Seminar Zahlentheorie bei Herrn Prof. Dr. Wedhorn - Minkowski-Theorie

Größe: px
Ab Seite anzeigen:

Download "Seminar Zahlentheorie bei Herrn Prof. Dr. Wedhorn - Minkowski-Theorie"

Transkript

1 Seminar Zahlentheorie bei Herrn Prof. Dr. Wedhorn - Minkowski-Theorie Ausarbeitung zum Seminarvortrag von Kathrin Märkel und Judith Hausmann WS 007/ Februar 008 I

2 Inhaltsverzeichnis Einleitung 1 Einbettungen 1 Diskriminante eines Ideals Minkowski-Theorie 5 Literaturverzeichnis 11 II

3 Einleitung Im Folgenden wird die Minkowski-Theorie dargestellt. Ein zentraler Gedanke dieser Theorie besteht darin, dass man die Zahlen einer endlichen Körpererweiterung K Q vom Grade n als Punkte im n-dimensionalen R-Vektorraum betrachten kann. Bevor die Minkowski-Theorie dargestellt wird, sind zunächst einige Definitionen erforderlich. Zunächst werden Einbettungen einer endlichen Körpererweiterung K Q in den Körper der komplexen Zahlen definiert und näher betrachtet. Danach wird die Diskriminante eines gebrochenen Ideals a von K definiert. Auf der Grundlage dieser Definitionen können grundlegende Sätze der Minkowski-Theorie bewiesen werden. Die folgende Ausarbeitung ist daher in drei Teile unterteilt: Einbettungen Diskriminante eines Ideals Minkowski-Theorie. Einbettungen Wir gehen im Folgenden stets von der Situation aus, dass K Q eine endliche Körpererweiterung vom Grade n ist. O K := {a K a ganz über Z} sei der ganze Abschluss von Z in K. Definition 9.1 Ein Q-linearer Körperhomomorphismus : K C heißt Q-Einbettung von K nach C. Hom Q (K,C) = { Q-Einbettung von K nach C}. Hom Q (K,C) heißt reell genau dann, wenn (K) R. Sonst heißt nicht-reell oder komplex. Bemerkung 9. Jeder Körperhomomorphismus : K C ist automatisch Q-linear. Satz 9.3 Es gilt: [K : Q] = Hom Q (K,C). Beweis: Den Beweis dieses Satzes findet man in der Algebra (z.b. in dem Buch zur Algebra von Siegfried Bosch im Kapitel 3.6 unter Satz 8). Beispiel 9.4 Sei K := Q[ d] = {a+b d a,b Q}, d Z, d / Q. Gesucht sind alle Q-Einbettungen von K nach C. 1

4 Sei Hom Q (K,C). Per Definition ist Q-linear. Aus der Q-Linearität von folgt, dass alle Elemente aus Q festlässt. Denn: Sei z Q beliebig. Dann gilt: (z) = (z 1) = z (1) = z 1 = z. Damit gilt dann insbesondere für d Q: d = (d)=( d). Daraus folgt: ( d) {+ d, d}. Es gibt also nur zwei Möglichkeiten eine Q-Einbettung von K nach C zu definieren: Definiere 1, : K C durch 1 (a+b d) := a+b d und (a+b d) := a b d. Nach obigen Überlegungen gilt dann: Hom Q (K,C) = { 1, }. Abschließend muss man zwei Fälle unterscheiden: 1.Fall: d > 0. Dann ist d R, und so sind 1, reell..fall: d < 0. Dann ist d CR, und so sind 1, nicht-reell. Diskriminante eines Ideals Erinnerung 9.5 Sei a ein gebrochenes Ideal von K (d.h., a ist ein endlich erzeugter O K - Untermodul von K). Dann besitzt a eine Z-Basis mit n Elementen, wobei n = [K : Q] (vgl. Lemma (7.3) aus dem 7. Vortrag). Definition 9.6 Sei a ein gebrochenes Ideal von K. Sei α 1,...,α n eine Z-Basis von a. Setze d(α 1,...,α n ) := det( i (α j )), wobei i Hom Q (K,C), i = 1,...,n. d(α 1,...,α n ) heißt Diskriminante der Basis α 1,...,α n. Bemerkung 9.7 Die Diskriminante d(α 1,...,α n ) hängt nicht von der Wahl der Basis α 1,...,α n von a ab. Wir dürfen daher d(a) := d(α 1,...,α n ) setzen. Für a = O K setzen wir d(o K ) := d K. Beweis: Seien α 1,...,α n und α 1,...,α n zwei Z-Basen von a. Beschreibe die α i als Linearkombination der α j mit Koeffizienten a i j Z: α i = a i j α j j

5 Diese Darstellung ist möglich, da die α 1,...,α n aus a stammen und die α 1,...,α n eine Z-Basis von a bilden. Bilde nun die Matrix, die aus den Koeffizienten a i j besteht: T := (a i j ). T ist die Transformationsmatrix zum Basiswechsel von α 1,...,α n nach α 1,...,α n. Da die Matrixeinträge von T alle aus Z stammen, ist auch det(t ) aus Z. Nach dem Determinantenproduktsatz gilt: 1 = det(i n ) = det(t T 1 ) = det(t) det(t) 1, wobei I n die (n n)-einheitsmatrix ist. Analoges gilt für die Transformationsmatrix T zum Basiswechsel von α 1,...,α n nach α 1,...,α n. Damit ist det(t ) invertierbar in Z und es folgt: det(t) {+1, 1}. Es folgt: d(α 1,...,α n) = det( i (α j)) = det( i ( k a ik α k )) = det( a ik i (α k )) k = det(t i (α k )) = det(t) det( i (α k )) = d(α 1,...,α n ), da nach obiger Rechnung det(t) = 1 gilt. Beispiel 9.8 Sei K := Q[ d]. Nach Satz (6.15) des 6. Vortrags muss man bei der Bestimmung von O K zwei Fälle unterscheiden: 1.Fall: d = oder 3 mod 4. Dann gilt: O K = {a+b d a,b Z}. Damit ist 1, d eine Z-Basis von O K. Daraus folgt:.fall: d = 1 mod 4. d K = d(1, d) = 1(1) 1 ( d) (1) ( d) = 1 d 1 d = 4d Dann gilt: O K = {a+b 1+ d a,b Z}. Dann ist 1, 1+ d eine Z-Basis von O K. Daraus folgt: d k = d ( 1, 1+ d ) = 1(1) 1 ( d) (1) ( d) = 1 1+ d 1 d 1 Insbesondere gilt für K := Q[i], dass d K = 4, denn i = 1 und 1 = 3 mod 4. = d 3

