3 Affine Abbildungen. Im Folgenden seien X und Y affine Räume.
|
|
- Helga Linden
- vor 6 Jahren
- Abrufe
Transkript
1 3 Affine Abbildungen Im Flgenden seien X und Y affine Räume Definitin: Eine Abbildung f : X Y heißt affin, wenn es eine lineare Abbildung l : T(X) T(Y ) gibt, s dass gilt l( pq) = f (p)f(q) für alle p, q X Hält man ein p X fest, s gilt dann für alle v T(X) p + v X und l(v) = l( p(p + v)) = f(p)f(p + v) = f(p + v) f(p) Fazit: l ist durch die affine Abbildung f eindeutig festgelegt Schreibe daher T(f) für l (Richtungsabbildung vn f) Wichtigstes Beispiel: Sei X = R n und Y = R m, f : X Y Behauptung: Genau dann ist f affin, wenn es eine lineare Abbildung l : X Y und ein w Y gibt, s dass f() = w + l() für alle X Es ist dann l = T(f) Insbesndere: (a) (w = 0): Jede lineare Abbildung l : X Y ist affin (b) (X = Y und l = id Y ) Jede Translatin t w : Y Y, y w +y ist affin mit T(t w ) = id Y (c) Jede affine Abbildung f : R n R m ist die Zusammensetzung einer linearen Abbildung mit einer Translatin Beweis: Sei f : X Y affin und l = T(f) Wegen 0 Y ist l() = T(f)( 0) = f(0)f() = f() f(0) Setze w := f(0) Sei l : X Y linear, w Y und f : X Y, w + l() Seien p, q X Dann ist f(p)f(q) = f(q) f(p) = (w + l(q)) (w + l(p)) = l(q) l(p) = l( pq) Als ist f affin und T(f) = l (31) Bemerkung: Sei f : X Y eine Abbildung Gibt es ein p 0 X, s dass die Abbildung ϕ : T(X) T(Y ), p 0 f(p 0 )f() 1
2 linear ist, s ist f affin und T(f) = ϕ (Wegen X = p 0 + T(X) ist T(X) = { p 0 X}) Beweis: Seien p, q X beliebig pq = p 0 q p 0 p Aus der Linearität vn ϕ flgt ϕ( pq) = ϕ( p 0 q) ϕ( p 0 p) = f(p 0 )f(q) f(p 0 )f(p) = f(p)f(q) Als ist f affin und T(f) = ϕ (32) Bemerkung: Seien p 0 X, q 0 Y und eine lineare Abbildung l : T(X) T(Y ) vrgegeben Dann gibt es genau eine affine Abbildung f : X Y mit f(p 0 ) = q 0 und l = T(f) Beweis Eindeutigkeit: Sei f : X Y affin mit f(p 0 ) = q 0 und T(f) = l Dann gilt für jedes X f(p 0 )f() = l( p 0 ), dh f() = f(p 0 ) + l( p 0 ) = q 0 + l( p 0 ) Als ist f durch die Vrgaben eindeutig festgelegt Eistenz: Setze f() := q 0 + l( p 0 ) Aus der Linearität vn l flgt f(p 0 ) = q 0 +l( p 0 p 0 ) = q 0 und f (p 0 )f() = q 0 f() = f() q 0 = l( p 0 ) für alle X Nach 31 ist daher f affin und T(f) = l (33) Bemerkung: Seien f : X Y und g : Y Z affin a) g f : X Z ist affin und T(g f) = T(g) T(f) b) Genau dann ist f bijektiv (injektiv, surjektiv), wenn dies für T(f) gilt c) Ist f bijektiv, s ist auch f 1 affin und T(f 1 ) = T(f) 1 Beweis: a) T(g) T(f)( pq) = T(g)(T(f)( pq)) = T(g)( f(p)f(q)) = g(f(p))g(f(q)) = (g f)(p)(g f)(q) b) und c) : Übungsaufgabe (34) Satz: Sei f : X Y affin Dann gilt: Bilder und Urbilder affiner Unterräume unter f sind affin: a) Ist Z X affin, s ist f(z) Y affin, und T(f(Z)) = T(f)(T(Z)) falls Z φ 2
