Lösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band 2, 2.Aufl. (Version 2010), Kapitel 5

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Lösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band 2, 2.Aufl. (Version 2010), Kapitel 5"

Transkript

1 Lösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band,.Aufl. Version, Kapitel 5 Bilinear-und Sesquilinearformen Abschnitt.A, Aufg., p : Man bestimme die Ränge der Bilinearformen : R R R, die durch die folgenden Fundamentalmatrizen bzgl. der Standardbasis gegeben werden, und entscheide, ob sie nicht-ausgeartet sind: 5,. 7 Für die Vektoren x,,, y,, und x,,, y,, bestimme man jeweils x, y. Lösung: Die Determinante der ersten Matrix ist , sie hat also wie den maximal möglichen Rang und die zugehörige Bilinearform ist eine vollständige Dualität, also erst recht nichtausgeartet. Für sie gilt:,,,,,,,,,,,,,, 5 5,, 8, 5, 8, 7. Die dritte Zeile der zweiten Matrix ist die Summe der beiden ersten Zeilen, der Rang der Matrix ist also höchstens. Da die ersten beiden Zeilen der Matrix offensichtlich linear unabhängig sind, ist der Rang der Matrix und damit der Rang von gleich. Daher ist ausgeartet, d.h. nicht nicht-ausgeartet, und es gilt:,,,,,,,,,,,,,, Abschnitt.A, Aufg., p : 7, 9, 7,,,. 7 Seien x,..., x n Elemente eines n-dimensionalen Vektorraums und f,..., f n Linearformen auf V. Genau dann sind x,..., x n und f,..., f n Basen von V bzw. V, wenn gilt: f x f n x f x n f n x n Beweis: Die angegebene Determinate ist die Gramsche Determinante G x,..., x n ; f,..., f n der zugehörigen Gramschen Matrix bzgl. der natürlichen Dualität : V V K mit x, f : f x. Die Aussage folgt daher unmittelbar aus dem Gramschen Kriterium.A.. Abschnitt.A, Aufg., p : Seien V und W endlichdimensionale K-Vektorräume und : V W K eine bilineare bzw. sesquilineare Funktion. Für Unterräume V V und W W sei die Beschränkung von auf V W. Dann gilt Rang Rang. Insbesondere ist Rang m, falls nicht-ausgeartet und m : Dim V Dim W ist.

2 Lösungen zu Storch/Wiebe, Bd., Kap. 5 Beweis: Wir ergänzen eine Basisv,..., v p vonv zu einer Basisv,..., v n vonv und eine Basisw,..., w q vonw zu einer Basisw,..., w n vonw. Die Gramsche Matrix von ist also eine Teilmatrix der Gramschen Matrix von. Daher ist Rang Rang. Ist nicht-ausgeartet und m : Dim V Dim W, so besitzt die zugehörige Gramsche Matrix von einen m m-minor. Nach dem Minorenkriterium 9.C. ist dann ihr Rang und damit Rang mindestens m. Abschnitt.A, Aufg., p : SeiV eink-vektorraum und :V V K die natürliche Dualität. Dann ist dieabbildung : V V die Identität und die Abbildung : V V V der kanonische injektive Homomorphismus σ V von V in sein Bidual, vgl. Beispiel 5.G.. ist genau dann ein Isomorphismus, wenn V endlichdimensional ist. Beweis: Definitionsgemäß gilt f x x, f f x für alle x V und f V, also f f und somit id V, sowie xf x, f f x σ V x f, also x σ V x und somit σ V. Ist V endlichdimensional, so ist eine vollständige Dualität z. B. weil id V ist, vgl. auch Beispiel.A.6, also σ V ein Isomorphismus. Ist umgekehrt V nicht endlichdimensional, so sei v i, i I, eine Basis von V. Dann sind die Linearformen vi, i I, mit vi v j δ ij linear unabhängig. Aus a i vi mit a i K folgt nämlich a j a i vi v j i I i I für alle j J. Die vi erzeugen V aber nicht. Beispielsweise lässt sich die Linearform g V mit g a i v i : a i nicht durch die vi darstellen. In einer Darstellung g b i vi wäre nämlich b i i I i I i I nur für endlich viele i. Ist also i I ein Index mit b i, so ergäbe sich der Widerspruch gv i b i vi v i b i. i I Nach Satz.A.6, der, wie im Anschluss an.a.9 erwähnt, auch bei beliebigem I gilt, lasssen sich die vi, i I, durch weitere Elemente e j V, j J, zu einer Basis von V ergänzen. Wir wählen dann ein j J und definieren eine Linearform h V durch hvi : für alle i, he j für alle j j und he j. Wäre nun σ V : V V ein Isomorphismus, so gäbe es ein x a i v i V mit h σ V x σ V a i v i. i I i I Es folgte a i a j vi v j σ V a j v j v i hvi für alle i, somit x und schließlich h im j I j I Widerspruch zu he j. Zu dieser Aufgabe vergleiche auch Bemerkung 5.G.6 und 5.G, Aufg.. Abschnitt.A, Aufg. 5, p : Definiert : V W K eine vollständige Dualität, so sind die Vektorräume V und W endlichdimensional mit Dim V Dim W. Beweis: Definiert : V W K eine vollständige Dualität, so sind die kanonischen Abbildungen : W V mit y x x, y und : V W mit x y x, y bijektiv. Nach 5.G, Aufg. ist dann auch die duale Abbildung : V W, die für L V durch Ly : L x x, y für alle y W definiert ist, bijektiv. Da : V W mit x y x, y ebenfalls bijektiv ist, ist auch : V V bijektiv. Haben wir gezeigt, dass diese Abbildung gleich der kanonischen Abbildung σ V ist, so liefert Aufg., dass V und somit V endlichdimensional sind. Da bijektiv ist, muss auch W endlichdimensional sein. Dim V Dim W folgt nun aus Satz.A.9. Um σ V, d.h. σ V, zu zeigen, fixieren wir ein x V. Dann gilt für alle y W σv x y σ V x x x, y x, y x y. Es folgt σv x x, also schließlich σ V. Abschnitt.A, Aufg. 7, p : Die Funktion : V W K definiere eine vollständige Dualität. Zu jeder Basis v v i i I von V existiert dann genau eine Basis w w i i I von W mit v i, w j δ ij, d.h. G v;w E I. Analog existiert zu

3 Lösungen zu Storch/Wiebe, Bd., Kap. 5 jeder Basis w w i i I von W genau eine Basis v v i i I von V mit v i, w j δ ij. Die Basen v und w heißen in dieser Situation d u a l e B a s e n bzgl.. Man bestimme die duale Basis w w, w, w zur Standardbasis v e, e, e für die erste der Funktionen aus Aufg.. Beweis: Nach Aufg. 5 sind V und W endlichdimensional. Ist v i, i I, eine Basis von V, vi, i I, die dazu duale Basis von V und : W V mit y x x, y der zugehörige kanonische Isomorphismus, so setzen wir w j : v j, j I. Dann ist w j, j I, eine Basis von W, und es gilt v i, w j w j v i v j v i v j v i δ ij, d.h. w j, j I, ist die gesuchte -duale Basis zu v i, i I. Analog findet man die -duale Basis von V zur Basis w von W. Die erste Matrix in Aufg. definiert eine vollständige Dualität. Sie ist nach Beispiel.A.6 die Matrix der zugehörigen kanonischen Abbildung : R R bzgl. der Basen e, e, e bzw. e, e, e. wird dann bzgl. dieser Basen durch die dazu inverse Matrix beschrieben. Ihre Spalten liefern die gesuchte Dualbasis w : 8 7, 9,, w : 5,,, 8 w : 8 5,, von R zu e, e, e bzgl.. Abschnitt.A, Aufg. 9, p : Seien V und W endlichdimensionale K-Vektorräume. Für zwei lineare Abbildungen f Hom K V, W und g Hom K W, V gilt stets Sp fg Sp gf. Die Abbildung Hom K W, V Hom K V, W K mit g, f Sp gf ist bilinear und definiert eine vollständige Dualität. Im Fall W K ergibt sich die natürliche Dualität V V K. Beweis: Sei m : Dim K V und n : Dim K W. Wrir dürfen annehmen, dass m, n> gilt. Nach Übergang zu Basen von V bzw. W genügt es zu zeigen, dass die Abbildung M m,n K M n,m K K mit A, B SpAB für A M m,n K, B M n,m K, bilinear ist und eine vollständige Dualität definiert. Die Bilinearität folgt dabei sofort aus der Linearität der Spurabbildung. In der Zeile zum Index i, j, i m, j n, der Fundamentalmatrix dieser Spurform bzgl. der Standardbasen E ij, i m, j n, von M m,n K bzw. E rs, r n, s m, von M n,m K stehen dann die Elemente SpE ij E rs Spδ jr E is δ jr SpE is δ jr δ is, vgl. die Produktformel für die E ij im Anschluss an Satz 8.A.9. Das einzige Element in dieser Zeile steht also in der Spalte mit dem Index j, i und ist überdies gleich. Daher hat die gesuchte Fundamentalmatrix den Maximalrang mn. Die zugehörige Bilinearform ist somit eine vollständige Dualität. Im FallW K identifiziert sich Hom K W, V mitv und Hom K V, W ist der DualraumV. Für v g V und f V ist gf : V V die lineare Abbildung x f xv, deren Spur offensichtlich f v ist. Abschnitt.B, Aufg. 7, p : a Die symmetrischen Bilinearformen auf einem n-dimensionalen K-Vektorraum bilden einen K-Vektorraum der Dimension n+. b Die komplex-hermiteschen Formen auf einem n-dimensionalen C-Vektorraum bilden einen nur reellen Vektorraum der Dimension n. Beweis: a Ist v v,..., v n eine Basis von V, so ist G v,v ein K-Isomorphismus des Raums der K-Bilinearformen auf V auf den Vektorraum M n K. Dem Unterraum der symmetrischen Bilinearformen entspricht dabei der Unterraum der symmetrischen n n-matrizen über K. Eine symmetrische Matrix wird aber festgelegt durch die n Elemente in der Hauptdiagonalen und die n + n + + Elemente oberhalb der Hauptdiagonalen, also durch insgesamt n + n + n + + n+ Elemente.