6 Theorem 9.9 Sei a ein freier Z-Modul vom Rang n. Sei a a ein Z-Untermodul. (1) Es gilt: a ist frei. () Ist a vom Rang n, so existiert eine Basis e 1,...,e n von a und r 1,...,r n Z,r i 1, sodass r 1 e 1,...,r n e n eine Z-Basis von a ist. In diesem Fall gilt: (a n r 1 0 : a) = r i = det i=1 0 r n Satz 9.10 Sind a a zwei gebrochene Ideale von K, so ist der Index (a :a) endlich und es gilt: d(a) = (a : a) d(a ). Beweis: Als gebrochene Ideale sind a und a per Definition endlich erzeugte O K -Moduln. Nach Lemma (7.3) des 7. Vortrags sind a und a damit freie Z-Moduln vom Rang n. Die Voraussetzungen für das Theorem (9.9) sind also erfüllt. Sei e 1,...,e n eine Z-Basis von a, wobei n :=rk(a ). Nach dem Theorem existieren dann r 1,...,r n Z, r i 1, sodass r 1 e 1,...,r n e n eine Z-Basis von a ist und es gilt: (a n r 1 0 : a) = r i = det i=1 0 r n K ist ein Q-Vektorraum der Dimension n. Sowohl e 1,...,e n als auch r 1 e 1,...,r n e n bilden eine Q- r 1 0 Basis von K. Die Matrix T :=..... ist die Transformationsmatrix zum Basiswechsel 0 r n von e 1,...,e n nach r 1 e 1,...,r n e n. Dann gilt wie im Beweis zu Bemerkung (9.7): d(a) = d(r 1 e 1,...,r n e n ) = det(t) d(e 1,...,e n ) = (a : a) d(a ). 4

7 Minkowski-Theorie Zunächst sei daran erinnert, dass K Q eine endliche Körpererweiterung vom Grade n ist. Definition 9.11 Nach Satz (9.3) beträgt die Anzahl der Q-Einbettungen i : K C (i=1,...,n) genau n. Davon sind manche reell und manche komplex. Seien die reellen. Definiere E R := {ρ 1,...,ρ r }. Die komplexen gruppieren sich zu Paaren ρ 1,...,ρ r : K R σ 1,σ 1,...,σ s,σ s : K C komplex konjugierter Einbettungen. Definiere E C := {σ 1,...,σ s }. Damit liegt in E C von jedem Paar konjugiert komplexer Einbettungen nur ein Element, d.h. E C = s. Es gilt: n = r+ s. Im Folgenden werden die obigen Abbildungen nur noch nummeriert, wenn es der Übersichtlichkeit dient. Definition 9.1 K C := {(x ) E x C}, wobei E := Hom Q (K,C). K R := {(x ) K C x ρi R, x σ j = x σ j } = {(x ρ1,...,x ρr,x σ1,x σ1,...,x σs,x σs ) x ρi R, x σ j C}. K R heißt Minkowski-Raum. Bemerkung 9.13 K C ist ein C-Vektorraum der Dimension n. K R ist ein R-Vektorraum der Dimension n = r+ s. Beweis: Die Addition und Multiplikation auf K C geschehen komponentenweise. Alle Komponenten eines n-tupels aus K C stammen aus C. Da C ein C-Vektorraum ist, sind die Vektorraum-Axiome also erfüllt und die Dimension von K C über C ist n. Die Addition und Multiplikation auf K R sind ebenfalls komponentenweise definiert. Da alle Komponenten eines n-tupels aus K R aus C stammen und C ein R-Vektorraum ist, ist also auch K R ein R-Vektorraum. Die ersten r Komponenten eines n-tupels aus K R stammen aus R. So besteht eine R-Basis für ein solches r-tupel aus r Elementen. Betrachtet man dann die noch fehlenden s Komponenten (x σ1,x σ1,...,x σs,x σs ) des n-tupels, so stellt man zunächst fest, dass von den Paaren x σ j,x σ j jeweils ein Element durch das andere schon festgelegt ist. Es müssen 5

8 also nur s der s Komponenten bestimmt werden. Da die x σ j aus C stammen, besteht eine R- Basis für jedes der x σ j aus zwei Elementen. Eine R-Basis für das s-tupel (x σ1,x σ1,...,x σs,x σs ) enthält also s Elemente. Eine R-Basis für das n-tupel aus K R besteht demnach insgesamt aus r+ s Elementen. Damit ist die Dimension von K R als R-Vektorraum n = r+ s. Definition 9.14 Durch die Abbildung, : K R K R R, x,y = x y wird ein Skalarprodukt auf K R definiert. Dieses Skalarprodukt wird auch kanonische Metrik von K R genannt. K R wird somit zu einem euklidischen Vektorraum. Beweis: Zeige zunächst x,y R für alle x, y K R : Seien x := (x ), y := (y ) K R. Dann gilt (unter Beachtung der Eigenschaften von K R ): x,y = x y = ρ E R x ρ y ρ + σ E C (x σ y σ + x σ y σ ) = ρ x ρ y ρ + σ (x σ y σ + x σ y σ ) = ρ x ρ y ρ + σ (x σ y σ + x σ y σ ) = ρ x ρ y ρ + σ Re(x σ y σ ) R. Die Abbildung ist folglich wohldefiniert. Zeige nun, dass, ein Skalarprodukt auf K R ist. Die R-Bilinearität und die Symmetrie sind leicht einsichtig. Zeige die Positiv-Definitheit: Sei x K R, x 0. Dann existiert Hom Q (K,C) : x 0. x,x = x x = (Re(x ) + Im(x ) ) Re(x ) + Im(x ) > 0. Satz 9.15 Die Abbildung f : K R R r+s, (z ) (x ) mit x ρ = z ρ, x σ = Re(z σ ), x σ = Im(z σ ) ist ein Isomorphismus. Dieser überführt die kanonische Metrik, von K R in das Skalarprodukt (x,x ) = α x x mit α = 1 bzw. α =, je nachdem ob reell oder komplex ist. 6

