TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

Größe: px
Ab Seite anzeigen:

Download "TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität"

Transkript

1 TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität Z8 Abzählbarkeit (i) Zeigen Sie, dass Z abzählbar ist. (ii) Zeigen Sie, dass R nicht abzählbar ist. Zentralübungsaufgaben (iii) Zeigen Sie, dass nicht alle nach oben beschränkte, nichtleere Teilmengen von Q Suprema haben. Bevor wir mit der eigentlichen Aufgabe anfangen, wiederholen wir kurz, was es bedeutet, wenn eine Menge abzählbar ist. Definition (Abzählbarkeit) Eine Menge M heißt höchstens abzählbar, wenn eine bijektive Abbildung f, f : N N M, existiert. M heißt abzählbar, wenn N = N ist. Die Definition legt schon nahe, dass nicht jede Menge höchstens abzählbar ist und dass, obwohl N unendlich viele Elemente enthält! Wie wir sehen werden, müssen wir zwischen Mengen mit abzählbar (unendlich) vielen und überabzählbar (unendlich) vielen Elementen unterscheiden. (i) Wir geben explizit eine solche Abbildung f an: f : N Z, n f (n) := n 2 n+1 2 n 2N n 2N + 1 Wie man direkt sieht, werden die geraden Zahlen auf positive ganze Zahlen abgebildet und die ungeraden auf die negativen. Auf den ersten Blick scheint diese Tatsache paradox: obwohl N Z eine echte Teilmenge der ganzen Zahlen ist, gibt es eine Bijektion zwischen beiden. Wie man leicht sieht, kann das aber nur für Mengen mit (abzählbar) unendlich vielen Elementen gelten, endliche Mengen können niemals echte Teilmengen mit gleicher Mächtigkeit enthalten (dieses Kriterium kann man auch dazu heranziehen, zwischen endlichen und unendlichen Mengen zu unterscheiden, Stichwort: Dedekind-unendliche Menge). (ii) Wir werden zwei Widerspruchsbeweise mit unterschiedlichen Ideen angeben: Der erste zeigt, dass reelle Zahlen nicht vollständig durch ihre Dezimaldarstellung charakterisiert sind, der Zweite beruht auf einem mengentheoretischem Argument. 1

2 (a) Nehmen wir an, R wäre abzählbar und {s n } n N wäre eine solche Abzählung, das heißt die Abbildung f : N R, n f (n) := s n. Jede Zahl s n stellen wir als Dezimalzahl dar und füllen gegebenenfalls die restlichen Stellen mit auf. Bezeichne s n m die mte Stelle der Zahl s n, also beispielsweise ist die dritte Stelle der Zahl s 7 s 7 = {, 1, 4, 5, 6, 2,,...} =, s 7 3 = 4. Jede Dezimalstelle kann nur Werte zwischen und 9 annehmen. Außerdem bezeichnen wir eine beliebige Zahl zwischen und 9 außer der mit, usw. Wir definieren also die Zahl s mit Dezimalen s n n : die n-te Dezimalstelle ist also gerade nicht die n-te Stelle der n-ten Zahl. Seien also beispielsweise die ersten 5 Zahlen der Aufzählung Dann definieren wir S, s 1 = {, 3, 1, 5, 7, 4,,...} =, s 2 = {, 1, 8, 5, 6, 2, 2,...} =, s 3 = {, 2, 4, 5, 6, 2, 7,...} =, s 4 = {, 5, 6, 1, 1, 4, 8,...} =, s 5 = {, 9, 7, 5, 6, 3, 3,...} =, S := s = {s 1, s 2, s 3, s 4,...} s j s j j, j N, als die Menge der Zahlen, dessen n-te Ziffer gerade nicht der n-ten Ziffer der n-ten Zahl der Aufzählung entspricht; in unserem Beispiel ist dies S := {, 1, 4, 1, 6,...}. Eine mögliche Wahl wäre in diesem Fall 1, , es gibt aber unendlich viele andere. Sei s S beliebig aber fest. s kann nicht in der Aufzählung von R enthalten sein. Denn angenommen s wäre die n-te Zahl der Aufzählung, s = s n, so müsste auch s n = s n n gelten. Nach Konstruktion von s kann dies nie erfüllt sein und s ist nicht in der Aufzählung enthalten. Widerspruch! (b) Ein anderer möglicher Beweis verwendet Intervallschachtelungen. Sei also {s n } n N eine Aufzählung von I := (, 1) R. Wenn wir zeigen können, dass eine Teilmenge von R überabzählbar ist, so muss auch R überabzählbar sein. Wir definieren rekursiv das (offene) Intervall I n : wir teilen I n 1 in drei gleich große Intervalle auf und wählen nun ein Intervall aus, in dem s n nicht liegt. Falls also s 1 =, ist, so können wir für I 1 das zweite oder das dritte Drittel auswählen, usw. So erhalten wir eine Intervallschachtelung, I j I n j > n. Wir wissen, dass eine Zahl s existiert, die in allen Intervallen der Intervallschachtelung enthalten ist, s I n n N. Andererseits muss s in der Aufzählung enthalten sein; wäre s = s j für ein j N, so hätten wir insbesondere s = s j I j. Nach Konstruktion der Intervallschachtelung kann dies aber nie erfüllt sein, Widerspruch! (iii) Beweis durch Gegenbeispiel: Sei Q := q Q q 2 < 3 Q und R := r R r 2 < 3 R. Da 3 Q hat die Menge Q kein Supremum, die Menge R R aber schon, nämlich 3. Z9 Endlichkeitsbegriffe Eine Menge heißt Dedekind-endlich, falls jede Injektion f : M M auch surjektiv ist. Eine Menge M heißt genau dann N-endlich, wenn ein n N und eine Bijektion g existieren mit g : {1,..., n} M. 2

