Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle

Größe: px
Ab Seite anzeigen:

Download "Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle"

Transkript

1 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 auf einschlägige Lehrbücher der Geometrie verwiesen, beispielsweise auf [1]. A.1 Die affine Hülle Zunächst betrachten wir einige Begriffe, die aus der Linearen Algebra bekannt sein sollten und weitgehend analog zu den entsprechenden Begriffen über die lineare Hülle sind; sie dienen dazu, die Ausnahmerolle des Nullvektors zu beseitigen, der ja in jedem linearen Unterraum enthalten ist. Im folgenden bezeichne V stets einen K-Vektorraum. Definition A.1.1. Ist E eine endliche nichtleere Teilmenge von V, nennt man eine Linearkombination e E λ ee V eine affine Kombination über E, falls gilt: λ e = 1. e E Definition A.1.2. Es sei M eine nichtleere Teilmenge von V. Die affine Hülle von M in V, aff M, ist die Menge aller affinen Kombinationen über E M, wobei für E alle endlichen nichtleeren Teilmengen von M zugelassen werden. M heißt affin abgeschlossen oder auch ein affiner Unterraum von V, falls aff M = M gilt. Schließlich setzen wir noch aff :=, womit auch die leere Menge ein affiner Unterraum ist. Das folgende, besonders wichtige Resultat führt den Begriff des affinen Unterraums auf den linearen Fall zurück: 1

2 2 ANHANG A. ETWAS AFFINE GEOMETRIE Satz A.1.3. Die nichtleeren affinen Unterräume von V sind genau die Nebenklassen von linearen Unterräumen von V, also die Mengen der Form A = a + U = U + a, wobei U ein linearer Unterraum ist und a V gilt. Beweis. Wir zeigen zunächst, daß a + U stets affin abgeschlossen ist. Seien dazu E = {a+u 1,...,a+u k } eine endliche Teilmenge von a+u und v := k i=1 λ i(a+u i ) eine beliebige affine Kombination. Wegen k i=1 λ i = 1 ist v = ( k λ i )a + i=1 k λ i u i = a + i=1 k λ i u i ein Element von a+u, da U unter der Bildung von Linearkombinationen abgeschlossen ist. Somit gilt in der Tat aff (a + U) = a + U. Es sei umgekehrt A V ein nichtleerer affiner Unterraum, also aff A = A. Wir wählen ein beliebiges a A und setzen i=1 U a := A a = {w a: w A}. Wir zeigen nun, daß U a ein linearer Unterraum von V ist. Dazu seien x = w a und y = v a Elemente von U a und λ, µ K Skalare. Dann ist λx + µy = λw + µv + (1 λ µ)a a. Wegen w,v,a A und λ+µ+(1 λ µ) = 1 ist λw+µv+(1 λ µ)a in der affinen Hülle von w,v,a enthalten, also ein Element von A. Daher gilt λx+µy U a, womit U a ein linearer Unterraum von V ist. Wegen A = a + U a folgt die Behauptung. Man nennt den im Beweis erklärten Unterraum U a auch den zu A gehörenden linearen Unterraum. Diese Terminologie ist aufgrund des folgenden Lemmas gerechtfertigt, welches zeigt, daß U a in der Tat nicht von der Wahl von a A abhängt. Lemma A.1.4. Seien U und U zwei Unterräume von V sowie x und x zwei Vektoren. Dann gilt x + U = x + U U = U und x x U. Beweis. Es gelte also x + U = x + U (die andere Richtung ist trivial). Somit gibt es für jedes u U ein u U mit x + u = x + u. Für u = 0 ergibt sich daraus x x U, womit allgemein u = u (x x ) U folgt, also U U. Die umgekehrte Inklusion folgt entsprechend. Aus diesem Lemma ergibt sich zusammen mit dem Beweis von Satz A.1.3 eine Aussage, die wir wegen ihrer Wichtigkeit nochmals explizit festhalten wollen:

3 A.1. DIE AFFINE HÜLLE 3 Korollar A.1.5. Sei A ein affiner Unterraum von V. Ferner sei a ein beliebiger Vektor in A. Dann kann der eindeutig bestimmte zu A gehörige lineare Unterraum U in der Form U = A a geschrieben werden. Wir erwähnen eine weitere interessante Konsequenz von Satz A.1.3: Satz A.1.6. Die affinen Unterräume des Vektorraums V = K n sind genau die Lösungsmengen von linearen Gleichungssystemen in n Variablen über K. Beweis. Es sei A eine m n-matrix über K. Aus der Linearen Algebra wissen wir, daß das Gleichungssystem Ax = b entweder unlösbar ist oder aber als Lösungsmenge L eine Nebenklasse des Lösungsraumes U des zugehörigen homogenen Gleichungssystems Ax = 0 hat. Dabei ist U als Kern der linearen Abbildung x Ax ein linearer Unterraum, womit L in der Tat ein affiner Unterraum ist. Umgekehrt sieht man (unter Verwendung des Basisergänzungssatzes) leicht ein, daß jeder lineare Unterraum U des K n als Kern einer linearen Abbildung und somit als Lösungsraum eines homogenen linearen Gleichungssystems Ax = 0 auftritt. Dann ist aber der affine Unterraum U + a die Lösungsmenge des linearen Gleichungssystems Ax = Aa. Neben der oben gegebenen inneren Beschreibung der affinen Hülle über affine Kombinationen gibt es auch eine alternative äußere Beschreibung, die auf dem folgendem Hilfssatz beruht: Lemma A.1.7. Sei (A i ) i I eine Familie von Teilmengen von V. Wenn alle A i affin abgeschlossen sind, ist auch A := i I A i affin abgeschlossen. Beweis. Die Behauptung ist klar, falls A leer ist. Anderenfalls seien E = {a 1,...,a k } eine endliche Teilmenge von A und v := λ 1 a λ k a k eine beliebige affine Kombination über E. Nun ist E in jedem der affinen Unterräume A i enthalten, womit stets v A i folgt. Also gilt auch v A. Satz A.1.8. Die affine Hülle einer Teilmenge M von V ist der Durchschnitt über alle affinen Unterräume, die M enthalten. Beweis. Offenbar ist aff M in jedem M umfassenden affinen Unterraum enthalten. Damit folgt die Behauptung unmittelbar aus Lemma A.1.7. Mit Satz A.1.3 ergibt sich schließlich noch die folgende äußere Beschreibung der affinen Hülle, die manchmal auch zur Definition dieses Begriffs verwendet wird: Korollar A.1.9. Es sei M eine nichtleere Teilmenge von V. Dann gilt aff M = U + a. U V, a V M U+a

4 4 ANHANG A. ETWAS AFFINE GEOMETRIE A.2 Der affine Rang Häufig benötigen wir auch für affine Unterräume einen Dimensionsbegriff, beispielsweise für den Satz von Carathéodory. Man kann dies wieder auf die lineare Algebra zurückführen. Trotzdem sollte man auch die folgende direkte Definition kennen. Definition A.2.1. Eine Teilmenge E von V heißt affin unabhängig, falls für alle a E gilt, daß a nicht in aff (E\{a}) enthalten ist; anderenfalls heißt E affin abhängig. Die affine Dimension (oder auch der affine Rang) affdime von E ist die maximale Mächtigkeit einer affin unabhängigen Teilmenge von E, falls diese Zahl existiert. 1 Wir vereinbaren noch die Konvention affdim = 1. Bevor wir diesen Dimensionsbegriff untersuchen, wollen wir erst noch die affine Abhängigkeit charakterisieren: Satz A.2.2. Es sei E = {a 1,...,a k } eine endliche Teilmenge von V. Dann sind die folgenden drei Aussagen äquivalent: (a). E ist affin abhängig. (b). Es gibt Skalare λ 1,..., λ k, die nicht sämtlich gleich 0 sind, und erfüllen. λ 1 a λ k a k = 0 sowie λ λ k = 0 (c). Die Vektoren a 2 a 1,...,a k a 1 sind linear abhängig. Beweis. Zunächst seien a 1,...,a k affin abhängig. Dann ist einer dieser Vektoren, etwa a k, eine affine Kombination der übrigen Vektoren in E. Somit gibt es Skalare λ 1,..., λ k 1 mit λ 1 a λ k 1 a k 1 = a k und λ λ k 1 = 1. Mit λ k := 1 ergibt sich die gewünschte Darstellung des Nullvektors in (b). Sei nun eine Darstellung des Nullvektors wie in (b) gegeben. Dann erhalten wir mit λ 1 = (λ λ k ) sofort die in (c) verlangte lineare Abhängigkeit: λ 2 (a 2 a 1 ) λ k (a k a 1 ) = 0. 1 Wir werden nur endlichdimensionale Vektorräume betrachten, weswegen diese Annahme immer gegeben sein wird.