3 b) Ist Z Y affin, s ist f 1 (Z) X affin Ist f 1 (Z) φ, s ist T(f 1 (Z)) = T(f) 1 (T(Z)) Beweis: a) OE sei Z φ Wähle p Z fest Dann ist f(p)f(z) = T(f)( pz), dh f(z) = f(p) + T(f)( pz) für alle z Z Wegen T(Z) = { pz z Z} flgt f(z) = f(p) + T(f)(T(Z)), dh f(z) ist affin, T(f(Z)) = T(f)(T(Z)) b) OE sei f 1 (Z) φ Wähle p f 1 (Z) fest: Z = f(p) + T(Z) f 1 (Z) genau dann, wenn f() Z, dh: Es gibt ein w T(Z) mit f() = f(p) + w, dh f(p)f() T(Z), dh T(f)( p) T(Z), dh p T(f) 1 (T(Z)), dh = p + p p + T(f) 1 (T(Z)) Smit ist f 1 (Z) = p + T(f) 1 (T(Z)), was zu beweisen war (35) Bemerkung: a) Jede Translatin t w : X X(w T(X)) ist affin und T(t w ) = id T(X) b) Ist (umgekehrt) f : X X affin und ist T(f) = id T(X), s ist f eine Translatin Beweis: a) t w (p)t w (q) = (p + w)(q + w) = q + w p + w = pq b) Sei p X fest und X variabel Dann ist f(p)f() = T(f)( p) = p, dh f() = (f(p) p) + = w + für alle X Definitin: Eine bijektive affine Abbildung f : X Y heißt Affinität Nach 33 gilt: Zusammensetzungen vn Affinitiäten sind Affinitäten und mit f ist auch f 1 eine Affinität Als bilden die Affinitäten f : X X eine Gruppe Ferner ist f genau dann eine Affinität, wenn T(f) ein Ismrphismus vn Vektrräumen ist Speziell sind Translatinen Affinitäten Nach 33 und 34 bilden Affinitäten Geraden auf Geraden, Ebenen auf Ebenen, usw, ab Allgemein gilt: Ist f : X Y eine Affinität und Z X affin, s ist f(z) Y affin (34) und dimf(z) = dim Z (33) 3
4 Definitin: Affine Unterräume Y und Z vn X heißen parallel ( Y Z ), wenn T(Y ) T(Z) der T(Z) T(Y ) (36) Bemerkung: a) Ist Y Z und Y Z φ, s gilt Y Z der Z Y Speziell: Ist Y Z, dimy = dim Z und Y Z φ, s ist Y = Z b) Bei einer affinen Abbildung werden parallele Unterräume auf parallele Unterräume abgebildet Beweis: a) Sei p Y Z und OE T(Y ) T(Z) Dann ist Y = p + T(Y ) p + T(Z) = Z b) Sei OE T(Z 1 ) T(Z 2 ), Z 1 und Z 2 parallel in X, und f : X Y affin Nach 33 ist dann Parallelprjektinen: T(f(Z 1 )) = T(f)(T(Z 1 )) T(f)(T(Z 2 )) = T(f(Z 2 )) Beispiel: Sei E R 3 eine affine Ebene, w R 3 kein Richtungsvektr vn E (dh w T(E)) Sei W = R w die vn w aufgespannte Gerade durch 0 Die Parallelprjektin π vn R 3 längs W auf die Ebene E ist wie flgt erklärt: Für jeden Punkt R 3 ist π() der Schnittpunkt der zu W parallelen Geraden durch mit der Ebene E, dh {π()} = ( + W) E ( + W W, da W = T( + W) = T(W) und = W) 4
5 W y 0 π(y) π() E + W y + W Wir werden sehen: π : R 3 E ist eine affine Abbildung In der bigen Situatin ist R 3 = W T(E) Algebraische Vrbereitungen: Sei V ein R Vektrraum und V = W W 1 (wie ben) eine Zerlegung vn V in eine direkte Summe vn R Vektrräumen Dann gilt: Jedes v V hat eine eindeutige Zerlegung v = w + w 1 mit w W und w 1 W 1 Man hat daher eine whlbestimmte Abbildung p r : V W 1, v w 1 p r heißt Prjektin längs W auf W 1 Eigenschaften vn p r : a) p r ist linear; b) Kern p r = W 5