9 Beweis: 1. Zeige die Isomorphie: Seien z = (z ), z = (z ) K R, r R. Dann gilt: f(z+z ) = f(z)+ f(z ), sowie f(r z) = r f(z). Dies folgt direkt aus der Definition von f. Damit folgt die R-Linearität von f. Gelte f((z )) = (x ) = (0), wobei mit (0) das Nullelement in K R bezeichnet wird. Dann folgt z ρ = x ρ = 0 für alle ρ E R und Re(z σ ) = Re(z σ ) = x σ = 0, Im(z σ ) = Im(z σ ) = x σ = 0 für alle σ E C. Folglich ist (z ) = (0) und somit ist f injektiv. Sei (x ) R r+s. Dann gilt für (z ) K R mit z ρ = x ρ für alle ρ E R und z σ = x σ + i x σ, z σ = x σ i x σ für alle σ E C, dass f((z )) = (x ) ist. Somit ist f surjektiv. Insgesamt folgt nun, dass f ein Isomorphismus ist.. Zeige die Behauptung über das Skalarprodukt: Seien z = (z ), z = (z ) K R und seien x = (x ) = f(z), x = (x ) = f(z ). Dann folgt nach der Definition von f : z ρ z ρ = x ρ x ρ = x ρ x ρ für alle ρ E R. Wegen z σ = Re(z σ ) + i Im(z σ ) = x σ + i x σ, z σ = Re(z σ) + i Im(z σ) = x σ + i x σ für alle σ E C gilt: Folglich gilt: z σ z σ + z σ z σ = z σz σ + z σ z σ = z σ z σ + z σ z σ = Re(z σ z σ) = (x σ x σ + x σ x σ ). z,z = z z = ρ E R x ρ x ρ + σ E C (z σ z σ + z σ z σ ) = ρ x ρ x ρ + σ (x σ x σ + x σ x σ ) = α x x mit α wie gefordert. Bemerkung 9.16 Sei X K R messbar (das ist z.b. dann der Fall, wenn X zentralsymmetrisch und konvex ist oder wenn X ein vollständiges Gitter in K R ist). Dann gilt: vol kanonisch (X) = s vol Lebesgue ( f(x)). Für Gitter gilt diese Behauptung nach den Ergebnissen des 8.Vortrags. Häufig ist es leichter mit dem Lebesgue schen Volumen auf dem R n zu arbeiten, als mit dem kanonischen Volumen bezüglich der kanonischen Metrik auf K R. Diese Formel ermöglicht die Berechnung des kanonischen Volumens mit Hilfe des Lebesgue schen Volumens, dies wird im Beweis des Theorems (9.1) ausgenutzt. 7

10 Definition 9.17 Definiere j : K K R, a j(a) = ((a)) HomQ (K,C). Da (a) = (a) für alle Hom Q (K,C) und für alle a K gilt, ist die Abbildung wohldefiniert. Satz 9.18 Ist a 0 ein Ideal von O K, so ist Γ = j(a) ein vollständiges Gitter in K R mit dem Grundmaschenvolumen vol kanonisch (Γ) = d K (O K : a) = d(a). Beweis: Nach einem Ergebnis des 7. Vortrags gilt, dass a ein gebrochenes Ideal von K ist und dass a eine Z-Basis von n = [K : Q] Elementen besitzt. Sei α 1,..., α n eine Z-Basis von a. Dann ist Γ := j(a) = j(zα Zα n ) = Z j(α 1 )+...+ Z j(α n ) mit j(α i ) K R für alle i = 1,...,n. Denn j ist Q-linear, da alle Hom Q (K,C) Q-linear sind. Man kann zeigen, dass die Diskriminante von a von Null verschieden ist. (Man betrachte dazu die Diskriminante einer Basis der separablen Körpererweiterung K Q und folgere mit Hilfe der Determinante der Vandermond schen Matrix, dass die Diskriminante einer Basis der Körpererweiterung K Q von Null verschieden ist. Vgl. dazu Neukirch, Jürgen: Algebraische Zahlentheorie. Berlin: Springer 007. S.11f. Da eine Z-Basis von a eine Q-Basis von K ist, ist die Diskriminante von a ebenfalls von Null verschieden.) Es gilt 0 d(a) = det(m), wobei die Matrix M die j(α 1 ),..., j(α n ) nach Definition als Spaltenvektoren hat. Da diese Determinante ebenfalls von Null verschieden ist, sind die Vektoren j(α 1 ),..., j(α n ) linear unabhängig über R im Vektorraum K R. Folglich ist j(a) ein vollständiges Gitter in K R. Für die n nummerierten Q-Einbettungen 1,..., n : K C, bilde die n n Matrix A := ( l (α i )) l,i=1,...,n mit Koeffizienten aus den komplexen Zahlen. Dann gilt nach (9.10) d(a) = (det(a)) = (O K : a) d(o K ). Es gilt für die Matrix ( j(α i ), j(α k ) ) i,k=1,...,n = ( n l=1 l(α i ) l (α k )) i,k=1,...,n = A A T. Nach den Ergebnissen des 8. Vortrags gilt nun: vol kanonisch (Γ) = det( j(α i ), j(α k ) ) ik ) 1 = det(aa T ) 1 = ( det(a) det(a) ) 1 = ( det(a) det(a) ) 1 = ( det(a) det(a) ) 1 = det(a) = (OK : a) d K. 8

