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...
|
|
- Richard Beltz
- vor 6 Jahren
- Abrufe
Transkript
1 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 λ λ k =, so ist der Punkt x K n eine affine Kombination der Punkte x,...,x k K n. Eine affine Kombination ist also eine Linearkombination, sodass die Summe der Koeffizienten gleich ist (hat in jedem Körper Sinn, da in jedem Körper wohldefiniert ist, als neutrales Element der Gruppe (K = K \ {0}, )). Bemerkung. Dies ist äquivalent zu x x ist lineare Kombination der Vektoren x 2 x,x 3 x,...,x k x. Tatsächlich, in diesem Fall ist λ = λ 2 λ 3... λ k, und x = λ x + λ 2 x λ k x k = x + ( λ 2... λ k )x + λ 2 x λ k x k = x + λ 2 (x 2 x ) + λ 3 (x 3 x ) λ k (x k x )
2 Wiederholung. Für A K n ist die lineare Hülle Span(A) die Menge aller (endlichen) linearen Kombinationen von Elementen von A. Span(A) ist zugleich der kleinste lineare Untervektorraum von K n, der A enthält, und die Schnittmenge von allen linearen Untervektorräumen von K n, die A enthalten (LA I). Def. Für A K n ist die affine Hülle Aff (A) die Menge aller (endlichen) affinen Kombinationen von Elementen von A. Lineare Hülle von A und B: eine Ebene, die A, B und Null-Nunkt 0 enthält. Affine Hülle von A und B: die Gerade durch A und B A B A B 0 0
3 Lemma. Sei A = {x,...,x k } K n. Dann gilt: Aff (A) ist ein affiner Unterraum über dem Untervektorraum span(x 2 x,x 3 x,...,x k x ). (Wiederhol. aff. Raum über U ist die Menge {a 0 + u u U}.) Ferner gilt: Enthält ein affiner Unterraum U alle Punkte x,...,x k, so gilt Aff (A) U. Bemerkung. Die letzte Aussage des Lemmas kann man wie folgt umformulieren: Aff (A) ist der kleinste affine Unterraum von K n, der A enthält (vergl. die analoge Aussage über Untervektorräume aus LA I). Bemerkung. Wir sehen, dass die Dimension von Aff (A) höchstens k = #A = #{x 2 x,x 3 x,...,x k x } ist. Beweis. Z.z.: (i) Aff (A) {x + v v span(x 2 x,x 3 x,...,x k x )}, d.h., Jedes x Aff (A) kann man als x + v darstellen, wobei v span(x 2 x,x 3 x,...,x k x ). (ii) Aff (A) {x + v v span(x 2 x,x 3 x,...,x k x )}, d.h., für jedes v span(x 2 x,x 3 x,...,x k x ) gilt: x + v Aff (A). (iii) Für jeden affinen Unterraum U mit A U gilt: Aff (A) U.
4 Beweis von (i): Aff (A) {x + v v span(x 2 x, x 3 x,..., x k x )} Wir haben diese Aussage praktisch in der Bemerkung nach der Definition der affinen Hülle gezeigt. Angenommen x = λ x λ k x k wobei λ λ k =. Dann ist λ = λ 2 λ 3... λ k, und x = λ x + λ 2 x λ k x k = x + ( λ 2... λ k )x + λ 2 x λ k x k = x + λ 2 (x 2 x ) + λ 3 (x 3 x ) λ k (x k x ) Dann ist x x eine lineare Kombination der Vektoren x 2 x,x 3 x,...,x k x, also ein Element (z.b. v) von span(x 2 x,x 3 x,...,x k x ). Also, x = x + v.
5 Beweis von (ii): Aff (A) {x + v v span(x 2 x, x 3 x 3,..., x k x )} Z.z.: für jedes v = λ 2 (x 2 x ) + λ 3 (x 3 x ) λ k (x k x ) liegt x + v in Aff (A). x + v = x + λ 2 (x 2 x ) + λ 3 (x 3 x ) λ k (x k x ) = ( λ 2 λ 3... λ k ) }{{} λ x + (λ 2 + λ λ k )x + λ 2 (x 2 x ) + λ 3 (x 3 x ) λ k (x k x ) = λ x +λ 2 (x +(x 2 x ))+λ 3 (x +(x 3 x ))+...+λ k (x +(x k x )) = λ x + λ 2 x λ k x k. Da die Summe der Koeffizienten λ,...,λ k gleich ( λ 2 λ 3... λ k ) + λ 2 + λ λ k = ist, ist x + v eine affine Kombination von x,...,x k.