6 c) p r (w 1 ) = w 1 für alle w 1 W 1 (Nachrechnen) Sei nun dim V = n < (37) Lemma: Sei V = W W 0 = W W 1, p r : V W 1 wie ben und p r : W 0 W 1 w 0 p r (w 0 ) die Einschränkung vn p r auf W 0 Dann ist p r ein Ismrphismus Beweis: Wegen dim W 0 = dim W 1 = n dim W genügt es zu zeigen, dass p r surjektiv ist Sei w 1 W 1 Wegen V = W W 0 schreibt sich w 1 in der Frm w 1 = w + w 0 mit w W und w 0 W 0 Es flgt w 0 = ( w) + w 1 mit w W und w 1 W 1 Definitinsgemäß ist daher p r(w 0 ) = p r (w 0 ) = w 1 Als ist p r surjektiv W W 0 W 1 Seien nun Y 1 X R n affine Unterräume Knstruktin vn Parallelprjektinen vn X auf Y 1 : Wähle einen Untervektrraum W T(X), s dass T() = W T(Y 1 ); schreibe W 1 = T(Y 1 ) Für p X setze W(p) := p + W = {p + w w W } Dann ist W(p) X affin, T(W(p)) = W und p W(p), als (i) W(p) W(q) für alle p, q X (ii) W(p) W(q) = φ der W(p) = W(q) nach (36) 6
7 q W(p) Y 1 p W(q) (iii) W(p) Y 1 besteht aus genau einem Punkt Beweis vn (iii): Sei m = dim X Angenmmen W(p) Y 1 = φ Wegen T(X) = W T(Y 1 ) flgt nach (25): m dim(w(p) Y 1 ) = dim W(p) + dim Y 1 dim(w T(Y 1 )) + 1 = dim W + dim T(Y 1 ) + 1 = m + 1, Widerspruch! Als ist W(p) Y 1 φ und nach (21) gilt T(W(p) Y 1 ) = T(W(p)) T(Y 1 ) = W T(Y 1 ) = {0} wegen T(X) = W T(Y 1 ) Als besteht W(p) Y 1 aus einem Punkt Schreibe W(p) Y 1 für diesen Punkt Man erhält smit eine whldefinierte Abbildung π W : X Y 1, p W(p) Y 1, die sg Parallelprjektin vn X längs W auf Y 1 Behauptung: π W ist affin und T(π W ) ist die Prjektin p r vn T(X) längs W auf W 1 = T(Y 1 ) Beweis: Für p, q X sei p = π W (p) und q = π W (q) Wegen p, p W(p) ist pp W = T(W(p)) q, q W(q) ist qq W = T(W(q)) p, q Y 1 ist p q W 1 = T(Y 1 ) 7
8 pq = ( pp qq ) + p q = w + w 1 mit w W, w 1 W 1, als p r ( pq) = w 1 = π W (p)π W (q) Nach 31 ist daher π W affin und T(π W ) = p r Sei nun Y 0 X ein weiterer affiner Unterraum, s dass T(X) = W T(Y 0 ); schreibe W 0 := T(Y 0 ) π W : Y 0 Y 1 sei die Einschränkung vn π W auf Y 0 Es ist dann T(π W ) = p r T(Y0 ) Nach 37 ist T(π W ) ein Vektrraumismrphismus, als ist nach 33 π W : Y 0 Y 1 eine Affinität Insgesamt haben wir gesehen: (38) Satz: Seien Y 0, Y 1 X affine Unterräume Es gebe einen Untervektrraum W T(X), s dass T(X) = W T(Y 0 ) = W T(Y 1 ) Dann ist π W : X Y 1 eine affine Abbildung und π W Y0 : Y 0 Y 1 ist eine Affinität Spezialfall: Sei X = R 3 und seien E 0 = p + U 0 und E 1 = q + U 1 Ebenen Sei w R 3 mit w U 0 U 1 und W := Rw Dann liefert die Prjektin π W : R 3 E 1 längs W eine Affinität π W : E 0 E 1 y E 0 z π W () E 1 π W (y) π W (z) Kllineatinen: Eine Selbstabbildung f : X X eines affinen Raums X heißt Kllineatin, wenn sie bijektiv ist und Geraden in Geraden überführt 8
9 Beispiel: Nach 33 und 34 ist jede Affinität f : X X eine Kllineatin Es gilt auch umgekehrt der Hauptsatz der affinen Gemetrie (hne Beweis): Sei X affin, dim X 2 Genau dann ist f : X X eine Affinität, wenn f eine Kllineatin ist 9