3 Zeigen Sie, dass eine Menge genau dann N-endlich ist, wenn sie Dedekind-endlich ist. Eine kleine Nebenbemerkung vorweg: wir werden A B nicht wie üblich, das heißt A B und A B beweisen, sondern A B und A B (Nicht-A impliziert Nicht-B). Dass beide Beweismöglichkeiten äquivalent sind, sieht man anhand einer Aussagentafel. Zur Erinnerung A B ist dann wahr, falls aus A wahr B wahr folgt. Man kann auch überprüfen, dass A B gleich der logischen Operation A B ist. A B A B A B A B A B A B A B w w f f w w w w w f f w f w f f f w w f w f f f f f w w w w w w Ein kleiner Einschub: es hat sich herausgestellt, dass viele Hörer nicht zwischen und bzw. und unterschieden haben. Man benutzt und um Aussagen logisch zu verknüpfen, A B bedeutet A oder B, A B wird als A und B definiert. Solange A und B keine Mengen sind, ergeben Ausdrücke wie A B und A B keinen Sinn! Sind M und N Mengen, so sind andererseits Ausdrücke wie M N und M N nicht wohldefiniert. Weiterhin muss auch genau zwischen einem Element der Menge m M und der Teilmenge {m} M unterschieden werden: m ist keine Menge, sondern ein Element der Menge. Das bedeutet M\m ist nicht wohldefiniert, M\{m} schon! Beweis M N-endlich M Dedekind-endlich: Sei M also N-endlich. Angenommen, es gibt eine Menge M, die N-endlich, aber nicht Dedekindendlich ist (indirekter Beweis). Wir parametrisieren die N-Endlichkeit nach n: eine Menge heißt n-endlich, falls eine Bijektion g : {1,..., n} M existiert. Wir zeigen per Induktion nach n, dass eine Bijektion von einer n-endlichen Menge M auf sich selbst existiert. Laut Induktionsaxiom gibt es ein minimales n für das eine N-endliche Menge existiert, die nicht Dedekind-endlich ist. Für dieses hat man eine Bijektion g : {1,..., n} M und eine Injektion f : M M, die aber nicht surjektiv ist. Dann existiert ein m M\ f (M) und wir definieren M := M\{m}. Wir definieren f als f : M M, m f (m ) := f (m ) f ist wohldefiniert, da f (M ) f (M ) f (M) M. Da f injektiv ist, muss auch f injektiv sein. M ist n 1-endlich, denn wir können aus jeder Bijektion g : {1,..., n} M eine Bijektion von {1,..., n}\{k} nach M definieren: angenommen wir hätten g(k) = m. Dann ist g : {1,..., k 1, k + 1,..., n} M, l g (l) := g(l) eine Bijektion von {1,..., n}\{k} nach M. Wir definieren nun eine Abbildung ϕ : {1,..., n 1} {1,..., k 1, k + 1,..., n}, die die Lücke überspringt : l 1 l k 1 ϕ(l) := l + 1 k l n 1 Offensichtlich ist g ϕ : {1,..., n 1} M eine Bijektion. Weil n nach Induktionsvoraussetzung minimal war, ist M Dedekind-endlich und f : M M muss surjektiv sein. Nach Voraussetzung war aber auch f : M M injektiv. Nach Definition von f muss dann aber f (m) = m gelten und m f (M), Widerspruch! 3

