TECHNISCHE UNIVERSITÄT MÜNCHEN. Körper, Ringe und Gruppen
|
|
- Lucas Schulze
- vor 5 Jahren
- Abrufe
Transkript
1 TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 2006/07 en Blatt Körper, Ringe und Gruppen Z13 Gruppen Seien GL R (2), SL R (2) und SO(2) die Mengen Zentralübungsaufgaben GL R (2) : A 2,2 (R) A 1 existiert SL R (2) : A 2,2 (R) det A 1 cos α SO(2) : R(α) 2,2 (R) R(α) sin α sin α, α R cos α (i) Zeigen Sie, dass diese Mengen zusammen mit der Matrixmultiplikation Matrix-Gruppen sind. (ii) Zeigen Sie, dass SO(2) SL R (2) GL R (2). (iii) Interpretieren sie diese Gruppen geometrisch. (i) Wir müssen vier Punkte zeigen, nämlich: Sei G eine Menge und : G G G eine Abbildung. (G1) Die Multiplikation bildet tatsächlich von G G nach G ab (Wohldefiniertheit der Multiplikation). (G2) Die Multiplikation ist assoziativ. (G3) Es existiert ein Einselement e G mit g e g g G. (G4) Es existiert für alle g G ein Inverses g 1 : g g 1 e. Überprüfen wir zuerst die Gruppenaxiome für GL R (2): (G1) Für 2 2-Matrizen wissen wir aus H2, dass eine Matrix genau dann invertierbar ist, wenn det A 0 gilt. Nach T 2 gilt außerdem det(a B) det A det B. Das Produkt zweier Matrizen ist also genau dann nicht invertierbar, wenn mindestens eine der Matrizen nicht invertierbar ist. Das heißt die Matrixmultiplikation bildet tatsächlich immer zwei invertierbare Matrizen auf eine invertierbare Matrix ab. (G2) Das folgt sofort aus der Assoziativität der Matrixmultiplikation. (G3) Man überzeugt sich sofort, dass id R 2, id R das Einselement von GL R (2) ist. Da det id R 2 1 ist id R 2 GL R (2). 1
2 (G4) Nach Definition der Menge muss es zu jedem A GL R (2) ein A 1 GL R (2) geben. GL R (2) ist also eine Gruppe. Überprüfen wir die Gruppenaxiome für SL R (2): (G1) Genau wie oben, benutzen wir die Determinante: für alle A, B SL R (2) haben wir det(a B) det A det B und die Multiplikation bildet tatsächlich auf SL R (2) ab. (G2) Das folgt wieder sofort aus der Assoziativität der Matrixmultiplikation. (G3) Wieder ist id R 2 das Einselement und da det id R 2 1, ist es auch tatsächlich ein Element der Menge SL R (2). (G4) Da det A 1 für alle A SL R (2), sind alle Elemente der Menge invertierbar. SL R (2) ist eine Gruppe. Die Gruppenaxiome für SO(2) sind in H15 (a) überprüft worden, die Kommutativität ist Gegenstand von H16 (i). (ii) Es ist klar, dass SL R (2) GL R (2): in GL R (2) Matrizen mit det A 1 enthalten. Da per Definition von SO(2) die Einträge zwischen 1 und +1 liegen müssen, a i j [ 1, +1] 1 i, j 2 für A (a i j ) 1 i,j 2 SO(2), ist B zwar ein Element von SL R (2), det B 1, aber nicht von SO(2). (iii) Diese Gruppen tauchen beispielsweise im Zusammenhang mit Koordinatentransformationen Φ in Integralen auf: eine Koordinatentransformation ist genau dann volumenerhaltend, falls det( xi x j Φ) 1 i,j 2 1 ist. GL R (2) entspricht also einer Transformation mit Volumenänderung. Beispielsweise ist die Streckung der Basisvektoren um das Doppelte (also A 2id R 2) eine solche Transformation. SL R (2) entspricht volumenerhaltenden Transformationen (Scherungen, Drehungen) während SO(2) nur Drehungen um den Ursprung enthält. Die Gruppen SL R (2) und SO(2) sind in der Physik von allerhöchster Bedeutung, sie sind zusammen mit ihren Verallgemeinerungen für den n-dimensionalen Fall häufig anzutreffende Symmetriegruppen. Ohne eine gruppentheoretische Analyse ist es häufig gar nicht möglich bestimmte Theorien aufzustellen (z. B. die Theorie des Spins und der Helizität in der Quantenmechanik). Z14 Ring der Polynome Sei K ein Körper. Dann definieren wir die Menge der Polynome: K[X ] : P P(X ) N n0 α n X n, N N 0 (i) Zeigen Sie, dass ein Körper nullteilerfrei ist: a b 0 a 0 b 0. (ii) Zeigen Sie, dass K[X ] mit der üblichen Addition und Multiplikation ein Ring ist. 2
