = R, so haben wir
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
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
Wiederholung und Plan:
Wiederholung und Plan: Ziel: alle linearen f : V U zu beschreiben, wobei V,U Vektorräume sind, sd dim(v) = n
Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I
Humboldt-Universität zu Berlin.0.08. Mathematisch-Naturwissenschaftliche Fakultät II, Institut für Mathematik A. Filler Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I Bitte lösen
Erweiterte Koordinaten
Erweiterte Koordinaten Sei K n ein n dimensionaler affiner Raum Die erweiterten Koordinaten des Punktes x x n K n sind x x n Kn+ (Das ist für alle K sinnvoll, weil in jedem Körper K wohldefiniert ist In
Lineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 8 Dimensionstheorie Ein endlich erzeugter Vektorraum hat im Allgemeinen ganz unterschiedliche Basen. Wenn
Kapitel II. Vektorräume. Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume
Kapitel II. Vektorräume Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume Die fundamentale Struktur in den meisten Untersuchungen der Linearen Algebra bildet der Vektorraum.
Blatt 10 Lösungshinweise
Lineare Algebra und Geometrie I SS 05 Akad. Rätin Dr. Cynthia Hog-Angeloni Dr. Anton Malevich Blatt 0 Lösungshinweise 0 0 Aufgabe 0. Es seien die Vektoren u =, v = und w = in R gegeben. a # Finden Sie
Klausur 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
1 Analytische Geometrie und Grundlagen
$Id: vektor.tex,v 1.4 2017/04/13 14:48:29 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.1 Affine Geometrie im R d Wir hatten einen affinen Teilraum A des R d als eine Teilmenge der Form A = a + U definiert,
Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)
Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz
Mathematik I. Vorlesung 16. Eigentheorie
Prof Dr H Brenner Osnabrück WS 009/00 Mathematik I Vorlesung 6 Eigentheorie Unter einer Achsenspiegelung in der Ebene verhalten sich gewisse Vektoren besonders einfach Die Vektoren auf der Spiegelungsachse
5.1 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.
2.3 Basis und Dimension
Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit
Lineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 25/26 Lineare Algebra und analytische Geometrie I Schläft ein Lied in allen Dingen, Die da träumen fort und fort, Und die Welt hebt an zu singen, Triffst du nur das Zauberwort
Definitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.
Technische Universität Berlin Wintersemester 7/8 Institut für Mathematik 9. April 8 Prof. Dr. Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Nachklausur zur Linearen Algebra I Aufgabe ++ Punkte Definieren
C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
Mathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 7 Die Lösungsmenge eines homogenen linearen Gleichungssystems in n Variablen über einem Körper K ist ein Untervektorraum
1 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
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
Musterlösung Serie 8
D-MATH Lineare Algebra I HS 018 Prof. Richard Pink Musterlösung Serie 8 Dimension, Direkte Summe & Komplemente 1. Zeige: Für jedes Erzeugendensystem E eines Vektorraums V und jede linear unabhängige Teilmenge
1 Linearkombinationen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch
Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 1
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 206/7): Lineare Algebra und analytische Geometrie. (Herbst 2005, Thema, Aufgabe ) Bestimmen Sie alle reellen Lösungen des folgenden linearen Gleichungssystems:.2
Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
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
Vorlesung 27. Der projektive Raum. Wir werden den projektiven Raum zunehmend mit mehr Strukturen versehen.
Vorlesung 27 Der projektive Raum Definition 1. Sei K ein Körper. Der projektive n-dimensionale Raum P n K besteht aus allen Geraden des A n+1 K durch den Nullpunkt, wobei diese Geraden als Punkte aufgefasst
Wie kann man die Normalform (bzgl. Affinen Transformationen) bestimmen, ohne die affine Abbildung bzw. Isometrie zu finden?
Wie kann man die Normalform (bzgl. Affinen Transformationen) bestimmen, ohne die affine Abbildung bzw. Isometrie zu finden? Antwort in Dim 2: Sei Q eine Quadrik in R 2 gegeben durch a 11... a 1n x 1 x
mit. Wir definieren (Skalarprodukt = Winkel).
1 Grundidee des Simplexverfahrens (von George Dantzig): Man bestimmt eine beliebige Ecke (Extremalpunkt) einer Lösungsmenge eines Ungleichungssystems. Nun geht man an den Kanten vom Punkt entlang und kontrolliert
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
5 Schnitt, Verbindung und Erzeugung affiner Unterräume: Fortsetzung
Kapitel II Lineare Algebra und analytische Geometrie 5 Schnitt, Verbindung und Erzeugung affiner Unterräume: Fortsetzung Wann liegt ein Punkt auf einem affinen Unterraum? Wann haben zwei affine Unterräume
Klausurenkurs 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
Lineare 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
Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
2. Isotropie. Beweis: (i) (ii): β U ist nicht ausgeartet. U U = {0} (ii) (iii): β U ist nicht ausgeartet. Da β nicht ausgeartet ist, gilt U = U:
2. Isotropie Im folgenden sei V ein K-Vektorraum der Dimension n. Es sei q eine quadratische Form darüber und β die zugehörige symmetrische Bilinearform. Zudem gelte in K: 1 + 1 0. Notation 2.0: Wir nennen
Kapitel II. Vektoren und Matrizen
Kapitel II. Vektoren und Matrizen Vektorräume A Körper Auf der Menge R der reellen Zahlen hat man zwei Verknüpfungen: Addition: R R R(a, b) a + b Multiplikation: R R R(a, b) a b (Der Malpunkt wird oft