4 Lösungen zu Storch/Wiebe, Bd., Kap. 5 Eine Basis des Raums der symmetrischen n n-matrizen bilden die n+ Matrizen Eii, i n; E ij +E ji, i <j n. b Ist v v,..., v n eine C-Basis von V, so ist G v,v ein R-Isomorphismus des Raums der Sesquilinearformen auf den R-Vektor-Raum M n C. Dem Unterraum der komplex-hermiteschen Sesquilinearformen entsprecht dabei der Unterraum der komplex-hermiteschen n n-matrizen über C. Eine komplex-hermitesche Matrix wird aber festgelegt durch die n reellen Zahlen in der Hauptdiagonalen und die n + n + + komplexen Zahlen oberhalb der Hauptdiagonalen, die ihrerseits über R durch Angabe von Real- und Imaginärteil bestimmt sind. Insgesamt werden sie also durch n + n + n + + n + nn n reelle Zahlen bestimmt. Eine Basis des R-Vektorraums der komplex-hermiteschen n n-matrizen bilden die n Matrizen E ii, i n; E ij +E ji, i E ij E ji, i <j n. Abschnitt.B, Beweis von Satz.B. und Variante zu.b, Aufg. 8, p : Für jede Sesquilinearform auf einem C-Vektorraum V gilt v, w i v + w, v + w v w, v w + v + i w, v + i w v i w, v i w. Insbesondere ist durch die Werte x, x, x V, auf der Diagonalen bestimmt. ist genau dann komplex-hermitesch, wenn x, x R ist für alle x V. Beweis: Es ist i v + w, v + w v w, v w + v + i w, v + i w v i w, v i w v, v + v, w + w, v + w, w v, v v, w w, v + w, w + + i v, v + i v, w + i w, v + ii w, w v, v i v, w i w, v + ii w, w i v, w + w, v + i v, w + i w, v v, w + w, v + v, w w, v v, w. Aus u, u R für alle u V folgt mit dieser Formel sofort: w, v i w + v, w + v w v, w v + w + i v, w + i v w i v, w i v i v + w, v + w v w, v w + ii v i w, v i w ii v + i w, v + i w i v + w, v + w v w, v w + v i w, v i w v + i w, v + i w i v + w, v + w v w, v w v + i w, v + i w v i w, v i w v, w, da v+w, v+w v w, v w und v+ i w, v+ i w v i w, v i w nach Voraussetzung über reell sind. Ist umgekehrt komplex-hermitesch, so gilt x, x x, x, also x, x R für alle x V. Abschnitt.B, Aufg., p : Sei K ein Körper mit Char K. Für eine nicht-ausgeartete und nicht anisotrope symmetrische Form auf einem K-Vektorraum V ist die zugehörige quadratische Form Q : V K surjektiv. Beweis: Nach Voraussetzung gibt es einen isotropen Vektor x V, d.h. einen Vektor x mit x und x, x. Da nicht-ausgeartet ist, ist die Abbildung injektiv. Insbesondere ist die Linearform z x, z nicht, d.h. es gibt ein z V mit x, z.

5 Lösungen zu Storch/Wiebe, Bd., Kap. 5 5 Zu a K wählen wir nun t : a z, z. Da symmetrisch ist, gilt dann für y : z+tx V : Qy y, y z + tx, z + tx z, z + t + t x, x z, z + a z, z a. Abschnitt.B, Aufg., p : Sei x i, i I, eine Orthonormalbasis des K-Vektorraums V bzgl. der Form. Für ein beliebiges x V gilt dann x i I x, x i x i. Beweis: Da x i, i I, eine Basis von V ist, gibt es a i K I mit x a i x i. Wegen der Orthogonalität der i I x i folgt x, x j x, a i x i a i x i, x j a i δ ij a j für alle j I, also x x, x i x i. i I i I i I i I Abschnitt.B, Aufg. 5, p : Seien und zwei symmetrische oder zwei komplex-hermitesche Formen auf dem K-Vektorraum V. Die Orthogonalität möge für beide Formen übereinstimmen, d.h. es gelte für x, y V genau dann x, y, wenn x, y ist. Dann unterscheiden sich und nur um einen Faktor a K der im komplexhermiteschen Fall sogar in R liegt. Beweis: Ist und damit auch gleich, so kann man jedesa K wählen. Andernfalls gibt esx, y V mit x, y. Dazu existiert ein a K mit x, y a x, y. Da nach Voraussetzung auch x, y ist, folgt a. Zu einem beliebigen x V wählen wir t : x, y x, y und erhalten x + tx, y x, y + t x, y x, y x, y. Die Voraussetzung liefert dann x + tx, y x, y + t x, y x, y + ta x, y x, y a x, y, also x, y a x, y für alle x V. Im komplex-hermiteschen Fall gilt y, y, y, y R und somit auch a R. Sind x, y V weitere Elemente mit x, y, so gibt es analog ein b in K das im komplexhermiteschen Fall in R liegt mit x, y b x, y für alle x V. Da und hermitesch sind, gilt dann insbesondere b y, y y, y y, y a y, y a y, y. Bei y, y folgt a b. Wendet man die Überlegungen aus auf x : y, y : x, x : y, y : x an, vertauscht also die Rollen der x i und y i, so erhält man ganz analog b y, y a y, y, d.h. b x, x a x, x. Bei x, x folgt ebenfalls a b. Sei schließlich y, y x, x und somit auch y, y x, x. Dann wenden wir die Überlegungen aus mit y : x +y statt y an. Dafür gilt x, y x, x + x, y x, y und ebenso x, y x, y. Wie in folgt b y, y a y, y. Diesmal ist y, y x, y + y, y x, y, und wir erhalten wie gewünscht a b. Abschnitt.B, Aufg. 6, p : a Sei eine Bilinearform auf dem K-Vektorraum V. Aus x, y folge stets y, x, x, y V. Dann ist symmetrisch oder alternierend. b Sei eine Sesquilinearform auf dem C-Vektorraum V. Aus x, y folge stets y, x, x, y V. Dann ist a konstantes Vielfaches einer hermiteschen Sesquilinearform auf V. Ist dabei a Ri rein-imaginär, so ist k o m p l e x - s c h i e f h e r m i t e s c h, d.h. es gilt x, y y, x für alle x, y V. Beweis: a sei nicht alternierend. Dann gibt es ein x V mit x, x. Wir zeigen x, y y, x für alle y V. Bei x, y gilt dies nach Voraussetzung. Sei also x, y. Für t : x, x x, y gilt dann t sowie x, x +ty x, x +t x, y und folglich nach Voraussetzung auch x +ty, x x, x +t y, x. Es folgt t x, y x, x t y, x und somit x, y y, x. Seien nun y, z V beliebig. Wir haben y, z z, y zu zeigen. Bei x, y gilt für s : z, y x, y K dann sx +z, y s x, y + z, y und folglich nach Voraussetzung auch y, sx +z, also s y, x + y, z und somit y, z s y, x s x, y z, y, da x, y y, x bereits gezeigt wurde.

6 6 Lösungen zu Storch/Wiebe, Bd., Kap. 5 Bei x, y, also auch y, x, gilt für r : z, x +y x, x K schließlich rx +z, x +y r x, x + r x, y + z, x +y r x, x + z, x +y. Nach Voraussetzung folgt x +y, rx +z, also r x, x + y, x + x +y, z r x, x + x +y, z, und somit y, z x +y, z x, z r x, x x, z z, x +y z, x z, y, da x, z z, x ebenfalls aus dem eingangs Gezeigten folgt. b Sei. Wir zeigen zunächst, dass es ein x V mit x, x gibt. Andernfalls wäre schiefsymmetrisch, d.h. x, y y, x für beliebige x, y V. Dann ist aber auch i x, y ix, y y, ix i x, y, also x, y y, x x, y und daher die Nullform. Es gibt also ein x V mit a : x, x. Wir betrachten die Sesquilinearform : a, für die x, x ist, und zeigen zunächst y, x x, y für alle y V. Bei x, y gilt dies nach Voraussetzung über. Sei also x, y. Für t : x, y gilt dann t sowie x, x +ty + t x, y und folglich nach Voraussetzung auch x + ty, x + t y, x. Es folgt t y, x und somit x, y y, x, d.h. y, x x, y. Seien nun y, z V beliebig. Wir haben y, z z, y zu zeigen. Bei x, y gilt für s : z, y x, y K dann sx +z, y s x, y + z, y und folglich nach Voraussetzung auch y, sx +z, also s y, x + y, z und somit y, z s y, x s x, y z, y, da x, y y, x bereits gezeigt wurde. Bei x, y, also auch y, x, gilt für r : z, x + y K schließlich die Gleichung rx +z, x +y r +r x, y+ z, x +y r + z, x +y und folglich nach Voraussetzung auch x +y, rx +z, also r + r y, x + x +y, z r + x +y, z. Somit erhält man y, z x +y, z x, z r x, z z, x +y x, z z, x +y z, x z, y, da x, z z, x ebenfalls aus dem eingangs Gezeigten folgt. Ist allgemein a mit a Ri und einer hermiteschen Sesquilinearform, so gilt a a und folglich x, y a x, y a y, x a y, x y, x für alle x, y V. Abschnitt.C, Aufg., p : Der Typ einer reell-symmetrischen Matrix A M n R ändert sich nicht, wenn man sie als komplex-hermitesche Matrix auffasst. Beweis: Dies folgt unmittelbar aus der Charakterisierung des Typs gemäß Satz.C., da das charakteristische Polynom einer reellen Matrix nicht davon abhängt, ob es über R oder C gebildet wird und sämtliche Nullstellen dieses Polynoms in C im hermiteschen Fall bereits reell sind. Man kann aber auch direkt schließen: Ist v,..., v n R n eine Orthogonalbasis von R n bzgl. der durch A auf R n definierten reell-symmetrischen Bilinearform, so ist v,..., v n auch eine Orthogonalbasis von C n bzgl. der durch A definierten komplex-hermiteschen Sesquilinearform, und die Werte v i, v i v i, v i, i,..., n, aus denen der Typ von bzw. ablesbar ist, stimmen überein. Abschnitt.C, Aufg., p : Man bestimme den Typ der folgenden hermiteschen Matrizen: ; ; i 5 i i ; 5 i 7 a, a C ; a 5 6 ; 5, a R ; a ; 5 ; a b a c, a, b, c C. b c ;

