Lineare Algebra. 6. Übungsstunde. Steven Battilana. battilana.uk/teaching
|
|
- Sigrid Ziegler
- vor 6 Jahren
- Abrufe
Transkript
1 Lineare Algebra 6. Übungsstunde Steven Battilana battilana.uk/teaching November, 7
2 Vektoräume Eine Menge E zusammen mit zwei Verknüpfungen + : E E E, x, y x + y Addition : E E E, x, y x y Multiplikation heisst Körper, wenn x, y, z E folgendes gilt: K E zusammen mit der Addition + ist eine abelsche Gruppe. Ihr neutrales Element wird mit, das zu a E inverse Element mit a bezeichnet; vgl. Diskrete Mathematik, 5. Algebra, Definition 5.7 und 5.8: E; + is an abelian group: i Assoziativität x + y + z = x + y + z ii Neutrales Element e E : x + e = e + x = x iii Inverses Element x E : x + x = x + x = e iv Abelsch Kommutativität x + y = y + x K Bezeichnet E := E \ {}, so gilt für x, y E auch x y E, und E zusammen mit der so erhaltenen Multiplikation ist eine abelsche Gruppe. Ihr neutrales Element wird mit, das zu x E inverse Element mit x oder /x bezeichnet. Man schreibt y/x = x y = yx. Vgl. Diskrete Mathematik, 5. Algebra, Definition 5.7 und 5.8: E; is an abelian group vgl. Diskrete Mathematik, 5. Algebra: Definition 5.6 und Theorem 5.3 Meistens werden wir mit den Körpern R oder C arbeiten. Ein weiterer Körper der für uns Informatiker bekannt ist, ist der kleinste endliche Körper Z, der nur {, } enthält. Ein Vektorraum V über E oder auch E-Vektorraum; VR ist eine ist einen nichtleere Menge V zusammen mit zwei Operationen: + : V V V, x, y x + y Addition : E V V, α, x αy Skalarmultiplikation so dass x, y, z V und α, β E gilt: V V zusammen mit der Addition ist eine abelsche kommutative Gruppe das neutrale Element heit Nullvektor, es wird mit, und das Negative wird mit x bezeichnet; vgl. Diskrete Mathematik, 5. Algebra: V ; + is an abelian group: i Assoziativität x + y + z = x + y + z ii Neutrales Element e V : x + e = e + x = x iii Inverses Element x V : x + x = x + x = e iv Abelsch Kommutativität x + y = y + x
3 V Die Multiplikation mit Skalaren muss in folgender Weise mit den anderen Verknpfungen vertrglich sein: i Distributivität I ii Distributivität II iii Assoziativität iv Verträglichkeit mit Beispiel : α + βx = αx + βx αx + y = αx + βy αβx = αβx x = x. n-dimensionale Vektoren bilden über E einen Vektorraum.. m n-matrizen bilden über E einen Vektorraum. 3. P n := {Polynome in einer Variablen mit Koeffizienten in E von max. Grad n} bilden über E einen Vektorraum. Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum, linearer Teilraum UVR, falls sie bezüglich Addition und skalarer Multiplikation abgeschlossen ist, d.h. wenn x, y U und α E gilt: U x + y U U αx U. Jeder Untervektorraum U enthählt den Nullvektor, d.h. U U. Satz. Jeder Untervektorraum ist ein Vektorraum. Beispiel : Zu zeigen: W = x x x 3 Bemerkung Wir haben zwei Optionen: R 3 x + x + x 3 =. Überprüfe ob V und V von der Vektorraum Definition erfüllt sind. Verwende den Satz von oben und zeige nur U und U Beweis: Wir führen den Beweis mit der zweiten Option durch. Also genügt es nach dem Satz zu zeigen, dass W ein Untervektorraum ist. x y Seien x = x, y = y W, λ E x 3 y 3 U W, da + + =, U folgt trivialerweise 3