3 (iii) Sei K eine Nullstelle des Polynoms P K[X ]. Zeigen Sie, dass es dann ein P K[X ] gibt mit P(X ) (X K)P (X ). (iv) Sei P K[X ], P 0, und N die Zahl der Nullstellen von P. Beweisen Sie, dass N deg P. (i) : Falls a 0 oder b 0, so ist auch a b 0. : Falls a 0 b so folgt a b 0. Sei daher ohne Beschränkung der Allgemeinheit a 0 (die Rollen von a und b sind ja symmetrisch): dann folgt b (a 1 a) b a 1 ( }{{} a b ) 0 0 (ii) Sei R eine Menge mit zwei Verknüpfungen, einer Addition und einer Multiplikation. Dieses Tripel (R, +, ) heißt Ring, wenn gilt: (R1) (R, +) ist eine abelsche Gruppe. (R2) (R, ) ist ein Monoid (eine Halbgruppe mit Einselement). (R3) Die Verknüpfungen sind distributiv, das heißt (a + a ) b a b + a b a, a, b R a (b + b ) a b + a b a, b, b R Ein Ring ist also fast ein Körper, es fehlt die Bedingung, dass für alle R\{0 R } ein inverses Element bezüglich der Multiplikation existiert. Seien also R K[X ], P 1, P 2 K[X ] zwei Polynome, P 1 (X ) N 1 n0 α n X n, P 2 (X ) N 2 n0 β n X n, N 1, N 2 N 0. Sei weiterhin ohne Einschränkung N 1 N 2. Dann definieren wir Summe und Produkt dieser zwei Polynome wie gewohnt als N 1 P 1 (X ) + P 2 (X ) : α n X n N 2 + β n X n N 1 (α n + β n ) X n n0 n0 n0 N 1 P 1 (X ) P 2 (X ) : α n X n N 2 n0 β n X n n0 N 1 +N 2 n0 (α j β l ) X n j+ln Im mit markierten Schritt haben wir das erste Polynom trivial fortgesetzt, β N2 +1 β N β N1 0. (R1) (R, +) ist eine (abelsche) Gruppe mit neutralem Element 0 K[X ] und Inversem P. (R2) (R, ) ist eine Halbgruppe, da das Produkt zweier Polynome wieder ein Polynom ist. Es ist sogar ein Monoid mit neutralem Element id 1 (der Einsfunktion). (R3) Man muss nur eine Richtung zeigen, da die Addition und das Produkt kommutativ sind. Der Rest ist eine leichte Übungsaufgabe. 3
4 Allgemein kann man sagen, dass zusätzliche mathematische Struktur für Mathematiker und Physiker gleichermaßen lebensnotwendig ist. Betrachten Sie die Differentialgleichung für den Schwingkreis: d 2 dt 2 x + ω 2 x 2 0 Wir werden später sehen, dass viele Funktionenräume, z. B. die stetigen Funktionen, einen Vektorraum bilden. Das soll bedeuten, dass die Summe zweier stetiger Funktionen wieder eine stetige Funktion ist, usw. Auch en von linearen Differentialgleichungen bilden einen Vektorraum: wir wissen aus der Schule, dass x 1 (t) sin ωt und x 2 (t) cos ωt obige Differentialgleichung lösen. Da die en einen Vektorraum bilden, folgt aber sofort, dass auch x 1 (t) + x 2 (t) sin ωt + cos ωt die Differentialgleichung löst. So kann man eine passende Linearkombination zu den gewählten Anfangsbedingungen wählen ohne sich Gedanken machen zu müssen, ob diese bestimmte Linearkombination die Differentialgleichung wieder löst, sie tut es automatisch. Zusätzliche Struktur ist also hilfreich, Probleme effizient zu lösen. (iii) Wir benutzen Polynomdivision mit Rest und erhalten so P, R K[X ] derart, dass P(X ) (X K) P (X ) + R(X ) Wir wissen bereits, dass deg R 0 sein muss, also R(X ) α 0. Weiterhin ist P(K) 0 nach Voraussetzung. P(K) (K K) P (K) + R(K) R(K)! 0 Somit ist R(X ) 0 und wir haben gezeigt, dass P(X ) (X K) P (X ). (iv) Umgangssprachlich ist der Grad eines Polynoms der höchste Exponent aller Summanden. Definition (Grad eines Polynoms) Der Grad eines Polynoms P K[X ] ist Wir beweisen induktiv nach N deg P: deg P : min N N 0 P(X ) N n0 α n X n Induktionsanfang: Für N 0 sind Polynome konstant und können keine Nullstellen haben, es sei denn, es ist das Nullpolynom. Also ist 0 M N 0. Induktionsschritt, N N +1: Sei P ein Polynom N +1-ten Grades und K K eine Nullstelle (hätte P keine Nullstelle, so wäre M 0 N + 1 und die Behauptung wäre erfüllt). Nach Z14.3 gilt P(X ) (X K) P (X ) für ein P K[X ]. Weiterhin ist deg P N und wir können die Induktionsvoraussetzung auf P anwenden, nämlich die Anzahl der Nullstellen von P M erfüllt M N. Somit ist auch M M + 1 N