4 M nicht N-endlich M nicht Dedekind-endlich: Nach Voraussetzung können wir rekursiv (das heißt per Induktion) eine injektive Abbildung g : N M konstruieren. n = 1: Es ist M und es existiert ein m 1 M. Wir definieren g(1) := m 1. Offensichtlich ist g 1 : {1} {m 1 }. Also ist {m 1 } M, denn es gibt keine bijektive Abbildung zwischen {1} und M. Also existiert ein m 2 M\{m 1 } und wir definieren g 2 (2) := m 2, g : {1, 2} {m 1, m 2 } := M 2 M, usw. Nun zum Induktionsschritt: Hat man ein injektives g n : {1,..., n} M n := {m 1,..., m n }, kann es nach Voraussetzung (M nicht N-endlich) nicht surjektiv sein. Also existiert ein m n+1 M\M n und wir definieren g(n + 1) := m n+1. Das so definierte g : N M M, M := n=1 M n, ist tatsächlich injektiv. Wäre g nicht injektiv, so gäbe es ein m M mit g(n) = m = g(ñ); andererseits liegt m in mindestens einem der M j, j N, und nach Konstruktion muss m M n und m Mñ gelten. Ohne Einschränkung sei ñ n. Da M n Mñ haben wir gñ(n) = gñ(ñ), woraus n = ñ folgt. g ist also injektiv. Allerdings müssen wir auch hier das Auswahlaxiom bemühen: denn die Zielmenge ist eine Vereinigung abzählbar vieler endlicher Mengen. Das mag zwar kleinlich bzw. verwirrend klingen, aber eine mathematisch rigorose Abhandlung dieser einfachen Tatsache nimmt fast 5 Seiten in Fränkels Buch dazu ein! Wir definieren nun f : M M als f (m) := m für alle m M c und f (m n ) := m n+1 für m n g(n). f ist injektiv, aber nicht surjektiv, denn m 1 f (M) und M ist nicht Dedekind-endlich. T8 Injektivität, Surjektivität, Bijektivität Tutoraufgaben (i) Erläutern Sie die Bedeutung des Auswahlaxioms im Beweis von Satz 1.3 der Vorlesung. (ii) Geben Sie einen Beweis an, der das Auswahlaxiom nicht verwendet und vergleichen Sie. (iii) Sei f A eine lineare Abbildung, f A : R n R m. Ist f injektiv, so folgt n m. (i) Wir wiederholen Satz 1.3 der Vorlesung und skizzieren den Beweis: Satz (Die Umkehrung einer bijektiven Abbildung) Zu jeder bijektiven Abbildung f : X Y gibt es genau eine ebenfalls bijektive Abbildung g : Y X mit den Eigenschaften f g = id Y und g f = id X. Beweis Wir zeigen zunächst, dass g existiert. f ist nach Voraussetzung bijektiv, also insbesondere surjektiv. Es gibt eine Injektion g mit f g = id Y (Rechtsinverses!), denn alle Mengen X y := f 1 ({ y}) = {x X f (x) = y} sind nichtleer, da f surjektiv ist. Mit dem Auswahlaxiom folgt, dass eine Abbildung g existiert mit g : Y X y, y g(y) g(y) X y y Y y Y X lässt sich als die Vereinigung der Fasern X y ausdrücken, y Y X y = X. y Y X y X ist klar, da X y X y Y gilt. y Y X y X ist ebenfalls wahr, denn x X f (x). Somit haben wir für alle y Y f g(y) = f g( y) = f (x) = y. 4

5 Es bleibt noch zu zeigen, dass g injektiv ist. Angenommen es gibt ein ỹ mit g(y) = x y = g(ỹ), y, ỹ Y. Dann wenden wir f von links an und erhalten so f g(y) = f (x y ) = f g(ỹ) = y = f (x y ) = ỹ, und wir schließen daraus, dass es nur ein y Y gibt mit Bild x y, g ist injektiv. f g = id Y ist also erfüllt und insbesondere haben wir f g(y ) = Y. Wir zeigen nun, dass g auch surjektiv ist. Angenommen, g wäre nicht surjektiv. Dann existieren x X mit x g(y ). Da f surjektiv ist, folgt f (x) Y = f g(y ). Da im f g = Y und g injektiv ist, gibt es ein x X derart, dass x = g f (x). Das bedeutet f (x) = y x = f ( x). f ist aber auch injektiv und wir folgern x = x, Widerspruch! Also ist g auch surjektiv und damit bijektiv. Die Eindeutigkeit und g f = id X zu zeigen ist trivial. (ii) Wir konstruieren im zweiten Beweis die Umkehrabbildung explizit. Beweis Da f bijektiv ist, existiert zu jedem y Y genau ein x y X mit f (x y ) = y. Wir definieren also g : Y X, y g(y) := x y. Man kann leicht zeigen, dass f g = id Y und g f = id X erfüllt sind. Wo liegt nun der Unterschied zwischen den beiden Beweisen, für den zweiten ist das Auswahlaxiom nicht notwendig (da die Auswahlmenge endlich ist)? Der Unterschied ist, dass der erste Beweis eigentlich aus zwei Teilen besteht und die Aussage des ersten allgemeiner ist, als notwendig: im ersten Teil wird bewiesen, dass zu jeder surjektiven Abbildung f eine Injektion g existiert, die ein Rechtsinverses zu f ist, das heißt f g = id Y. Die Injektivität von f ist nicht mit in den Beweis mit eingeflossen. Erst im zweiten Schritt haben wir die Injektivität von f benutzt, um daraus zu folgern, dass g auch surjektiv sein muss! Schritt 1 ist für sich also ein Theorem, das in einem allgemeineren Kontext Gültigkeit behält als Satz 1.3. (iii) Die Definition von Kern und Bild können passend verallgemeinert werden. Statt R n und R m betrachten wir kurz zwei allgemeine Vektorräume V 1 und V 2 und eine lineare Abbildung f : V 1 V 2 zwischen beiden. ker f := x V 1 f (x) = V 2 V1 im f := z V 2 x V 1 mit f (x) = z V 2 Hier sieht man ganz deutlich, dass der Kern einer Abbildung Teil des Urbildraums ist, während das Bild eine Teilmenge des Bildraums ist. Zu einer linearen Abbildung f A können wir eine m n-matrix assoziieren (eine Matrix mit m Zeilen und n Spalten). Hier liest sich die Definition von Bild und Kern wie folgt: ker f A := x R n f A (x) = R m R n im f A := z R m x R n mit f A (x) = z R m Den Beweis spalten wir in zwei Teile auf: zuerst zeigen wir, dass eine lineare Abbildung f A genau dann injektiv ist, wenn der Kern trivial ist, ker f A = {}. Danach zeigen wir, dass der Kern nur trivial sein kann, wenn m = dim R m n = dim R n gilt. 5