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
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
Mehr2 Durchschnitt und Verbindungsraum
2 Durchschnitt und Verbindungsraum Seien X und Y nicht leere affine Unterräume des R n (21) Satz: a) Ist X Y, so ist T(X) T(Y ) b) Ist X Y φ so ist X Y ein affiner Raum mit Richtungsvektorraum T(X) T(Y
MehrKapitel 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
MehrKapitel 6. Geometrie. 6.1 Affine Räume
Kapitel 6 c M. Roczen und H. Wolter Preview zur aktuellen Fassung: Lineare Algebra individuell Online Ver. 0.52, 28.5.2005 Alle Rechte vorbehalten Geometrie Im weiten Feld der Geometrie befassen wir uns
Mehr(1.18) Def.: Eine Abbildung f : M N heißt
Zurück zur Mengenlehre: Abbildungen zwischen Mengen (1.17) Def.: Es seien M, N Mengen. Eine Abbildung f : M N von M nach N ist eine Vorschrift, die jedem x M genau ein Element f(x) N zuordnet. a) M = N
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
MehrKapitel III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
MehrAffine und projektive Räume
Affine und projektive Räume W. Kühnel Literatur hierzu: G.Fischer, Analytische Geometrie, 7. Aufl., Vieweg 2001 Zur Motivation: Wenn man in einem Vektorraum die Elemente nicht als Vektoren, sondern als
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
MehrBild und Kern. Für eine lineare Abbildung L : V W bezeichnet man mit. Kern L = {v V : L(v) = 0} V. den Kern und mit
Bild und Kern Für eine lineare Abbildung L : V W bezeichnet man mit Kern L = {v V : L(v) = 0} V den Kern und mit Bild L = {w W : v V mit L(v) = w} W das Bild von L. Bild und Kern 1-1 Bild und Kern Für
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
MehrVorlesung 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
Mehr8 Tangenten an Quadriken
8 Tangenten an Quadriken A Geraden auf Quadriken: Sei A 0 eine symmetrische n n Matri und Q : t A + b t + c = 0 eine nicht leere Quadrik im R n, b R n, c R. g = p + R v R n ist die Gerade durch p mit Richtung
MehrLineare 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
Mehr3 Bilinearformen und quadratische Formen
3 Bilinearformen und quadratische Formen Sei V ein R Vektorraum. Definition: Eine Bilinearform auf V ist eine Abbildung s : V V R, welche linear in beiden Variablen ist, d.h.: Für u, v, w V und λ, µ R
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
Mehr1 Mengen und Abbildungen
1 MENGEN UND ABBILDUNGEN 1 1 Mengen und Abbildungen Wir starten mit einigen einführenden Definitionen und Ergebnissen aus der Theorie der Mengen und Abbildungen, die nicht nur Grundlage der Linearen Algebra
Mehr2.2 Kern und Bild; Basiswechsel
22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare
MehrDefinition 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,
Mehrr i w i (siehe (3.7)). r i v, w i = 0.