5 Tutoraufgaben T13 Gruppen über Z Seien GL + Z (2), SL Z(2) und SO Z (2) definiert als Menge der Matrizen mit Einträgen in Z mit GL + Z (2) : A 2,2 (Z) A 1 2,2 (Z) existiert, det A > 0 SL Z (2) : A 2,2 (Z) det A 1 cos α sin α SO Z (2) : R(α) 2,2 (Z) R(α) sin α cos α 2,2 (Z), α R (i) Zeigen Sie, dass GL + Z (2) A 2,2 (Z) det A > 0. (ii) Zeigen Sie, dass GL + Z (2) SL Z(2). (iii) Geben Sie alle Elemente von SO Z (2) an. (iv) Zeigen Sie, dass SO Z (2) SL Z (2). Geben Sie eine Matrix B an mit B SL Z (2)\SO Z (2). (i) Ein einfaches Gegenbeispiel liefert die Behauptung: sei A 2,2 (Z) folgende Matrix: A Offensichtlich ist det A 2 und das Inverse (aufgefasst als Matrix mit reellen Einträgen) ist nach H2 A /2 1/ ,2 (Z) 1/2 3/2 (ii) SL Z (2) GL + Z (2): Da det(a A 1 ) det A det A 1! 1 muss det A 1 (det A) 1 sein. Damit sowohl det A als auch det A 1 ganzzahlig sind, det A, det A 1 Z (die Einträge der Matrizen sind ganze Zahlen und somit muss auch die Determinante eine ganze Zahl sein), sind nur die Matrizen in 2,2 (Z) invertierbar mit det A ±1. GL + Z (2) enthält aber nur Matrizen mit det A > 0, somit ist nur det A 1 möglich. Wir müssen dennoch überprüfen, ob tatsächlich A 1 2,2 (Z) ist. Nach H2 ist das Inverse einer 2 2-Matrix gegeben durch A 1 1 det A a22 a 12 a22 a 12 a 21 a 11 a 21 a 11 Die Einträge bleiben also ganzzahlig und A 1 2,2 (Z). Also haben wir SL Z (2) GL + Z (2). SL Z (2) GL + Z (2): Sei also A SL Z(2), det A 1. Dann ist A GL + Z (2), denn A ist in 2,2(Z) invertierbar (wir haben ja einen expliziten Ausdruck für das Inverse). (iii) Die Elemente von SO Z (2) erhält man durch Einsetzen geeigneter Winkel α derart, dass sin α, cos α { 1, 0, +1} SO Z (2),,, : {e, g , g 2, g 3 } 5
6 (iv) Ein Beispiel für eine Matrix B SL Z (2)\SO Z (2) ist B Offensichtlich ist det B 1 und das Inverse ist ebenfalls eine 2,2 (Z)-Matrix. B det B T14 Endliche Gruppen Sei G eine endliche Gruppe mit n Elementen ( G n) und Einselement e. (i) Zeigen Sie, dass für jedes g G ein k N, k n, existiert, so dass g k e. (ii) Sei g G derart, dass min{k N g k e} n ist. Zeigen Sie, dass g ein Generator der Gruppe ist, G {g j 0 j n 1}. (iii) Geben Sie für alle Elemente g von SO Z (2) das minimale k N an, für das gilt: g k id Z 2. Welche Elemente sind Generatoren von SO Z (2)? Interpretieren Sie geometrisch! (i) Für g e ist k 1 und die Aussage ist trivial, e 1 e. Wir schließen k 0 aus, da wir g 0 definieren als g 0 : e. (Das ist vollkommen analog zu a 0 1 für a R\{0}.) Sei also g e. Angenommen, es gäbe kein k n mit g k e, das heißt n < k (k bedeutet hier, dass kein endliches k g k e erfüllt). Da g e ist g 2 g. Analog dazu folgert man g m g j für 1 j < m k, denn ansonsten hätte man g m j e, Widerspruch! g m g m j g j! g j Im mit markierten Schritt haben wir die Assoziativität der Gruppenverknüpfung ausgenutzt. Da die Gruppenverknüpfung : G G G wohldefiniert ist (also nach G abbildet), muss g j G, 1 j k 1, sein. Somit gilt {g 0, g 1,..., g k 1 } G. Die Mächtigkeit der linken Menge ist k, die der rechten n. Da die Mächtigkeit einer Teilmenge kleiner oder gleich der Mächtigkeit der Obermenge sein muss, gilt k n, Widerspruch! Das heißt es gibt ein k n mit g k e. (ii) Sei g G derart, dass k n ist. Zeigen Sie, dass g ein Generator der Gruppe ist. Definition (Generator einer endlichen Gruppe) Ein Element g 0 einer endlichen Gruppe G mit Mächtigkeit n heißt Generator, falls G {g 0 0 e, g 0 1,..., g 0 n 1 } Sei also k n für ein g 0 G. Da aus g 0 j e j n folgt, muss auch g 0m g 0 j für alle 1 j m n gelten. Das bedeutet {g 0 0, g 0 1,..., g 0 n 1 } n und {g 0 0, g 0 1,..., g 0 n 1 } G. Da Ober- und Untermenge dieselbe Mächtigkeit haben, müssen sie gleich sein und g 0 ist ein Generator von G. 6
7 (iii) SO Z (2) besteht aus vier Elementen: SO Z (2),,, : {e, g , g 2, g 3 } Für e ist k 1, e 1 e. Für g 1 e ist k 2, g 2 und g 3 sind Generatoren von G, k 4, wie man durch direktes Ausrechnen einsieht g 2 2 e g (g 2 2 ) 2 ( e) 2 e g 2 3 e g (g 2 3 ) 2 ( e) 2 e T15 Gleichungssysteme mit Restklassen Lösen sie folgendes Gleichungssystem in R und in F 5 Z/5Z: 2x 1 + 4x 2 1 4x 1 + 3x 2 7 x x 2 4 x x 2 7 Wir lösen zuerst das Gleichungssystem mit Einträgen in den reellen Zahlen. 2x 1 + 4x 2 1 2x 1 1 4x 2 4x 1 + 3x 2 7 (i) (ii) Wir setzen (i) in (ii) ein und erhalten Also ist x 2 1 und somit x 1 5/2. 2 (1 4x 2 ) + 3x x 2 7 Bevor wir mit der eigentlichen Rechnung beginnen, stellen wir die Multiplikations- und Additionstabellen für den Körper F 5 Z/5Z auf Stellen wir zuerst die zwei Gleichungen in den niedrigstmöglichen Repräsentanten dar. x x 2 4 x x 2 (i) (ii) Wir müssen nun etwas aufpassen, da Rechnungen in Restklassen ungewohnt sind. Wir stellen (i) nach x 1 um und erhalten Wir setzen in (ii) ein. x 1 4 x 2 3 x 1 x 1 3 ( + x 2 ) x 2 4 ( x 2 ) + 3 x 2 + x x x 2 7