7 Lösungen zu Storch/Wiebe, Bd., Kap. 5 7 Lösung: Die Hauptminoren der. Matrix sind D, D, D, D 8. Diese Folge enthält einen Zeichenwechsel. Nach.C. ist der Typ der Matrix also,. Die Hauptminoren der. Matrix sind D, D, D 8, D 6 8. Diese Folge enthält keinen Zeichenwechsel. Nach.C. ist der Typ der Matrix also,. Die Hauptminoren der. Matrix sindd, D, D 5 6, D Diese Folge enthält keinen Zeichenwechsel. Nach.C. ist der Typ der Matrix also,. Die Hauptminoren der. Matrix sind D, D, D, D Diese Folge enthält Zeichenwechsel. Nach.C. ist der Typ der Matrix also,. Die Hauptminoren der 5. Matrix sind D, D, D +i i, D 5+5i 5 5i Da einer der Hauptminoren gleich ist, ist.c. nicht direkt anwendbar. Indem man aber wie in Beispiel.C. vorgeht, also die zu Grunde liegende Basis in umgekehrter Reihenfolge durchläuft und somit die Bildung der Haupminoren unten rechts statt oben links beginnt, bekommt man die Hauptminorenfolge D, D 7, D i i 7, D 9 ohne Zeichenwechsel. Nach.C. ist der Typ der Matrix also,. Die Hauptminoren der 6. Matrix sind D, D 5, D , D 6 8, D. Diese Folge enthält keinen Zeichenwechsel. Nach.C. ist der Typ der Matrix also,. Die Hauptminoren der 7. Matrix sind D, D, D etc. Da einer der Hauptminoren gleich ist, ist.c. nicht direkt anwendbar. Indem man aber wie in Beispiel.C. vorgeht, also die zu Grunde liegende Basis in umgekehrter Reihenfolge durchläuft und somit die Bildung der Haupminoren unten rechts statt oben links beginnt, bekommt man die Hauptminorenfolge D, D, D, D, D. Diese Folge enthält einen Zeichenwechsel. Nach.C. ist der Typ der Matrix also,. Die Hauptminoren der 8. Matrix sind D, D, D, D + Re a a Re a Im a. Diese Folge enthält bei a einen Zeichenwechsel. Nach.C. ist der Typ der Matrix dann,. Bei a ist D, also.c. nicht anwendbar. In diesem Fall ist der Rang der Matrix und damit der Rang der zugehörigen Form gleich. Beschränkt auf den Raum, der von den ersten beiden Basisvektoren erzeugt wird, hat sie die Gramsche Matrix vom Typ,. Daher hat auch insgesamt den Typ,. Die Hauptminoren der 9. Matrix sindd,d 5,D 5,D 5a++ 5 a a. Bei a> enthält die Folge keinen Zeichenwechsel, der Typ ist dann,. Bei a< enthält die Folge einen Zeichenwechsel, der Typ ist dann,. Bei a enthält die Folge keinen Zeichenwechsel, aber der Rang der Matrix ist nur. Ihr Typ ist dann,. Bei der. Matrix ist das Hurwitzsche Kriterium.C. nicht so wie oben anwendbar. Wir benutzen daher.c. und die Descartsche Vorzeichenregel, vgl. Aufg.. Das charakteristische Polynom der Matrix ist X a + b + c X Reabc X + a X + a X + a mit a, a a b c, a Reabc. Im Fall a b c ist der Typ gleich,. Andernfalls ist der Koeffizient a von

8 8 Lösungen zu Storch/Wiebe, Bd., Kap. 5 X in diesem charakteristischen Polynom negativ. Bei Reabc > hat die Koeffizientenfolge a, a, a, einen Zeichenwechsel und die Folge a, a, a, zwei Zeichenwechsel, der Typ ist also,. Bei Reabc < hat die Koeffizientenfolge a, a, a, zwei Zeichenwechsel und die Folge a, a, a, einen Zeichenwechsel, der Typ ist also,. Bei Reabc, aber abc, hat die Koeffizientenfolge a, a, a, einen Zeichenwechsel und die Folge a, a, a, ebenfalls einen Zeichenwechsel, der Typ ist also,. Abschnitt.C, Variante zu Aufg., p : Man bestimme den Typ der folgenden hermiteschen Matrizen: i + i i ; ; i. Lösung: Die Hauptminoren der. Matrix sind D, D, D, D 6. Da einer der Hauptminoren gleich ist, ist.c. nicht direkt anwendbar. Indem man aber wie in Beispiel.C. vorgeht, also die zu Grunde liegende Basis in umgekehrter Reihenfolge durchläuft und somit die Bildung der Haupminoren unten rechts statt oben links beginnt, bekommt man die Hauptminorenfolge D, D, D, D 6, der Typ ist also,. Die Determinante der. Matrix ist, das Hurwitz-Kriterium ist also nicht anwendbar. Ihr charakteristisches Polynom ist X X X X X+. Sie hat also nur einen positiven und einen negativen Eigenwert, ihr Typ ist daher nach dem Eigewertkriterium.C. gleich,. Die Determinante der. Matrix ist ebenfalls. Ihr charakteristisches Polynom X X 7X + X hat aber nach dem Zwischenwertsatz Nullstellen in ], ], in und in den Intervallen [/, ], [, ]. Der Typ der Matrix ist also nach dem Eigenwertkriterium.C. gleich,. Abschnitt.C, Variante zu Aufg., p : a Man bestimme diejenigen a R, für die die symmetrische Form auf R mit x, x, x, y, y, y : x y + x y + x y + x y + x y 5x y + x y + x y + ax y negativ definit ist. b Man bestimme diejenigen a R, für die die symmetrische Form auf R mit positiv definit ist. x, x, x, y, y, y : x y + x y + x y + x y x y x y + ax y c Man bestimme diejenigen a C, für die die komplex-hermitesche Form auf C mit z, z, w, w : z w + + i z w + i z w + a z w positiv definit ist. Lösung: a Die Gramsche Matrix von bzgl. der Standardbasis ist 5 mit den Hauptminoren a D, D, D, D a+ 58. Genau für a< 58 ist der Typ also,, d.h. negativ definit. b Die Gramsche Matrix von bzgl. der Standardbasis ist mit den Hauptminoren D, a D, D, D a. Genau für a> ist der Typ also,, d.h. positiv definit. +i c Die Gramsche Matrix von bzgl. der Standardbasis ist mit den Hauptminoren D i a, D, D b +i i a 5. Genau für a> 5 ist der Typ also,, d.h. positiv definit.

9 Lösungen zu Storch/Wiebe, Bd., Kap. 5 9 Abschnitt.C, Variante zu Aufg., p : Die komplex-hermiteschen Sesquilinearformen, : C C C seien gegeben durch z, z, z, w, w, w : z w + i z w i z w + z w + z w + z w, z, z, z, w, w, w : z w + i z w i z w + +iz w + iz w. Man gebe die Gramschen Matrizen von bzgl. der Standardbasis und bezüglich der Basis v :,,, v : i,,, v :,, von C an sowie die Gramschen Matrizen von bzgl. der Standardbasis und bezüglich der Basis v :, i,, v :,,, v :,, i von C. Man bestimme auch die Typen von bzw.. i Lösung: Die Gramsche Matrix von bzgl. der Standardbasis e ist G e,e i, die Gramsche Matrix von bzgl. der Basis v v, v, v ist i G v,v i i i i + i i. i Das charakteristische Polynom von G e,e ist X X X+. Nach dem Zwischenwertsatz hat es Nullstellen in den Intervallen ], [, ], [, ], [. Mit.C. sieht man, dass den Typ, hat. Man könnte auch so schließen: Die Determinante von G e,e ist, der Typ von kann also nur, oder, sein. Der erste Fall wird schon dadurch ausgeschlossen, dass e, e ist. i Die Gramsche Matrix von bzgl. der Standardbasis ist G e,e i + i, die Gramsche i Matrix von bzgl. der Basis v v, v, v ist i i G v,v i + i i i i i + i + i i i + Das charakteristische Polynom von G e,e ist X X X+ X X X+ mit positiven und einer negativen Nullstelle. Nach.C. hat daher den Typ,. Da die Determinante von G e,e gleich ist, kann man auch wie oben bei schließen. Abschnitt.C, Aufg., p : Sei A eine hermitesche Matrix. a Genau dann ist A positiv bzw. negativ definit, wenn alle Eigenwerte von A positiv bzw. negativ sind. b Genau dann ist A positiv bzw. negativ semidefinit, wenn alle Eigenwerte von A nicht-negativ bzw. nicht-positiv sind. Beweis: a Genau dann ist A M n K positiv bzw. negativ definit, wenn A den Typ n, bzw., n hat. Nach Satz.C. ist dies genau dann der Fall, wenn alle n Eigenwerte von A positiv bzw. negativ sind. b Genau dann ist A M n K positiv bzw. negativ semidefinit, wenn A den Typ n, bzw., n hat mit n n. Nach Satz.C. ist dies genau dann der Fall, wenn alle n Eigenwerte von A nicht-negativ bzw. nicht-positiv sind. Abschnitt.C, Aufg., p : Sei A M n K eine hermitesche Matrix mit dem charakteristischen Polynom χ A a + a X + + a n X n + X n. Dann istavom Typp, q, wobeip dieanzahl dervorzeichenwechsel in der Folgea, a,..., a n, ist und q die Anzahl der Vorzeichenwechsel in der Folge a, a,..., n a n, n. D e s c a r t e s s c h e V o r z e i c h e n r e g e l.