Orthogonales Komplement und Orthogonalprojektion Wir betrachten weiterhin einen euklidischen Vektorraum V,,. (6.13) Def.: Ist M V, so heißt das orthogonale Komplement von M. (6.14) Fakt. (i) M ist Untervektorraum
Mehr4. Vortrag - Garben. Ling Lin, Kristijan Cule Datum: 26. April 2009
4. Vortrag - Garben Datum: 26. April 2009 1 Graduierte Ringe Definition 4.1.1. Eine k-algebra R heißt graduiert, wenn sie dargestellt werden kann als eine direkte Summe R = R n, wobei die R n als k-unterräume
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
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
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
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
Mehr10 Hilberträume. (b) λx,y = λ x,y für x,y X, λ K. (c) x, y = y, x für x, y X (Komplexe Konjugation nur im Falle K = C)
10 Hilberträume 10.1. Definition. Sei X ein Vektorraum über K. Eine Abbildung, : X X K heißt Skalarprodukt, falls (a) x 1 + x,y = x 1,y + x,y für x 1,x,y X (b) λx,y = λ x,y für x,y X, λ K (c) x, y = y,
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
MehrKapitel IV. Endliche, abzählbare und überabzählbare Mengen. IV.1 Abzählbare Mengen
Kapitel IV Endliche, abzählbare und überabzählbare Mengen Wir haben schon einige Mengen in den Kapiteln I und II kennengelernt, etwa die Zahlenmengen N, Z, Q und R. Jede dieser Zahlenmengen enthält unendlich
MehrSummen 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
Mehr3 Lineare Abbildungen und Matrizen
3 Lineare Abbildungen und Matrizen Definition 3.1. Es seien V und W zwei Vektorräume über demselben Zahlkörper k. Eine Abbildung heisst linear, falls gilt i) [ λ k ] [ v V ] [ f (λ v) = λ f ( v) ] ii)
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
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 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
MehrAlgebraische Kurven - Vorlesung 29. Projektion weg von einem Punkt
Algebraische Kurven - Vorlesung 29 Definition 1. Die Abbildung P n K Projektion weg von einem Punkt {(1, 0,..., 0)} Pn 1 K, (x 0, x 1...,x n ) (x 1,..., x n ), heißt die Projektion weg vom Punkt (1, 0,...,
Mehrein vom Nullvektor verschiedener Vektor, dann ist jeder dazu parallele (kollinear) Veka tor d ein Vielfaches von a. + λ 2 a 2
II. Basis und Dimension ================================================================= 2.1 Linearkombination und Basis -----------------------------------------------------------------------------------------------------------------
MehrAffine 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
MehrÜbungen zur Diskreten Mathematik I Blatt 6
1 Blatt 6 Aufgabe 19 Es sei M := {n N : n 2} und R := {(n, m) M M : n teilt m}. a) Zeigen Sie, dass R eine Ordnungsrelation auf M ist. b) Überprüfen Sie, ob R eine totale Ordnung auf M ist. c) Zeigen Sie,
Mehr1 2. Körpererweiterungen
1 2. Körpererweiterungen 1 2. 1. Definition: Sind K, L Körper und i: K L ein Ringhomomorphismus, so ist i injektiv, wir fassen K vermöge i als Unterkörper von L auf, schreiben dafür L K und nennen L eine
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
Mehr2 Mengen und Abbildungen
2.1 Mengen Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen. Die Objekte heiÿen Elemente. Ist M eine Menge und x ein Element von M so schreiben wir x M. Wir sagen auch:
MehrAusgewählte 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
MehrKonvexe Mengen. Kanglin,Chen. Universität Bremen, Proseminar WS 04/05
Konvexe Mengen Kanglin,Chen Universität Bremen, Proseminar WS 04/05 Satz. (Satz von Kirchberger) Sei P, Q E n kompakt und nicht leer. Dann gilt: P, Q sind durch eine Hyperebene streng trennbar. Für jede
Mehr2.4 Matrizen und Lineare Abbildungen
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 73 2.4 Matrizen und Lineare Abbildungen Zum Schluss von Abschnitt 2.2 hatten wir Matrizen eingeführt, und zwar im Zusammenhang mit der abgekürzten Schreibweise
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).
Mehr2.3 Lineare Abbildungen und Matrizen
2.3. LINEARE ABBILDUNGEN UND MATRIZEN 89 Bemerkung Wir sehen, dass die Matrix à eindeutig ist, wenn x 1,...,x r eine Basis ist. Allgemeiner kann man zeigen, dass sich jede Matrix mittels elementarer Zeilenumformungen
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
MehrAbbildungen. Kapitel Definition: (Abbildung) 5.2 Beispiel: 5.3 Wichtige Begriffe
Kapitel 5 Abbildungen 5.1 Definition: (Abbildung) Eine Abbildung zwischen zwei Mengen M und N ist eine Vorschrift f : M N, die jedem Element x M ein Element f(x) N zuordnet. Schreibweise: x f(x) 5. Beispiel:
Mehr[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
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,
MehrKapitel 2 MENGENLEHRE
Kapitel 2 MENGENLEHRE In diesem Kapitel geben wir eine kurze Einführung in die Mengenlehre, mit der man die ganze Mathematik begründen kann. Wir werden sehen, daßjedes mathematische Objekt eine Menge ist.