4 x + y U x + y = x + y W, x 3 + y 3 da x + y + x + y + x 3 + y 3 = x + x + x 3 + y }{{} + y + y 3 = }{{} x +x +x 3 = y +y +y 3 = λx U λx = λx λx 3 W, da λx + λx + λx 3 = λ x + x + x 3 = }{{} x +x +x 3 = Oder statt, dass ihr U und U separat zeigt könnt ihr auch die all in one Variante zeigen: x λy U/U x λy = x λy W, x 3 λy 3 da x λy +x λy +x 3 λy 3 = x + x + x 3 λ y }{{} + y + y 3 = }{{} x +x +x 3 = y +y +y 3 = Basen, Dimensionen und lineare Un-Abhänigkeit Für diesen Abschnitt werden wir folgendes annehmen. Sei V ein Vektorraum über einem Körper K und eine Familie Menge v i i I von Vektoren v i V. Ist I = {,..., r}, so hat man Vektoren v,..., v r. Seien v,..., v r V ausgewählte Vektoren. Ein Vektor der Form x := λ v,..., λ r v r = r λ k v k k= mit λ,..., λ r E heisst Linearkombination von v,..., v r. Für allgemeines I definiert man span E v i i I als die Menge all der v V die sich aus einer von v abhängigen endlichen Teilfamilie Teilmenge von v i i I linear kombinieren lassen. Man nennt span E v i i I den von der Familie Menge aufgespannten oder erzeugten Raum. Für eine endliche Familie v,..., v r verwendet man oft die suggestivere Notation: span E v,..., v r : = Ev Ev n = {v V λ,..., λ r E mit v = λ v λ r v r }. Die folgenden Notationen sind äquivalent: span E v,..., v r span E {v,..., v r } v,..., v r. 4
5 Die Vektoren v,..., v r in der Defintion von oben heissen Erzeugendensystem von span E v,..., v r, wenn a V als Linearkombination der Vektoren v,..., v r dargestellt werden kann. Falls klar ist, welcher Körper gemeint ist, schreibt man nur span statt span E. Sei V ein E-Vektorraum und v i i I I = {,..., r}. Dann gilt: i spanv,..., v r ist ein Untervektorraum ii Ist W V ein Untervektorraum und gilt v i spanv,..., v r W. Beispiel 3: span, x, x, x 3 = P 3 spanx 3 + x, x, x, x, = P 3 ein Erzeugendensystem ist nicht eindeutig. v,..., v r V heissen linear unabhängig, wenn: eine Familie Menge von Elementen aus V mit W für alle i {,..., r} so ist r λ k v k = λ v λ r v r = λ =... = λ r = k= und sonst heissen sie linear abhängig. v,..., v r V heissen linear unabhängig genau dann, wenn kein v i sich als Linearkombination der anderen a j mit j i schreiben lässt. z.b. v ist keine Linearkombination von v,..., v r schreiben. Beispiel 4: ist linear abhängig von 4, weil = ist linear unabhängig von. 3 3 Bei komponentenweiser Multiplikation bekommt man in der ersten Koordinate niemals, wenn man und 3 behalten will. Sei B = b i i I V. B heisst Basis von V, wenn V = spanb V wird erzeugt von B B = b i i I alle b i sind untereinander linear unabhängig. 5
6 Satz. B ist ein minimales Erzeugendensystem, d.h. spanb = V, aber spanb \ {b i } V, b i B. Satz. B ist ein maximal linear unabhängige Teilmenge von V, d.h. b i i I sind linear unabhängig aber b i i I {v} sind nicht mehr linear unabhängig, v V \ B. Sind B und B Basen von V, so gilt B = B. Jeder Vektorraum hat eine Basis. Sei B eine Basis von V. Dann ist B = dimv = # Basisvektoren die Dimension von V, wobei = Kardinalität von einer Menge ist. Falls dimv = n, dann gilt allgemein: Falls k < n, sind v,..., v k V nicht erzeugend Falls k > n, sind v,..., v k V linear abhängig Basisauswahlsatz. Aus jedem endlichen Erzeugendensystem eines Vektorraumes kann man eine Basis auswählen. Insbesondere hat jeder endlich erzeugte Vektorraum eine endliche Basis. Basisergnzungssatz. In einem endlich erzeugten Vektorraum V seien linear unabhängige Vektoren w,..., w n gegeben. Dann kann man w n +,..., w r finden so dass eine Basis von V ist. Beispiel 5: dimr n = n = dimc n dimp n = n + dim R C = B = {w,..., w n, w n +,..., w r } BP n = {, x, x,..., x }{{ n } } n+ Basisvektoren Basis von C über dem Körper R ist z.b. {, i} dim C C = Basis von C über dem Körper C ist z.b. {} 6