6 Beweis (iii): Ist A U, so ist Aff (A) U Wied. Lemma 8. Sei U K n affiner Unterraum über dem Untervektorraum V U, d.h., U = {a 0 +v v V U }. Sei a U ein beliebiger Punkt. Dann gilt: U = {a + v, wobei v V U }. Wegen Lemma 8 können wir obda annehmen, dass U = {x + u u V U }. Dann sind alle Punkte x 2,...,x k A gleich x 2 = x + u 2, x 3 = x + u 3,..., x k = x + u k wobei u 2,...,u k V U. Dann sind (x 2 x ), (x 3 x ),...,(x k x ) V U. Dann ist span(x 2 x,x 3 x,...,x k x ) V U. ( ) Dann gilt Aff (A) (i) {x + v v span(x 2 x,x 3 x,...,x k x )} ( ) {x + v v V U } = U.
7 Lemma. Sei A = {x,..., x k }. Dann gilt: Aff (A) ist ein affiner Raum über dem Untervektorraum span(x 2 x, x 3 x,..., x k x ). Ferner gilt: Enthält ein affiner Unterraum U alle Punkte x,..., x k, so gilt Aff (A) U. Folgerung. Jeden affinen Unterraum von K n kann man als affine Hülle einer endlichen Teilmenge darstellen. Beweis. In der Tat, sei U = {x + v v V }. Wir nehmen eine Basis (v 2,...,v k ) V (endlich, weil dim(k n ) endlich ist). Sei x i := x + v i, Lem. i = 2,...,k Dann ist Aff (x,...,x k ) = {x + v v span(x 2 x,x 3 x,...,x k x )} = {x + v v V }.
8 Def. Sei M eine Teilmenge des affinen Raums K n. Sie heißt affin abgeschlossen, falls M mit je zwei Punkten a b auch die Gerade L(a,b) := {a + λ(b a) wobei λ K} durch a und b enthält. Bemerkung. Die Menge L(a,b) := {a + λ(b a) wobei λ K} ist tatsächlich die Gerade durch a und b: Sie ist eine Gerade (= -dim affiner Raum), weil sie die Form {a + v v span(b a)} hat. Sie enthält die Punkte a (entspricht λ = 0) und b (entspricht λ = ). Bsp. Ein affiner Unterraum ist eine affin abgeschlossene Teilmenge. In der Tat, sei U ein affiner Raum sodass a,b U. Nach Lemma 8 können wir obda den Punkt a als den Punkt unseres affinen Unterraums U nehmen. Dann besteht der Unterraum aus Punkten der Form a + v wobei v in einem Untervektorraum V U liegen. Liegt b im affinen Unterraum, so liegt b a im Untervektorraum V U. Dann liegen alle Punkte der Geraden L(a,b) := {a + λ(b a) wobei λ K} in U.