MehrKapitel 5. Vektorräume mit Skalarprodukt
Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der
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 ) =
MehrSeminararbeit zum Seminar aus reiner Mathematik
Seminararbeit zum Seminar aus reiner Mathematik Gudrun Freidl, Julia Schönhart Vortrag am 12.12.2012 1 In dieser Seminararbeit wollen wir den Beginn des 3. Kapitels des Buches Projektive Geometrie behandeln.
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
MehrWeitere Eigenschaften
Weitere Eigenschaften Erklärung der Subtraktion: x y := x + ( y) (5) Die Gleichung a + x = b hat die eindeutig bestimmte Lösung x = b a. Beweis: (a) Zunächst ist x = b a eine Lösung, denn a + x = a + (b
MehrMinkowski-Theorie & die Klassenzahl
Minkowski-Theorie & die Klassenzahl David Müßig Seminar zur Kommutativen Algebra Bemerkung 1. Wir betrachten im Folgenden stets endliche Körpererweiterungen K Q vom Grade n (K ist also ein algebraischer
MehrModulteilprüfung Geometrie (BaM-GS, L3M-RF)
Modulteilprüfung Geometrie (BaM-GS, L3M-RF) Prof. Dr. Martin Möller SoSe 2011 // 05. Juli 2011 Kontrollieren Sie, ob Sie alle Blätter (12 einschließlich zweier Deckblätter) erhalten haben, und geben Sie
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
MehrKlausurvorbereitungsblatt Lineare Algebra
Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen
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
MehrFerienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte
Technische Universität München, Fakultät für Physik Ferienkurs - ineare Algebra Hanna Schäfer 03. März 04 0. inearität. f : M N, x : y = f(x) Merkinhalte. f(x + λy) = f(x) + λf(y), x, y V, λ K 3. ineare
MehrDie 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
Mehr6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum
Kapitel II Lineare Algebra und analytische Geometrie 6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum geometrischen
Mehrγ(a, γ(b, c)) = γ(γ(a, b), c)). γ(e, x) = γ(x, e) = x.
Algebraische Strukturen, insbesondere Gruppen 1 Verknüpfungen M sei eine Menge. Dann heißt jede Abbildung γ : M M M eine Verknüpfung (jedem Paar von Elementen aus M wird auf eindeutige Weise ein Element
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
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
MehrBestimmung der Dimension
Bestimmung der Dimension Satz. Sei (v 1, v 2,..., v n ) ein minimales Erzeugendensystem von V, d.h. dieses System ist ein Erzeugendensystem von V, aber keines der nach Weglassen eines v i (1 i n) entstehenden
MehrKapitel 2 Lineare Algebra II. 2.1 Lineare Abbildungen
Kapitel 2 Lineare Algebra II 2 Lineare Abbildungen Die mit der Vektorraumstruktur verträglichen Abbildungen zwischen Vektorräumen werden als linear bezeichnet Genauer definiert man: 2 Definition Eine Abbildung
Mehr2.5 Diskrete Bewegungsgruppen I: die Punktgruppe,
Diskrete Geometrie (Version 3) 20. November 2011 c Rudolf Scharlau 133 2.5 Diskrete Bewegungsgruppen I: die Punktgruppe, Friesgruppen In diesem Abschnitt ist wie bisher ein euklidischer (Vektor-)Raum E
MehrKapitel 11. Bilinearformen über beliebigen Bilinearformen
Kapitel 11 Bilinearformen über beliebigen Körpern Wir können in diesem Kapitel rasch vorgehen, weil die meisten Konzepte im Zusammenhang mit Sesquilinearformen bereits eingeführt wurden. In diesem Abschnitt
MehrAufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).
Aufgabe Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = Es gilt det(λa = (λ n det(a det I n = n? Nein (außer für n = Es gilt deti n = det(ab = det A det B? Ja det(a =
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrErweiterte 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
MehrAlgebraische Zahlentheorie. Teil II. Die Diskriminante.
