Mathematik I für Studierende der Geophysik/Ozeanographie ...
Mathematik I für Studierende der Geophysik/Ozeanographie ... Mathematik I für Studierende der Geophysik/Ozeanographie ...
Satz Lineare Abbildungen Lineare Abbildungen und Matrizen Seien V , V ′ , V ′′ endlich-dimensionale Vektorräume mit Basen B, B ′ , B ′′ und F ∈ L(V , V ′ ), G ∈ L(V ′ , V ′′ ). Dann gilt G ◦ F ∈ L(V , V ′′ ) und MB′′ B (G ◦ F ) = MB′′ B ′ (G)M B′ B (F ). Beweis. Die Linearität von G ◦ F folgt, wie gesehen, aus der von F und G. Die darstellende Matrix MB′′ B (G ◦ F ) ergibt sich aus φ −1 B ′′ ◦ (G ◦ F ) ◦ φB = (φ −1 B ′′ ◦ G ◦ φB ′) ◦ (φ−1 B ′ ◦ F ◦ φB). � 59 / 145
Endomorphismen Lineare Abbildungen Lineare Abbildungen und Matrizen Definition Sei V ein Vektorraum. Lineare Abbildungen von V nach V heißen auch Endomorphismen von V , End(V ) := L(V , V ). Den Vektorraum der quadratischen (n×n)-Matrizen bezeichnet man mit Mat(n, K):=Mat(n, n, K). Für die darstellende Matrix eines Endomorphismus F ∈ End(V ) bzgl. einer Basis B von V schreibt man MB(F ) := MB B (F ). Beispiel Sei F ∈ End(R2 � 0 ) gegeben durch 1 � 1 ∈ Mat(2, R). Betrachte die 0 Basis B = (b1, b2) := (e1 + e2, e1 − e2). Es gilt F (b1) = e2 + e1 = b1 und F (b2) = e2 − e1 = −b2. � 1 Die darstellende Matrix bzgl. der Basis B = (b1, b2) ist daher 0 � 0 . −1 60 / 145
- Seite 11 und 12: Beispiele von Unterräumen Vektorr
- Seite 13 und 14: Vektorräume Unterräume 6) Ein Pol
- Seite 15 und 16: Vektorräume Lineare Unabhängigkei
- Seite 17 und 18: Definition (Lineare Hülle) Vektorr
- Seite 19 und 20: Weiter im Beweis: Dann gilt Vektorr
- Seite 21 und 22: Ein Beispiel Vektorräume Erzeugend
- Seite 23 und 24: Satz (Charakterisierung von Basen)
- Seite 25 und 26: Vektorräume Erzeugendensysteme, Ba
- Seite 27 und 28: Lemma (Austauschlemma) Sei (v1, . .
- Seite 29 und 30: Weiter im Beweis: Wir können daher
- Seite 31 und 32: Definition (Dimension) Sei V ein Ve
- Seite 33 und 34: Folgerung Vektorräume Dimension Se
- Seite 35 und 36: Vektorräume Gaußscher Algorithmus
- Seite 37 und 38: Eine Matrix B = (bij) i=1...m j=1,.
- Seite 39 und 40: Vektorräume Gaußscher Algorithmus
- Seite 41 und 42: Weiter im Zahlenbeispiel: ⎛ ⎜
- Seite 43 und 44: Weiter im Zahlenbeispiel: Also k =
- Seite 45 und 46: Kapitel 11 Lineare Abbildungen Vekt
- Seite 47 und 48: Grundlegende Eigenschaften: Lineare
- Seite 49 und 50: Lineare Abbildungen Definition und
- Seite 51 und 52: Satz Lineare Abbildungen Definition
- Seite 53 und 54: Lineare Abbildungen Lineare Abbildu
- Seite 55 und 56: Lineare Abbildungen Lineare Abbildu
- Seite 57 und 58: Lineare Abbildungen Lineare Abbildu
- Seite 59 und 60: Produkt zweier Matrizen Definition
- Seite 61: Lineare Abbildungen Lineare Abbildu
- Seite 65 und 66: Satz Lineare Abbildungen Rang einer
- Seite 67 und 68: Beweis der Behauptung. Lineare Abbi
- Seite 69 und 70: Folgerung Lineare Abbildungen Rang
- Seite 71 und 72: Satz Lineare Abbildungen Der Lösun
- Seite 73 und 74: Lineare Abbildungen Der Lösungsrau
- Seite 75 und 76: Lineare Abbildungen Der Lösungsrau
- Seite 77 und 78: Lineare Abbildungen Der Lösungsrau
- Seite 79 und 80: Innere Summe von Unterräumen Defin
- Seite 81 und 82: Lineare Abbildungen Direkte Summe v
- Seite 83 und 84: Satz Lineare Abbildungen Direkte Su
- Seite 85 und 86: Kapitel 12 Gruppen Lineare Abbildun
- Seite 87 und 88: Beispiele von Gruppen Gruppen Grupp
- Seite 89 und 90: Gruppen Gruppen und Gruppenhomomorp
- Seite 91 und 92: Übungsaufgaben/Beispiele I Gruppen
- Seite 93 und 94: Die symmetrische Gruppe Gruppen Die
- Seite 95 und 96: Satz Gruppen Die symmetrische Grupp
- Seite 97 und 98: Satz Gruppen Die symmetrische Grupp
- Seite 99 und 100: Gruppen Die symmetrische Gruppe Bei
- Seite 101 und 102: Determinante einer 2×2-Matrix Beme
- Seite 103 und 104: Determinante Definition (Determinan
- Seite 105 und 106: Satz Determinante Charakterisisieru
- Seite 107 und 108: Folgerung Determinante Charakterisi
- Seite 109 und 110: Determinante Charakterisisierung de
- Seite 111 und 112: Determinante Charakterisisierung de
Endomorphismen<br />
Lineare Abbildungen Lineare Abbildungen und Matrizen<br />
Definition<br />
Sei V ein Vektorraum. Lineare Abbildungen von V nach V heißen auch<br />
Endomorphismen von V , End(V ) := L(V , V ).<br />
Den Vektorraum <strong>der</strong> quadratischen (n×n)-Matrizen bezeichnet man mit<br />
Mat(n, K):=Mat(n, n, K).<br />
Für die darstellende Matrix eines Endomorphismus F ∈ End(V ) bzgl. einer<br />
Basis B von V schreibt man MB(F ) := MB B (F ).<br />
Beispiel<br />
Sei F ∈ End(R2 �<br />
0<br />
) gegeben durch<br />
1<br />
�<br />
1<br />
∈ Mat(2, R). Betrachte die<br />
0<br />
Basis B = (b1, b2) := (e1 + e2, e1 − e2). Es gilt<br />
F (b1) = e2 + e1 = b1 und F (b2) = e2 − e1 = −b2.<br />
�<br />
1<br />
Die darstellende Matrix bzgl. <strong>der</strong> Basis B = (b1, b2) ist daher<br />
0<br />
�<br />
0<br />
.<br />
−1<br />
60 / 145