8 Diese Gleichung ist immer erfüllt und wir haben mehr als eine (endlich viele, da der Körper endlich ist!), nämlich 5: ( 0, 4), (, ), (, 3), ( 3, 0), ( 4, ) Jetzt kann man sich fragen, wie es möglich sein kann, dass eine Gleichung im Körper R eine eindeutig bestimmte hat, im Körper F 5 aber 5? Die untere Gleichung ist 7 (i) (ii). Daher sind die Vektoren (, 4) und ( 4, 3) linear abhängig, 7 (, 4) (14, 28) ( 4, 3). 8
9 Hausaufgaben H16 Gruppen [3 Punkte] (i) Zeigen Sie, dass SO(2) mit Matrixmultiplikation eine kommutative Gruppe ist. [1 Punkte] (ii) Überprüfen Sie, ob GL R (2), GL R (2) : A GL R (2) det A < 0, eine Gruppe, ein Monoid oder Halbgruppe ist. [2 Punkte] (i) Die Gruppenaxiome (G1) (G4) (eigentlich (G2) (G4), (G1) ist die Wohldefiniertheit des Produkts) lassen sich leicht überprüfen. Das ist in H15 a) bereits geschehen (muss also nicht noch Mal gezeigt werden). (G1) Wir benutzen die Additionstheoreme für Sinus und Kosinus. cos α sin α cos β sin β R(α) R(β) sin α cos α sin β cos β cos α cos β sin α sin β sin α cos β sin β cos α sin α cos β + sin β cos α sin α sin β + cos α cos β cos(α + β) sin(α + β) R(α + β) ( ) sin(α + β) cos(α + β) (G2) Die Assoziativität des Produkts folgt aus der Assoziativität des Matrixprodukts. (G3) Da R(0) id R 2, ist auch id R 2 SO(2). (G4) Man kann leicht zeigen, dass det R(α) 1 cos 2 α ( sin 2 α) gilt. Somit wissen wir, dass R(α) invertierbar ist. Mit ( ) ist aber auch das Inverse R(α) 1 R( α) SO(2) ein Element der Gruppe. Die Kommutativität wird auch mittels ( ) gezeigt: R(α) R(β) ( ) R(α + β) R(β + α) ( ) R(β) R(α) (ii) Da id R 2 GL R (2), kann diese Menge weder eine Gruppe noch ein Monoid sein. Seien A, B GL R (2). Dann ist det(a B) det A det B > 0. Somit ist das Produkt zweier Matrizen aus dieser Menge keine Matrix aus dieser Menge, A B GL R (2). H17 Gleichungssysteme in Z/nZ [13 Punkte] (i) Lösen Sie die Gleichung x 2 1 in Z/17Z. [2 Punkte] (ii) Lösen Sie die Gleichung x 2 in Z/8Z. [2 Punkte] (iii) Wieso kann eine Gleichung obigen Typs (ein Polynom zweiten Grades) mehr als zwei en haben? Steht das im Widerspruch zu Z14.4? [2 Punkte] 9
10 (iv) Überprüfen Sie, ob folgende Matrizen invertierbar sind und geben Sie, falls möglich, das Inverse explizit an (Probe!). [6 Punkte] A 2 2 2,2 (R) Ā 2 2 2,2 (Z/3Z) B 1 2 2,2 (R) B 1 2 2,2 (Z/3Z) (v) Sei A 2,2 (R) eine Matrix mit Einträgen aus einem Ring R. Ist det A 0 R (0 R ist das Nullelement der Addition auf R) eine hinreichende Bedingung dafür, dass A in 2,2 (R) invertierbar ist? [1 Punkte] (i) Man sieht, dass 1 16 ist und somit x 4 eine ist. Auch 4 13 ist eine der Gleichung, denn Da 17 prim ist, greift Satz 4.4 aus der Vorlesung und Z/17Z F 17 ist ein Körper. Somit wissen wir aus Z14.4, dass x 2 1 nur zwei en haben kann; wir haben daher bereits alle en gefunden. Alternativ können wir explizit die Multiplikationstabelle aller Quadrate hinschreiben um das einzusehen: n n (ii) Wir sehen uns die Multiplikationstabelle aller Quadrate in Z/8Z an: die Gleichung hat 4 en, nämlich 1, 3, 5 und 7. n n (iii) Die Voraussetzungen für den Satz aus Z14.4 sind nur im ersten Fall gegeben, denn Z/17Z ist ein Körper, Z/8Z ist keiner (sondern nur ein Ring)! Das folgt aus Satz 4.4 der Vorlesung. Der Satz sagt nichts über Polynome über Ringen aus (wie beispielsweise Z/8Z). (iv) Um A und B zu invertieren, können wir direkt die Formel aus H2 anwenden. Für eine invertierbare Matrix A (a i j ) 1 i,j 2 ist das Inverse gegeben durch A 1 1 det A a22 a 12 a 21 a 11 Da det A ( 2) 8 0 und det B 1 ( 2) ( 4) ( 1) 6 0 sind beide Matrizen invertierbar. A B