6 Lemma Eine lineare Abbildung f A : R n R m ist genau dann injektiv, wenn ker f A = {}. Beweis : Sei f A injektiv. Dann gibt es zu jedem Vektor z R m höchstens ein Urbildelement x z R n, das heißt falls x z die Gleichung f A (x z ) = z löst (also z im f A ), so gilt für alle k ker f A fa(xz + k) = z Da aber diese Gleichung höchstens eine haben kann, muss k = sein und somit ker f A = {}. : Sei ker f A = {}. Dann folgt sofort, dass die Gleichung f A (x) = z höchstens eine haben kann. Hat sie keine, dann ist z eben nicht im Bild von f A, z im f A. Also ist f A injektiv. Nun zeigen wir, dass aus ker f A = {} m n folgt. Wir geben wieder nur einen möglichen Beweis an: Lemma ker f A = {} = n m. Beweis Aus ker f A = {} folgt, dass die Spaltenvektoren der Matrix linear unabhängig sind. Mit f A (x) = haben wir nämlich auch Ax =, A mn (R), und somit λ n 1 λ l s l = s l l-te Spaltenvektor von A, x =. l=1 Da der Kern trivial ist, sind die n Spalten also linear unabhängig und der Bildraum ist n- dimensional. Das Bild ist ein n-dimensionaler Unterraum eines m-dimensionalen Vektorraums im f A R m, woraus dim im f A = n dim R m = m folgt. T9 Injektivität und Surjektivität von linearen Abbildungen Untersuchen Sie, ob die folgenden linearen Abbildungen injektiv oder surjektiv sind und geben Sie Kern und Bild an: f A : R 3 R 3, f B : R 4 R 3, f C : R 2 R A = 1 2 B = C = Wir fangen mit ker f A an (die Zahl der Vektoren, die den Kern aufspannt ist die Zahl der linear abhängigen Vektoren). 1 2 x x 2 = 1 Wir erhalten drei Gleichungen mit drei Unbekannten: x 3 λ n x 1 2x 3 = = x 1 = 2x 3 x 1 + 2x 2 = = x 1 = 2x 2 x 3 = (i) (ii) (iii) 6

7 Wir sehen sofort, dass nur x = das Gleichungssystem erfüllt und der Kern trivial ist, ker f A = {}, f A ist injektiv. Da die Dimension des Bildraums 3 ist und die Matrix drei linear unabhängige Spalten hat, spannen die Spaltenvektoren von A ganz R 3 auf, im f A = R 3, f ist surjektiv und somit auch bijektiv. Wir berechnen ker f B x 1 x 2 x 3 x 4 = Da die ersten drei Spaltenvektoren die Spaltenvektoren von A sind, erwarten wir, dass das Bild von f A wieder R 3 ist. Dazu zeigen wir, dass der Kern eindimensional ist. Obige Matrixgleichung entspricht folgendem Gleichungssystem: x 1 2x 3 7x 4 = x 1 + 2x 2 4x 4 = x 3 + 2x 4 = = x 3 = 2x 4 (i) (ii) (iv) Wir setzen (iii) in (i) ein und erhalten: x 1 2( 2x 4 ) 7x 4 = und somit x 1 = 3x 4. In (ii) eingesetzt, liefert das schließlich (3x 4 ) + 2x 2 4x 4 =, also x 2 = 1 2 x 4. x 4 ist der freie Parameter und der Kern ist gegeben durch 6 1 ker f B = lin 4 2 und f B ist nicht injektiv. Das Bild wird von drei der Spalten aufgespannt und da der Bildraum ebenfalls dreidimensional, also haben wir im f B = R 3. Wenden wir uns f C zu und berechnen ker f C x1 Schon die ersten zwei Gleichungen liefern x 1 = = x 2 : x 2 = 4x 1 + x 2 = = x 2 = 4x 1 2x 1 5x 2 = = 5x 2 = 2x 1 (i) (ii) Der Kern ist trivial, ker f C = {}, und f C ist injektiv. Das Bild wird von den zwei (linear unabhängigen) Spalten aufgespannt im f C = lin 3,

8 H1 Überabzählbarkeit von R\Q Zeigen Sie, dass R\Q überabzählbar ist. Hausaufgaben Wir wissen, dass R überabzählbar ist. Trivialerweise haben wir R\Q Q = R. Da R überabzählbar und Q abzählbar sind, muss R\Q auch überabzählbar sein (wir haben ja nur abzählbar viele Elemente aus der Menge entfernt). H11 Injektivität und Surjektivität (i) Sei π : X Y X, (x, y) π(x, y) := x eine Projektion. Konstruieren Sie eine Injektion ı : X X Y, die ein Rechtsinverses von π ist. Geben Sie außerdem das Linksinverse zu ı an (jeweils mit Probe!). (ii) Sei f A : R n R m eine lineare Abbildung. Zeigen Sie, dass f A surjektiv n m impliziert. (iii) Überprüfen Sie, ob folgende lineare Abbildungen injektiv und/oder surjektiv sind. Geben Sie Kern und Bild sowie deren Dimensionen an: f A : R 4 R 2, f B : R 3 R 4, f C : R 2 R 4 mit Matrizen A = B = C = (i) Eine Möglichkeit, eine Injektion zu konstruieren mit π ı = id X ist die folgende. Sei y Y beliebig aber fest. Wir definieren ı : X X Y, x ı(x) := (x, y ) ı ist ein (nicht eindeutig bestimmtes) Rechtsinverses von π und π ein Linksinverses von ı. Denn für alle x X gilt π ı(x) = π ı(x) = π(x, y ) = x. (ii) Wir emulieren den Beweis aus Z9 (iii): Wir zeigen zuerst, dass gilt: f A : R n R m ist surjektiv genau dann, wenn im f A = R m. Anschließend beweisen wir, dass aus im f A = R m folgt, dass n m ist. Lemma f A surjektiv im f A = R m Beweis : Wenn f A surjektiv ist, so gibt es zu jedem Punkt z R m im Bildraum mindestens ein Urbild x z R n und nach Definition des Bilds erhalten wir im f A = R m. : Sei im f A = R m. Dann gibt es zu jedem z R m ein Urbild x z R n mit f A (x z ) = z (ansonsten wäre z nicht im Bild). Lemma im f A = R m n = dim R n m = dim R m 8