7 Tricks beim Rechnen bei Fragen betreffend Dimension, Basis, lineare Abhängigkeit, etc. Gegeben: v,..., v k V Gesucht: dimv, spanv,..., v k linear unabhängig?. Schreibe v T. v T k = A in eine Matrix mit n Zeilen.. Führe Gauss-Elimination auf A aus bis ihr die Zeilenstufenform erreicht habt. 3. Ziehe Fazit: RangA = dimspanv,..., v k RangA = k v,..., v k ist linear unabhängig RangA < k v,..., v k ist linear abhängig RangA = dimv v,..., v k ist erzeugend Falls RangA = dimv = k, dann bilden v,..., v k also eine Basis für R n Beispiel 6: 3 Zu zeigen:, 5, R 3 bilden eine Basis in R 3. Beweis: Wissen dimr 3 = 3, und wir haben 3 Vektoren. Jetzt müssen wir nur noch zeigen, dass die Vektoren linear unabhängig sind. 3 5 ii l i 5 iii l 3ii 5 9 = A RangA = 3 voller Rang Vektoren sind linear unabhängig und bilden somit eine Basis von R 3. Beispiel 7: Ist B = {, x, + x + x 3 } eine Basis von P 3? Wenn ja beweise, wenn nein, erweitere zu einer Basis. 7
8 Wissen: dimp 3 = 4 B kann keine sein, weil dimb = 3 < 4. Behauptung: B = {, x, + x + x 3, x } ist eine Basis von P 3. Beweis: = e x = e x = e 3 x 3 = e 4 + x + x 3 = e + e 3 + e 4 linear unabhänging, also ist B eine Basis von P 3 3 Basiswechsel, Koordinatentransformation I Seien A = e,..., e n die kanonische Basis vom Vektorraum V und B = b,..., b n eine weitere Basis von V beschrieben mit der kanonischen Basis. Dann existiert eine Transformationsmatrix mit: T B A = b b n mit e i = T B A b i, i {,..., n}. V A T A B V B Es gilt die folgende Rechenregel: TB A = T A B Mit der obigen Definition erhalten wir somit: TB Ae i = b i, i {,..., n}. 4 Lineare Abbildungen Eine Abbildung f : X Y heisst injektiv, falls x, x X : x x fx fx. In Worten: Verschiedene Elemente aus X werden auf verschiedene Bilder in Y abgebildet. 8
9 Eine Abbildung f : X Y heisst surjektiv, falls y Y x X : fx = y. In Worten: Jedes Element aus Y wird von f getroffen. Eine Abbildung f : X Y heisst bijektiv, falls y Y!x X : fx = y. In Worten: Jedes Element aus Y wird von f genau eins getroffen. Eine Abbildung F : V W zwischen E-Vektorräumen V und W heisst linear genauer Homomorphismus von E-Vektorräumen, wenn v, w V und λ E: L F v + w = F v + F w L F λv = λf v Diese beiden Bedingungen kann man zusammenfassen zu einer: L F v + λw = F v + λf w. Notation. Für F : V W linear ist F HomV, W. Es ist üblich, den Begriff Homomorphismus zu verschärfen: i F HomV, W und bijektiv Isomorphismus Notation: V =W ii F HomV, W und V = W Endomorphismus Notation: F EndV iii F EndV und bijektiv Automorphismus Zudem gilt: i G : W V linear, so dass F G = id W, G F = id V, d.h. w W : v V : F Gw = w GF v = v Seien MF, MG die darstellenden Matrizen von F : V W isomorph und G : W V homomorph und V, W sind endlichdimensionale Vektorräume, d.h. dimv < und dimw <. Dann bedeutet Bijektivität von F, dass dimv = dimw MF MG = MG MF = dimv MF = MG Sei die F HomV, W. ImF := F V = {F v v V } W ist ein Untervektorraum von W und heisst BildF oder ImF. 9
10 kerf := {v V F v = } V ist ein Untervektorraum von V und heisst kerf. Satz. Sei F : V W linear und V, W sind Vektorräume. Dann gilt: i F =, die Null wird immer auf die Null abgebildet ii F surjektiv ImF = W dimimf = dimw iii F injektiv kerf = {} dimkerf = iv F ist ein Isomorphismus dimv = dimw = rangf Satz. Sind f, g linear Abbildungen f g ist eine lineare Abbildung. Satz. Sind f, g lineare Abbildungen, dann ist die Funktion F := f ± g die aus der Linearkombination von f, g entsteht wieder eine lineare Abbildung. Der Rang der linearen Abbildung F ist definiert als: rangf = dimimf. Der Rang der linearen Abbildung F ist gleich dem Rang ihrer Abbildungsmatrix MF. Es gilt: rangf = dimimf = rangmf = rangmf T Zeilenrang = Spaltenrang: rangmf = rangmf T Achtung: Im Allgemeinen gilt: Spaltenraum Zeilenraum Beispiel : Sei F : R R, x 5x. F ist nicht linear, da F =.