11 Wir invertieren Ā und B per Hand. Um die Notation einfacher zu halten, definieren wir Ā 1 : ( c i j ) 1 i,j 2 und B 1 : ( d i j ) 1 i,j 2 (ansonsten müssten wir die Komponenten als a 1 i j schreiben). Ā Ā c11 c c 21 c 22! Wir erhalten vier Gleichungen mit vier Unbekannten; wenn wir berücksichtigen, dass 2, erhalten wir c 11 + c 21 c 11 + c 21 0 c 11 c 21 c 21 c 21 c 12 + c 22 0 c 12 c 22 c 22 c 22 c 12 + c 22 (i) (ii) (iii) (iv) Wir setzen (ii) in (i) und (iii) in (iv) ein. c 11 + c 11 ( + ) c 11 c 11 c 11! c 21 c 12 + ( c 12 ) c 12 + c 12 c 12! c 12 c 22 Somit haben wir insgesamt Ā 1 und machen die Probe: Wir setzen für B 1 an: B B 1 d11 d 21 d12! d Wir erhalten vier Gleichungen mit vier Unbekannten; wenn wir berücksichtigen, dass 2, erhalten wir d 11 + d 21 d 11 + d 21 0 d 21 d 11 d 11 d 11 d 12 + d 22 0 d 12 + d 22 (i) (ii) (iii) (iv) Wir setzen (ii) in (i) ein und erhalten einen Widerspruch. d 11 + d 11 ( + ) d 11 0 d 11 0! B ist also nicht invertierbar. Vorsichtshalber berechnen wir die Determinante: det B
12 Alternativ kann man auch die Formel für das Inverse aus H2 (über R) auch über andere Körper definieren: sei ā 1 die (eindeutig bestimmte) der Gleichung ā ā 1. Dann definieren wir Ā 1 als Ā 1 det Ā 1 ā22 ā 12 ā 21 ā 11 Wir überprüfen anhand der zwei Matrizen aus dieser Aufgabe: Ā }{{} Für Ā funktioniert sie. Im Falle von B sieht man, dass die Determinante 0 ist, det B 6 0. Man sieht also, dass sich die Inversionsformel für 2 2-Matrizen auch auf andere Körper verallgemeinern lässt. Für Matrizen mit Einträgen aus Ringen (beispielsweise Z) ist diese im allgemeinen Aussage falsch. (v) Die Antwort ist nein, Beweis durch Gegenbeispiel. Sei A wie in H18.4, A A hat kein Inverses in 2,2 (Z), wohl aber eines in 2,2 (R) (was wir als A 1 R bezeichnen)! Die Einträge von A 1 R sind nicht aus Z. A 1 R /4 1/ ,2 (Z) 1/4 1/4 Der Grund ist, dass eine Matrix mit Einträgen in Ringen genau dann invertierbar ist, falls det A R ein invertierbares Element (bezüglich der Multiplikation) des Ringes ist. Ringe haben mindestens ein invertierbares Element bezüglich der Multiplikation, nämlich das Einheitselement 1 R. Der Ring (Z, +, ) hat zwei invertierbare Elemente: 1 und
TECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 006/07 en Blatt 3.0.006 Einführung in die Matrizenrechnung Zentralübungsaufgaben
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Matrizen als lineare Abbildungen, Permutationen
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 2/7 Lösungen Blatt 2 3..2 Matrizen als lineare Abbildungen, Permutationen Zentralübungsaufgaben
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Basisdarstellung und das Skalarprodukt (Teil 2)
TECHNISCHE UNIERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 006/07 en Blatt 11 15.01.007 Basisdarstellung und das Skalarprodukt (Teil )
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Lineare Algebra 1 WS 2006/07 Lösungen Blatt 13/ Probeklausur. Lösungen zur. Zentrum Mathematik
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 13/2 29.1.27 en zur Probeklausur Aufgabe 1 (ca. 6 Punkte) Sei
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
Mehrist (oder besser Abspalten von Linearfaktoren beschäftigen. Zu einem beliebigen Körper K betrachten wir die Menge (j,k) N N j+k=n
8. Polynomringe Das Umgehen mit Polynomen, d.h. mit Ausdrücken der Form a 0 + a 1 x + a 2 x 2 +... + a n x n ist aus der Schule vertraut, falls die Koeffizienten a 0,..., a n ganze oder rationale oder
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Invertierung von Matrizen und Multilinearformen
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof Dr Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 2006/07 en Blatt 3 2902007 Invertierung von Matrizen und Multilinearformen Zentralübungsaufgaben
MehrTechnische 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
Mehr2 Grundstrukturen. 2.1 Gruppen. Prof. Dr. Peter Schneider. Vorlesung WS Lineare Algebra 1 2 GRUNDSTRUKTUREN
Vorlesung WS 08 09 Lineare Algebra 1 Prof. Dr. Peter Schneider 2 Grundstrukturen Notation: Sind M und N zwei Mengen, so heißt die Menge M N := {(m, n) : m M, n N} das cartesische Produkt oder auch die
MehrÜbersicht Kapitel 9. Vektorräume
Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten
Mehrg 1 g = e, (1) (g 1 ) 1 g 1 = e, (2) Unter Verwendung des Assoziativgesetzes ist nach (1), und weil e neutrales Element ist. Nach (2) folgt nun
Stefan K. 1.Übungsblatt Algebra I Aufgabe 1 1. zu zeigen: (g 1 ) 1 = g g G, G Gruppe Beweis: Aus dem Gruppenaxiom für das Linksinverse zu g haben wir und für das Linksinverse zu g 1 Unter Verwendung des
Mehrfür alle a, b, x, y R.