10 Lösungen zu Storch/Wiebe, Bd., Kap. 5 Beweis: Da A hermitesch ist, besitzt A nach Satz.C. n reelle nicht notwendig verschiedene Eigenwerte, d.h. χ A zerfällt über R in Linearfaktoren. Nach Band, 5.A, Aufg. ist dann p die Anzahl der positiven Eigenwerte von A. Die positiven Nullstellen von χ A X a a X+ + n a n X n + n X n sind die negativen Eigenwerte von A. Ihre Anzahl ist analog die Anzahl q der Vorzeichenwechsel in der Folge a, a,..., n a n, n. Somit ist p, q der Typ von A. Abschnitt.C, Aufg. 5, p : Seien A M n K eine hermitesche Matrix vom Typ p, q und m N. Dann ist A m vom Typ p, q, falls m ungerade ist, und vom Typ p + q,, falls m gerade ist. Ist A invertierbar, so gilt die entsprechende Aussage für alle m Z. Beweis: Sind λ,..., λ n die reellen Eigenwerte der diagonalisierbaren Matrix A, so sind λ m,..., λm n die Eigenwerte von A m. Bei ungeradem m hat λ m i dasselbe Vorzeichen wie λ i, bei geradem m und λ i ist λ m i stets positiv. Daraus folgt die Behauptung mit Satz.C.. Abschnitt.C, Aufg. 6, p : a Sei f : V W eine lineare Abbildung endlichdimensionaler K-Vektorräume. Auf W sei eine positiv definite hermitesche Form, gegeben. Die Form x, y f x, f y auf V ist dann hermitesch vom Typ Rang f,. b Sei A eine beliebige m n-matrix über K. Dann ist t AA hermitesch vom Typ Rang A,. Beweis: a Da, positiv definit ist, gilt f x, f x für alle x V. Daher ist die Form f, f positiv semidefinit, ihr Typ ist also von der Form p,. Es gibt eine Basis u,..., u r, v,..., v s von V derart, dass die Elemente u,..., u r eine Basis von Kern f bilden und f v,..., f v s eine Basis von Bild f ist vgl. den Beweis des Rangsatzes 5.E.. Insbesondere ist r+s n : Dim K V und s Rang f. Für ein beliebiges x a i v i Kv + + Kv s, x, sind dann a,..., a s nicht alle gleich, d.h. es ist auch f x a i f v i und somit f x, f x >, da, positiv definit ist. Daher ist der Trägheitsindex p s. Wegen f x, f x für alle x Kern f ist andererseits p n r s. Es folgt p s Rang f. Übrigens ist Kern f das Radikal V der Form f, f, vgl. auch Aufg. 7. b Wir versehen K n mit dem Standardskalarprodukt, und wenden dann a auf die durch A definierte lineare Abbildung f : K n K m mit f x : Ax an. Für die Standardbasis e,..., e n von K n gilt f e i, f e j t Ae i Ae j t e t i AAe j, d.h. die Form f, f hat die Gramsche Matrix t AA bzgl. der Standardbasis. Die Behauptung folgt nun aus a. Abschnitt.C, Aufg. 7, p : Sei, eine positiv semidefinite hermitesche Form auf dem K-Vektorraum V. x, x x, x n a Für beliebige Vektoren x,..., x n V ist x n, x x n, x n b Für beliebigevektorenx, y V ist x, y x, x y, y Cauchy-Schwarzsche Ungleichung. c Für x V gilt x V genau dann, wenn x x ist. Das Radikal V der Form ist also gleich dem Lichtkegel {x V x, x } von. d Auf V : V/V wird durch x, y : x, y, x, y V, eine positiv definite hermitesche Form definiert. e Genau dann ist positiv definit, wenn nicht-ausgeartet ist. Beweis: a Sind die Vektoren x,..., x n linear abhängig, so ist die angegebene Determinante nach Lemma.A. gleich. Wir können also annehmen, dass die Vektoren x,..., x n linear unabhängig und daher Basis eines Unterraums V von V sind. Die zu betrachtende Determinante ist die Determinante der Fundamentalmatrix C von V bzgl. x,..., x n. Da V nachvoraussetzung über positiv semidefinit, also vom Typ p,, ist, gibt es nach Korollar.C. eine invertierbare Matrix A GL n K derart, dass C t AE p, n A gilt mit der Diagonalmatrix E p, n Diag,...,,,...,. Mit den Rechenregeln für Determinanten folgt Det C Det t AE p, n A Det A Det A Det E p, n Det A δ n,p.

11 Lösungen zu Storch/Wiebe, Bd., Kap. 5 b Im Fall n, x : x, x : y, liefert a x, x x, y y, x y, y x, x y, y x, y, d.h. x, x y, y x, y. c Natürlich folgt aus x V erst recht x x. Umgekehrt folgt aus x x, d.h. x, x, mit b für jedes y V sofort x, y x, x y, y, also x, y, und insgesamt x V. d Wir zeigen zunächst, dass wohldefiniert ist: Aus x x und y y folgt x x V, y y V und daher x, y x, y x, y x, y + x, y x, y x, y y + x x, y, also x, y x, y. ist wie eine positiv semidefinite hermitesche Form. Aus x, x, also x, x, folgt wegen c bereits x V, d.h. x. Daher ist positiv definit. e Wenn positiv definit ist, so ist erst recht nicht-ausgeartet. Sei umgekehrt nicht-ausgeartet, also : y x x, y injektiv. Für y ist dann x x, y nicht die Nullabbildung, d.h. es gibt ein x V mit x, y. Daher ist y / V. Nach c folgt y, y, also y, y >, da positiv semidefint ist. Abschnitt.C, Aufg. 8, p : Seien und positiv semidefinite Formen auf dem K-Vektorraum V. Genau dann ist + positiv definit, wenn die Radikale von bzw. nur den Nullvektor gemeinsam haben. Beweis: Mit und ist trivialerweise auch + positiv semidefinit. Für ein x aus V gilt genau dann + x, x, wenn x, x x, x gilt. Nach Aufg. 7c ist dies genau dann der Fall, wenn x im Radikal von und im Radikal von liegt. Genau dann ist also + x, x > für alle x, wenn stets x, x oder aber x, x positiv ist, d.h. wenn die Radikale von bzw. nur den Nullvektor gemeinsam haben. Abschnitt.C, Aufg. 9, p : Sei, eine hermitesche Form auf einem endlichdimensionalen K-Vektorraum V mit der Basis v v,..., v n. Dann sind äquivalent: ist positiv semidefinit. v i, v i v i, v ir Für jedes r, r n, und jede Folge i < < i r n gilt v ir, v i v ir, v ir d.h. sämtliche Diagonalminoren der Gramschen Matrix G v,v sind nicht-negativ.. Beweis: Sei erfüllt und seir ist die größte natürliche Zahlρ, zu der es einen DiagonalminorA {i,...,i r } der Ordnung ρ von A G v,v gibt. Dann gibt es nach dem verallgemeinerten Hurwitzschen Kriterium.C.8 eine Permutation σ S r derart, dass in der Folge der Hauptminoren D, D,..., D r der Gramschen Matrix von bezüglich v iσ,..., v iσr niemals zwei benachbarte Glieder verschwinden. Da die D j durch Vertauschen von Zeilen und und von Spalten gemäß derselben Permutation aus den nach Voraussetzung positiven Determinanten hervorgehen, sind sie sämtlich. Der Morse-Index q von ist daher, und somit nach.c.8 positiv semidefinit. Die Umkehrung ergibt sich sofort aus Aufg. 7a.. Beweis: Für die Koeffizienten des charakteristischen Polynoms χ A X n + a n X n + + a X+ a gilt nach.a, Aufg. 8b und der Voraussetzung n r a r. Die Folge a, a,..., n a n, n besitzt also keine Vorzeichenwechsel. Nach.C, Aufg. ist A daher positiv semidefinit. Abschnitt.C, Aufg., p : Seien und hermitesche Formen auf dem K-Vektorraum V. Es sei positiv definit. Folgende Aussagen sind äquivalent: ist positiv semidefinit. Für alle ε > ist + ε positiv definit. Es gibt eine Nullfolge ε n in R derart, dass + ε n für alle n N positiv semidefinit ist. Beweis: Für alle x in V gilt nach Voraussetzung x, x und x, x >. Daraus folgt + ε x, x x, x + ε x, x >. ist trivial. Angenommen, es gebe ein x V mit x, x <. Dann ist x, x/ x, x >, und wegen lim ε n gibt es ein ε n mit ε n < x, x/ x, x, also mit +ε n x, x x, x+ε n x, x < im Widerspruch zu.