9 Beweis Das Bild f A wird durch die Spaltenvektoren der zu f A gehörigen Matrix A mn (R) aufgespannt. Da im f A = R m hat die Matrix mindestens m linear unabhängige Spalten (mit m Einträgen). Wäre n < m, so würden die Spalten nicht R m aufspannen, sondern nur einen echten Untervektorraum von R m, Widerspruch! (iii) Wir berechnen den Kern. Die Zahl der Vektoren, die den Kern aufspannt, ist die Zahl der linear abhängigen Vektoren. Für f A müssen wir das Gleichungssystem x x = lösen. Wir erhalten also zwei Gleichungen mit vier Unbekannten (ein unterbestimmtes Gleichungssystem). x 3 x 4 x 1 + 2x 2 5x 3 = x 1 + 2x 2 + 7x 3 2x 4 = (i) (ii) Aus (ii) erhalten wir x 1 = 2x 2 + 7x 3 2x 4. Eingesetzt in (i) ergibt dies (2x 2 + 7x 3 2x 4 ) + 2x 2 5x 3 = = 4x 2 + 2x 3 2x 4 = Wir lösen nach x 4 auf und setzen das Ergebnis gleich in (ii) ein: x 4 = 2x 2 + x 3 x 1 = 2x 2 + 7x 3 2 (2x 2 + x 3 ) = 2x 2 + 5x 3. Wir erkennen, dass das Gleichungssystem zwei freie Parameter hat, x 2 und x 3, der Kern wird von zwei Vektoren aufgespannt ker f A = lin, Da der Kern nicht trivial ist (was auch zu erwarten war), ist die Abbildung f A nicht injektiv. Sie ist allerdings surjektiv, denn zwei der Spalten sind linear unabhängig und der Bildraum ist ebenfalls zweidimensional, im f A = R 2, und f A ist surjektiv. Nun zu f B : R 3 R 4. Wir lösen wieder das zugehörige homogene Gleichungssystem x x = x Gleichungen (i), (ii) und (iv) liefern x 3 = 5x 1 + x 2. Eingesetzt in (iii) lösen wir nach x 3 auf. 2x 1 + x 2 + (5x 1 + x 2 ) = = 7x 1 + 2x 2 = Daraus erhalten wir x 2 = 7 2 x 1 und x 3 = 5x x 1 = 3 2 x 1 und x 1 ist der freie Parameter, der Kern ist eindimensional. 2 ker f B = 7 R3 3 9

10 Da der Kern nicht trivial ist, kann f B nicht injektiv sein. Das Bild wird von zwei der Spaltenvektoren aufgespannt, ist also ein Untervektorraum von R 4 (siehe Blatt 2) und f B kann auch nicht surjektiv sein im f B = lin 1, 1 1 R4 1 1 Schließlich wiederholen wir die Prozedur für f C : x1 x 2 = Das entsprechende Gleichungssystem ist überbestimmt. Schon aus den ersten zwei Gleichungen folgt sofort, dass x 1 = = x 2 sein muss: x 1 + 5x 2 = = x 1 = 5x 2 x 1 3x 2 = = x 1 = 3x 2 (i) (ii) Also ist ker f C = {} und das Bild wird von den zwei Spalten aufgespannt, f C ist injektiv, aber nicht surjektiv im f C = lin 1, 3 2 R4 4 5 H12 Heiratsproblem ( ) Sei M eine nichtleere, endliche Menge von Mädchen, J eine Menge von Jungen. Zwischen den Mädchen aus M und den Jungen aus J bestehen Freundschaften (Relationen, ), beschrieben durch die Menge := (m, j) M J m j (also die Menge der Jungen und Mädchen, die miteinander befreundet sind). Ziel ist es, für jedes Mädchen einen Partner aus J zu finden, mit dem sie befreundet ist (also m j erfüllt ist). Für jede Teilmenge M M bezeichne J(M ) die Menge der Jungen, die mit mindestens einem Mädchen aus M befreundet sind. Beweisen Sie, dass man genau dann Paare aus jeweils befreundeten Mädchen und Jungen bilden kann, wenn für jede Teilmenge M M gilt: J(M ) M. (Hinweis: Lädt eine Menge von Mädchen M alle befreundeten Jungen zu einer Party ein, so herrscht auf keiner Party Mädchenüberzahl.) Man führe den Beweis durch Induktion nach n := M durch und unterscheide dabei die folgenden zwei Fälle: (a) Auf allen von Mädchen in M organisierten Parties mit < M < M herrscht Jungenüberzahl. (b) (a) ist falsch. 1