Algebra I 13. April 2008 c Rudolf Scharlau, 2002 2008 33 1.5 Ringe Definition 1.5.1 Ein Ring ist eine Menge R zusammen mit zwei Verknüpfungen + und, genannt Addition und Multiplikation, für die folgendes
MehrSatz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum
Orthogonalität 123 Dienstag, 27. April 04 Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum U von V gilt dann (a) U + U = V, U U = {0}, U, U = 0. (b) (U ) = U. Wir sagen
MehrKapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)
Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen
MehrÜbungen 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
MehrDiskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr
Bemerkung: Der folgende Abschnitt Boolesche Algebren ist (im WS 2010/11) nicht Teil des Prüfungsstoffs, soweit nicht Teile daraus in der Übung behandelt werden! Diskrete Strukturen 5.9 Permutationsgruppen
Mehr1 Algebraische Strukturen
Prof. Dr. Rolf Socher, FB Technik 1 1 Algebraische Strukturen In der Mathematik beschäftigt man sich oft mit Mengen, auf denen bestimmte Operationen definiert sind. Es kommt oft vor, dass diese Operationen
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Heimarbeitsblatt 14
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker Wintersemester 3/4 Heimarbeitsblatt 4 Die Lösungshinweise dienen
MehrÜbungen zur Vorlesung Lineare Algebra und analytische Geometrie I Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS 207/8 Blatt 5 20207 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I Lösungsvorschlag 7 Der Nachweis, daß (M, ) und (N,
MehrHöhere Mathematik II für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. SS 6 9.4.6 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum. Übungsblatt Aufgabe
MehrKapitel III Ringe und Körper
Kapitel III Ringe und Körper 1. Definitionen und Beispiele Definition 117 Eine Algebra A = S,,, 0, 1 mit zwei zweistelligen Operatoren und heißt ein Ring, falls R1. S,, 0 eine abelsche Gruppe mit neutralem
Mehr5. Gruppen, Ringe, Körper
5. Gruppen, Ringe, Körper 5.1. Gruppen Die Gruppentheorie, als mathematische Disziplin im 19. Jahrhundert entstanden, ist ein Wegbereiter der modernen Mathematik. Beispielsweise folgt die Gruppe, die aus
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 10.12.2013 Alexander Lytchak 1 / 15 Motivation Für das Verständis affiner Teilräume eines Vektorraums sind Translationen
MehrTeilbarkeitslehre und Restklassenarithmetik
Vorlesung Teilbarkeitslehre und Restklassenarithmetik.1 Gruppentheorie WiewirinVorlesung2gesehenhaben,hatdieMengeZmitderAdditiongewisse Eigenschaften. Wir fassen nun bestimmte Eigenschaften zusammen und
MehrLineare Algebra. 1 Lineare Abbildungen
Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe
MehrLineare Algebra I. 2. Ist n = 4k für ein k N, so ist die
Universität Konstanz Wintersemester 009/010 Fachbereich Mathematik und Statistik Lösungsblatt 1 Prof Dr Markus Schweighofer 100010 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 11: Voraussetzung:
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
MehrDiagonalisierbarkeit 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
MehrLineare Algebra I - Prüfung Winter 2019
Lineare Algebra I - Prüfung Winter 209. (20 Punkte) Kreuzen Sie auf dem Abgabeblatt ihre Antwort an. Pro Teilaufgabe ist genau eine der vier Antwortmöglichkeiten richtig. Für jede richtig beantwortete
MehrAusgewählte 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
MehrMusterlösungen zur Linearen Algebra II Blatt 2
Musterlösungen zur Linearen Algebra II Blatt 2 Aufgabe. Sei R ein nullteilerfreier kommutativer Ring mit. Setze K := R R\{0}/ mit der Äquivalenzrelation definiert durch (a, b) (a, b ) genau dann, wenn
MehrKörper- und Galoistheorie
Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 8 Erzeugte Algebra und erzeugter Körper Satz 8.1. Sei K L eine Körpererweiterung und sei f L ein algebraisches Element. Dann ist
Mehr3.7 Eigenwerte und Eigenvektoren
3.7. EIGENWERTE UND EIGENVEKTOREN 123 3.7 Eigenwerte und Eigenvektoren Wir wollen jetzt lineare Endomorphismen durch Matrizen besonders übersichtlicher Gestalt (u.a. mit möglichst vielen Nullen) beschreiben,