12 Lösungen zu Storch/Wiebe, Bd., Kap. 5 Abschnitt.C, Aufg., p : Sei eine komplex-hermitesche Form auf dem komplexen Vektorraum V, den wir in natürlicher Weise auch als reellen Vektorraum auffassen. a Re ist eine reell-symmetrische Form auf V. b Genau dann ist Re positiv definit, negativ definit, positiv semidefinit, negativ semidefinit bzw. indefinit, wenn Entsprechendes für gilt. c Ist V endlichdimensional und vom Typ p, q, so ist Re vom Typ p, q. Beweis: a Für x, y V gilt nach Voraussetzung x, y y, x, also Re x, y Re y, x. b Da komplex-hermitesch ist, also stets x, x x, x gilt, ist x, x stets reell und es gilt stets Re x, x x, x. c Nach dem Sylvesterschen Trägheitssatz.C. gibt es eine C-Basis v,..., v n von V derart, dass die Gramsche Matrix von bzgl. dieser Basis die Form E p,q n Diag,...,,,...,,..., hat. Bzgl. der R-Basis v, iv,..., v n, iv n von V hat Re dann wegen Re v j, v k v j, v k {,, }, Re iv j, v k Re i v j, v k Im v j, v k, Re v j, iv k Re i v j, v k Im v j, v k, Re iv j, iv k Re i v j, v k Re v j, v k v j, v k {,, } die Gramsche Matrix E p,q n Diag,,...,,,,,...,,,,,...,,. Abschnitt.C, Aufg., p : Sei A a ij M n K eine hermitesche Matrix mit a ii > n j, j i a ij. Dann ist A vom Typ p, q, wobei p die Anzahl der i mit a ii > ist und q n p die Anzahl der i mit a ii <. Beweis: Für die Hauptminoren D k Deta ij i,j k von A gilt erst recht a ii > k j, j i a ij. Mit 9.D, Aufg. 5 erhält man daher a a kk D k > für alle k. Es folgt, dass a kk D k stets dasselbe Vorzeichen hat wie D k, d.h. dass an der Stelle k in der Folge der Hauptminoren genau dann ein Vorzeichenwechsel vorliegt, wenn a kk negativ ist. Das Hurwitz-Kriterium.C. liefert somit die Behauptung. Abschnitt.C, Aufg. 5, p : Seien V ein orientierter reeller Vektorraum der Dimension n N und eine reell-symmetrische Form vom Typ p, q auf V. Dann gibt es eine die Orientierung von V repräsentierende Basis v,..., v n von V, bzgl. der die Gramsche Matrix von gleich E p,q n ist. Beweis: Nach dem Sylvesterschen Trägheitssatz.C. gibt es eine Basis v,..., v n von V derart, dass die Gramsche Matrix von bzgl. dieser Basis die Form E p,q n Diag,...,,,...,,..., hat. Repräsentiert diese Basis nicht die Orientierung von V, so ersetze man einen der Basisvektoren v i durch v i. Dann repräsentiert die so erhaltene Basis von V die Orientierung, und die Gramsche Matrix hat sich dabei nicht geändert. Abschnitt.C, Aufg. 6, p : Eine hermitesche Form auf einem K-Vektorraum V ist genau dann anisotrop, wenn sie positiv oder negativ definit ist. Beweis: Definite Formen sind natürlich anisotrop. Ist umgekehrt die hermitesche Form anisotrop, so gibt es notwendigerweise linear unabhängige Elemente v, w V mit v, v > und w, w <. Dann nimmt die höchstens quadratische Polynomfunktion [, ] R mit t tv + tw, tv + tw nach dem Zwischenwertsatz den Wert an im Widerspruch dazu, dass anisotrop ist. Man kann natürlich auch direkt zeigen, dass die Beschränkung von auf den -dimensionalen Unterraum Kv + Kw von verschiedene isotrope Vektoren besitzt.

13 Lösungen zu Storch/Wiebe, Bd., Kap. 5 Abschnitt.C, Aufg. 7, p : Seien und indefinite hermitesche Formen auf dem K-Vektorraum V mit dem gleichen Lichtkegel. Dann unterscheiden sich und nur um einen Faktor a R d.h. es ist a mit einem a R. Beweis: NachVoraussetzung gibt esv, w V mit v, v > und w, w <. Dann ist v, v, und es gibt ein a R mit v, v a v, v. Es genügt nun zu zeigen, dass auch w, w a w, w ist. Dann gilt nämlich generell a. Es genügt nach Satz.B. dies auf der Diagonalen von V zu beweisen. Sei dazu x V. Ist x, x, so ist auch x, x a x, x nach Voraussetzung. Ist x, x >, so betrachten wir die Vektoren x, w statt v, w und erhalten x, x a x, x. Ist x, x <, so betrachten wir die Vektoren v, x statt v, w und erhalten wiederum x, x a x, x. Zum Beweis von w, w a w, w betrachten wir die reellen Polynome Ft : tv + tw, tv + tw und Gt : a tv + tw, tv + tw vom Grad. Nach Wahl von a ist F G > und F w, w <. Daher besitzt F im Intervall [, ] eine Nullstelle t. Nach Voraussetzung ist dann auch Gt. Ist Grad F, so besitzt F eine weitere reelle Nullstelle t, die dann auch eine Nullstelle von G ist. Dann stimmen F und G an den Stellen, t, t überein und sind daher identisch. Insbesondere ist dann auch w, w F G a w, w. Genau dann ist F ein Polynom vom Grad, wenn der Koeffizient v, v + w, w v, w w, v v w, v w verschwindet. Dann verschwindet aber nach Voraussetzung auch der Koeffizient von t bei G, und G ist ebenfalls linear. Dann sind F und G aber schon gleich an den beiden Stellen, t übereinstimmen. Wiederum folgt das Gewünschte w, w F G a w, w. Abschnitt.C, Aufg. 8, p : Seien und symmetrische Bilinearformen auf dem reellen Vektorraum V. Sind und nicht negativ semidefinit und sind die Mengen {x V x, x } und {x V x, x } gleich, so sind und identisch. Beweis: Generell gilt: Genau dann ist x, x a >, wenn x, x > ist, und in diesem Fall ist x, x x, x. Aus x, x a > folgt nämlich x/ a, x/ a x/ a, x/ a und somit x, x a. Sei v V mit v, v v, v >. Sei nun v V beliebig. Nach Satz.B. genügt es zu zeigen, dass v, v v, v ist. Dazu betrachten wir die qudratischen Formen s, t sv + tv, sv + tv und s, t sv + tv, sv + tv. Sie sind im Punkt, beide positiv, stimmen also dort und damit aus Stetigkeitsgründen in einer ganzen Umgebung positiv und damit gleich. Dann sind sie aber überhaupt identisch, insbesondere sind die Werte v, v bzw. v, v an der Stelle, gleich. Bemerkung: Man könnte die Aussage auch auf das Ergebnis von Aufg. 7 zurückführen. Dazu betrachtet man die Formen und auf dem Vektorraum V R mit v, a, w, b : v, w ab und v, a, w, b : v, w ab. Diese erfüllen die Voraussetzungen von Aufg. 7. Man führe dies aus. Abschnitt.C, Aufg. 9, p : Sei eine hermitesche Form vom Typ p, q auf einem n-dimensionalen K-Vektorraum. Dann gibt es einen Unterraum der Dimension m : Min p, q + n p + q n Max p, q, auf dem die Nullform ist, und jeder Unterraum, auf dem die Nullform induziert ein solcher Unterraum heißt t o t a l i s o t r o p bzgl., hat eine Dimension m. Beweis: Wir wählen eine Basis v,..., v p, v p+,..., v p+q, v p+q+,..., v n von V derart, dass die Gramsche Matrix von bzgl. dieser Basis die Form E p,q n Diag,...,,,...,,..., hat. Dies ist nach dem Sylvesterschen Trägheitssatz.C. möglich. Sei r : Min p, q. Dann ist auf dem m-dimensionalen Unterraum von V mit der Basis v v p+,..., v r v p+r, v p+q+..., v n offenbar die Nullform. Sei nun U ein Unterraum von V mit U. Dann ist U Kv + + Kv p, also Dim U n p, und U Kv p+ + + Kv p+q, also Dim U n q. Es folgt Dim U n Max p, q.