11 Abbildungsmatrix darstellende Matrix; Spezialfall mit Standardbasis Gegeben: V ein Vektorraum, F : V, A W, B, v F v und Basis von V mit A = {a,..., a n } und die Standardbasis von W mit B = {b,..., b m } Gesucht: M A B F. Berechne für jeden Basisvektor F a i, i {,..., n}. Erstelle MB AF = F a,..., F a n } m-zeilen. }{{} n-spalten Wir haben die Abbildungsmatrix von F erhalten, wobei der Definitionsbereich bezüglich A und Bildbereich bezüglich B gegeben ist. Beispiel : Sei F = d dt : P P, p ṗ = dp dt. i Zu zeigen: F ist eine lineare Abbildung. Beweis: a, b P, λ E : F a + λb = d a + λb dt = d dt a + λ d dt b = F a + λf b ii Finde die Abbildungsmatrix MB BF bezüglich der Monombasis B = {, t, t }. p = λ + λ t + λ t P, ṗ = λ + λ t P, p = ṗ = λ λ λ λ λ E 3 E 3 = e t = e t = e 3 ṗ = ṗe =, ṗt = ṗe =, ṗt = ṗe 3 = = MB B F =
12 Ein Polynom p P n ist durch die Funktionswerte px i an n + paarweise verschiedenen Punkten x i {,..., n} eindeutig bestimmt. Seien V, U, W E-Vektorräume mit dimv = n, dimu = k und dimw = l, dann ist die Dimensionsregel für Verknüpfungen von linearen Abbildungen: Mf R l n, Mg R k l Mg f = Mg Mf R k l R l n = R k n Satz. Seien V und W zwei endlichdimensionale Vektorräume eines grösseren Vektorraums endlichdimensional dimv = n < und dimw = k < und sei f : V W linear, dann gelten die folgenden Dimensionsformeln: dimv + W = dimv + dimw dimv W n = dimv = dimkerf + dimimf Eigenschaften von linearen Abbildungen: Seien V, W E-Vektorräume und B = {v,..., v n } eine Basis von V. linear. Sei F : V W ImF = spanf v,..., F v n, d.h. F ist eindeutig definiert durch die Werte der Basisvektoren Ist F injektiv und v,..., v n V linear unabhängig, dann sind F v,..., F v n ImF linear unabhängig dimf < und F injektiv F ist bijektiv! 5 Basiswechsel, Koordinatentransformation II Satz. Sei E ein Körper, V ein E-Vektorraum mit dimv = n <. Seien v V, A = {a,..., a n }, B = {b,..., b n } Basen für V. Dann existieren eindeutige λ,..., λ n E sowie eindeutige µ,..., µ n E, so dass v = n λ k a k = k= n µ k b k. k= Da stellt sich die Frage wie man zwischen den Basen A und B wechseln kann, konkret hat man zum Beispiel die Abbildungsmatrix bezüglich A gegeben und möchte nun die Abbildungsmatrix bezüglich B darstellen. Zu jeder Basis B = {v,..., v n } von V gibt es genau einen Isomorphismus: φ B : V, x,..., x n φ B x,..., x n = n x k v k = x v x n v n mit φ B e i = v i. k=
13 In Worten: φ B ordnet x seinen Koordinaten bezüglich der Basis B zu. Seien V mit Basis A = {v,..., v m } und W mit Basis B = {w,..., w n } Vektorräume über E. Dann gibt es zu jeder linearen Abbildung f : V W genau eine Matrix MB A f, so dass MB Af j = fv j = a j w a mj w m für j =,..., n. Die Matrix M A B f von oben hat als j-te Spalte den Vektor der Koordinaten von fv j bezüglich der Basis B. Wichtig In den Spalten einer Abbildungsmatrix stehen die Bilder der Basisvektoren, d.h. M A B f = fv fv m. Die Matrix MB A f kann mit Hilfe des kommutierenden Diagramms auch foglendermassen beschrieben werden: MB A f = φ B f φ A E m V φ A M A B f f W φ B Die reguläre Transformationsmatrix TB A mit Basen A = {v,..., v n }, B = {w,..., w n } vom Vektorraum V sieht wie folgt aus: T A B = φ B φ A = t t n.. t n t nn, Dadurch kann man nun folgend beschreiben w i = t i v +...+t ni v n = TB Av i, wobei w i bezüglich Bund v i bezüglich A dargestellt ist: v TB A v A = w B, wobei v A =. v n bzgl. A, w B = φ A T A B V w. w n φ B bzgl. B. i {,..., n}, Rechenregeln. T A A = T A B = T B A λ A K n ein Koordinatenvektor bezüglich A µ B K n ein Koordinatenvektor bezüglich B TB Aλ A = µ B 3