MehrLineare 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
Mehr1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,
Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel
MehrLineare 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
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrAlgebraische Strukturen. Idee. Gruppen, Ringe, Körper... (Teschl/Teschl Abschnitt 3.2, siehe auch Kap. 4)
Algebraische Strukturen Gruppen, Ringe, Körper... (Teschl/Teschl Abschnitt 3.2, siehe auch Kap. 4) Idee Formalisierung von Strukturen, die in verschiedenen Bereichen der Mathematik und ihrer Anwendungen
MehrAlgebra 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
MehrL2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:
L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: 2) Vektoren: vollständig bestimmt durch Angabe einer und einer Beispiele: Übliche
MehrLineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen
Lineare Algebra I Tutorium Inverse Matrizen und Gruppen Fachbereich Mathematik WS / Prof Dr Kollross November Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Die zweite Variante des Gauß-Algorithmus)
Mehr1 Algebraische Strukturen
1 Algebraische Strukturen 1.1 Innere Verknüpfungen 1.1.1 Grundbegriffe und Beispiele In der Analysis wie auch in der linearen Algebra kommen verschiedene Arten von Rechenoperationen vor, bei denen man
MehrÜbungen 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
Mehr2.5 Gauß-Jordan-Verfahren
2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]
MehrÜbungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen
1 Lineare Abhängigkeit 1.1 Für welche t sind die folgenden Vektoren aus 3 linear abhängig? (1, 3, 4), (3, t, 11), ( 1, 4, 0). Das zur Aufgabe gehörige LGS führt auf die Matrix 1 3 4 3 t 11. 1 4 0 Diese
MehrKlausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen.
Klausur Lineare Algebra I am 03.02.10 Es sind insgesamt 60 Punkte bei der Klausur zu erreichen. Aufgabe 1. (6 Punkte insgesamt) a.) (3P) Definieren Sie, was eine abelsche Gruppe ist. b.) (3P) Definieren
MehrSerie 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
Mehr9. Polynom- und Potenzreihenringe
64 Andreas Gathmann 9. Polynom- und Potenzreihenringe Bevor wir mit der allgemeinen Untersuchung von Ringen fortfahren, wollen wir in diesem Kapitel kurz zwei sehr wichtige weitere Beispiele von Ringen
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehr5 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
MehrÜbungen 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,
MehrScheinklausur, 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:
MehrLösungen zur Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 21. Januar 2016 Definition 8.1 Eine Menge R zusammen mit zwei binären Operationen
Mehr1. Beschreiben Sie folgende Zahlenmengen durch Markierung auf der Zahlengeraden, der Zahlenebene bzw. durch Aufzählen der Elemente:
Lösung 1. Übung Elemente der Algebra WS018/19 1. Beschreiben Sie folgende Zahlenmengen durch Markierung auf der Zahlengeraden, der Zahlenebene bzw. durch Aufzählen der Elemente: (e) {(x,y) IR 7x+3y 6}.
MehrLineare Algebra I 5. Tutorium Die Restklassenringe /n
Lineare Algebra I 5. Tutorium Die Restklassenringe /n Fachbereich Mathematik WS 2010/2011 Prof. Dr. Kollross 19. November 2010 Dr. Le Roux Dipl.-Math. Susanne Kürsten Aufgaben In diesem Tutrorium soll
MehrHöhere 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
MehrLineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18.
18. November 2011 Wozu das alles? Bedeutung von Termen Vektoren in R n Ähnlichkeiten zwischen Termbedeutungen Skalarprodukt/Norm/Metrik in R n Komposition von Termbedeutungen Operationen auf/abbildungen
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 0..08 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
MehrLineare Algebra I (NAWI) WS2017/2018 Übungsblatt
Lineare Algebra I (NAWI) WS2017/2018 Übungsblatt 01 04.10.2017 Aufgabe 1. Von einem Parallelogramm seien die Punkte A = (5, 2), B = (3, 1), C = (1, 2) gegeben. Bestimme die Koordinaten des vierten Punkts.