14 Lösungen zu Storch/Wiebe, Bd., Kap. 5 Abschnitt.C, Aufg., p : Die Funktion A, B Sp A t B ist eine positiv definite hermitesche Form auf M n K für jedes n N. Beweis: Mit 8.A.8 erhält man Sp A t B Sp A t B Sp B t A, d.h. die Form ist hermitesch. Für A a ij gilt außerdem Sp A t A Sp n n n a ij a kj a ij a ij n a ij >, falls nur einer der j ij Koeffizienten a ij von verschieden ist. Die Form ist also positiv definit. Abschnitt.C, Aufg., p : a Die Spurform A, B Sp AB auf M n R ist symmetrisch vom Typ n+, n. Mn R ist die orthogonale Summe des Unterraums M n + R der symmetrischen Matrizen, auf dem die Spurform positiv definit ist, und des Unterraums o n R Mn R der schiefsymmetrischen Matrizen A mit t A A, auf dem die Spurform negativ definit ist. b Der Realteil der Spurform A,B Re Sp AB ist eine reell-symmetrische Bilinearform auf M n C vom Typ n, n. c Sei u n C M n C der R-Vektorraum der komplex-schiefhermiteschen Matrizen A mit t A A. Dann ist A,B Sp AB Sp A t B eine reell-symmetrische, negativ definite Bilinearform auf u n C. Beweis: a Da Summen und skalare Vielfache von symmetrischen bzw. schiefsymmetrischen Matrizen offenbar wieder symmetrisch bzw schiefsymmetrisch sind, sind M + n R und M n R Unterräume von M nr. Wir zeigen zunächst M n R M + n R M n R: Sei A M n R. Mit 8.A.8 erhält man t A + t A t A + A A + t A, d.h. A + t A M n + R und t A t A t A A A t A, d.h. A t A Mn R. Wegen A A + t A + A t A gilt also M n R M n + R + M n R. Für A M+ n R M n R gilt A t A und A t A, also A A und somit A. Es folgt M n R M n + R M n R. Ist schließlich A M+ n R und B M n R, so gilt A t A und B t B, also Sp AB Sp t A t B Sp t BA Sp BA Sp AB und folglich SpAB. Die obige direkte Summe ist also eine orthogonale Summe. Ist E jk, j, k,..., n, die Standardbasis von M n R, so bilden die n + n n+ Matrizen Ejj, j,..., n, sowie E jk + E kj, j <k, offenbar eine Basis von M n + R. Ferner bilden die n Matrizen E jk E kj, j <k n, eine Basis von Mn R. Es folgt Dim M+ n R n+, Dim M n R n. Auf M n + R ist die Form positiv definit und auf M n R ist sie negativ definit. Für A a jk folgt aus A t A nämlich a jk a kj für alle j, k und somit Sp A t A n n j k a jka kj n j,k a jk >. Aus A t A folgt a jk a kj für alle j, k und somit Sp A t A n n j k a jka kj n j,k a jk <. Insgesamt hat die betrachte Spurform also den Typ n+, n. b Offenbar ist die Form A,B Sp AB auf M n C symmetrisch und daher A,B Re Sp AB eine reell-symmetrische Bilinearform. Wie in a bilden die Menge M n + C : {A M nc A t A} der hermiteschen Matrizen und die Menge Mn C : {A M nc A t A} der schief-hermiteschen Matrizen R-Unterräume von M n C. Für A M n C gilt t A + t A t A+A A+ t A, d.h. A+ t A M n + C und t A t A t A+A A t A, d.h. A t A Mn C. Wegen A A + t A + A t A folgt M n C M n + C + M n C. Für A M n + C M n C gilt A t A und A t A, also A A und somit A. Es folgt M n C M n + C M n C. Ist schließlicha M+ n C undb M n C, so gilta t A undb t B, also Re Sp AB Re Sp t A t B Re Sp t BA Re Sp BA Re Sp AB Re Sp AB und folglich Re SpAB. Wir erhalten also die orthogonale Summendarstellung M n C M + n C im n C. Mit den Bezeichnungen aus a gilt ferner M n + C M+ n R im n R und M n C M n R im+ n R. Bildet man nämlich Real- und Imaginärteil der Matrizen koeffizientenweise, so gilt A t A für A M n + C, also Re A + i Im A t Re A i t Im A t Re A i t Im A und somit Re A t Re A, Im A t Im A, d.h. Re A M n + R und Im A M n R. Offenbar ist die so gewonnene Summendarstellung direkt. i,j

15 Lösungen zu Storch/Wiebe, Bd., Kap. 5 5 Entsprechend sieht man die zweite direkte Summendarstellung ein. Nach a haben beide Summanden die reellen Dimensionen n+ + n n. Für A a ij M n + C gilt A t A und somit Re Sp A A Re Sp A t A Re n i,j a ij >, vgl. Aufg.. Für A a ij Mn C gilt A t A und somit Re Sp ia ia Re Sp i A t A Re Sp A t A Re n i,j a ij >. Die betrachtete Form ist daher auf dem ersten dieser beiden Unterräume positiv definit. Ganz analog sieht man, dass sie auf dem zweiten Unterraum negativ definit ist. Insgesamt hat sie also den Typ n, n. c Für A, B Mn C gilt Sp AB Sp AB Sp t A t B Sp t B A Sp BA Sp AB, also Sp AB R. Ist dabei A, so gilt Sp AA Sp A t A <, da Sp A t A nach Aufg. dann stets positiv ist. Abschnitt.C, Aufg., p : Man bestimme den Typ der folgenden Matrix aus M n R in Abhängigkeit von a, b R: a b b b b a b b b b a b. b b b a Beweis: Nach.A,Aufg. 9a hat die Matrix das charakteristische Polynom X+b a n X a n b. Ihre n Eigenwerte sind daher a + n b und der n -fache Eigenwert a b. Wir verwenden nun Satz.C., um den Typ der Matrix zu bestimmen. Sei zunächst a b. Dann ist der Typ, bei a>,, bei a< und, bei a. Sei nun a > b. Dann ist der Typ n, bei a > n b, n, bei a < n b und n, bei a n b. Sei schließlich a<b. Dann ist der Typ, n bei a< n b,, n bei a> n b und, n bei a n b. Abschnitt.C, Aufg. 5, p : Sei eine komplex-symmetrische Bilinearform vom Rang r auf dem endlichdimensionalen komplexen Vektorraum V. Dann ist Re eine reell-symmetrische Bilinearform auf V vom Typ r, r. Aufg. b behandelt ein Beispiel hierzu. Beweis: Wir wählen eine Basis v,..., v r, v r+,..., v n, r Rang, von V derart, dass die Gramsche Matrix von bzgl. dieser Basis die Form E r n Diag,...,,..., hat, vgl. Satz.B.. Dann ist v,..., v r, iv,..., iv r, v r+,..., v n, iv r+,..., iv n eine R-Basis von V. Die Gramsche Matrix von Re bzgl. dieser Basis ist offenbar E r,r n. Re hat daher den Typ r, r.

16 6 Lösungen zu Storch/Wiebe, Bd., Kap. 5 Räume mit Skalarprodukt Abschnitt.A, Aufg., p : i Man zeige, dass die hermitesche Form mit der Fundamentalmatrix bzgl. der Standardbasis des i C ein Skalarprodukt ist, und orthonormalisiere die Standardbasis von C bzgl. dieses Skalarprodukts mit dem Schmidtschen Orthonormalisierungsverfahren. Beweis: Die Hauptminoren der Matrix sind D D D >, die Form ist also nach dem Hurwitzschen Kriterium.C. positiv definit. Sie ist außerdem komplex-hermitesch, da die angegebene Matrix komplex-hermitesch ist. Das Schmidtsche Orthonormalisierungsverfahren liefert: v i,, v, v i v v,, v i,,, i, i,, v i i i i i i Die gesuchte Orthonormalbasis ist also v,, v i,. Abschnitt.A, Aufg., p :, v v v i,. Man bestimme die Gramsche Matrix der Polynomfunktionen, t, t,..., t n bzgl. des Skalarproduktes x, y : xt yt dt x, y C R [, ]. Man beweise direkt, dass diese Gramsche Matrix positiv definit ist. Beweis: Setzen wir v i : t i für i,..., n, so ist v i, v j t i+j dt. Die gesucht i+j Gramsche Matrix ist also die Cauchy-Matrix /a i +b j mit a i : i, b j : j für i, j,..., n. Ihre Hauptminoren sind die Cauchyschen Doppelalternanten D k : Det /a i + b j i,j k. Nach 9.D, i<j n Aufg. ist D k a j a i i<j n b j b i i<j n n i,j a j i i<j n j i i + b j n >, da i,j i + j alle Faktoren in Zähler und Nenner von D k positiv sind. Mit dem Hurwitzschen Kriterium.C. sieht man, dass, positiv definit ist. Abschnitt.A, Aufg., p : Man orthonormalisiere die Polynome, t, t, t, t mit dem Schmidtschen Orthonormalisierungsverfahren bzgl. des Skalarprodukts x, y xt yt dt, x, y C K [, ], und bzgl. x, y xt yt dt, x, y C K [, ]. Die so aus den Polynomen, t, t,... gewonnenen Polynome heißen die L e g e n - d r e s c h e n P o l y n o m e für die Intervalle [, ] bzw. [, ], vgl. Beispiel 9.A.. Lösung: Wir behandeln zunächst das Skalarprodukt x, y xt yt dt, x, y C K [, ]. Mit w :, w : t, w : t, w : t, w 5 : t 5 erhält man die Orthonormalbasis v, v, v.v, v 5 aus v : w, v dt t, v : v v. v : w w, v v t t dt t, v t dt t,

17 Lösungen zu Storch/Wiebe, Bd., Kap. 5 7 v : v v t. v : w w, v v w, v v t t dt t t dt t t t t t + 6, v t t + dt t 6 t + t t + dt , v : v v 5 6t 6t+. v : w w, v v w, v v w, v v t t dt t t dt t t 5 6t 6t+ dt 5 6t 6t+ t t t 6t+ t t + 5 t, v t t + 5 t dt t 6 t t 9 t + 5 t 5 t+ dt , v : v v 7 t t + t. v 5 : w 5 w 5, v v w 5, v v w 5, v v w 5, v v t t dt t t dt t t 5 6t 6t+ dt 5 6t 6t+ t 7 t t + t dt 7 t t + t t 5 t t 6t t t+t 5 t t t 7 t + 7, v 5 t t t 7 t + dt 7, v 5 : v 5 v 5 9 7t t + 9t t+ t t + 7t 6t+. Wir behandeln nun das Skalarprodukt x, y xt yt dt, x, y C K [, ]. Mit w :, w : t, w : t, w : t, w 5 : t erhält man unter Berücksichtigung der Tatsache, dass das Integral von bis über eine ungerade Funktion verschwindet, die Orthonormalbasis v, v, v, v, v 5 aus v : w, v dt t, v : v v. v : w w, v v t v : v v t. t dt v : w w, v v w, v v t t, v t dt t t dt t t dt t,,