5 A.2. DER AFFINE RANG 5 Schließlich gelte (c), etwa λ 2 (a 2 a 1 )+...+λ k (a k a 1 ) = 0, wobei mindestens eines der λ i von 0 verschieden ist. Somit gilt (λ λ k )a 1 = λ 2 a λ k a k. Sollte dabei λ λ k = 0 gelten, sind bereits a 2,...,a k affin abhängig. Sei nun λ := λ λ k 0. Nach Division durch λ erhalten wir dann a 1 = µ 2 a µ k a k mit µ i = λ i /λ. Dabei gilt µ µ k = 1, womit a 1,...,a k affin abhängig sind. Korollar A.2.3. Die Vektoren a 1,...,a k V sind genau dann affin unabhängig, wenn ihre Differenzvektoren a 2 a 1,...,a k a 1 linear unabhängig sind. Insbesondere ist nach Korollar A.2.3 die Maximalzahl affin unabhängiger Vektoren in einem affinen Unterraum A = U+a gerade um 1 kleiner als die Maximalzahl linear unabhängiger Vektoren in U. Damit erhalten wir das folgende wichtige Ergebnis: Satz A.2.4. Sei E eine Teilmenge von V. Ferner seien A = aff E die affine Hülle von E und U der zu A gehörende lineare Unterraum von V. Dann gilt: affdime = affdima = dimu + 1. Bemerkung A.2.5. Es ist üblich, anstelle des affinen Rangs affdim E die Dimension dim E := dimu zu verwenden, wobei also U der zu A = aff E gehörende lineare Unterraum ist. Damit können wir die Formel in Satz A.2.4 dann auch wie folgt schreiben: dime = dima = dimu. Satz A.2.4 kann durch die folgende Aussage präzisiert werden, deren Beweis wir dem Leser als einfache Übung überlassen: Korollar A.2.6. Es sei A = U + a ein affiner Unterraum von V mit zugehörigem linearem Unterraum U. Wenn B = {b 1,...,b k } eine Basis von U ist, gilt A = aff {a,b 1 + a,...,b k + a}.

6 6 ANHANG A. ETWAS AFFINE GEOMETRIE A.3 Die affine Geometrie AG(V ) In diesem Abschnitt wollen wir aus Gründen der Allgemeinbildung noch einiges über die affine Geometrie eines Vektorraums V sagen, die man für V = K n wegen Satz A.1.6 auch als die Geometrie linearer Gleichungssysteme deuten könnte. (In ähnlicher Weise kann man die Konvexgeometrie im Spezialfall V = R n nach als die Geometrie linearer Ungleichungssysteme auffassen, wobei gegebenenfalls auch unendlich viele Ungleichungen zugelassen sind.) Definition A.3.1. Es sei V ein K-Vektorraum. Die affine Geometrie AG(V ) besteht aus allen affinen Unterräumen von V ; für V = K n schreibt man statt AG(V ) auch AG(n, K). Zwei affine Unterräume A und A heißen inzident (A I A ), wenn einer von beiden im anderen echt enthalten ist, also etwa A A ; sie werden parallel genannt (A A ), wenn einer der beiden zugehörigen linearen Unterräume im anderen enthalten ist, also etwa A = a + U und A = a + U mit U U. Üblicherweise identifiziert man 0-dimensionale und damit einelementige affine Unterräume (also Nebenklassen des trivialen linearen Unterraums {0}) mit dem jeweils entsprechenden Vektor und nennt sie die Punkte von AG(V ). Affine Unterräume der Dimension 1 heißen Geraden, solche der Dimension 2 Ebenen, und solche der Codimension 1 (also der Dimension n 1 für dimv = n) Hyperebenen. Beispiel A.3.2. Man beachte, daß sich die Gerade ab durch zwei Punkte a und b aufgrund der zuvor erzielten Ergebnisse explizit als die Menge {λa+(1 λ)b: λ K} schreiben läßt. Ebenso bestimmen drei affin unabhängige Punkte a, b und c die Ebene E = {αa + βb + γc: α, β, γ K, α + β + γ = 1}; dabei sind die drei Vektoren a, b und c linear abhängig, wenn (und nur wenn) E den Ursprung 0 enthält, womit man dann E genauso gut auch als affine Hülle von zwei dieser Punkte und 0 schreiben könnte. Algebraisch gesprochen bilden die affinen Unterräume bezüglich der Operationen Schnitt ( ) und Erzeugnis ( ) einen sogenannten Verband, was wir jedoch nicht benötigen und auch nicht näher ausführen werden. Für unsere Zwecke reicht es völlig aus, einige Eigenschaften dieser beiden Operationen zu untersuchen. Dabei wird das Erzeugnis A B zweier affiner Unterräume A und B als die affine Hülle aff (A B) erklärt; man beachte, daß sich für den Spezialfall linearer Unterräume einfach die aus der Linearen Algebra wohlbekannte Summe A + B ergibt. Unter Verwendung von Satz A.1.3 kann man die Operation auch im allgemeinen Fall leicht beschreiben: Lemma A.3.3. Es seien A = U A +x und B = U B +y zwei affine Unterräume des K-Vektorraums V. Dann gilt: A B = x + U A + U B + K(y x).