MehrWichtige Kenntnisse der Linearen Algebra
Wichtige Kenntnisse der Linearen Algebra In Kapitel 3 der Vorlesung werden wir sehen (und in Kapitel 6 vertiefen, dass zur Beschreibung von Quantensystemen mathematische Begriffe aus dem Gebiet der Linearen
Mehr1 Rechnen mit 2 2 Matrizen
1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
Mehr9.2 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
MehrExkurs: Klassifikation orthogonaler 2 2-Matrizen.
Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Aussage: Es gilt: (a) Jede orthogonale 2 2 Matrix A mit det(a) = 1 hat das Aussehen cos(α) sin(α) D(α) = sin(α) cos(α), wobei α [0,2π[. Ist sin(α) 0, so
MehrEinführung in Algebra und Zahlentheorie Lösungsvorschläge zur Klausur vom Aufgabe 1 (6 Punkte)
Aufgabe 1 (6 Punkte) Einführung in Algebra und Zahlentheorie svorschläge zur Klausur vom 23.09.2016 a) Bestimmen Sie das multiplikativ inverse Element zu 22 in Z/61Z. b) Finden Sie ein x Z mit folgenden
Mehr3. Abgabeblatt - Lösungen. Aufgabe 9 Aufgabe 10 Aufgabe 11 Aufgabe 12 Summe: a b := a + b 1, a b := a + b a b.
Lineare Algebra 1 Prof. Dr. R. Dahlhaus Dr. S. Richter, N. Phandoidaen Wintersemester 2018/2019 3. Abgabeblatt - Lösungen Aufgabe 9 Aufgabe 10 Aufgabe 11 Aufgabe 12 Summe: Übungsgruppe: Namen: Tutor(in):
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I (Wintersemester 2003/2004) Aufgabenblatt 6
MehrVordiplomsklausur zur Linearen Algebra I
25.3.2002 Vordiplomsklausur zur Linearen Algebra I Prof. Dr. G. Hiß Tragen Sie bitte auf diesem Deckblatt leserlich und in Blockbuchstaben Ihren Namen und Ihre Matrikelnummer ein und unterschreiben Sie.
Mehr8.2 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
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 2 (WS 2010/2011) Abgabetermin: Donnerstag, 28. Oktober.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 2 (WS 2010/2011) Abgabetermin: Donnerstag, 28. Oktober http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Im Folgenden
MehrPROSEMINAR 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
MehrLineare Algebra II Lösungen der Klausur
Prof Dr K Doerk 673 Jens Mandavid Christian Sevenheck Lineare Algebra II Lösungen der Klausur (a Diese Aussage ist richtig, sie stimmt nämlich für k = Sei nämlich n N beliebig und bezeichne N die Menge
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
MehrLineare 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(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: Eine
MehrÜbungen zur Diskreten Mathematik I Blatt 1
1 Blatt 1 Aufgabe 1 Überprüfen Sie, ob die folgenden Aussagen Tautologien sind (i) (A B) (( A) ( B)), (ii) (A B) (( A) ( B)), (iii) ((A B) C) ((A C) (B C)), (iv) ((A B) C) ((A C) (B C)), (v) (A = B) ((
MehrProbeklausur zu Mathematik 2 für Informatik
Gunter Ochs Wintersemester 4/5 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immer ohne Garantie auf Fehlefreiheit. Gegeben sei das Dreieck im R mit den Eckpunkten A a Berechnen Sie die
MehrLineare 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
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
MehrHalbgruppen, Gruppen, Ringe
Halbgruppen-1 Elementare Zahlentheorie Einige Bezeichnungen Halbgruppen, Gruppen, Ringe Die Menge N 0 der natürlichen Zahlen 0, 1, 2, Die Menge N = N 1 der von Null verschiedenen natürlichen Zahlen Die
MehrL5 Matrizen I: Allgemeine Theorie
L5 Matrizen I: Allgemeine Theorie Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen - Beschreibung von Lorenz-Transformationen
MehrÜbungsblatt
Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen
Mehr4.1. 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
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
MehrEXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME
EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen
Mehra b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben
Mehr(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:
MehrKlausur zur Linearen Algebra I
Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik 24.03.2010 Klausur zur Linearen Algebra I Prüfen Sie sofort nach Beginn der Klausur, ob Sie alle 8 Aufgaben erhalten haben.
MehrVektorräume. Lineare Algebra I. Kapitel Juni 2012
Vektorräume Lineare Algebra I Kapitel 9 12. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent: Sadegh
MehrLösung 2: Relationen, Abbildungen, Mächtigkeit, Gruppen
D-MATH Lineare Algebra I HS 2016 Dr. Meike Akveld Lösung 2: Relationen, Abbildungen, Mächtigkeit, Gruppen 1. Gegeben n, m Z schreiben wir m n k Z : n = km Wir sagen m teilt n. Eine Zahl n Z ist gerade,
MehrLineare 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
MehrÜbungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Blatt 3 - Lösung
Technische Universität München Physik Department Pablo Cova Fariña, Claudia Nagel Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 207/8 Blatt 3 - Aufgabe : Darstellungsmatrizen Sei
Mehr