14 f : V V linear mit Abbildungsmatrix MA A f wobei der Definitionsbereich und der Bildbereich bezüglich A gegeben ist. Analog ist die Abbildungsmatrix MB Bf im Definitionsbereich und im Bildbereich bezüglich B gegeben. Wir erreichen eine Basistransformation von A nach B der Abbildungsmatrix MA A f mit den Transformationsmatrizen TA B, T B A: M B B f φ B φ B M B B f = T A B M A A ft B A T B A V f V T A B φ A φ A MA Af f : V V linear mit Abbildungsmatrix M B B f wobei der Definitionsbereich bezüglich B und der Bildbereich bezüglich B gegeben ist. Analog ist die Abbildugnsmatrix M B B f im Definitionsbereich bezüglich B und im Bildbereich bezüglich B gegeben. Wir erreichen eine Basistransformation von B nach B Definitionsbereich bzw. von B nach B Bildbereich der Abbildungsmatrix M B B f mit den Transformationsmatrizen T B B, T B B : M B B f φ B φ B M B B f = T B B M B B ft B B T B B V f V T B B φ B φ B M B B f Seien A = e,..., e n die kanonische Basis vom Vektorraum V und B = b,..., b n eine weitere Basis von V beschrieben mit der kanonischen Basis. Dann existiert eine Transformationsmatrix mit: T B A = b b n mit e i = T B A b i, i {,..., n}. V A T A B V B Mit der obigen Definition erhalten wir somit: T A B e i = b i, i {,..., n}. 4
15 Transformationsmatrix Gegeben: A = a,..., a n, B = b,..., b n sind Basen von V. Gesucht: Transformationsmatrix T A B und T B A. B A b b n a a n Gaussen ohne Zeilenvertauschung A B a a n b b n Gaussen ohne Zeilenvertauschung TB A TA B Intuition BB B A }{{ } AB }{{ } T B A =T A B Beispiel 3: 3 3 Gegeben: A =,,, B = 3,, Gesucht: TB A, T A B iii l 3 ii ii iii i ii ii l i i 3 iii i 3 iii 3 iii l 3 i = TB A = TA B = T B A könnt ihr entweder mit dem Rezept von oben berechnen oder ihr benützt das Rezept aus der 3. Übungsstunde und berechnet die Inverse TB A = TA B. Beispiel 4: Sei V = P mit Basen B = {, x, x } Standardbasis Monombasis und A = {a, a, a 3 } 5
16 mit a T A B, T B A? a = x a = x + = x + x + a 3 = x = x x + b Sei F = d : P dt P, p ṗ = dp mit Abbildungsmatrix dt MF = MB BF =. Was ist MA A F? c Sei px = 3x 8x + P. Was sind die Koordinaten von p bezüglich A und B? a Da B die Standardbasis ist, gilt: TB A = a a a 3 = TA B = T B A : Zeilenvertauschungen iii l 3 ii i 4 iii ii 4 iii i ii iii 4 4 TA B = TB A = 4 4 b Unter Verwendung der Rechenregel erhalten wir: MA A F = TA B MB B F TB A = = c Koordinaten von p bezüglich B: p B =
17 Koordinaten von p bezüglich A: p A = TA B p B =. 3 Test: a a + 3a 3 = 3x 8x + = px Zwei Matrizen A, B E m n heissen äquivalent, wenn es S E m m und T n gibt mit: B = SAT Falls m = n nennen wir A, B E m n ähnlich, wenn es ein S E m m gibt mit: B = SAS. 7
Lineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana.
