§17 Produkte und Quotienten von Vektorräumen

Slides:



Advertisements
Ähnliche Präsentationen
Zufallsfelder Def. Zufallsfeld: Sei V eine endliche Menge (von Orten). Für jedes v V existiere eine (endliche) Menge X(v) von Zuständen x(v). Der Raum.
Advertisements

Definition [1]: Sei S eine endliche Menge und sei p eine Abbildung von S in die positiven reellen Zahlen Für einen Teilmenge ES von S sei p definiert.
Programmierung 1 - Repetitorium
2.3 Kodierung von Zeichen 2.4 Kodierung von Zahlen
3. 3D-Betrachtungstransformationen
Diskrete Mathematik I Wintersemester 2007 A. May
Prof. Dr. W. Conen 15. November 2004
13. Transformationen mit Matrizen
Finale Semantik und beobachtbares Verhalten
Syntax, Semantik, Spezifikation - Grundlagen der Informatik R. Hartwig Kapitel 4 / 1 Termalgebren Definition "Freie Algebra" Die -Algebra A = [A, F ] heißt.
Ein Modellansatz zur Beschreibung von Vagheiten
Algorithmentheorie 04 –Hashing
Vorlesung Informatik 3 Einführung in die Theoretische Informatik (06 – Reduktion endlicher Automaten) Prof. Dr. Th. Ottmann.
Kapitel 5 Stetigkeit.
Kapitel 6 Differenzierbarkeit. Kapitel 6: Differenzierbarkeit © Beutelspacher Juni 2005 Seite 2 Inhalt 6.1 Die Definition 6.2 Die Eigenschaften 6.3 Extremwerte.
Kapitel 2 Die rationalen und die irrationalen Zahlen.
Kapitel 4 Geometrische Abbildungen
d.h. für alle  mit () = (s1,s2 ,...,sn,s) gilt: wenn
Beispiele für Ausdrucksalgebren
Christian Schindelhauer
Irreduzibilität Andreas Flesch.
Folie 1 Kapitel II. Vom Raumbegriff zu algebraischen Strukturen Neubeginn: Herleitung des Begriffs Vektorraum aus intuitiven Vorstellungen über den Raumbegriff.
§14 Basis und Dimension (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
§9 Der affine Raum – Teil 2: Geraden
§ 28 Multilineare und Alternierende Abbildungen
§9 Der affine Raum – Teil 2: Geraden
§14 Basis und Dimension  (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
§11 Skalarprodukt. Euklidische Räume
§8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres.
Kapitel V. Determinanten
Folie 1 § 29 Determinanten: Eigenschaften und Berechnung (29.1) Definition: Eine Determinantenfunktion auf K nxn ist eine Abbildung (im Falle char(K) ungleich.
§ 29 Determinanten: Eigenschaften und Berechnung
§10 Vektorraum. Definition und Beispiele
§24 Affine Koordinatensysteme
Vektoren Grundbegriffe für das Information Retrieval
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
§10 Vektorraum. Definition und Beispiele
§20 Der Rang einer Matrix Jede (m,n)-Matrix kann auch als ein n-Tupel von Spaltenvektoren geschrieben werden: wobei (20.1) Definition:
Folie 1 §15 Lineare Abbildungen (15.1) Definition: Eine Abbildung f zwischen K-Vektorräumen V und W ist linear (oder ein Vektorraumhomomorphismus), wenn.
§15 Lineare Abbildungen (15.1) Definition: Eine Abbildung f zwischen K-Vektorräumen V und W ist linear (oder ein Vektorraumhomomorphismus), wenn für alle.
Folie 1 § 28 Multilineare und Alternierende Abbildungen (28.1) Definition: V und W seien wieder ein K-Vektorräume. Eine Abbildung von V nach W stets linear.
Folie 1 Kapitel IV. Matrizen Inhalt: Matrizen als eigenständige mathematische Objekte Zusammenhang zwischen Matrizen und linearen Abbildungen Produkt von.
§23 Basiswechsel und allgemeine lineare Gruppe
§3 Allgemeine lineare Gleichungssysteme
Mehrkriterielle Optimierung mit Metaheuristiken
Fuzzymengen – Was ist das?
Institut für Theoretische Informatik
Formale Sprachen Mathematische Grundlagen Rudolf FREUND, Marian KOGLER.
ENDLICHE KÖRPER RSA – VERFAHREN.
Automaten, formale Sprachen und Berechenbarkeit II SoSe 2004 Prof. W. Brauer Teil 3: Potenzreihen und kontextfreie Sprachen (Vgl. Buch von A. Salomaa)
Christian Schindelhauer Wintersemester 2006/07 3. Vorlesung
§22 Invertierbare Matrizen und Äquivalenz von Matrizen
Reelle Zahlen Grundrechenarten √2, √3, √5, … V 0.1.
§ 27 Permutationen Zur Beschreibung von alternierenden multilinearen Abbildungen und insbesondere für den begriff der Determinante benötigen wir die Permutationen.
2. Mengen Unter einer Menge verstehen wir jede Zusammenfassung von bestimmten wohlunterschiedenen Objekten unserer Anschauung oder unseres Denkens zu.
Folie 1 §21 Das Produkt von Matrizen (21.1) Definition: Für eine (m,n)-Matrix A und eine (n,s)-Matrix B ist das (Matrizen-) Produkt AB definiert als (21.2)
Syntax, Semantik, Spezifikation - Grundlagen der Informatik R. Hartwig Kapitel 3 / 1 Algebraische Hülle und Homomorphie A = [A, F ] sei  -Algebra. Eine.
? definierende Gleichungen  gültige Gleichungen ?
Folie 1 §8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein.
§8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres.
Kapitel IV. Matrizen Inhalt:
§17 Produkte und Quotienten von Vektorräumen
§23 Basiswechsel und allgemeine lineare Gruppe
§ 27 Permutationen Zur Beschreibung von alternierenden multilinearen Abbildungen und insbesondere für den begriff der Determinante benötigen wir die Permutationen.
§11 Skalarprodukt. Euklidische Räume
Kapitel I. Vorspann zum Begriff Vektorraum
§19 Matrizen als lineare Abbildungen
Kapitel II. Vom Raumbegriff zu algebraischen Strukturen
 Präsentation transkript:

§17 Produkte und Quotienten von Vektorräumen (17.1) Satz-Definition: U und V seien K-Vektorräume. Das mengentheoretische Produkt besitzt in natürlicher Weise eine K-Vektorraumstruktur durch: Für alle (u,v), (x,y) aus und t aus K sei (u,v) + (x,y) := (u+x,v+y) und t(u,v) := (tu,tv) . mit dieser Struktur heißt das (Vektorraum-) Produkt der Vektorräume u und V . (17.2) Bemerkungen: 1o ist uns bekannt und isomorph zu K2 . 2o Ebenso , isomorph zu Kn+m. 3o In hat man die Untervektorräume und mit den bemerkenswerten Eigenschaften:

Kapitel III, §17 i. W = W1 + W2 und und ii. jeder Vektor w aus W hat die eindeutige Darstellung w = w1 + w2 mit w1 aus W1 und w2 aus W2 . 4o Analog definiert man das (K-Vektorraum-) Produkt von endlich vielen K-Vektorräumen V1, V2, ... , Vn oder auch von beliebig vielen K-Vektorräumen. (17.3) Definition: Sei V ein K-Vektorraum mit Untervektorräumen V1 und V2 . V heißt dann die direkte Summe der V1 und V2 , wenn V = V1 + V2 und . Wenn U Untervektorraum von V ist, so heißt ein weiterer Untervek-torraum W von V ein Komplement von U (oder Komplementärraum), wenn V die direkte Summe von U und W ist. (17.4) Beispiele: 1o Zu einem Vektor x aus V = K2\{0} und U = Kx ist W = Ky genau dann Komplement, wenn {x,y} linear unabhängig ist.

Kapitel III, §17 2o {0} ist immer Komplement von V in V und vice versa. 3o Das Produkt ist die direkte Summe von und (vgl. 17.2.3o). 4o U sei Untervektorraum eines endlichdimensionalen Vektorraums V. Sei {b1, b2, ... , br} Basis von U, und seien {br+1, ... , bn} weitere Vektoren in V, so dass {b1, b2, ... , bn} Basis von V ist. Dann ist W := Span {br+1, ... , bn} ein Komplement von V. (17.4) Lemma: Ein Untervektorraum U eines Vektorraums V besitzt stets ein Komplement (das allerdings nicht eindeutig bestimmt ist). (17.5) Satz: Für Untervektorräume V1, V2 von V mit V = V1 + V2 sind die folgenden Aussagen äquivalent: 1o V ist die direkte Summe von V1 und V2 . 2o Jeder Vektor v aus V hat die eindeutige Darstellung v = v1 + v2 mit v1 aus V1 und v2 aus V2 . 3o Für alle v1 aus V1 und v2 aus V2 folgt aus v1 + v2 = 0 stets v1 = 0 und v2 = 0 .

Kapitel III, §17 Zur Untersuchung von Quotienten brauchen wir die durch einen Unterraum gegebene Äquivalenzrelation: (17.6) Lemma: U sei Untervektorraum von V . Dann gilt für Vektoren v uns w aus V: 1o Entweder v + U = w + U oder v + U und w + U haben keine gemeinsamen Elemente. 2o v + U = w + U ist gleichbedeutend mit . (17.7) Bemerkung: Durch für v und w aus V wird auf V eine Äquivalenzrelation definiert, d.h. für v,w,z aus V gilt: 1o v ~ v (~ ist reflexiv). 2o Aus v ~ w folgt w ~ v (~ ist symmetrisch). 3o Aus v ~ w und w ~ z folgt v ~ z (~ ist transitiv). Die Äquivalenzklassen von ~ sind die Mengen v + U , v aus V: Die Äquivalenzklassen v + U lassen sich auch verstehen als die affinen Räume in V mit U als Translationsraum.

Kapitel III, §17 (17.8) Satz-Definition: U sei Untervektorraum von V. Auf der Menge der Äquivalenzklassen gibt es eine natürliche Struktur eines K-Vektorraums: Für v,w aus V und t aus K setze (v + U) + (w + U) := (v + w) + U , t(v + U) := (tv) + U . Mit dieser Struktur heißt V/~ der Quotientenraum (oder Faktorraum oder Quotient) von V in Bezug auf U und wird mit V/U bezeichnet. (17.9) Satz: Die Abbildung heißt die kanonische Projektion. p ist linear und surjektiv. (17.10) Folgerung: Für einen Untervektorraum U von V gilt: (17.11) Beispiel: V sei der Q-Vektorraum der rationalen Cauchyfol-gen (V ist Untervektorraum von QN ), und U sei der Untervektorraum der rationalen Nullfolgen. Dann ist V/U isomorph zu R . (17.12) Kanonische Faktorisierung: Sei f eine lineare Abbildung von V nach W. Dann ist die natürliche Abbildung

Kapitel III, §17 ein wohldefinierter Isomorphismus von Vektorräumen. Mit der Inklusionsabbildung gilt Durch das folgende Diagramm wird diese Aussage illustriert: (17.12) Folgerungen: 1o Ein Epimorphismus f ist bis auf Isomorphie eine kano-nische Projektion: ist Isomorphismus. 2o Ein Monomorphismus ist bis auf Isomorphie eine Inklusion: ist Isomorphismus.