7 A.3. DIE AFFINE GEOMETRIE AG(V ) 7 Beweis. Da das Erzeugnis A B den Vektor x enthält, ist es nach Korollar A.1.5 ein affiner Unterraum der Form T +x. Weil A B die affinen Unterräume A, B und xy enthält, muß dabei T jedenfalls die linearen Unterräume U A, U B und K(y x) und somit auch deren Erzeugnis U A +U B +K(y x) enthalten. Daraus folgt bereits die Behauptung. Als nächstes stellen wir einige interessante geometrische Eigenschaften von AG(V ) zusammen: Satz A.3.4. Es seien A und B zwei nichtleere affine Unterräume eines endlichdimensionalen K-Vektorraums V mit zugehörigen linearen Unterräumen U A und U B. Dann gelten die folgenden Aussagen: (i). Aus A B folgt dim A dim B mit Gleichheit genau für A = B. (ii). Wenn A und B nicht disjunkt sind, gilt dim A + dimb = dim (A B) + dim (A B). (iii). Wenn A und B disjunkt sind, gilt dim A + dimb = dim (A B) + dim (U A U B ) 1. (iv). Wenn A und B nicht disjunkt sind, gilt A B A B oder B A. (v). Wenn A und B disjunkt sind, gilt A B dim (A B) = max{dim A, dim B} + 1. (vi). Wenn B eine Hyperebene ist, gilt A B oder dim (A B) = dima 1. Beweis. Wir nehmen zunächst an, daß A und B nicht disjunkt sind. Es sei etwa x A B, also nach Korollar A.1.5 A = U A + x sowie B = U B + x. Wenn sogar A B gilt, folgt U A U B, woraus man unmittelbar (i) erhält. Für (ii) wenden wir Lemma A.3.3 an, aus dem sich in unserem Spezialfall x = y die einfachere Formel A B = x + U A + U B ergibt. Ferner gilt hier offenbar A B = (U A U B ) + x, womit die Behauptung sich (gemäß Bemerkung A.2.5) auf die aus

8 8 ANHANG A. ETWAS AFFINE GEOMETRIE der Linearen Algebra bekannte Dimensionsformel für lineare Unterräume reduziert. Schließlich folgt (iv) direkt aus der Definition der Parallelität. Ab jetzt seien also A und B disjunkt. Dann gelten A = U A + x und B = U B + y mit y x / U A + U B, da aus y x = u A + u B der Widerspruch u A + y = u B + x A B folgen würde. Mit dieser Beobachtung erhält man nun (iii) wieder aus Lemma A.3.3 und der Dimensionsformel für lineare Unterräume: dim A + dimb = dimu A + dimu B = dim (U A + U B ) + dim (U A U B ) = dim (U A + U B + K(y x)) 1 + dim (U A U B ) = dim (A B) + dim (U A U B ) 1. Für (v) beachte man, daß A B genau dann gilt, wenn einer der beiden linearen Unterräume U A und U B im anderen enthalten ist, was gerade bedeutet; dies wiederum ist zu dim (U A U B ) = min{dim A, dim B} dim A + dimb dim (U A U B ) = max{dim A, dim B} äquivalent, womit (v) sich aus (iv) ergibt. Schließlich beweisen wir noch (vi) mit derselben Fallunterscheidung wie eben. Wenn A und B disjunkt sind, muß A B die Hyperebene B echt umfassen, also bereits ganz V sein. Somit gilt dann dim (A B) = dimv = max{dim A, dim B} + 1, was nach (v) A B bedeutet. Wenn A und B nicht disjunkt sind, gilt nach (ii) dim (A B) = dima + (dimv 1) dim (A B). Wir können dabei A B annehmen, also nach (iv) A B und B A. Dann muß aber A B wieder ganz V sein, womit sich die Behauptung ergibt. Mit Satz A.3.4 kann man nun einige anschaulich klare (bzw. aus der euklidischen Geometrie bekannte) geometrische Aussagen beweisen. Am einfachsten geht das im ebenen Fall, den wir dem Leser überlassen wollen: Übung A.3.5. Wir betrachten die affine Ebene Σ = AG(2, K). Man zeige, daß Σ die folgenden Axiome erfüllt:

9 A.3. DIE AFFINE GEOMETRIE AG(V ) 9 (AE 1). Zu je zwei Punkten von Σ gibt es eine eindeutig bestimmte Gerade, die beide Punkte enthält. (AE 2). Zu jedem Punkt x und zu jeder Geraden G gibt es genau eine Gerade H mit xi G und G H. (Parallelenaxiom) (AE 3). Es gibt ein Dreieck, also drei Punkte, die nicht auf einer Geraden liegen. Ferner gilt G H genau dann, wenn entweder G = H oder G H = ist. Im Fall dimv 3 erhält man das folgende, etwas kompliziertere Resultat: Satz A.3.6. Sei V ein mindestens 3-dimensionaler K-Vektorraum. Dann erfüllt der affine Raum AG(V ) die folgenden Lenz-Axiome: (AG 1). Zu je zwei Punkten von Σ gibt es eine eindeutig bestimmte Gerade, die beide Punkte enthält. (AG 2). Zu jedem Punkt x und zu jeder Geraden G gibt es genau eine Gerade H mit xi G und G H. (Parallelenaxiom) 2 (AG 3). Es seien G und H zwei parallele Geraden mit G H. Ferner seien L eine Gerade, die G und H schneidet, und x ein weder auf G noch auf H liegender Punkt von L. Dann schneidet jede G schneidende Gerade L durch x auch die Gerade H. (Trapezaxiom) (AG 4). Zu drei nicht auf einer Geraden liegenden Punkten x, y und z gibt es stets einen Punkt w mit xy zw und xz yw. (Parallelogrammaxiom) (AG 5). Jede Gerade hat mindestens zwei Punkte. (AG 6). Es gibt disjunkte Geraden, die nicht parallel sind. Beweis. Wir beweisen nur die Gültigkeit des Trapezaxioms. (Es wäre sicher hilfreich, sich hierzu eine Figur zu zeichnen. Alle anderen Aussagen sind noch einfacher und können dem Leser überlassen bleiben.) Da G und H zwei verschiedene parallele Geraden und somit nach (AG 2) disjunkt sind, ist E := G H nach (v) in Satz A.3.4 eine Ebene. Nach Voraussetzung schneidet die Gerade L die Geraden G und H, etwa in den Punkten g und h; dann liegt aber ganz L = gh in der Ebene E. Insbesondere ist daher auch x ein Punkt von E. Da L die verschiedenen Punkte x und y := G L enthält, muß L = xy ebenfalls ganz in E liegen. Weil L und H verschieden sind, gilt offenbar auch E = L H. Wäre nun L H =, würde nach (iii) in Satz A.3.4 der Widerspruch dime = 3 folgen; man beachte dabei, daß die zugehörigen 2 Man beachte, daß nun aus G H = keineswegs mehr G H folgen muß; wir werden in (AG 6) sogar die Existenz windschiefer Geraden verlangen.

10 10 ANHANG A. ETWAS AFFINE GEOMETRIE linearen Unterräume U L und U H wegen L H verschieden sind, sich also nur im Nullvektor schneiden. Damit ist das Trapezaxiom nachgewiesen. Die Bedeutung von Satz A.3.6 liegt darin, daß die Lenz-Axiome die affinen Räume charakterisieren: Jeder abstrakt gegebene affine Raum der also aus Punkten und Geraden besteht, die diesen sechs Axiomen genügen kann (bis auf Isomorphie) als ein affiner Raum AG(V ) dargestellt werden, wobei V ein mindestens 3-dimensionaler Vektorraum über einem geeigneten (nicht notwendig kommutativen) Körper K ist. Für den Beweis dieses nicht ganz einfachen Resultats verweisen wir auf die Originalarbeit von Lenz [5] oder auch auf Beutelspacher [2], der allerdings nur den Fall behandelt, in dem jede Gerade mindestens drei Punkte enthält. Wenn man eine axiomatische Charakterisierung der euklidischen Räume (also der affinen Räume über einem reellen Vektorraum) erreichen will, benötigt man weitere (und kompliziertere) Axiome. Der klassische Ansatz dazu stammt von Hilbert in seinen 1899 erstmals erschienenen Grundlagen der Geometrie; siehe [4]. Die hier skizzierten Resultate sind natürlich nur der Beginn der affinen Geometrie. Für ein fortgeschrittenes Studium empfiehlt es sich im übrigen, zur projektiven Geometrie überzugehen; siehe dazu etwa [3] oder [6].

11 Literaturverzeichnis [1] M. Berger: Geometry I. Springer, Berlin Heidelberg (1987). [2] A. Beutelspacher: Einführung in die endliche Geometrie II. B.I. Wissenschaftsverlag, Mannheim (1983). [3] A. Beutelspacher und U. Rosenbaum: Projektive Geometrie. Vieweg, Braunschweig und Wiesbaden (1992). [4] D. Hilbert: Grundlagen der Geometrie. 11. Auflage bei Teubner, Stuttgart (1968). [5] H. Lenz: Ein kurzer Weg zur analytischen Geometrie. Math.-Phys. Semesterber. 6 (1959), [6] H. Lenz: Vorlesungen über projektive Geometrie. Akademische Verlagsgesellschaft, Leipzig (1965). 11

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i.

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i. Kapitel Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften von R 3 interessieren, so stört manchmal die Ausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 03.12.2013 Alexander Lytchak 1 / 16 Wiederholung und Beispiele Der Spaltenrang einer Matrix ist gleich ihrem Zeilenrang.

