Summen und direkte Summen

Ähnliche Dokumente
Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Lineare Abhängigkeit

Affine Geometrie (Einfachere, konstruktive Version)

Einführung in die Mathematik für Informatiker

2 Die Dimension eines Vektorraums

Beziehungen zwischen Vektorräumen und ihren Dimensionen

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Lineare Abbildungen. i=0 c ix i n. K n K m

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

00. Einiges zum Vektorraum R n

Übungen zur Linearen Algebra 1

1 Mengen und Abbildungen

Lineare Algebra I (WS 13/14)

Lineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.

11. BASIS, UNTERRAUM, und DIMENSION

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.

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

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

7 Vektorräume und Körperweiterungen

(Allgemeine) Vektorräume (Teschl/Teschl 9)

4 Elementare Vektorraumtheorie

2.2 Kern und Bild; Basiswechsel

Eigenwerte und Diagonalisierung

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

Übungen zu Einführung in die Lineare Algebra und Geometrie

Kapitel VI. Euklidische Geometrie

Kapitel III. Lineare Abbildungen

Technische Universität München Zentrum Mathematik. Übungsblatt 7

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

Übungen zur Linearen Algebra 1

4. Übungsblatt Matrikelnr.:

Aufgaben zu Kapitel 15

Kapitel 2: Mathematische Grundlagen

37 Gauß-Algorithmus und lineare Gleichungssysteme

Zahlen und metrische Räume

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

9 Vektorräume mit Skalarprodukt

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Lineare Gleichungssysteme

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

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

2 Euklidische Vektorräume

Lineare Algebra II, Lösungshinweise Blatt 9

2 Einführung in die lineare Algebra

Die Dimension eines Vektorraumes

Vektorräume und Lineare Abbildungen

Basen von Schnitt und Summe berechnen

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

Kap 5: Rang, Koordinatentransformationen

2.2 Konstruktion der rationalen Zahlen

Vektorräume und Rang einer Matrix

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

Zusammenfassung der Lebesgue-Integrationstheorie

Kapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen

Lineare Gleichungssysteme

2. Der Grad von Körpererweiterungen

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester gehalten von Harald Baum

5. Vektorräume. 5.1 Grundbegriffe, Untervektorräume

Wie kann man beweisen, dass (H, ) eine Gruppe ist?

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME

5 Grundlagen der Zahlentheorie

Lineare Algebra und analytische Geometrie I

Definition 27 Affiner Raum über Vektorraum V

ϕ 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 ).

6 Hauptachsentransformation

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

Skript zur Vorlesung. Lineare Algebra I. Private Mitschrift. Vektorraumtheorie. gelesen von. Prof. Dr. Alexander Prestel.

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )

Vektorgeometrie Layout: Tibor Stolz

Der Satz von DESARGUES und der Satz von PAPPOS

Lineare Algebra I Klausur. Klausur - Musterlösung

Lineare Abbildungen und Darstellungsmatrizen

Mathematische Grundlagen der Computerlinguistik

2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.

Satz 16 (Multiplikationssatz)

Unterräume; Basis und Dimension; Skalarprodukt, Norm und Vektorprodukt im R 3

Affine und projektive Räume

[UV2] bedeutet Abgeschlossenheit bezüglich der Addition, [UV3] ist die Abgeschlossenheit bzgl. der Skalarmultiplikation. Bezeichnung U V.

34 Lineare Abbildungen

Lineare Algebra und analytische Geometrie II

Theorie der Vektorräume

Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Satz 18 (Satz von der totalen Wahrscheinlichkeit)

Sesqui- und Bilinearformen

6 Eigenwerte und Eigenvektoren

Vorlesung. Funktionen/Abbildungen

Ebene algebraische Kurven

4 Lineare Algebra (Teil 2): Quadratische Matrizen

Erste Schnittpunktsätze und Anfänge einer Dreiecksgeometrie

4. Vektorräume und Gleichungssysteme

Lineare Algebra I. Eine Vorlesung von Prof. Dr. Klaus Hulek

Definition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Transkript:

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 + N kein Teilraum von V ist. Hingegen gilt Satz. Sei V ein K-Vektorraum und W, W V. Dann ist W + W = Span(W W ). Im besonderen ist also W + W ein Teilraum von V und heißt die Summe von W und W. Beweis. Ist v W + W, dann existieren w W und w W mit v = w + w. Klarerweise ist dann v Span(W W ), also W + W Span(W W ). Ist v Span(W W ), dann ist v eine Linearkombination von Vektoren aus W W. Diese Linearkombination kann dargestellt werden in der Form v = w + w, wobei w eine Linearkombination von Vektoren aus W und w eine Linearkombination von Vektoren aus W ist. Weil W V (bzw. W V ), gilt w W und w W. Also v = w + w W + W, und damit Span(W W ) W + W. Insgesamt gilt also W + W = Span(W W ). Wir fragen als nächstes nach der Dimension von W + W. Hier gilt Satz. (Dimensionsformel) Sei dimv < und W, W V. Dann gilt dim(w + W ) = dimw + dimw dim(w W ). Beweis. Sei (v 1,..., v n ) eine Basis von W W. Weil W W W und W W W, existieren nach dem Basisergänzungssatz Vektoren w 1,..., w k W und w 1,..., w l W sodass (v 1,..., v n, w 1,..., w k ) eine Basis von W und (v 1,..., v n, w 1,..., w l ) eine Basis von W ist. 1

Wir behaupten nun, dass B = (v 1,..., v n, w 1,..., w k, w 1,..., w l ) eine Basis von W + W ist. i) Sei v W +W. Es gibt also w W und w W mit v = w+w. Weil w eine Linearkombination von (v 1,..., v n, w 1,..., w k ) und w eine Linearkombination von (v 1,..., v n, w 1,..., w l ) ist, ist v eine Linearkombination von (v 1,..., v n, w 1,..., w k, w 1,..., w l ). Somit ist B ein Erzeugendensystem von W + W. ii) Nun sei λ 1 v 1 +... + λ n v n + µ 1 w 1 +... + µ k w k + µ 1w 1 +... + µ l w l = 0. Setze v = λ 1 v 1 +... + λ n v n + µ 1 w 1 +... + µ k w k. Dann gilt v W und wegen v = (µ 1w 1 +... + µ l w l ) auch v W, also v W W. Damit existieren aber λ 1,..., λ n K mit v = λ 1v 1 +... + λ nv n. Nun gilt 0 = v v = (λ 1 λ 1)v 1 +... + (λ n λ n)v n + µ 1 w 1 +... + µ k w k. Weil (v 1,..., v n, w 1,..., w k ) linear unabhängig ist, gilt λ 1 = λ 1,..., λ n = λ n, µ 1 = 0,..., µ k = 0. Damit ist λ 1 v 1 +...+λ n v n +µ 1w 1+...+µ l w l = 0. Weil (v 1,..., v n, w 1,..., w l ) linear unabhängig ist, gilt λ 1 = 0,..., λ n = 0, µ 1 = 0,..., µ l = 0, womit (v 1,..., v n, w 1,..., w k, w 1,..., w l ) linear unabhängig ist. Damit ist die Behauptung gezeigt. iii) Damit gilt also dim(w + W ) = n + k + l, dimw = n + k, dimw = n + l, dim(w W ) = n. Also dim(w + W ) = dimw + dimw dim(w W ). Sei V ein K-Vektorraum und W, W V. Gibt es ein 0 v W W, dann gilt trivialerweise v = v + 0 = 0 + v. Dies bedeutet aber, dass die Darstellung von v als Summe eines Vektors aus W und eines Vektors aus W nicht eindeutig ist. Die Frage nach der Eindeutigkeit der Darstellung führt zum Begriff der direkten Summe. Definition. Sei V ein K-Vektorraum und W, W V. 2

W + W ist die direkte Summe von W und W, in Zeichen W W, wenn zusätzlich W W = {0} ist. Lemma. Folgende Aussagen sind äquivalent: 1) Die Summe von W und W ist direkt, 2) v W + W 1 w W 1 w W mit v = w + w. Beweis. 1) 2) : Sei v W + W mit v = w 1 + w 1 und v = w 2 + w 2, wobei w 1, w 2 W und w 1, w 2 W. Dann ist w 1 + w 1 = w 2 + w 2 bzw. w 1 w 2 = w 2 w 1. Damit ist w 1 w 2 W W, und laut Voraussetzung ist w 1 w 2 = 0, also w 1 = w 2. Damit ist aber auch w 1 = w 2, d.h. die Darstellung von v ist eindeutig. 2) 1) : Würde ein 0 v W W existieren, so hätte man durch v = v + 0 = 0 + v einen Widerspruch zur Eindeutigkeit der Darstellung. Also muß W W = {0} sein. Die folgende Aussage ist eine unmittelbare Konsequenz der Dimensionsformel. Lemma. Sei dimv < und W, W V. Dann sind folgende Aussagen äquivalent: 1) V = W W, 2) V = W + W und dimv = dimw + dimw, 3) W W = {0} und dimv = dimw + dimw. Bemerkungen und Folgerungen. Sei V ein K-Vektorraum. 1) Sei (v i ) i I eine Basis von V. Sei I = J J, wobei J J =. Setze W = Span(v i ) i J und W = Span(v i ) i J. 3