11 Beispiel 9.19 Sei K := Q[i]. Dann ist O K = Z[i] (nach den Ergebnissen des 6. Vortrags). Wähle a := O K = Z[i]. Dann ist nach (9.18). vol kanonisch ( j(a)) = d K (O K : O K ) = 4 = Eigentlich würde man vermuten, dass das hier zu berechnende Grundmaschenvolumen 1 = 1 i ist. Um an dieser Stelle das Grundmaschenvolumen zu berechnen, betrachtet man j(z[i]) als Gitter in K R. Da die Vektoren j(1) = ( 1 1), j(i) = ( i i) KR die Länge haben, erhält man = als Grundmaschenvolumen. Dieses Ergebnis veranschaulicht auch die Formel in (9.16). Erinnerung (Minkowskischer Gitterpunktsatz) 9.0 Sei Γ ein vollständiges Gitter im euklidischen Vektorraum V der Dimension n und X V zentralsymmetrisch und konvex. Ist dann vol(x) > n vol(γ), so enthält X mindestens einen von Null verschiedenen Gitterpunkt γ Γ. (Dieser Satz wurde im 8. Vortrag bewiesen.) Theorem 9.1 Sei a 0 ein Ideal von O K und seien c > 0 ( Hom Q (K,C)) reelle Zahlen mit c = c und c > A (O K : a), wobei A := ( π )s d(o K ). Dann gibt es ein α a, α 0 mit (α) < c für alle Hom Q (K,C). Beweis: Ziel ist es, den Minkowskischen Gitterpunktsatz anzuwenden. Dazu sollen zunächst die Voraussetzungen geschaffen werden. Die Menge X := {(z ) K R z < c } ist zentralsymmetrisch und konvex: Sei (z ) X, dann gilt z = z < c für alle Hom Q (K,C). Daher ist (z ) X und somit ist X zentralsymmetrisch. Seien (z ),(z ) X. Dann gilt: z < c, z < c für alle Hom Q (K,C). Seien α, β 0 mit α + β = 1. Daher gilt nach der Dreiecksungleichung αz + βz α z +β z < (α + β) c für alle Hom Q (K,C). Daher ist α (z )+β (z ) X und somit ist X konvex. 9

12 Das Volumen vol kanonisch (X) ergibt sich über den aus (9.15) bekannten Isomorphismus f : K R R r+s, (z ) (x ), mit x ρ = z ρ, x σ = Re(z σ ), x σ = Im(z σ ) als das s -fache des Lebesgue-Inhalts des Bildes f(x) = {(x ) R n x ρ < c ρ,x σ + x σ < c σ }. Nach (9.16) gilt: vol kanonisch (X) = s vol Lebesgue ( f(x)) = s ρ E R (c ρ ) σ E C (πc σ ) = r+s π s c. Nun folgt mit (9.18) vol kanonisch (X) > r+s π s ( π )s d K (O K : a) = n d K (O K : a) = n vol kanonisch (Γ) mit Γ = j(a). (Γ ist nach (9.18) ein vollständiges Gitter.) Mit dem Minkowskischen Gitterpunktsatz folgt, dass X einen Gitterpunkt γ Γ = j(a) mit γ 0 besitzt. Daher existiert ein α a mit γ = j(α). Da γ 0 gilt auch α 0. Da γ X folgt: (α) < c für alle Hom Q (K,C). 10

13 Literaturverzeichnis Neukirch, Jürgen: Algebraische Zahlentheorie. Berlin: Springer

Minkowski-Theorie & die Klassenzahl

Minkowski-Theorie & die Klassenzahl Minkowski-Theorie & die Klassenzahl David Müßig Seminar zur Kommutativen Algebra Bemerkung 1. Wir betrachten im Folgenden stets endliche Körpererweiterungen K Q vom Grade n (K ist also ein algebraischer

Mehr

Seminararbeit Zahlentheorie. Gitter und der Minkowskische Gitterpunktsatz

Seminararbeit Zahlentheorie. Gitter und der Minkowskische Gitterpunktsatz Seminararbeit Zahlentheorie Gitter und der Minkowskische Gitterpunktsatz Natascha Bilkic und Andreas Welling 4. Dezember 2007 Inhaltsverzeichnis I. Einführung 3 8.1. Definition: Gitter................................

Mehr

Lösungen - Serie 4 zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie

Lösungen - Serie 4 zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie Lösungen - Serie 4 zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie Aufgabe 1: Betrachten Sie Zahlkörper. a) Untersuchen Sie, wie viele ganze Ideale a mit festgelegter Norm N(a) = a es in

Mehr

Algebraische Zahlentheorie. Teil II. Die Diskriminante.

Algebraische Zahlentheorie. Teil II. Die Diskriminante. II-1 Algebraische Zahlentheorie Teil II Die Diskriminante Sei K ein Zahlkörper vom Grad n (also [K : Q] = n) Es gibt genau n Körper- Homomorphismen σ i : K C (siehe Merkzettel Separabilität) Stellen wir

Mehr

Universität Zürich HS , Vorlesung #3

Universität Zürich HS , Vorlesung #3 Algebraic Number Theory P. Habegger Universität Zürich HS 2010 6.10.2010, Vorlesung #3 1.4 Diskriminante Die primitivste Invariante eines Zahlkörpers ist sein Grad. Die Diskriminante eines Zahlkörpers

Mehr

HM II Tutorium 1. Lucas Kunz. 24. April 2018

HM II Tutorium 1. Lucas Kunz. 24. April 2018 HM II Tutorium 1 Lucas Kunz 24. April 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Körper...................................... 2 1.2 Gruppen..................................... 2 1.3 Vektorraum...................................