II-1 Algebraische Zahlentheorie Teil II Die Diskriminante Sei K ein Zahlkörper vom Grad n (also [K : Q] = n) Es gibt genau n Körper- Homomorphismen σ i : K C (siehe Merkzettel Separabilität) Stellen wir
MehrKapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen
Kapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen Vorschau: Lineare Abbildungen Wer Vektorräume studiert,
MehrErste Schnittpunktsätze und Anfänge einer Dreiecksgeometrie
Christoph Vogelsang Matr.Nr. 66547 Nils Martin Stahl Matr.Nr. 664 Seminar: Geometrie Dozent: Epkenhans Wintersemester 005/006 Erste Schnittpunktsätze und Anfänge einer Dreiecksgeometrie Ausarbeitung der
MehrSurjektive, injektive und bijektive Funktionen.
Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens
Mehr4.3 Affine Punkträume
4.3. AFFINE PUNKTRÄUME 185 4.3 Affine Punkträume Es wird jetzt der Übergang von der linearen Algebra zur analytischen Geometrie beschrieben. 4.3.1 Definition (affiner Punktraum) Sei V ein K-Vektorraum,
MehrVorlesung. Funktionen/Abbildungen
Vorlesung Funktionen/Abbildungen 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:
MehrMathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7
Mathematik für Wirtschaftswissenschaftler im WS 203/4 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Aufgabe 27 Sei eine lineare Abbildung f : R 4 R 3 gegeben durch f(x, x 2, x 3 ) = (2 x 3 x 2
MehrFU Berlin: WiSe (Analysis 1 - Lehr.) Übungsaufgaben Zettel 5. Aufgabe 18. Aufgabe 20. (siehe Musterlösung Zettel 4)
FU Berlin: WiSe 13-14 (Analysis 1 - Lehr.) Übungsaufgaben Zettel 5 Aufgabe 18 (siehe Musterlösung Zettel 4) Aufgabe 20 In der Menge R der reellen Zahlen sei die Relation 2 R 2 definiert durch: x 2 y :
Mehr4 Eigenwerte und Eigenvektoren
4 Eigenwerte und Eigenvektoren Sei V {0} ein K Vektorraum und f : V V K linear. Definition: Ein Eigenwert von f ist ein Element λ K, für die es einen Vektor v 0 in V gibt, so dass f(v) = λ v. Sei nun λ
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
MehrFolglich besitzt die kanonische Faktorisierung von Permutationen der Ordnung 2 nur 2-Zykeln, also Transpositionen, als Elemente.
Stefan K. 5.Übungsblatt Algebra I Aufgabe 1 gesucht: die Elemente von S n mit der Ordnung 2 Lösung: Wir betrachten die kanonische Faktorisierung einer Permutation π S n : jede Permutation π e Sn ist bis
Mehrϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).
1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ
MehrLineare 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
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
Mehr2. Symmetrische Gruppen
14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen
MehrGleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung
Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Def. Eine Gleitspiegelung ist eine Spiegelung an einer Geraden (Spiegelachse) verknüpft mit einer Translation parallel zu dieser
MehrLineare Abbildungen - I
Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit
MehrDezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule
Berufsfeldbezogenes Fachseminar - Zahlentheorie Lisa Laudan Prof. Dr. Jürg Kramer Wintersemester 2014/2015 Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule 1.1
MehrIV.3. RANG VON MATRIZEN 81
IV3 RANG VON MATRIZEN 8 Ist b,,b n eine Basis des reellen Vektorraums V, dann bildet b,,b n auch eine Basis des komplexen Vektorraums V C Mit V ist daher auch V C endlichdimensional und es gilt dim C V
MehrUniversität Zürich HS , Vorlesung #3
Algebraic Number Theory P. Habegger Universität Zürich HS 2010 6.10.2010, Vorlesung #3 1.4 Diskriminante Die primitivste Invariante eines Zahlkörpers ist sein Grad. Die Diskriminante eines Zahlkörpers
MehrEine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
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
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
Mehr1 Eingebettete Untermannigfaltigkeiten des R d
$Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die
Mehr