18 8 Lösungen zu Storch/Wiebe, Bd., Kap. 5 v t dt v : v v 5 t. t t + 9 dt , v : w w, v v w, v v w, v v t t dt t t dt 5 t t 5 t dt t 8 5 t, v t 5 t dt t t t dt 7 v : v v 7 5t t , v 5 : w 5 w 5, v v w 5, v v w 5, v v w 5, v v t t dt t t 5 dt 5 t t 8 6 t dt 7 5t t 5t 7 t 5 dt 8 t 5 7 t t 6 7 t + 5, v 5 t 6 7 t + dt t t t 6 5 t dt , v 5 : v 5 v 5 9 5t t +. 8 Abschnitt.A, Aufg., p : Im R, versehen mit dem Standardskalarprodukt, wende man das Schmidtsche Orthonormalisierungsverfahren auf die Basis,,, 5,,,,, an. Lösung: Ausgehend von w :,,, w : 5,,, w :,, erhalten wir: v,,, v + + 6, v v v,,, v w w, v v 5,, 5,,,,,,, 5,,,,,,, v , v v v 6,,, v w w, v v w, v v,,,,,,, 8, 6 7 v , v v 7 7 v,,. Die gesuchte Orthonormalbasis ist also v,,, v 6,,, v,,. Abschnitt.A, Aufg. 5, p : In der Minkowskischen Ungleichung.A. gilt genau dann das Gleichheitszeichen, wenn x ay oder y ax mit einem a R + ist. Beweis: Im Fall y oder x ist die Aussage trivialerweise richtig. Sei also etwa y. Der Beweis von.a. zeigt, dass in der Minkowskischen Ungleichung genau dann das Gleichheitszeichen gilt, wenn bei beiden Abschätzungen in der Ungleichungskette x+y x + Re x, y + y x + x, y + y x + x y + y x + y

19 Lösungen zu Storch/Wiebe, Bd., Kap. 5 9 das Gleichheitszeichen gilt. Nach.A. gilt in der zweiten Abschätzung genau dann das Gleicheitszeichen, wenn x und y linear abhängig sind, d.h. wenn es ein a K gibt mit x ay. In diesem Fall gilt in der ersten Abschätzung a y a Re y, y Re x, y x, y a y, y a y genau dann das Gleichheitszeichen, wenn a a, d.h. a R + ist. Abschnitt.A, Aufg. 6, p : Die Vektoren x,..., x n eines Vektorraums mit Skalarprodukt sind genau dann linear unabhängig, wenn die Gramsche Determinante x, x x, x n Gx,..., x n..... x n, x x n, x n ungleich ist. Sie ist dann nach.c.6 sogar positiv. Allgemeiner gilt: Der Rang der Gramschen Matrix xi, x j i,j n ist gleich der Dimension von n i Kx i. Beweis: Hat man eine Relation n i r i x i, x j der Zeilen der angegebenen Determinante, so ergibt sich n i r ix i n j r n j i r i x i, x j und somit n i r ix i, also r i wegen der linearen Unabhängigkeit der x i. Umgekehrt folgt aus n i r ix i bereits n i r i x i, x j für alle j und damit die entsprechende Relation der Zeilen. Sei r : Dim n i Kx i. Aus x,..., x n kann man eine Basis von n i Kx i auswählen. O.E. sei dies x,..., x r. Für k > r ist dann x k r r ik x i und somit x k, x j r r ik x i, x j für alle j. Die unteren n r i Zeilen der angegebenen Matrix sind also Linearkombinationen der oberen r Zeilen. Ihr Zeilenrang ist daher r. Der Minor aus den ersten r Spalten und Zeilen der Matrix ist aber nach dem Bewiesenen. Das Minorenkriterium liefert daher, dass der Rang der Matrix r und damit insgesamt gleich r ist. Abschnitt.A, Aufg. 7, p : Sei V ein K-Vektorraum mit Skalarprodukt endlicher oder abzählbar unendlicher Dimension. Dann lässt sich jedes endliche Orthonormalsystem in V zu einer Orthonormalbasis von V ergänzen. Beweis: Sei v,..., v n das gegebene Orthonormalsystem in V. Aus n i a iv i mit a i K folgt dann n i a iv i, v j n i a i v i, v j a n i i δ ij a j für alle j, d.h. v,..., v n ist linear unabhängig, vgl. auch die Bemerkung nach Definition.B.. Nach Satz.A.6 lässt sich v,..., v n zu einer abzählbaren Basis v,..., v n, v n+,... von V ergänzen. Wendet man darauf das Schmidtsche Orthonormalisierungsverfahren an, so bekommt man die gewünschte Orthonormalbasis. Bemerkung: Ein unendliches Orthonormalsystem lässt sich nicht notwendigerweise zu einer Orthonormalbasis von V ergänzen. Dies gilt beispielsweise für ein System, das einen von V verschiedenen dichten Unterraum U von V erzeugt. In diesem Fall gibt es außer keinen Vektor, der zu U orthogonal ist, vgl. Abschnitt 9.A. Abschnitt.A, Aufg. 8, p : Für Vektoren x, y eines reellen Vektorraums mit Skalarprodukt zeige man: a Genau dann ist x y, wenn x y und x, x x, y ist. b Genau dann ist x y, wenn x y und x + y orthogonal sind. Beispiele: Ein Parallelogramm ist genau dann eine Raute oder ein Rhombus, wenn die Diagonalen aufeinander senkrecht stehen. i

20 Lösungen zu Storch/Wiebe, Bd., Kap. 5 S a t z d e s T h a l e s : c Genau dann ist x y x + y, wenn x und y orthogonal sind. Beispiele: Ein Parallelogramm ist genau dann ein Rechteck, wenn die Diagonalen gleich lang sind. Definition des rechten Winkels nach Euklid vgl. Beispiel.A.: b Gilt x + y x + y, so sind x und y orthogonal U m k e h r u n g d e s S a t z e s v o n P y t h a g o r a s. Beispiel: Stößt eine Kugel elastisch auf eine ruhende Kugel gleicher Masse, so entfernen sich nach dem Stoß die beiden Kugeln orthogonal voneinander. Der Impulssatzmv +mv mv besagt, dass v, v und v die Kantenvektoren eines Dreiecks bilden, und der Energiesatz m v + m v m v seine Gültigkeit definiert den elastischen Stoß, dass v, v überdies einen rechten Winkel bilden. Beweis: a Aus x y, also x, x y, y, und x, x x, y bekommt man und somit x y. Die Umkehrung ist trivial. x y x y, x y x, x x, y + y, y b Genau dann sind x y und x+y orthogonal, wenn x y, x+y x, x + x, y y, x y, y x y, d.h. x y, gilt. c Genau dann gilt x y x+y, wenn x y x+y x y, x y x+y, x+y x, x x, y + y, y x, x + x, y + y, y x, y ist, d.h. wenn x und y orthogonal sind. d Aus x + y x + y, d.h. x, x + x, y + y, y x, x + y, y, folgt sofort x, y, d.h. die Orthogonalität von x und y. Abschnitt.A, Aufg. 9, p..6. : Für Vektoren x, y eines K-Vektorraums mit Skalarprodukt gilt x + y + x y x + y P a r a l l e l o g r a m m r e g e l. In einem Parallelogramm ist die Summe der Quadrate über den Diagonalen gleich der Summe der Quadrate über den vier Seiten.

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

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

A Matrix-Algebra. A.1 Definition und elementare Operationen

A Matrix-Algebra. A.1 Definition und elementare Operationen A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne

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

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

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

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

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

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

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer. Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen

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

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

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3

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

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von

Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik Lineare Algebra zusammengestellt von Sabine Giese, Josef Heringlehner, Birgit Mielke, Hans Mielke und Ralph-Hardo Schulz 98 Aufgaben,

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

7 Die Determinante einer Matrix

7 Die Determinante einer Matrix 7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =

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

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel

Mehr

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:

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

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

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

KAPITEL 0. Einführung

KAPITEL 0. Einführung Lineare Algebra KAPITEL 0 Einführung Dieses Skript zur Vorlesung Lineare Algebra an der Goethe Universität Frankfurt im Sommersemester 2011 befindet sich noch in der Entstehung und wird fortlaufend aktualisiert

Mehr

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie

Mehr

Lineare Algebra und analytische Geometrie II (Unterrichtsfach)

Lineare Algebra und analytische Geometrie II (Unterrichtsfach) MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00

Mehr

Grundlagen der Mathematik II

Grundlagen der Mathematik II Wintersemester 204/205 - Aufgabenblatt I Abgabe: bis Donnerstag, den 6. November 204, 9:00 Uhr Aufgabe : Untersuchen Sie, für welche 2 C die folgende Matrix c diagonalisierbar ist, und bestimmen Sie für

Mehr

Einführung in die Tensorrechnung

Einführung in die Tensorrechnung 1. Definition eines Tensors Tensoren sind Grössen, mit deren Hilfe man Skalare, Vektoren und weitere Grössen analoger Struktur in ein einheitliches Schema zur Beschreibung mathematischer und physikalischer

Mehr

KAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:

KAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten: KAPITEL 4 Lineare Ausgleichsrechnung Beispiel 41 Das Ohmsche Gesetz: Eine Meßreihe von Daten: U = RI (U i, I i ) (Spannung, Stromstärke), i = 1,, m Aufgabe: man bestimme aus diesen Meßdaten den Widerstand

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

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

11 Normalformen von Matrizen

11 Normalformen von Matrizen 11 Normalformen von Matrizen Wir wenden uns in diesem Kapitel noch einmal der Untersuchung linearer Abbildungen auf endlichdimensionalen Vektorräumen und deren Darstellung mittels Matrizen zu Speziell

Mehr

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n Über die Komposition der quadratischen Formen von beliebig vielen Variablen 1. (Nachrichten von der k. Gesellschaft der Wissenschaften zu Göttingen, Mathematisch-physikalische Klasse, 1898, S. 309 316.)