Lineare Algebra 6. Übungsstunde Steven attilana stevenb@student.ethz.ch November, 6 Lineare Abbildungen Eine Abbildung f : X Y heisst injektiv, falls x, x X : x x fx fx. In Worten: erschiedene Elemente
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana.
Lineare Algebra 5. Übungsstunde Steven Battilana stevenb@student.ethz.ch November, 6 Vektoräume Eine Menge E zusammen mit zwei Verknüpfungen +: E E! E, (x, y) 7! x + y (Addition) : E E! E, (x, y) 7! x
MehrLineare Algebra. 7. Übungsstunde. Steven Battilana.
Lineare Algebra 7. Übungsstunde Steven attilana stevenb@student.ethz.ch December 4, 6 Erinnerung Definition. Eine Abbildung F : V W zwischen E-Vektorräumen V und W heisst linear (genauer Homomorphismus
MehrLineare Algebra. 8. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 8. Übungsstunde Steven attilana stevenb student.ethz.ch battilana.uk/teaching November 6, 7 ild, Kern, Dimensionsformel und Abbildungsmatrix Definition. Eine Abbildung F : V W zwischen
Mehr1 Linearkombinationen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch
MehrLineare 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
Mehr1 Eigenschaften von Abbildungen
Technische Universität München Christian Neumann Ferienkurs Lineare Algebra für Physiker Vorlesung Dienstag WS 2008/09 Thema des heutigen Tages sind zuerst Abbildungen, dann spezielle Eigenschaften linearer
MehrFerienkurs Mathematik für Physiker I Skript Teil 2 ( )
Ferienkurs Mathematik für Physiker I WS 206/7 Ferienkurs Mathematik für Physiker I Skript Teil 2 (28.03.207) Vektorräume Bevor wir zur Definition eines Vektorraumes kommen erinnern wir noch einmal kurz
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra 2014/15 Seite 59 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
MehrVektorräume. 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
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,
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
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
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
Mehr1 Lineare Abbildungen
1 Lineare Abbildungen Definition 1 Sei K ein Körper und V und W K-Vektoräume. Eine Abbildung f : V W heisst linear oder Homomoprhismus, wenn gilt: fv 1 + v 2 = fv 1 + fv 2 v 1, v 2 V fλv = λfv λ K, v V
MehrLineare Algebra. Wintersemester 2017/2018. Skript zum Ferienkurs Tag Claudia Nagel Pablo Cova Fariña. Technische Universität München
Technische Universität München Wintersemester 27/28 Lineare Algebra Skript zum Ferienkurs Tag 2-2.3.28 Claudia Nagel Pablo Cova Fariña Wir danken Herrn Prof. Kemper vielmals für seine Unterstützung bei
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 26.11.2013 Alexander Lytchak 1 / 12 Wiederholung Ist B = (v 1,..., v n ) eine Basis eines Vektorraums V, so erhalten
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
Mehr5 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
Mehr4 Lineare Abbildungen und Matrizen
4.1 Lineare Abbildungen Definition 4.1. Es seien V, W K-Vektorräume. Eine Abbildung f : V W heißt linear oder Homomorphismus, wenn für alle u, v V und λ K gilt Beispiel 4.2. L1 f(u + v) = f(u) + f(v),
MehrVorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)
1 Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 14: Vektorräume und lineare Abbildungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 6. Oktober 2009) Vektorräume
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 21.11.2016 6. Vorlesung aufgespannter Untervektorraum Span(T ), Linearkombinationen von Vektoren Lineare Unabhängigkeit
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben
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
Mehr13 Partielle Ableitung und Richtungsableitung
3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 74 3 Partielle Ableitung und Richtungsableitung 3 Definition und Notiz Sei B R n offen, f : B R m, v R n, so heißt für γ x,v (t) = x + tv d dt f(x + tv) f(x)
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 ) =
MehrKapitel 7 Lineare Abbildungen und Matrizen II
Kapitel 7 Lineare Abbildungen und Matrizen II 7.1 Weitere Rechenregeln für Matrizen Aus den bisher gelernten Regeln entnehmen wir den als Übung zu beweisenden Satz 7.1. Es gelten die folgenden Regeln.