11 Beispiel: Sei M := {m i i N, 12 i < 33, i nicht prim}, J := { j k k N, 2 k 16}. m i sei mit j k genau dann befreundet, wenn k ein Teiler von i ist und k i. Ist hier das Heratsproblem lösbar? Wie verhält es sich, wenn M ersetzt wird duch M := {m i i N, 12 < i 33, i nicht prim}. Wir suchen eine Paarbildungsfunktion ( Heiratsfunktion ), das heißt eine injektive Funktion f : M J mit f (m) J({m}) m M. Wir behaupten also: es existiert genau dann eine Paarbildungsfunktion, wenn für alle Teilmengen M M gilt J(M ) M ( ) : Angenommen, es gibt eine Teilmenge M M mit J(M ) < M. Dann können nicht alle Mädchen mit einem Jungen gepaart werden (die Paarbildungsfunktion ist injektiv und es gibt genausoviele Bilder wie Urbilder), Widerspruch! : Beweis durch Induktion nach n := M. Induktionsanfang, n = 1: M = {m}, J(M) 1 (nach Voraussetzung ( )) und m kann mit j J(M) gepaart werden. Induktionsschritt mit Fallunterscheidung, n n + 1: Sei M eine Menge mit n + 1 Mädchen. (a) Für alle M M mit < M M gelte J(M ) M + 1. Sei m M beliebig, aber fest, und j J({m }). Definiere f (m ) := j. Dann erfüllen M := M\{m } und J := J\{j } wieder die Bedingung ( ). Im Detail bedeutet das: es gilt J (M ) M für alle M M, J (M ) := j J m M, (m, j). Denn es gilt J (M ) = J(M )\{j } und somit J (M ) J(M ) 1 M. Wegen der Induktionsvoraussetzung können die n = M Mädchen mit jeweils einem befreundetem Jungen gepaart werden und es existiert eine injektive Heiratsfunktion f : M J mit f (m ) = j. (b) Angenommen, (a) gelte nicht, das heißt es existiert ein M M, < M n mit J(M ) = M =: k. Dann können wir nach Induktionsvoraussetzung für k die Mädchen aus M unter den Jungen aus J := J(M ) einen Partner finden. Wir behaupten nun, dass die Bedingung ( ) für die restlichen Mädchen und Jungen wieder erfüllt ist: J (N) N, M := M\M, J := J\J und N M. Angenommen, das wäre falsch, das heißt es existiert ein N M mit J (N) < N ; dann verletzt auch N M die Bedingung ( ) (für M und J), denn J(N M ) = J (N) J und somit J(N M ) < N + M = N M, Widerspruch! Also können wir nach Induktionsvoraussetzung für Schritt n k + 1 auch für die Mädchen aus M einen befreundeten Partner aus J finden und es existiert Paarbildungsfunktionen auf M und M. Beispiel: Wir listen die Freundschaften zwischen Elementen von M M und J auf und erhalten: m 12 j 2, j 3, j 4, j 6 m 18 j 2, j 3, j 6, j 8 m 24 j 2, j 3, j 4, j 6, j 8 m 28 j 2, j 4, j 7, j 14 m 14 j 2, j 7 m 2 j 2, j 5, j 1 m 25 j 5 m 3 j 2, j 3, j 5, j 6, j 1, j 15 m 15 j 3, j 5 m 21 j 3, j 7 m 26 j 2, j 13 m 32 j 2, j 4, j 8, j 16 m 16 j 2, j 4, j 8 m 22 j 2, j 11 m 27 j 2, j 9 m 33 j 3, j 11 Das Heiratsproblem M und J hat eine, M und J hat keine. Eine für ersteres sind beispielsweise folgende Paarungen: 11

12 m 12 j 4 m 18 j 6 m 24 j 12 m 28 j 14 m 14 j 2 m 2 j 1 m 25 j 5 m 3 j 15 m 15 j 3 m 21 j 7 m 26 j 13 m 32 j 16 m 16 j 8 m 22 j 11 m 27 j 9 12

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

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

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $ Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit

Mehr

Definition 27 Affiner Raum über Vektorraum V

Definition 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,

Mehr

Lineare Gleichungssysteme

Lineare 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

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

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

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

Kapitel IV. Endliche, abzählbare und überabzählbare Mengen. IV.1 Abzählbare Mengen

Kapitel IV. Endliche, abzählbare und überabzählbare Mengen. IV.1 Abzählbare Mengen Kapitel IV Endliche, abzählbare und überabzählbare Mengen Wir haben schon einige Mengen in den Kapiteln I und II kennengelernt, etwa die Zahlenmengen N, Z, Q und R. Jede dieser Zahlenmengen enthält unendlich

Mehr

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Bild, 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

Mehr

Geometrische Mannigfaltigkeiten

Geometrische Mannigfaltigkeiten Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie

Mehr

5.7 Lineare Abhängigkeit, Basis und Dimension

5.7 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

Mehr

Übungen zur Diskreten Mathematik I Blatt 6

Übungen 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,

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

Mehr

Kapitel 13. Lineare Gleichungssysteme und Basen

Kapitel 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

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

Abbildungen. Kapitel Definition: (Abbildung) 5.2 Beispiel: 5.3 Wichtige Begriffe

Abbildungen. Kapitel Definition: (Abbildung) 5.2 Beispiel: 5.3 Wichtige Begriffe Kapitel 5 Abbildungen 5.1 Definition: (Abbildung) Eine Abbildung zwischen zwei Mengen M und N ist eine Vorschrift f : M N, die jedem Element x M ein Element f(x) N zuordnet. Schreibweise: x f(x) 5. Beispiel:

Mehr

β 1 x :=., und b :=. K n β m

β 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

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

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

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 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,...,

Mehr

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt

6.2 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)

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

Basis 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. 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

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(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:

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

Leitfaden Lineare Algebra: Determinanten

Leitfaden Lineare Algebra: Determinanten Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv

Mehr

Vorkurs Mathematik Abbildungen

Vorkurs Mathematik Abbildungen Vorkurs Mathematik Abbildungen Philip Bell 19. September 2016 Diese Arbeit beruht im Wesentlichen auf dem Vortrag Relationen, Partitionen und Abbildungen von Fabian Grünig aus den vorangehenden Jahren.

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE 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

Mehr

11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen

11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen 11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen 11.1 g-adische Entwicklung von Zahlen aus [0, 1[ 11.2 g-adische Entwicklung reeller Zahlen 11.3 g-adische Entwicklung nicht-negativer

Mehr

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

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

Mathematik 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

Mehr

Musterlösung zur Klausur Lineare Algebra I

Musterlösung zur Klausur Lineare Algebra I Musterlösung zur Klausur Lineare Algebra I Aufgabe Version A 5 Punkte: Welche der folgenden Aussagen sind wahr bzw. falsch? Setzen Sie in jeder Zeile genau ein Kreuz. Für jede korrekte Antwort erhalten

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft: Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre

Mehr

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56 5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten

Mehr

Kapitel 15. Lösung linearer Gleichungssysteme

Kapitel 15. Lösung linearer Gleichungssysteme Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren

Mehr

4. Übungsblatt Matrikelnr.: 6423043

4. Übungsblatt Matrikelnr.: 6423043 Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613

Mehr

, Uhr Dr. Thorsten Weist. Name Vorname Matrikelnummer. Geburtsort Geburtsdatum Studiengang

, Uhr Dr. Thorsten Weist. Name Vorname Matrikelnummer. Geburtsort Geburtsdatum Studiengang Nachklausur zur Linearen Algebra I - Nr. 1 Bergische Universität Wuppertal Sommersemester 2011 Prof. Dr. Markus Reineke 06.10.2011, 10-12 Uhr Dr. Thorsten Weist Bitte tragen Sie die folgenden Daten leserlich

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Kapitel 2 Lineare Gleichungssysteme 21 Lineare Gleichungssysteme und Matrizen Lernziele 2 Lineare Gleichungssysteme definieren Matrizen, Matrizen definieren lineare Abbildungen, Lösen von linearen Gleichungssystemen

Mehr

Kapitel 1. Grundlagen Mengen

Kapitel 1. Grundlagen Mengen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Elementare Beweismethoden

Elementare Beweismethoden Elementare Beweismethoden Christian Hensel 404015 Inhaltsverzeichnis Vortrag zum Thema Elementare Beweismethoden im Rahmen des Proseminars Mathematisches Problemlösen 1 Einführung und wichtige Begriffe

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

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte 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

Mehr

5 Lineare Abbildungen

5 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,

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

Kapitel 12. Lineare Abbildungen und Matrizen

Kapitel 12. Lineare Abbildungen und Matrizen Kapitel 12 Lineare Abbildungen und Matrizen Lineare Abbildungen f : R n R m Wir wissen schon: Eine lineare Abbildung f : R n R m ist eindeutig durch ein n-tupel von Vektoren v 1, v 2,, v n des R m bestimmt

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs 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

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

7. Ringe und Körper. 7. Ringe und Körper 49

7. Ringe und Körper. 7. Ringe und Körper 49 7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich

Mehr

Musterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr

Musterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr TUM Ferienkurs Lineare Algebra WiSe 8/9 Dipl.-Math. Konrad Waldherr Musterlösung Relationen Aufgabe Auf R sei die Relation σ gegeben durch (a, b)σ(c, d) : a + b c + d. Ist σ reflexiv, symmetrisch, transitiv,

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

4. Vektorräume und Gleichungssysteme

4. 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

Mehr

Vollständigkeit. 1 Konstruktion der reellen Zahlen

Vollständigkeit. 1 Konstruktion der reellen Zahlen Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente

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

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage

Mehr

Serie 8: Fakultativer Online-Test

Serie 8: Fakultativer Online-Test Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung

Mehr

Warum Mathe? IG/StV-Mathematik der KFU-Graz. 1 Mengen Mengenoperationen Rechenregeln Mengen 4. Funktionen 7

Warum Mathe? IG/StV-Mathematik der KFU-Graz. 1 Mengen Mengenoperationen Rechenregeln Mengen 4. Funktionen 7 Warum Mathe? IG/StV-Mathematik der KFU-Graz März 2011 Inhalt 1 Mengen 1 1.1 Mengenoperationen.............................. 2 1.2 Rechenregeln.................................. 3 2 Übungsbeispiele zum

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

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

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Also kann nur A ist roter Südler und B ist grüner Nordler gelten.