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

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

Mehr

Insbesondere sind nach dieser Definition also auch die leere Menge und einpunktige Teilmengen konvex.

Insbesondere sind nach dieser Definition also auch die leere Menge und einpunktige Teilmengen konvex. Konvexe Mengen 2 Wie am Ende des vorigen Kapitels bereits erwähnt, ist die notwendige Gradientenbedingung aus Satz 1.4.6 für konvexe Zielfunktionen auch hinreichend. Diese Tatsache mag als erste Motivation

Mehr

Kapitel 14. Geometrie Eine kurze Einführung in die affine Geometrie

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

Mehr

Projektive Räume und Unterräume

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

Mehr

Klausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 1

Klausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 1 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 1 1.1 (Herbst 2005, Thema 1, Aufgabe 1) Bestimmen Sie alle reellen Lösungen des folgenden linearen

Mehr

1 Analytische Geometrie und Grundlagen

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,

Mehr

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 1

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

Mehr

Aufbau der Projektiven Geometrie

Aufbau der Projektiven Geometrie Seminararbeit zum Seminar aus Reiner Mathematik Aufbau der Projektiven Geometrie Leonie Knittelfelder Matr. Nr. 1011654 WS 2012/13 Inhaltsverzeichnis 1 Einleitung 3 2 Linearmengen 4 2.1 Satz (1.3.1): Das

Mehr

Kapitel II. Vektorräume

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

Mehr

2.3 Basis und Dimension

2.3 Basis und Dimension Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit

Mehr

Klausurenkurs zum Staatsexamen (WS 2014/15): Lineare Algebra und analytische Geometrie 1

Klausurenkurs zum Staatsexamen (WS 2014/15): Lineare Algebra und analytische Geometrie 1 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Lineare Algebra und analytische Geometrie. (Herbst 2005, Thema, Aufgabe ) Bestimmen Sie alle reellen Lösungen des folgenden linearen Gleichungssystems:.2

Mehr

Affine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3...

Affine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3... Affine Hülle Wiederholung. Der Vektor x K n ist eine lineare Kombination der Vektoren x,...,x k K n, wenn es Zahlen λ,...,λ k K gibt mit x = λ x +... + λ k x k. Def. Gibt es solche Zahlen λ,...,λ k K mit

Mehr

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

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

Mehr

5 Schnitt, Verbindung und Erzeugung affiner Unterräume: Fortsetzung

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

Mehr

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

5.7 Lineare Abhängigkeit, Basis und Dimension

5.7 Lineare Abhängigkeit, Basis und Dimension 8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n

Mehr

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. (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

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

Vektorräume. Kapitel Definition und Beispiele

Vektorräume. Kapitel Definition und Beispiele Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden

Mehr

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

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

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.

Mehr

5.1 Affine Räume und affine Abbildungen

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.

Mehr

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

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

Mehr

3 Systeme linearer Gleichungen

3 Systeme linearer Gleichungen 3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +

Mehr

Vektorräume. Kapitel Definition und Beispiele

Vektorräume. Kapitel Definition und Beispiele Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,, 0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte Lösungen zu den Übungsblättern 4-5 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen Mathematische Probleme, SS 208 Dienstag 0.4 $Id: vektor.tex,v.30 207/07/7 08:09:23 hk Exp hk $ Analytische Geometrie und Grundlagen In dieser Vorlesung wollen wir uns mit Fragen der sogenannten Elementargeometrie

Mehr

Homogene und inhomogene Koordinaten und das Hyperboloid

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

Mehr

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition) Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz

Mehr

Die lineare Hülle. heißt der Vektor. Linearkombination der Vektoren v i mit Koeffizienten α i. Direkt aus (12.6) folgt

Die lineare Hülle. heißt der Vektor. Linearkombination der Vektoren v i mit Koeffizienten α i. Direkt aus (12.6) folgt Eine Menge v +U mit einem Untervektorraum U nennt man auch eine Nebenklasse des Untervektorraumes U. Sie entsteht, wenn man die Translation τ v auf die Menge U anwendet. Ausdrücke der Form αu + βv, auch

Mehr

Lineare Algebra I Lösungsvorschlag

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

Mehr

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

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

Mehr

Lineare Algebra II Lösungen der Aufgaben 42 und 43

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

Mehr

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

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

Mehr

5 Analytische Geometrie

5 Analytische Geometrie 5 Analytische Geometrie Die Grundidee der analytischen Geometrie ist es, geometrische Objekte in Räumen mittels linearer Algebra zu beschreiben 51 Affine Räume Definition 511 Ein affiner Raum (AR) über