Mehr

Berechnung der Determinante

Berechnung der Determinante Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,

Mehr

Lineare Algebra I Zusammenfassung

Lineare 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

Mehr

Algebra und Zahlentheorie WS 13/14

Algebra und Zahlentheorie WS 13/14 Algebra und Zahlentheorie WS 13/14 FU Berlin David Müßig http://page.mi.fu-berlin.de/def/auz14/ muessig@mi.fu-berlin.de 21.01.2014 1 Hintergrund: Basen & Vektorräume 1.1 Grundlegende Begriffe Da einige

Mehr

Lösungen - Serie 2 zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie

Lösungen - Serie 2 zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie Lösungen - Serie zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie Aufgabe : Berechnen Sie für die folgenden Elemente x in einer Körpererweiterung L K die Norm Nm L K (x) und die Spur T r

Mehr

1.5 Duales Gitter und Diskriminantengruppe

1.5 Duales Gitter und Diskriminantengruppe Gitter und Codes c Rudolf Scharlau 24. April 2009 27 1.5 Duales Gitter und Diskriminantengruppe Dieser Abschnitt ist im wesentlichen algebraischer Natur: Es spielt keine Rolle, dass unsere Gitter in einem

Mehr

Kapitel 3 Lineare Algebra

Kapitel 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

Inhalt der Vorlesung Algebraische Zahlentheorie Prof. Dr. Arno Fehm TU Dresden SS2017

Inhalt der Vorlesung Algebraische Zahlentheorie Prof. Dr. Arno Fehm TU Dresden SS2017 Inhalt der Vorlesung Algebraische Zahlentheorie Prof. Dr. Arno Fehm TU Dresden SS2017 Kapitel II. Moduln 1 Moduln Sei R ein Ring (stets kommutativ und mit 1). 1.1 Definition. 1. Ein R-(links-)Modul ist

Mehr

Diagonalisierbarkeit symmetrischer Matrizen

Diagonalisierbarkeit symmetrischer Matrizen ¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren

Mehr

Lineare Algebra I Lösungsvorschlag

Lineare Algebra I Lösungsvorschlag Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und

Mehr

Algebraische Körpererweiterungen I

Algebraische Körpererweiterungen I Algebraische Körpererweiterungen I Thomas Schmalfeldt, Florian Schuler Seminar über Galoistheorie, 18. Februar 2009 Inhaltsverzeichnis 1 Charakteristik und Primkörper 2 2 Grad einer Körpererweiterung 3

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen 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

Mehr

3 Moduln. Analogon zu K-Vektorräumen, aber statt über einem Körper, über einem Ring definiert.

3 Moduln. Analogon zu K-Vektorräumen, aber statt über einem Körper, über einem Ring definiert. 3 Moduln Analogon zu K-Vektorräumen, aber statt über einem Körper, über einem Ring definiert. Beispiele: (1) (Z n, +, (Z, )), wobei (Z, ) Skalarmultiplikation. k (a 1,...,a n )=(ka 1,...,ka n )inz. (2)

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. 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

Mehr

Lineare 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. 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:

Mehr

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

4 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

Mehr

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015 Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler

Mehr

Lineare 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 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

Mehr

V. Lineare Algebra. 35 Lineare Abbildungen und Matrizen. 156 V. Lineare Algebra

V. Lineare Algebra. 35 Lineare Abbildungen und Matrizen. 156 V. Lineare Algebra 156 V. Lineare Algebra V. Lineare Algebra 35. Lineare Abbildungen und Matrizen 156 36. Eigenwerte und Eigenvektoren 161 37. Hauptvektoren 165 38. Normen und Neumannsche Reihe 168 39. Numerische Anwendungen

Mehr

Seminar. Der Ring O K der ganzen Zahlen über einem Zahlenkörper K. Armin Hecht, Sabine Naewe

Seminar. Der Ring O K der ganzen Zahlen über einem Zahlenkörper K. Armin Hecht, Sabine Naewe Universität Paderborn SS 2007 Warburger Str. 100 33098 Paderborn Seminar Der Ring O K der ganzen Zahlen über einem Zahlenkörper K Armin Hecht, Sabine Naewe 04.Dezember 2007 Inhaltsverzeichnis 7 Der Ring

Mehr

M U = {x U f 1 =... = f n k (x) = 0}, (1)

M U = {x U f 1 =... = f n k (x) = 0}, (1) Aufgabe 11. a) Es sei M = {(x, y, z) R 3 f 1 = xy = 0; f = yz = 0}. Der Tangentialraum T x M muss in jedem Punkt x M ein R-Vektorraum sein und die Dimension 1 besitzen, damit diese Menge M eine Untermannigfaltigkeit

Mehr

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

1 Der Satz von Poincaré-Birkhoff-Witt. 2 Die freie Algebra. 3 Die universell einhüllende Algebra

1 Der Satz von Poincaré-Birkhoff-Witt. 2 Die freie Algebra. 3 Die universell einhüllende Algebra 1 Der Satz von Poincaré-Birkhoff-Witt Darstellungen von assoziativen Algebren sind oft einfacher zu handhaben als Darstellungen von Lie- Algebren. Die universell einhüllende Algebra einer Lie-Algebra hat

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein

Mehr

Prüfung Lineare Algebra , B := ( ), C := 1 1 0

Prüfung Lineare Algebra , B := ( ), C := 1 1 0 1. Es seien 1 0 2 0 0 1 3 0 A :=, B := ( 1 2 3 4 ), C := 1 1 0 0 1 0. 0 0 0 1 0 0 1 0 0 0 0 Welche der folgenden Aussagen ist richtig? A. A und C haben Stufenform, B nicht. B. A und B haben Stufenform,