Also kann nur A ist roter Südler und B ist grüner Nordler gelten. Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

Musterlösung zur Nachklausur Lineare Algebra I

Musterlösung zur Nachklausur Lineare Algebra I Musterlösung zur Nachklausur Lineare Algebra I Aufgabe 1 5 Punkte: Welche der folgenden Aussagen sind wahr bzw falsch? Setzen Sie in jeder Zeile genau ein Kreuz Für jede korrekte Antwort erhalten Sie 0,5

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 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

Mehr

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V. Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

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

Mehr

Mathematik für Betriebswirte I (Lineare Algebra) 1. Klausur Wintersemester 2013/

Mathematik für Betriebswirte I (Lineare Algebra) 1. Klausur Wintersemester 2013/ Mathematik für Betriebswirte I (Lineare Algebra). Klausur Wintersemester 20/204 06.02.204 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:... Vorname:... Matrikelnummer: Studienfach:... Name des

Mehr

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse

Mehr

IV.3. RANG VON MATRIZEN 81

IV.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

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

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

Donnerstag, 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 )

Mehr

Lineare Abbildungen und Darstellungsmatrizen

Lineare Abbildungen und Darstellungsmatrizen KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt

Mehr

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper 32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt

Mehr

Proseminar Analysis Vollständigkeit der reellen Zahlen

Proseminar Analysis Vollständigkeit der reellen Zahlen Proseminar Analysis Vollständigkeit der reellen Zahlen Axel Wagner 18. Juli 2009 1 Voraussetzungen Zunächst wollen wir festhalten, was wir als bekannt voraussetzen: Es sei (Q, +, ) der Körper der rationalen

Mehr

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? 1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2

Mehr

1 Loesungen zu Analysis 1/ 1.Uebung

1 Loesungen zu Analysis 1/ 1.Uebung Loesungen ausgewaehlter Beispiele zu Analysis I, G. Bergauer, Seite 1 1 Loesungen zu Analysis 1/ 1.Uebung 1.1 Einleitung Gegeben Mengen X, A mit A X. Sei die Menge durch A = {a X : a erfuellt B} gegeben,

Mehr

Bestimmung der Dimension

Bestimmung der Dimension Bestimmung der Dimension Satz. Sei (v 1, v 2,..., v n ) ein minimales Erzeugendensystem von V, d.h. dieses System ist ein Erzeugendensystem von V, aber keines der nach Weglassen eines v i (1 i n) entstehenden

Mehr

Vorlesung. Funktionen/Abbildungen

Vorlesung. Funktionen/Abbildungen Vorlesung Funktionen/Abbildungen 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe Weihnachten und ein gutes neues Jahr! Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]

Mehr

8. Quadratische Reste. Reziprozitätsgesetz

8. Quadratische Reste. Reziprozitätsgesetz O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Algebra. Patrik Hubschmid. 8. Oktober 2013

Algebra. Patrik Hubschmid. 8. Oktober 2013 Algebra Patrik Hubschmid 8. Oktober 2013 Inhaltsverzeichnis 1 Fortführung der Gruppentheorie 7 1.1 Sylowsätze.................................... 7 3 Vorwort Dieses Skript zur Vorlesung Algebra im Wintersemester

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 215/216 Lineare Algebra und analytische Geometrie I Vorlesung 27 In der letzten Vorlesung haben wir die Haupträume zu einem Eigenwert λ zu einem Endomorphismus ϕ als Kern

Mehr

3. Übungsblatt zur Lineare Algebra I für Physiker

3. 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

Mehr

Klausurvorbereitungsblatt Lineare Algebra

Klausurvorbereitungsblatt 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

Mehr

$Id: vektor.tex,v /01/21 14:35:13 hk Exp $

$Id: vektor.tex,v /01/21 14:35:13 hk Exp $ Mathematik für Physiker I, WS 2/2 Freitag 2 $Id: vektortex,v 5 2//2 4:35:3 hk Exp $ Vektorräume 2 Untervektorräume und Erzeugendensysteme Am Ende der letzten Sitzung hatten wir wieder einmal den Lösungsraum

Mehr

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h. Lineare Abbildungen Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls (1) u, v V : f( u + v) = f( u) + f( v). (2) v V α K : f(α v) = αf( v).

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Musterlösung zur Probeklausur Lineare Algebra I

Musterlösung zur Probeklausur Lineare Algebra I Musterlösung zur Probeklausur Lineare Algebra I Aufgabe 1 5 Punkte: Welche der folgenden Aussagen sind wahr bzw. falsch? Setzen Sie in jeder Zeile genau ein Kreuz. Für jede korrekte Antwort erhalten Sie

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 05.11.2013 Alexander Lytchak 1 / 14 Linearkombinationen Definition Es sei V ein reeller Vektorraum. Es sei (v i ) i

Mehr

3.2 Unabhängigkeitsstrukturen

3.2 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

Mehr

Der Rangsatz für lineare Abbildungen

Der Rangsatz für lineare Abbildungen Der Rangsatz für lineare Abbildungen Satz Sei f : V W eine lineare Abbildung Dann gilt dim V = dim Kern(f) + dim Bild(f), also gleichbedeutend dim Kern(f) = dim V rg(f) Da uns in der Regel bei gegebenem

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