Mehr

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4

Mehr

Lösungen der Aufgaben zu Abschnitt 5.4

Lösungen der Aufgaben zu Abschnitt 5.4 A Filler: Elementare Lineare Algebra Lösungen zu Abschnitt 54 Lösungen der Aufgaben zu Abschnitt 54 B ist linear unabhängig, wenn die Vektorgleichung ( ) ( ) ( ) ( ) 456 λ + λ + λ = bzw das LGS λ +4λ +λ

Mehr

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

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl. Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )

Mehr

3 Längenendliche Verbände. Dimension

3 Längenendliche Verbände. Dimension 3 Längenendliche Verbände. Dimension Unser Ziel ist es, projektive Geometrien endlicher Dimension durch Spezialisierung der betrachteten Verbände zu kennzeichnen. Dazu gehört sicher, dass es endliche viele

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.31 2018/04/10 15:11:07 hk Exp hk $ 1 Analytische Geometrie und Grundlagen 1.1 Affine Geometrie im R d Wir beschäftigen uns gerade mit den affinen Teilräumen des R d, diese erlauben

Mehr

Hüllen und Kombinationen

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,

Mehr

4 Affine Koordinatensysteme

4 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

Mehr

Summen und direkte Summen

Summen und direkte Summen Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M

Mehr

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen. 1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 4

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 4 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 4 4. (Frühjahr 27, Thema, Aufgabe ) Zeigen Sie, dass die beiden folgenden Unterräume des R 3 übereinstimmen:

Mehr

Der Satz von DESARGUES und der Satz von PAPPOS

Der Satz von DESARGUES und der Satz von PAPPOS Der Satz von DESARGUES und der Satz von PAPPOS Kirstin Strokorb November 2005 Inhaltsverzeichnis 1 Einleitung 2 2 Der Satz von DESARGUES 2 2.1 Das Dualitätsprinzip........................ 3 3 Der Satz

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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

Mehr

2.1 Vektorräume. 1. für alle x, y U ist x + y U und. 2. für alle x U und alle λ R ist λx U. O V (= O U) U, und dass ( 1) x U, also x U.

2.1 Vektorräume. 1. für alle x, y U ist x + y U und. 2. für alle x U und alle λ R ist λx U. O V (= O U) U, und dass ( 1) x U, also x U. Vektorräume Definition Eine nicht leere Menge V, für die eine Addition (dh eine Rechenvorschrift + derart, dass a + b V für alle a, b V ist und eine skalare Multiplikation (dh λa V für alle λ R (λ ist

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 08.11.2013 Alexander Lytchak 1 / 11 Erinnerung Proposition Es sei (v i ) i I eine Familie von Vektoren aus einem reellen

Mehr

6 Lineare Gleichungssysteme

6 Lineare Gleichungssysteme 6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α

Mehr

Kapitel 13. Lineare Gleichungssysteme und Basen

Kapitel 13. Lineare Gleichungssysteme und Basen Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x

Mehr

6.5 Lineare Abhängigkeit, Basis und Dimension

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

Mehr

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

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

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

Mehr

10.2 Linearkombinationen

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

Mehr

Mathematik I. Vorlesung 12. Lineare Abbildungen

Mathematik 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,

Mehr

Der Kern einer Matrix

Der Kern einer Matrix Die elementaren Zeilenoperationen p. 1 Der Kern einer Matrix Multipliziert man eine Matrix mit den Spaltenvektoren s 1,..., s m von rechts mit einem Spaltenvektor v := (λ 1,..., λ m ) T, dann ist das Ergebnis

Mehr

Fast jedes Lineare-Algebra Buch für Uni-Studenten der Mathe ist gut Aus der Lehrbibliothek Definition des Vektorraums z.b.

Fast jedes Lineare-Algebra Buch für Uni-Studenten der Mathe ist gut Aus der Lehrbibliothek Definition des Vektorraums z.b. Buchempfelungen Fast jedes Lineare-Algebra Buch für Uni-Studenten der Mathe ist gut Aus der Lehrbibliothek Definition des Vektorraums z.b. Serge Lang, Lineare Algebra Lineare Abbildungen z.b. Kowalsky

Mehr

β 1 x :=., und b :=. K n β m

β 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

Mehr

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

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018 (Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

Mehr

Affine Eigenschaften ( stets K = R)

Affine Eigenschaften ( stets K = R) Affine Eigenschaften ( stets K = R) Def. 15 Sei M eine Teilmenge eines affinen Raums A über V (über K). Eine Eigenschaft der Menge M heißt affin, wenn für jede Affinität F : A A 1 die Bildmenge {F(a)wobei

Mehr

2 Vektorräume und Gleichungssysteme

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

Mehr

Kapitel V. Affine Geometrie

Kapitel 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

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 05.11.2013 Alexander Lytchak 1 / 14 Linearkombinationen Definition Es sei V ein reeller Vektorraum. Es sei (v i ) i