Mehr

Musterlösungen zur Linearen Algebra II Blatt 5

Musterlösungen zur Linearen Algebra II Blatt 5 Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Fakultät für Mathematik und Informatik. Seminar über angewandte Analysis. Sommersemester 2007. Der Kreissatz von Gerschgorin

Fakultät für Mathematik und Informatik. Seminar über angewandte Analysis. Sommersemester 2007. Der Kreissatz von Gerschgorin Fakultät für Mathematik und Informatik Lehrgebiet angewandte Mathematik Prof. Dr. H. Linden Dipl.-Math. H.-J. Schäfer Seminar über angewandte Analysis Sommersemester 2007 Der Kreissatz von Gerschgorin

Mehr

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 8 Projektive Invarianz und das kanonische Kamerapaar Kanonisches Kamerapaar aus gegebener Fundamentalmatrix Freiheitsgrade

Mehr

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

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

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

7 Lineare Abbildungen und Lineare Gleichungssysteme

7 Lineare Abbildungen und Lineare Gleichungssysteme 7 LINEARE ABBILDUNGEN UND LINEARE GLEICHUNGSSYSTEME 5 7 Lineare Abbildungen und Lineare Gleichungssysteme 7 Lineare Abbildungen 7 Abbildungen: Eine Verallgemeinerungen des Funktionsbegriffs Bemerkung:

Mehr

Lösungen zu Kapitel 7

Lösungen zu Kapitel 7 Lösungen zu Kapitel 7 Lösung zu Aufgabe 1: Nach Definition 7.1 ist eine Verknüpfung auf der Menge H durch eine Abbildung : H H H definiert. Gilt H = {a 1,..., a m }, so wird eine Verknüpfung auch vollständig

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

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Lineare Ausgleichsprobleme. Lineare Ausgleichsprobleme. Normalgleichungen. Normalgleichungen

Lineare Ausgleichsprobleme. Lineare Ausgleichsprobleme. Normalgleichungen. Normalgleichungen Wir betrachten in diesem Abschnitt das lineare Ausgleichsproblem Ax b 2 = min! (1) Heinrich Voss voss@tu-harburgde Hamburg University of Technology Institute for Numerical Simulation mit gegebenem A R

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration

Mehr

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010 Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver

Mehr

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht

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

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

Mathematik III für Ingenieure

Mathematik III für Ingenieure Mathematik III für Ingenieure im Bachelor-Studiengang Maschinenbau Vorlesung Wintersemester 21/211 B. Schuster aktualisert am 27. Januar 211 Inhalt I. Eigenwerte und Eigenvektoren 1 1. Komplexe Matrizen

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

Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 15 0 6 1. 15 12 x + 3 y 3 z = 15 12 3 3. 15 2 x 3 y = 4 2 3 0.

Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 15 0 6 1. 15 12 x + 3 y 3 z = 15 12 3 3. 15 2 x 3 y = 4 2 3 0. Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 5 0 6 5 2 x + 3 y 3 z = 5 2 3 3 5 2 x 3 y = 4 2 3 0 4 z2 /3 z : 3 2 x 3 y = 4 2 3 0 4 4 x + y z = 5 4 5 6 y + z = 5 0 6 5 z2 + 2 z 2 x 3 y = 4 2

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

3.1. Die komplexen Zahlen

3.1. Die komplexen Zahlen 3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen

Mehr

Matrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen.

Matrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen. Matrixalgebra mit einer Einführung in lineare Modelle Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@statuni-muenchende 25 August 24 Vielen Dank an Christiane Belitz, Manuela Hummel und

Mehr

Statistische Methoden

Statistische Methoden Statistische Methoden Dr CJ Luchsinger 6 Repetition: Rechnen mit Matrizen für die Statistik Matrizen sind aus zwei Gründen für die Statistik sehr wichtig: Sie ermöglichen uns einerseits eine sehr elegante

Mehr

KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren

KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren Beispiel 3.2. Gesucht u(x), das eine Differentialgleichung vom Typ u (x) + λ(x)u(x) = f(x), x [0,], mit den Randbedingungen u(0) = u() = 0

Mehr

Kernel, Perceptron, Regression. Erich Schubert, Arthur Zimek. 2014-07-20 KDD Übung

Kernel, Perceptron, Regression. Erich Schubert, Arthur Zimek. 2014-07-20 KDD Übung Kernel, Perceptron, Regression Erich Schubert, Arthur Zimek Ludwig-Maximilians-Universität München 2014-07-20 KDD Übung Kernel-Fukctionen Kernel kann mehrdeutig sein! Unterscheidet zwischen: Kernel function

Mehr

Gleichungen - Aufgabenstellung und Lösungsstrategien

Gleichungen - Aufgabenstellung und Lösungsstrategien Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung

Mehr

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html

Mehr

Algorithmen II Vorlesung am 15.11.2012

Algorithmen II Vorlesung am 15.11.2012 Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales

Mehr

Zusatztutorium, 25.01.2013

Zusatztutorium, 25.01.2013 Zusatztutorium, 25.01.2013 David Müßig muessig[at]mi.fu-berlin.de http://page.mi.fu-berlin.de/def/tutorium/ WiSe 12/13 1 Der Homomorphiesatz Der Homomorphiesatz scheint für viele eine Art rotes Tuch zu

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.

Mehr

Klausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth

Klausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung Mathematik Klausuraufgaben zur Mathematik - von Wolfgang Langguth Aufgabenstellungen

Mehr

Kapitel IR:III (Fortsetzung)

Kapitel IR:III (Fortsetzung) Kapitel IR:III (Fortsetzung) III. Retrieval-Modelle Modelle und Prozesse im IR Klassische Retrieval-Modelle Bool sches Modell Vektorraummodell Retrieval-Modelle mit verborgenen Variablen Algebraisches

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur Analysis II Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen

Mehr

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG ¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht

Mehr

Mathematik I für Wirtschaftswissenschaftler

Mathematik I für Wirtschaftswissenschaftler 1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.

Mehr

6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte

6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte Numerik I Version: 240608 40 6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte Die zwei wichtigsten Aufgaben der linearen Algebra: Lösung linearer Gleichungssysteme: Ax = b, wobei die n

Mehr

Numerische Behandlung des Eigenwertproblems

Numerische Behandlung des Eigenwertproblems Numerische Behandlung des Eigenwertproblems Zusammenfassung Das Ziel dieses Vortrages ist, zwei gute Methoden für die numerische Bestimmung der Eigenwerte zu zeigen und wie man diese mit Matlab anwenden

Mehr

Lineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche

Lineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche Lineare Algebra für Informatiker TUM Sommersemester 20 Dozent: Christian Pötzsche Janosch Maier 3. Juli 20 Herzlichen Dank an Lucas Westermann, Florian Scheibner (https://github. com/lswest/lamitschrift)

Mehr

Invariantentheorie. Vorlesung 5. Invariantenringe zu Untergruppen

Invariantentheorie. Vorlesung 5. Invariantenringe zu Untergruppen Prof. Dr. H. Brenner Osnabrück WS 2012/2013 Invariantentheorie Vorlesung 5 Invariantenringe zu Untergruppen Proposition 5.1. Es sei R G R eine Operation einer Gruppe G auf einem kommutativen Ring durch

Mehr

Klausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth

Klausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth Hochschule für Technik und Wirtschaft des Saarlandes University of Applied Sciences Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung

Mehr

Betragsgleichungen und die Methode der Fallunterscheidungen

Betragsgleichungen und die Methode der Fallunterscheidungen mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at

Mehr

2.1 Codes: einige Grundbegriffe

2.1 Codes: einige Grundbegriffe Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen

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

Inhaltsverzeichnis 1 Lineare Gleichungssysteme I

Inhaltsverzeichnis 1 Lineare Gleichungssysteme I Inhaltsverzeichnis 1 Lineare Gleichungssysteme I 3 1.1 Mengen und Abbildungen....................................... 3 1.1.1 Mengen und ihre Operationen.............................. 3 1.1.2 Summen- und

Mehr

Lineare Gleichungssysteme I (Matrixgleichungen)

Lineare Gleichungssysteme I (Matrixgleichungen) Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst

Mehr

Einfache Differentialgleichungen

Einfache Differentialgleichungen Differentialgleichungen (DGL) spielen in der Physik eine sehr wichtige Rolle. Im Folgenden behandeln wir die grundlegendsten Fälle 1, jeweils mit einer kurzen Herleitung der Lösung. Dann schliesst eine

Mehr

Mathematischer Vorkurs für Physiker WS 2009/10

Mathematischer Vorkurs für Physiker WS 2009/10 TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,

Mehr

Der Golay-Code und das Leech-Gitter

Der Golay-Code und das Leech-Gitter Der Golay-Code und das Leech-Gitter Vortrag zum Seminar Gitter und Codes Nils Malte Pawelzik.5.5 Inhaltsverzeichnis Designs 3. Elementare Eigenschaften eines Designs und die Eindeutigkeit eines - (, 5,

Mehr

Vorwort. Günter M. Gramlich. Lineare Algebra. Eine Einführung ISBN: 978-3-446-43035-8. Weitere Informationen oder Bestellungen unter

Vorwort. Günter M. Gramlich. Lineare Algebra. Eine Einführung ISBN: 978-3-446-43035-8. Weitere Informationen oder Bestellungen unter Vorwort Günter M. Gramlich Lineare Algebra Eine Einführung ISBN: 978-3-446-43035-8 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-43035-8 sowie im Buchhandel. Carl Hanser

Mehr

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die

Mehr

Die reellen Lösungen der kubischen Gleichung

Die reellen Lösungen der kubischen Gleichung Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................

Mehr