9 Bsp. einer affin abgeschlossenen Teilmenge, die kein Unterraum ist: Man betrachte K = Z 2 und den affinen Raum (Z 2 ) 2. O Nach Definition besteht die Gerade, die die Punkte a,b enthält aus allen Punkten der Form a + λ(b a). Da λ {0,} = Z 2, besteht die ganze Gerade nur aus 2 Punkten a und b. Deswegen ist jede Menge in (Z 2 ) 2 affin abgeschlossen. Aber die Menge (Z 2 ) 2 \ {(0,0)} ist kein Unterraum (weil die Vektoren 0 = 0, 0 = 0 linear unabhängig sind; also jeder diese Punkte enthaltende affine Unterraum mit (Z 2 ) 2 zusammenfallen muss. )
10 Def Wiederh. Sei M eine Teilmenge des K affinen Raums K n. Sie heißt affin abgeschlossen, falls M mit je zwei Punkten a b auch die Gerade L(a,b) := {a + λ(b a) wobei λ K} durch a und b enthält. Satz Angenommen, in dem Körper K gilt: + 0. Dann gilt: Eine affin abgeschlossene Teilmenge M des affinen Raums K n ist ein affiner Unterraum. Bemerkung. Es gibt Körper, so dass + = 0. Z.B. ist in Z 2 + = 0. Das erklärt auch, warum wir für das Beispiel auf der vorherigen Folie einen affinen Raum über Z 2 gewählt haben. Konvention. Sei K ein Körper. Das neutrale Element der multiplikativen Gruppe (K := K \ {0}, ) bezeichnen wir mit. Wir werden Element + mit 2 bezeichnen; + + mit 3 usw. Bsp: in Z 2 ist 2 = 0; 3 =. In Z 3 ist 2 = 2, 3 = 0, 4 = usw. Bsp: in Q, R, C gilt k = k. Falls ein Element ist, werden wir das inverse Element }{{} k Stück mit k bezeichnen. Bsp: In Z 2 ist 2 nicht definiert, da 2 = 0. In Z 2 ist 3 = In Z 3 ist 2 = 2, weil 2 2 = (= 4 mod 3). Bsp: in Q, R, C gilt k = k.
11 2 + 2 = Wie in der Konvention: 2 ist das Element von K so dass Distributionsgesetz 2 = 2 ( + ) = 2 2 =. ( + ) =. }{{} 2
12 Def Sei M eine Teilmenge des K affinen Raums K n. Sie heißt affin abgeschlossen, falls M mit je zwei Punkten a b auch die Gerade L(a,b) := {a + λ(b a) wobei λ K} durch a und b enthält. Satz. Angenommen, in dem Körper K gilt: + 0. Dann gilt: Eine affin abgeschlossene Teilmenge M des affinen Raums K n (über K- Vektorraum V) ist ein (affiner) Unterraum. Beweis. Angenommen, M ist affin abgeschlossen und a 0 M. Z.z.: U := {a a 0 wobei a M } ist ein Unterraum. (Da M := {a 0 + u wobei u U}, ist dann M ein affiner Unterraum). Z.z:. (i) Ist v U, so ist λv U. (ii) Sind v,w U, so ist v + w U. Wir zeigen (i). Es gilt: 0 = a 0 a 0 U. Sei v U, v 0, d.h. v = a a 0 für a M, a a 0. Dann liegen alle Punkte der Geraden L(a 0,a) := {a 0 + λ(a a 0 ) wobei λ K} in M, also λ(a a 0 ) U. Wir zeigen (ii). Seien v = a a 0 U, w = b a 0 U mit a,b M. Gilt v = w, so folgt nach (i) v + w = 2v U. Wir können also annehmen, dass v w und damit a b. Nach Voraussetzungen gilt dann L(a,b) M. Wegen b a = a 0 a + (b a 0 ) = (a a 0 ) + (b a 0 ) = w v gilt dann L(a,b) = {a + λ(w v) wobei λ K} = {a 0 + ( λ)v + λw wobei λ K}. Für λ = 2 erhalten wir a 0 + ( 2 )v + 2 w = a (v + w) M, also 2 (v + w) U. Nach (i) folgt 2 2 (v + w) U.