Dann ist V = W W. 2) Sei V = W W, (v i ) i J eine Basis von W und (v i ) i J eine Basis von W. Dann ist (v i ) i J J eine Basis von V. 3) W V W V mit V = W W. Beweis. 1), 2) Aufgabe. zu 3) : Sei (v i ) i J eine Basis von W. Mit dem Basisergänzungssatz gibt es eine Menge I mit J I und (v i ) i I ist eine Basis von V. Nun setze W = Span(v i ) i I\J. Dann ist V = W W. Die Bildung der (direkten) Summe von beliebig vielen Unterräumen verläuft in direkter Analogie zu vorher und sei kurz skizziert. Sei V ein K-Vektorraum und W i V für alle i I. Die Summe der W i ist per definition i I W i = Span( i I W i ). Falls I = {1, 2,..., n}, so schreibt man auch W 1 + W 2 +... + W n. Analog wie vorher ist v i I W i genau dann, wenn v eine endliche Summe von Vektoren aus i I W i ist. Die Summe v W i heißt nun direkt, in Zeichen W i i I i I zusätzlich i I : W i ( j i W j ) = {0}., wenn Dies ist wiederum gleichbedeutend mit der Eindeutigkeit der Darstellung der Vektoren v i I W i. Ist I = {1, 2,..., n}, so schreibt man auch W 1 W 2... W n direkte Summe. für die 4

Neben der Summenbildung gibt es noch weitere grundlegende Konstruktionsmöglichkeiten. 1) Seien V 1, V 2,..., V n K-Vektorräume (überall das gleiche K). Dann wird V = V 1 V 2... V n K-Vektorraum : für v = (v 1, v 2,..., v n ), w = (w 1, w 2,..., w n ) V v + w = (v 1 + w 1, v 2 + w 2,..., v n + w n ) λv = (λv 1, λv 2,..., λv n ) durch folgende Operationen zu einem und λ K definiere Der Nullvektor ist dann (0, 0,..., 0) und der inverse Vektor zu v = (v 1, v 2,..., v n ) ist v = ( v 1, v 2,..., v n ). V heißt das Produkt der Vektorräume V 1, V 2,..., V n. Mit V 1 = V 2 =... = V n = K entsteht etwa auf diese Weise der Vektorraum K n. 2) Sei V ein K-Vektorraum und W V. Dann ist damit in natürlicher Weise eine Äquivalenzrelation auf V gegeben, nämlich v w v w W für v, w V Man sieht leicht, dass dies tats chlich eine Äquivalenzrelation ist. Für jedes v V sei [v] jene Äquivalenzklasse, der v angehört. Im besonderen gilt dann, dass w [v] w v w v + W, d.h. die Äquivalenzklassen sind die Translate von W. Die Menge aller (verschiedenen) Äquivalenzklassen sei mit V/W bezeichnet. Seien nun v v, w w und λ K. Man rechnet leicht nach, dass dann v + w v + w und λv λv gilt. Genau wegen dieser Verträglichkeit der Äquivalenzrelation mit den Operationen auf V kann man nun Operationen auf V/W definieren, nämlich 5

[v] + [w] := [v + w], λ[v] := [λv]. Diese Operationen sind ihrer Verträglichkeit wohldefiniert (!), d.h. unabhängig von der Wahl der Repräsentanten. Auf diese Weise wird die Menge V/W zu einem Vektorraum, welcher der Quotientenraum V nach W genannt wird. Man kann zeigen, dass viele Quotientenräume linear isomorph (siehe später) zu mehr vertrauten Vektorräumen sind. 6