Mehr

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 213/214 Markus Schweighofer Lineare Algebra I 6.2 Basen Definition 6.2.1. Seien V ein K-Vektorraum, n N und v 1,..., v n V. (a)

Mehr

7.3 Unitäre Operatoren

7.3 Unitäre Operatoren Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren

Mehr

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 4

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 4 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 26/7): Lineare Algebra und analytische Geometrie 4 4. (Frühjahr 27, Thema, Aufgabe ) Zeigen Sie, dass die beiden folgenden Unterräume des R 3 übereinstimmen:

Mehr

Musterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr

Musterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr TUM Ferienkurs Lineare Algebra WiSe 8/9 Dipl.-Math. Konrad Waldherr Musterlösung Relationen Aufgabe Auf R sei die Relation σ gegeben durch (a, b)σ(c, d) : a + b c + d. Ist σ reflexiv, symmetrisch, transitiv,

Mehr

Nachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17

Nachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17 Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Nachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17 Bearbeiten

Mehr

Projektive Abbildungen, Beziehung zwischen anen und projektiven Räumen, Projektive Unabhängigkeit.

Projektive Abbildungen, Beziehung zwischen anen und projektiven Räumen, Projektive Unabhängigkeit. Projektive Abbildungen, Beziehung zwischen anen und projektiven Räumen, Projektive Unabhängigkeit. Agnieszka Wenska 2008-02-19 1 Wir wissen bereits: Was projektive Räume und Unterräume sind Wie man die

Mehr

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit

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

Mehr

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }. 154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =

Mehr

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen 1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen

Mehr

Die Dimension eines Vektorraumes

Die Dimension eines Vektorraumes Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je

Mehr

3.2 Unabhängigkeitsstrukturen

3.2 Unabhängigkeitsstrukturen 80 3.2 Unabhängigkeitsstrukturen Unser Ziel ist der Nachweis, daß in Vektorräumen, also in Moduln über Körpern, Basen existieren und zwei endliche Basen gegebenenfalls von derselben Ordnung sind. (Basen

Mehr

3 Die Strukturtheorie der Vektorräume

3 Die Strukturtheorie der Vektorräume Vorlesung WS 08 09 Lineare Algebra 1 Prof. Dr. Peter Schneider 3 Die Strukturtheorie der Vektorräume Sei V ein K-Vektorraum Sei v 1,...v r V endlich viele vorgegebene Vektoren. Definition: 1. Jeder Vektor

Mehr

Übungsklausur zur Vorlesung Lineare Algebra und Analytische Geometrie I

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

Mehr

Vektorräume und Lineare Abbildungen

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

Mehr

Für die Matrikelnummer M = Dann sind durch A =

Für die Matrikelnummer M = Dann sind durch A = Musterlösung zum. Blatt 9. Aufgabe: Gegeben seien m 3 + 2 m m 3 m 2 m 4 + m 7 m 3 A := m m 2 m 2 + 2 m 2 m 4 + m 5 und b := m 6 m 4 + a) Finden Sie eine Lösung x R 7 für die Gleichung Ax =. b) Finden Sie

Mehr

Blatt 10 Lösungshinweise

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

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch

Mehr

1 Linearkombinationen

1 Linearkombinationen Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch

Mehr

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009 I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe

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

Lineare Algebra und analytische Geometrie I

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

Mehr

4.2 Quotientenvektorräume

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

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare Algebra 1. Roger Burkhardt Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2008/09 4 Einführung Vektoren und Translationen

Mehr

Kapitel II. Vektoren und Matrizen

Kapitel II. Vektoren und Matrizen Kapitel II. Vektoren und Matrizen Vektorräume A Körper Auf der Menge R der reellen Zahlen hat man zwei Verknüpfungen: Addition: R R R(a, b) a + b Multiplikation: R R R(a, b) a b (Der Malpunkt wird oft

Mehr

MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER Inhaltsverzeichnis

MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER Inhaltsverzeichnis MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER 206 STEFAN GESCHKE Inhaltsverzeichnis Einleitung 3 Literatur 3. Lineare Gleichungssysteme

Mehr

MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER Inhaltsverzeichnis

MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER Inhaltsverzeichnis MATHEMATIK II FÜR STUDIERENDE DER INFORMATIK UND WIRTSCHAFTSINFORMATIK (ANALYSIS UND LINEARE ALGEBRA) IM SOMMERSEMESTER 208 STEFAN GESCHKE Inhaltsverzeichnis Einleitung 3 Literatur 3. Lineare Gleichungssysteme

Mehr

9 Vektorräume mit Skalarprodukt

9 Vektorräume mit Skalarprodukt 9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden

Mehr