Mehr

Lineare Algebra I für Mathematiker Lösungen

Lineare 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

Mehr

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

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

1.2 Gitter: Grundlegende Konzepte

1.2 Gitter: Grundlegende Konzepte Gitter und Codes c Rudolf Scharlau 16. April 2009 5 1.2 Gitter: Grundlegende Konzepte Es sei V ein n-dimensionaler R-Vektorraum. Auf V sei ein Skalarprodukt gegeben, dessen Werte mit x, y R, dabei x, y

Mehr

Seminar zur Zahlentheorie Spezialfälle des Satzes von Fermat

Seminar zur Zahlentheorie Spezialfälle des Satzes von Fermat Seminar zur Zahlentheorie Spezialfälle des Satzes von Fermat Vortrag von Kristina Rupp und Benjamin Letschert am 29.01.2008 Inhaltsverzeichnis 13 Speziallfälle des Satzes von Fermat 1 13.1 Der Große Satz

Mehr

Addition: ( 1 ; : : : ; n ) + ( 1 ; : : : ; n ) = ( ; : : : ; n + n ). Skalare Multiplikation: ( 1 ; : : : ; n ) = ( 1 ; : : : ; n ). II. Die Me

Addition: ( 1 ; : : : ; n ) + ( 1 ; : : : ; n ) = ( ; : : : ; n + n ). Skalare Multiplikation: ( 1 ; : : : ; n ) = ( 1 ; : : : ; n ). II. Die Me x 3 VEKTOR AUME In Kapitel 2 betrachteten wir wichtige Raume, die durch unsere Raumvorstellung motiviert waren { die zwei- und dreidimensionalen Raume R 2 und R 3. Jetzt untersuchen wir hoher dimensionale

Mehr

D-MAVT Lineare Algebra I HS 2018 Prof. Dr. N. Hungerbühler. Lösungen 11. y 1 y 2. x 2 y 2 x 2 y 2

D-MAVT Lineare Algebra I HS 2018 Prof. Dr. N. Hungerbühler. Lösungen 11. y 1 y 2. x 2 y 2 x 2 y 2 D-MAVT Lineare Algebra I HS 08 Prof. Dr. N. Hungerbühler Lösungen. Betrachten Sie die Menge R + : R + R + der Paare positiver, reeller Zahlen. Die Addition auf R + sei folgendermassen definiert: ( ) (

Mehr

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben

Mehr

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten 6.1 Symmetrische Gruppe Definition: Eine bijektive Abbildung von einer Menge X auf sich selbst heisst eine Permutation von X. Satz-Definition:

Mehr

Wiederholungsserie II

Wiederholungsserie II Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095

Mehr

2 Euklidische Vektorräume

2 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,

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden

Mehr

Mathematik I. Vorlesung 12. Lineare Abbildungen

Mathematik 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,

Mehr

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016 Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016 Bearbeiten Sie bitte zwei

Mehr

Lösungshinweise Aufgabenblatt 5

Lösungshinweise Aufgabenblatt 5 Höhere Algebra Wintersemester 21/11 Prof. C. Schweigert Bereich Algebra und Zahlentheorie Fachbereich Mathematik, Universität Hamburg Lösungshinweise Aufgabenblatt 5 Aufgabe 1 1. Ja, denn sei Φ : M M surjektiv.

Mehr

10. TENSORPRODUKTE. Lesen Sie den Text sorgfältig und lösen Sie möglichst viele der Übungsaufgaben. Diskutieren Sie die Lösungen.

10. TENSORPRODUKTE. Lesen Sie den Text sorgfältig und lösen Sie möglichst viele der Übungsaufgaben. Diskutieren Sie die Lösungen. Algebra 2 Daniel Plaumann Technische Universität Dortmund Sommersemester 2017 10. TENSORPRODUKTE Arbeitsblatt Lesen Sie den Text sorgfältig und lösen Sie möglichst viele der Übungsaufgaben. Diskutieren

Mehr

7-1 Elementare Zahlentheorie

7-1 Elementare Zahlentheorie 7-1 Elementare Zahlentheorie 7 Die ganzen Gauß schen Zahlen Wir betrachten den Körper C der komplexen Zahlen Es ist C = R 2 mit komponentenweiser Addition und mit Multiplikation [a 1, a 2 ][b 1, b 2 ]

Mehr

Ringe und Module Im folgenden sind alle Ringe frei wählbar (nicht notwendigerweise kommutativ)

Ringe und Module Im folgenden sind alle Ringe frei wählbar (nicht notwendigerweise kommutativ) Ringe und Module Im folgenden sind alle Ringe frei wählbar (nicht notwendigerweise kommutativ) DEFINITION (1.1): Seien R, S zwei Ringe. Eine Abbildung Ringhomomorphismus, wenn für alle x, y R gilt (1)

Mehr

n (als K 0 -Vektorraum) und insbesondere

n (als K 0 -Vektorraum) und insbesondere Algebra I c Rudolf Scharlau, 2002 2010 209 4.3 Endliche Körper. Wir beschäftigen uns in diesem Abschnitt mit endlichen Körpern. Zum einen kann hier die allgemeine Theorie (auch die der folgenden Abschnitte

Mehr

Algebra II, SS September 2011 Aufgaben zur Körpertheorie. (+1 + i), x 2 = 1 2. ( 1 + i), x 4 = 1 2

Algebra II, SS September 2011 Aufgaben zur Körpertheorie. (+1 + i), x 2 = 1 2. ( 1 + i), x 4 = 1 2 1. Zeige, dass Q(, i) Zerfällungskörper von X 4 + 1 Q[X] ist. Lösung: Die vier Nullstellen von X 4 + 1 über Q sind x 1 = 1 (+1 + i), x = 1 (+1 i), x 3 = 1 ( 1 + i), x 4 = 1 ( 1 i). Damit ist ein Zerfällungskörper

Mehr

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April.