13 4 äquivalente Definitionen eines affinen Unterraums von K n Wir betrachten den affinen Raum K n. Ursprüngliche Definition 0. Ein Affiner Unterraum ist eine Teilmenge U der Form {a 0 + v, wobei v V U }, wobei V U ein Untervektorraumvon V ist. Def a. Die affine Hülle Aff (A) von einer (endlichen) Teilmenge von K n heißt ein affiner Unterraum. Equivalenz von Definitionen 0 und a: Lemma Def. b Ein affiner Unterraum ist die Lösungsmenge eines linearen Gleichungssystems Ax = b (unter der Annahme, dass das System mind. eine Lösung hat). Äquivalenz von Definitionen 0 und b: Eine Richtung: Lemma 8. Andere Richtung: Hausaufgabe. Def. c Ein affiner Unterraum ist eine affin abgeschlossene nichtleere Teilmenge von K n Äquivalenz von Definitionen 0 und c: Satz Man bemerke: Definition c benötigt nur Geraden
14 Affine Abbildungen und Affinitäten Def. Seien K n und K m zwei affine Räume. Die Abbildungen der Form F f,w (v) := T w f (v) := f (v) + w, wobei f eine lineare Abbildung und T w eine Parallelverschiebung ist, heißen affine Abbildungen. Ist m = n und f eine Bijektion ( also ein (linearer) Isomorphismus), so heißt F eine Affinität. Dasselbe in Koordinaten: Sei A eine m n Matrix über K und w K m. Dann sind die affinen Abbildungen die Abbildungen der Form F A,w : K n K m, F A,w (x) := Ax + w. Ist m = n und A nichtausgeartet, so ist F A,w eine Affinität. Bild von adobe.com
15 Def. Sei M eine Teilmenge des affinen Raums K n. Sie heißt affin abgeschlossen, falls M mit je zwei Punkten a b auch die Gerade L(a,b) := {a + λ(b a) wobei λ K} durch a und b enthält. Bemerkung. Die Menge L(a,b) := {a + λ(b a) wobei λ K} ist tatsächlich die Gerade durch a und b: Sie ist eine Gerade (= -dim affiner Raum), weil sie die Form {a + v v span(b a)} hat. Sie enthält die Punkte a (entspricht λ = 0) und b (entspricht λ = ). Bsp. Ein affiner Unterraum ist eine affin abgeschlossene Teilmenge. In der Tat, sei U ein affiner Raum sodass a,b U. Nach Lemma 8 können wir obda den Punkt a als den Punkt unseres affinen Unterraums U nehmen. Dann besteht der Unterraum aus Punkten der Form a + v wobei v in einem Untervektorraum V U liegen. Liegt b im affinen Unterraum, so liegt b a im Untervektorraum V U. Dann liegen alle Punkte der Geraden L(a,b) := {a + λ(b a) wobei λ K} in U.
16 Bsp. einer affin abgeschlossenen Teilmenge, die kein Unterraum ist: Man betrachte K = Z 2 und den affinen Raum (Z 2 ) 2. O Nach Definition besteht die Gerade, die die Punkte a,b enthält aus allen Punkten der Form a + λ(b a). Da λ {0,} = Z 2, besteht die ganze Gerade nur aus 2 Punkten a und b. Deswegen ist jede Menge in (Z 2 ) 2 affin abgeschlossen. Aber die Menge (Z 2 ) 2 \ {(0,0)} ist kein Unterraum (weil die Vektoren 0 = 0, 0 = 0 linear unabhängig sind; also jeder, diese Punkte enthaltende, affine Unterraum mit (Z 2 ) 2 zusammenfallen muss. )
17 Def Wiederh. Sei M eine Teilmenge des K affinen Raums K n. Sie heißt affin abgeschlossen, falls M mit je zwei Punkten a b auch die Gerade L(a,b) := {a + λ(b a) wobei λ K} durch a und b enthält. Satz Angenommen, in dem Körper K gilt: + 0. Dann gilt: Eine affin abgeschlossene Teilmenge M des affinen Raums K n ist ein affiner Unterraum. Bemerkung. Es gibt Körper so dass + = 0. Z.B. ist in Z 2 + = 0. Das erklärt auch warum wir für das Beispiel auf der vorherigen Folie einen affinen Raum über Z 2 gewählt haben. Konvention. Sei K ein Körper. Das neutrale Element der multiplikativen Gruppe (K := K \ {0}, ) bezeichnen wir mit. Wir werden Element + mit 2 bezeichnen; + + mit 3 usw. Bsp: in Z 2 ist 2 = 0; 3 =. In Z 3 ist 2 = 2, 3 = 0, 4 = usw. Bsp: in Q, R, C gilt k = k. Falls ein Element ist, werden wir das inverse Element }{{} k Stück mit k bezeichnen. Bsp: In Z 2 ist 2 nicht definiert, da 2 = 0. In Z 2 ist 3 = In Z 3 ist 2 = 2, weil 2 2 = (= 4 mod 3). Bsp: in Q, R, C gilt k = k.