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrLineare Abbildungen. 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
MehrLineare Algebra I Lösung der Probeklausur
David Blottière Patrick Schützdeller WS 6/7 Universität Paderborn Lineare Algebra I Lösung der Probeklausur Aufgabe : M i) M ist linear unabhängig. Seien a,b,c R mit Daraus folgt : Also gilt a = b = c
Mehr0, v 6 = , v 4 = 1
Aufgabe 6. Linearkombinationen von Vektoren Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 : M = v =, v =, v 3 =, v 4 =, v 5 =, v 6 =. Zeigen Sie, dass sich jeder Vektor v i M, i =,,...,
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
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
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
MehrIn 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.
Mehr4 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
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
MehrGrundlegende Definitionen aus HM I
Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen
Mehr2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105. gramms kommutativ:
2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105 gramms kommutativ: V ϕ W ψ X c B c C c D K n x MC B(ϕ) x K m x MC D (ψ) x K l x M C D (ψ)mb C (ϕ) x Dies bedeutet, dass das gesamte Diagramm kommutativ ist.
Mehr3 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
MehrLineare Abbildungen und Orthonormalsysteme
KAPITEL Lineare Abbildungen und Orthonormalsysteme. Lineare Abbildungen und Koordinatendarstellungen.. Lineare Abbildungen und ihre Basisdarstellung. Seien V, W Vektorraume uber R. Mit einer Abbildung
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
MehrLineare 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
Mehr2.4 Lineare Abbildungen und Matrizen
24 Lineare Abbildungen und Matrizen Definition 24 Seien V, W zwei K-Vektorräume Eine Abbildung f : V W heißt lineare Abbildung (lineare Transformation, linearer Homomorphismus, Vektorraumhomomorphismus
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzugen zur Vorlesung: Der Vollständigkeit
MehrKURZSKRIPT ZUR VORLESUNG LINEARE ALGEBRA UND ANALYTISCHE GEOMETRIE I IM WS 2017/18
KURZSKRIPT ZUR VORLESUNG LINEARE ALGEBRA UND ANALYTISCHE GEOMETRIE I IM WS 207/8. Mengen und Zahlen Eine Menge X besteht aus Elementen. X ist eine Teilmenge von Y, geschrieben X Y, wenn jedes Element von
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
MehrVektorräume. 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
MehrBild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis
MehrMathematik 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,
MehrKlausur zur Vorlesung Lineare Algebra und Geometrie I
Klausur zur Vorlesung Lineare Algebra und Geometrie I Ruhr-Universität Bochum Prof. Dr. Peter Eichelsbacher 3. April 2007, 9.00-13.00 Uhr, 240 Minuten Name und Geburtsdatum: Matrikelnummer: Hinweise: Überprüfen
Mehr6.2 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)
MehrMusterlösung. 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,
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,...,
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
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
MehrLineare Algebra I. Lösung 9.2:
Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik Lösungsblatt 9 Prof. Dr. Markus Schweighofer 20.01.2010 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 9.1: Voraussetzung:
MehrL2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:
L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: 2) Vektoren: vollständig bestimmt durch Angabe einer und einer Beispiele: Übliche
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrLösung zu Serie 9. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 9 1. [Aufgabe] Sei f : V W eine lineare Abbildung. Zeige: a) Die Abbildung f ist injektiv genau dann, wenn eine lineare Abbildung g :
Mehri) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.
Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):
MehrLineare 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
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/201 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.201, 11 Uhr Lösungen der
MehrBasis eines Vektorraumes
Basis eines Vektorraumes Basisergänzungssatz: Ist U V ein Unterraum von V und dim V = n, so kann jede Menge linear unabhängiger Vektoren aus U zu einer Basis von U erweitert werden Und es gilt: Beweis:
MehrLineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18.
18. November 2011 Wozu das alles? Bedeutung von Termen Vektoren in R n Ähnlichkeiten zwischen Termbedeutungen Skalarprodukt/Norm/Metrik in R n Komposition von Termbedeutungen Operationen auf/abbildungen
MehrLineare Abbildungen. i=0 c ix i n. K n K m. linear. Wir können also jeder Matrix eine lineare Abbildung zuordnen.
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
MehrVektorräume und Lineare Abbildungen
Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um
Mehrx 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
MehrÜbersicht Kapitel 9. Vektorräume
Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
Mehr02. Vektorräume und Untervektorräume
02. Vektorräume und Untervektorräume Wir kommen nun zur eigentlichen Definition eines K-Vektorraums. Dabei ist K ein Körper (bei uns meist R oder C). Informell ist ein K-Vektorraum eine Menge V, auf der
MehrTechnische 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
Mehr10.2 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$Id: vektor.tex,v /01/16 15:50:24 hk Exp $ $Id: cartesisch.tex,v /01/19 11:05:27 hk Exp $
$Id: vektortex,v 125 2015/01/16 15:50:24 hk Exp $ $Id: cartesischtex,v 116 2015/01/19 11:05:27 hk Exp $ 9 Vektorräume 94 Koordinatentransformationen Am Ende der letzten Sitzung hatten wir die sogenannten
Mehr5.7 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
MehrVektorräume. Lineare Algebra I. Kapitel Juni 2012
Vektorräume Lineare Algebra I Kapitel 9 12. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent: Sadegh
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)
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
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Vektoren in der Ebene Zwei Punkten P, Q in der Ebene
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
Mehrx 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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 9 Aufgabe 9 Finden Sie eine Basis des Lösungsraums L R 5 des linearen
MehrTechnische Universität München. Mathematik für Physiker 1
Tutorübung - Lösungen T: Basiswechsel Technische Universität München Zentrum Mathematik Mathematik für Physiker Wintersemester /2 Michael Kaplan Jan Wehrheim Christian Mendl Übungsblatt 9 Wir betrachten
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem
MehrL2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:
L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: Masse, Volumen, Energie, Arbeit, Druck, Temperatur 2) Vektoren: vollständig
Mehr6.5 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
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
MehrLösungsskizze zur Hauptklausur Lineare Algebra I
Lösungsskizze zur Hauptklausur Lineare Algebra I Aufgabe Seien V und W zwei K-Vektorräume für einen Körper K. a) Wann heißt eine Abbildung f : V W linear? b) Wann heißt eine Abbildung f : V W injektiv?
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
Mehr, Uhr Dr. Thorsten Weist. Name Vorname Matrikelnummer. Geburtsort Geburtsdatum Studiengang
Nachklausur zur Linearen Algebra I - Nr. 1 Bergische Universität Wuppertal Sommersemester 2011 Prof. Dr. Markus Reineke 06.10.2011, 10-12 Uhr Dr. Thorsten Weist Bitte tragen Sie die folgenden Daten leserlich
MehrLineare Abbildungen und Matrizen
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume
MehrD-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld. Clicker Fragen
D-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld Clicker Fragen Frage 1 Die Aussage Dieser Satz ist falsch ist wahr falsch Dies ist die einfachste Form des Lügner-Paradoxes ist der folgende selbstbezügliche
MehrLineare 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