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April. Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Symmetrische

Mehr

1 Euklidische und unitäre Vektorräume

1 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

Mehr

Wiederholung aus dem Vorjahr: Geometrie der Zahlen

Wiederholung aus dem Vorjahr: Geometrie der Zahlen Wiederholung aus dem Vorjahr: Geometrie der Zahlen Sebastian Städing Bergische Universität Wuppertal Dozentin: Dr. Nicola Oswald 07. Januar 2016 Folgende Themen werden wiederholt: Einführung Gitter, Lineare

Mehr

5 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. (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

Mehr

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller 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 4.3 und 4.4

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 56 Basiswechsel bei Tensorprodukten Lemma 56.1. Es sei K ein Körper und seien V 1,...,V n endlichdimensionale

Mehr

Höhere Mathematik I HM I A. WiSe 2014/15. Variante A

Höhere Mathematik I HM I A. WiSe 2014/15. Variante A Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I WiSe 4/ Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder- und Rückseite

Mehr

Lineare Algebra I (WS 13/14)

Lineare 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

Mehr

Die Determinante einer Matrix

Die Determinante einer Matrix Chr.Nelius, Lineare Algebra II (SS 2005) 6 Die Determinante einer Matrix Wir betrachten im folgenden Determinantenformen auf dem Vektorraum V = K n. Eine solche Form ist eine Abbildung von n Spaltenvektoren

Mehr

Lineare Algebra I (WS 13/14)

Lineare 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

Mehr

Analysis für Physiker Zusätze

Analysis für Physiker Zusätze Analysis für Physiker Zusätze nach den Vorlesungen von Prof. Dr. Werner Timmermann (Sommersemester 2007, Wintersemester 2007/08) Herausgegeben von Jeffrey Kelling Felix Lemke Stefan Majewsky Stand: 23.

Mehr

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016 Name, Vorname Matrikel-Nr. Aufg. Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 206 Bearbeiten Sie bitte

Mehr

8 Euklidische und unitäre Vektorräume. Skalarprodukte Orthogonalität Matrizen

8 Euklidische und unitäre Vektorräume. Skalarprodukte Orthogonalität Matrizen 8 Euklidische und unitäre Vektorräume Skalarprodukte Orthogonalität Matrizen 8 Euklidische und unitäre Vektorräume Skalarprodukte Orthogonalität Matrizen In diesem Kapitel werden nur endlich dimensionale

Mehr

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele

Mehr

Lineare Algebra I, Musterlösung zu Blatt 9

Lineare Algebra I, Musterlösung zu Blatt 9 Lineare Algebra I, Musterlösung zu Blatt 9 Wintersemester 2007/08 1. Untersuchen Sie, ob die folgenden Matrizen invertierbar sind und bestimmen Sie gegebenenfalls die Inverse. 8 1 3 1 a) A = 3 3 1 1 11

Mehr

Lineare Algebra 2. Lösung zu Aufgabe 7.2:

Lineare Algebra 2. Lösung zu Aufgabe 7.2: Technische Universität Dortmund Sommersemester 2017 Fakultät für Mathematik Übungsblatt 7 Prof. Dr. Detlev Hoffmann 15. Juni 2017 Marco Sobiech/ Nico Lorenz Lineare Algebra 2 Lösung zu Aufgabe 7.1: (a)

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische 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

Mehr

Übungen zur Linearen Algebra 1

Übungen 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

Mehr

5 Noethersche Ringe und Moduln

5 Noethersche Ringe und Moduln 5 Noethersche Ringe und Moduln Sofern nichts anderes gesagt wird, sind im Folgenden alle Ringe kommutativ mit 1 0. Satz und Definition 5.1. Sei A ein Ring. Die folgenden Aussagen sind äquivalent: (i) A

Mehr

Brückenkurs Mathematik. Mittwoch Freitag

Brückenkurs Mathematik. Mittwoch Freitag Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs

Mehr

Musterlösung Serie 8

Musterlösung Serie 8 D-MATH Lineare Algebra I HS 018 Prof. Richard Pink Musterlösung Serie 8 Dimension, Direkte Summe & Komplemente 1. Zeige: Für jedes Erzeugendensystem E eines Vektorraums V und jede linear unabhängige Teilmenge

Mehr

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)

Vektorräume. 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

Mehr

α i e i. v = α i σ(e i )+µ

α i e i. v = α i σ(e i )+µ Beweis: Der Einfachheit halber wollen wir annehmen, dass V ein endlich-dimensionaler Vektorraum mit Dimension n ist. Wir nehmen als Basis B {e 1,e 2,...e n }. Für beliebige Elemente v V gilt dann v α i

Mehr

Sommer 2017 Musterlösung

Sommer 2017 Musterlösung Sommer 7 Musterlösung. (5 Punkte) a) Sei V ein Vektorraum über K und sei T End(V ). Geben Sie die Definition eines Eigenwertes von T und zeigen Sie für endlichdimensionales V, dass λ K genau dann ein Eigenwert

Mehr

Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie-

Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie- 1 Vorbemerkungen Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie- benen Vektoren. Wird die Matrix A = ( a 1,..., a n ) mit dem Vektor c = c 1. c n multipliziert,

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

Mehr

Kapitel 11 Eigenwerte und Eigenvektoren

Kapitel 11 Eigenwerte und Eigenvektoren Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare

Mehr

Die reellen Zahlen als Dedekindsche Schnitte. Iwan Otschkowski

Die reellen Zahlen als Dedekindsche Schnitte. Iwan Otschkowski Die reellen Zahlen als Dedekindsche Schnitte Iwan Otschkowski 14.12.2016 1 1 Einleitung In dieser Ausarbeitung konstruieren wir einen vollständig geordneten Körper aus gewissen Teilmengen von Q, den Dedekindschen