18 2 + 2 = Wie in der Konvention: 2 ist das Element von K so dass Distributionsgesetz 2 = 2 ( + ) = 2 2 =. ( + ) =. }{{} 2
19 Def Sei M eine Teilmenge des K affinen Raums K n. Sie heißt affin abgeschlossen, falls M mit je zwei Punkten a b auch die Gerade L(a,b) := {a + λ(b a) wobei λ K} durch a und b enthält. Satz. Angenommen, in dem Körper K gilt: + 0. Dann gilt: Eine affin abgeschlossene Teilmenge M des affinen Raums K n (über K- Vektorraum V) ist ein (affiner) Unterraum. Beweis. Angenommen, M ist affin abgeschlossen und a 0 M. Z.z.: U := {a a 0 wobei a M } ist ein Unterraum. (Da M := {a 0 + u wobei u U}, ist dann M ein affiner Unterraum). Z.z:. (i) Ist v U, so ist λv U. (ii) Sind v,w U, so ist v + w U. Wir zeigen (i). Es gilt: 0 = a 0 a 0 U. Sei v U, v 0, d.h. v = a a 0 für a M, a a 0. Dann liegen alle Punkte der Geraden L(a 0,a) := {a 0 + λ(a a 0 ) wobei λ K} in M, also λ(a a 0 ) U. Wir zeigen (ii). Seien v = a a 0 U, w = b a 0 U mit a,b M. Gilt v = w, so folgt nach (i) v + w = 2v U. Wir können also annehmen, dass v w und damit a b. Nach Voraussetzungen gilt dann L(a,b) M. Wegen b a = a 0 a + (b a 0 ) = (a a 0 ) + (b a 0 ) = w v gilt dann L(a,b) = {a + λ(w v) wobei λ K} = {a 0 + ( λ)v + λw wobei λ K}. Für λ = 2 erhalten wir a 0 + ( 2 )v + 2 w = a (v + w) M, also 2 (v + w) U. Nach (i) folgt 2 2 (v + w) U.
20 4 äquivalente Definitionen des affinen Unterraums K n Sei K n der affine Raum. Ursprüngliche Definition 0. Affiner Unterraum ist eine Teilmenge U = der Form {a 0 + v, wobei v V U }, wobei V U ein Untervektorraumvon V ist. Def a. Affine Hülle Aff (A) von einer (endlichen) Teilmenge von K n heißt ein affiner Unterraum. Equivalenz von Definitionen 0 und a: Lemma Def. b Affiner Unterraum ist Lösungsmenge eines linearen Gleichungssystem Ax = b (unter der Annahme, dass das System mind. eine Lösung hat). Äquivalenz von Definitionen 0 und b: eine Richtung: Lemma 8; andere Richtung: Hausaufgabe Def. c Affiner Unterraum ist eine affin abgeschlossene nichtleere Teilmenge von K n Äquivalenz von Definitionen 0 und c: Satz Man bemerke: Definition c benötigt nur Geraden
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
MehrLineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.
Lineare Hülle Def A sei eine nichtleere Teilmenge des Vektorraums (V,+, ) Die lineare Hülle von A (Bezeichung: span(a)) ist die Menge aller Linearkombinationen der Elemente aus A { k } span(a) := λ i v
MehrSatz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen
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
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 ) =
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,
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
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
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
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
MehrSatz 7. A sei eine nichtleere Teilmenge des nichttrivialen Vektorraums (V, +, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine nichtleere Teilmenge
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
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
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
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
MehrDefinitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.
Technische Universität Berlin Wintersemester 7/8 Institut für Mathematik 9. April 8 Prof. Dr. Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Nachklausur zur Linearen Algebra I Aufgabe ++ Punkte Definieren
MehrMathematik 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
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
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
MehrDefinition 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
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
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
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)
MehrAnhang A. Etwas affine Geometrie. A.1 Die affine Hülle
Anhang A Etwas affine Geometrie In diesem Anhang stellen wir die wichtigsten Grundbegriffe aus der affinen Geometrie zusammen, soweit sie eben für uns von Nutzen sind. Für weiterführende Ergebnisse sei
MehrKapitel 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
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
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
Mehr= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0.