Mehr

3 Bilinearform, Basen und Matrizen

3 Bilinearform, Basen und Matrizen Lineare Algebra II 2. Oktober 2013 Mitschrift der Vorlesung Lineare Algebra II im SS 2013 bei Prof. Peter Littelmann von Dario Antweiler an der Universität zu Köln. Kann Fehler enthalten. Veröentlicht

Mehr

Scheinklausur, 2. Teil, Lineare Algebra I, WS 2001, Prof. Dr. G. Hiß. Ja oder

Scheinklausur, 2. Teil, Lineare Algebra I, WS 2001, Prof. Dr. G. Hiß. Ja oder Gruppe A Scheinklausur 2. Teil 15.2.2002 Lineare Algebra I WS 2001 Prof. Dr. G. Hiß Name: Matrikelnummer: Kreuzen Sie bei jeder Frage entweder Ja oder Nein oder nichts an. Auswertung der Multiple-Choice-Aufgaben:

Mehr

Definitionen. 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}.

Definitionen. 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

Mehr

Seminar über Darstellungstheorie endlicher Gruppen Darstellungen

Seminar über Darstellungstheorie endlicher Gruppen Darstellungen Seminar über Darstellungstheorie endlicher Gruppen Darstellungen Fabia Weber, Samet Armagan 25. Februar 2016 Inhaltsverzeichnis 1.1 Denition einer linearen Darstellung 2 1.2 Die Gruppenalgebra F G 4 1.3

Mehr

PROSEMINAR LINEARE ALGEBRA SS10

PROSEMINAR LINEARE ALGEBRA SS10 PROSEMINAR LINEARE ALGEBRA SS10 Körper und Konstruktion mit Zirkel und Lineal Neslihan Yikici Mathematisches Institut der Heinrich-Heine Universität Düsseldorf Juni 2010 Betreuung: Prof. Dr. Oleg Bogopolski

Mehr

1 2. Körpererweiterungen

1 2. Körpererweiterungen 1 2. Körpererweiterungen 1 2. 1. Definition: Sind K, L Körper und i: K L ein Ringhomomorphismus, so ist i injektiv, wir fassen K vermöge i als Unterkörper von L auf, schreiben dafür L K und nennen L eine

Mehr

Vortrag 20: Kurze Vektoren in Gittern

Vortrag 20: Kurze Vektoren in Gittern Seminar: Wie genau ist ungefähr Vortrag 20: Kurze Vektoren in Gittern Kerstin Bauer Sommerakademie Görlitz, 2007 Definition und Problembeschreibung Definition: Gitter Seien b 1,,b k Q n. Dann heißt die

Mehr

8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet:

8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: 8. EIGENWERTTHEORIE I 139 8 Eigenwerttheorie I Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: K[x] = Abb[N, K] = {P ; P = a n x n + a n 1 x n 1 + + a 0 ; a

Mehr

Seminar Einführung in die Kunst mathematischer Ungleichungen

Seminar Einführung in die Kunst mathematischer Ungleichungen Seminar Einführung in die Kunst mathematischer Ungleichungen Geometrie und die Summe von Quadraten Clara Brünn 25. April 2016 Inhaltsverzeichnis 1 Einleitung 2 1.1 Geometrie allgemein.................................

Mehr

Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.

Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. Definition: Lineare Abbildung Lineare Abbildungen Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. 8.1 Definition: Lineare Abbildung Eine Funktion f : V Ñ W zwischen

Mehr

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie. Vorlesung 26. Hermann Minkowski ( )

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie. Vorlesung 26. Hermann Minkowski ( ) Prof. Dr. H. Brenner Osnabrück SS 2008 Zahlentheorie Vorlesung 26 Hermann Minkowski (1864-1909) Unser Ziel ist es, zu zeigen, dass die Klassengruppe eines quadratischen Zahlbereichs endlich ist. Zu dem

Mehr

4.3 Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen

4.3 Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen 196 KAPITEL 4. VEKTORRÄUME MIT SKALARPRODUKT 4. Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen In diesem Abschnitt betrachten wir Vektorräume über IR und über C. Ziel ist es, in solchen Vektorräumen

Mehr

01. Gruppen, Ringe, Körper

01. Gruppen, Ringe, Körper 01. Gruppen, Ringe, Körper Gruppen, Ringe bzw. Körper sind wichtige abstrakte algebraische Strukturen. Sie entstehen dadurch, dass auf einer Menge M eine oder mehrere sogenannte Verknüpfungen definiert

Mehr

2.9. DER DUALRAUM 115

2.9. DER DUALRAUM 115 2.9. DER DUALRAUM 115 Abbildungsmatrizen und die duale Abbildung Seien nun V und W endlich-dimensionale K-Vektorräume. Wir fixieren Basen b 1,..., b n von V und c 1,...,c m von W. Seien X 1,..., X n und

Mehr

Messbare Vektorräume

Messbare Vektorräume Messbare Vektorräume Hans-Jörg Starkloff TU Bergakademie Freiberg Westsächsische Hochschule Zwickau Dezember 2010 / Januar 2011 Hans-Jörg Starkloff Messbare Vektorräume 1 1. Definition Geg. X linearer

Mehr

Serie 3: Ringe, Körper, Vektorräume

Serie 3: Ringe, Körper, Vektorräume D-MATH Lineare Algebra I HS 2016 Dr. Meike Akveld Serie 3: Ringe, Körper, Vektorräume 1. Im Folgenden sei n N und Z n bezeichne die Menge der Äquivalenzklassen von Z bezüglich der Relation: k n l n k l

Mehr

2.3 Basis und Dimension

2.3 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

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen 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

Mehr

4.1. Vektorräume und lineare Abbildungen

4.1. Vektorräume und lineare Abbildungen 4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt

Mehr

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung

Mehr

Vektorräume und Rang einer Matrix

Vektorräume und Rang einer Matrix Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung

Mehr

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II 8. Übungsblatt Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.

Mehr