Def 4 Eine Menge K mit zwei Abbildungen + : K K K und : K K K (heißen Addition und Multiplikation; wir werden a b bzw a+b statt (a,b), +(a,b) schreiben) ist ein kommutativer Ring, falls: (R1) (K, +) ist
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,...,
MehrLineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin:
Lineare Algebra I - 9.Vorlesung - rof. Dr. Daniel Roggenkamp & Falko Gauß Korrektur: 2. Klausurtermin: 09.02.2017 Linearkombination von Vektoren lineare Hülle Erzeugendensystem S lineare Unabhängigkeit
Mehr6 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
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
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)
MehrBasis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Basis und Dimension Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren aus V. 1) (v i ) i I heißt ein Erzeugendensystem von V, wenn Span(v i ) = V. 2) (v i ) i I heißt Basis von
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
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
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I Wintersemester 3/ Aufgabenblatt 6. Januar Präsenzaufgaben
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
Mehr4 Affine Koordinatensysteme
4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner
MehrQuadratische Matrizen
Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
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
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
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 15. Aufgaben. Verständnisfragen
Kapitel 5 Aufgaben Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation einen K-Vektorraum bildet
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
MehrKonvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke
Konvexe Mengen Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke xy = {x + t xy 0 t 1} = {(1 t)x + ty 0 t 1} enthält. konvex nicht konvex Lemma
MehrAufgaben zu Kapitel 15
Aufgaben zu Kapitel 5 Aufgaben zu Kapitel 5 Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrSymplektische Geometrie
Symplektische Geometrie Def. Eine symplektische Form auf U R 2n ist eine geschlossene, nichtausgeartete 2-Differentialform. }{{}}{{} d.h. dω = 0 wird gleich definiert Wir bezeichnen sie normalerweise mit
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
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
MehrLösungen 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
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
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
Mehr2.3 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
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.
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
MehrLineare Gleichungssysteme
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 28. November 2011 Definition Beispiel: Wassermengen und Konzentrationen in einem Fluss Beispiel Zeilenstufenform Beispiel (Fortsetzung) Anhang
Mehr1 Linearkombinationen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch
MehrLineare Gleichungssysteme - Grundlagen
Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente
MehrDonnerstag, 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 )
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 1: ENDLICHE KÖRPER 1 ALLGEMEINES 2 GLEICHUNGEN ÜBER EINEM ENDLICHEN KÖRPER
RUPRECHT-KARLS-UNIVERSITÄT HEIDELBERG MATHEMATISCHES INSTITUT SEMINAR: QUADRATISCHE FORMEN ÜBER DEN RATIONALEN ZAHLEN SOMMERSEMESTER 2007 DOZENT: PROF. DR. KAY WINGBERG ASSISTENT: JOHANNES BARTELS KAPITEL
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 II 6. Übungsblatt
Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der
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
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
Mehr4. Vektorräume und Gleichungssysteme
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 41 und 42 4 Vektorräume
Mehr11. BASIS, UNTERRAUM, und DIMENSION
11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
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
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
Mehr3.2 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
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 2 Ein guter Schüler lernt auch bei einem schlechten Lehrer Eigentheorie Unter einer Achsenspiegelung in der
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
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,
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
MehrDer 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
Mehr5 Die Allgemeine Lineare Gruppe
5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche
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
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
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
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
MehrLösungen Serie 6 (Vektorräume, Skalarprodukt)
Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9
MehrHomogene 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
MehrErweiterte Koordinaten
Erweiterte Koordinaten Sei K n ein n dimensionaler affiner Raum Die erweiterten Koordinaten x des Punktes x K n sind Kn+ (Ist für alle K sinnvoll, weil in jedem Körper K wohldefiniert ist; in dieser Vorlesung
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
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 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
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
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
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,
MehrBeziehungen zwischen Vektorräumen und ihren Dimensionen
Beziehungen zwischen Vektorräumen und ihren Dimensionen Lineare Algebra I Kapitel 9 20. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz
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:
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
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:
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 -----------------------------------------------------------------------------------------------------------------
Mehr