Lineare Algebra II 5. Übungsblatt

Größe: px
Ab Seite anzeigen:

Download "Lineare Algebra II 5. Übungsblatt"

Transkript

1 Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen, wenn jedes nicht-konstante Polynom eine Nullstelle in hat Welche der folgenden Mengen sind algebraisch abgeschlossene Körper? (a) (b) (c) (d) (e) Zeigen Sie ihre Aussagen für die Mengen, die keine algebraisch abgeschlossenen Körper sind Lösung: Von den angegebenen Mengen ist nur ein algebraisch abgeschlossener Körper ist kein algebraisch abgeschlossener Körper, da die ganzen Zahlen keinen Körper bilden und sind keine algebraisch abgeschlossenen Körper, da das Polynom x + in ihnen keine Nullstellen hat ist kein algebraisch abgeschlossener Körper, da das Polynom x + x + keine Nullstelle in hat Aufgabe G (Charakteristisches Polynom) Es sei V ein endlichdimensionaler Vektorraum und U, U,, U n V Untervektorräume von V mit V = U U U n Außerdem sei f : V V eine lineare Abbildung und die Unterräume U i seien f -invariant, dh es gilt f (U i ) U i, i n Das charakteristische Polynom einer linearen Abbildung ist gleich dem charakteristischen Polynom der Matrix dieser Abbildung bezüglich einer beliebigen Basis Es sei f i := f Ui : U i V Zeigen Sie, dass das charakteristische Polynom von f gleich dem Produkt der charakteristischen Polynome aller f i ist Lösung: Man wählt für alle U i eine Basis B i B sei das Tupel von Vektoren, dass aus den Vektoren aller B i besteht (wobei die Reihenfolge so sein soll, dass zuerst die Vektoren aus B, dann die aus B usw kommen) Wegen V = U U U n ist B dann eine Basis von V Ich bezeichne das charakteristische Polynom von f mit p f und das von f i mit p fi Dann gilt p f (t) = det [ f t id] B Wegen der Gestalt von B und da U i f -invariant ist, hat die Matrix [ f t id] B Blockdiagonalgestalt, wobei die Blöcke gerade die Form [ f i t id] Bi haben Daraus ergibt sich p f (t) = det [ f t id] B = n det [ f i t id] Bi = i= n p fi i=

2 wzbw Aufgabe G3 (Fibonacci-Zahlen) Wir definieren rekursiv eine Folge (f n ) n natürlicher Zahlen durch Die so konstruierten Zahlen f n heißen Fibonacci-Zahlen (a) Berechnen Sie die ersten 8 Fibonacci-Zahlen f :=, f :=, f n+ := f n + f n+ n (b) Für jedes n setzen wir x n := (f n, f n+ ) T Finden Sie eine -Matrix A mit x n+ = A x n Mit vollständiger Induktion folgt dann x n = A n x Insbesondere ist die Fibonacci-Zahl f n der erste Eintrag des Vektors A n x (c) Bestimmen Sie eine explizite Formel für die n-te Fibonacci-Zahl, indem Sie die Potenzen A n bestimmen Lösung: (a) Es gilt f =, f =, f 3 =, f = 3, f =, f 6 = 8, f 7 = 3 und f 8 = (b) Es muss gelten A fn f n+ = Ax n = x n+ = fn+ f n+ = f n+ f n + f n+ Dies ist offensichtlich für die Matrix A = erfüllt (c) Die Matrix hat die Eigenwerte ( ± ) mit den Eigenvektoren x = (, ( + )) T und x = (, ( )) T Mit der Transformationsmatrix S := (x x ) gilt also S AS = ( + ) ( ) Es folgt A n = S(S AS) n S = S = det S ( + ) n ( + ) ( ) ( ) n ( + ) n S ( ) ( ) n ( + ) A n x = = = ( + ) ( ) ( + ) ( ) ( + ) ( ) ( + ) n ( + ) n = ( ) n ( + ) n ( ) n+ ( + ) n+ ( + ) n ( ) n ( ) ( ) n ( + ) ( ) ( ) n ( + ) Da die n-te Fibonacci-Zahl der erste Eintrag von A n x ist, folgt n n + f n =

3 Aufgabe G (Euklidischer Algorithmus) Es seien a und b zwei ganze Zahlen (a) Beschreiben Sie einen Algorithmus zur Bestimmung des größten gemeinsamen Teilers von a und b Machen Sie sich auch klar, warum er funktioniert (b) Berechnen Sie mit Hilfe des gerade beschriebenen Algorithmus g g T(9, ) und g g T(3, ) (c) Machen Sie sich klar, dass man mit Hilfe des Euklidischen Algorithmus immer Zahlen l, m mit g g T(a, b) = la + mb finden kann Tipp: Setzen Sie die Gleichungen im Algorithmus von unten nach oben ineinander ein (d) Bestimmen Sie mit Hilfe des Euklidischen Algorithmus Zahlen l, m mit g g T(, 3) = l + 3m (e) Es sei auch c eine ganze Zahl Welche Bedingung muss c erfüllen, damit es ganze Zahlen x und y gibt mit Beweisen Sie ihre Behauptung ax + b y = c (f) Das Verfahren funktioniert für Polynome genauso Bestimmen Sie den größten gemeinsamen Teiler der Polynome Lösung: Finden Sie außerdem Polynome r(t) und s(t) mit p(t) = t + t 3 + t + t und q(t) = t 3 + g gt(p(t), q(t)) = r(t)p(t) + s(t)q(t) (a) Der Algorithmus ist derselbe, wie der aus der letzten Hausübung bekannte für Polynome Dh man stellt zuerst fest, dass in den ganzen Zahlen immer eine Division mit Rest möglich ist, dh es gibt eindeutig bestimmte ganze Zahlen q, r mit a = q b + r und < r < b Im zweiten Schritt führt man dann eine Division mit Rest der Zahlen b und r durch Dh es gibt eindeutig bestimmte ganze Zahlen q, r mit b = q r + r und < r < r Im i-ten Schritt führt man eine Division mit Rest der Zahlen r i und r i durch Dh es gibt eindeutig bestimmte ganze Zahlen q i, r i mit r i = q i r i + r i und < r i < r i Der Algorithmus bricht ab, wenn der Rest Null ist Der letzte von Null verschiedene Rest ist dann der gesuchte g g T Beim Durchführen des Algorithmus ergibt sich die Folge von Gleichungen a = q b + r, < r < b b = q r + r, < r < r r = q 3 r + r 3, < r 3 < r r n = q n r n + r n, r n = q n+ r n + < r n < r n Da die Reste natürliche Zahlen sind, die in jedem Schritt kleiner werden, muss es irgendwann einen Rest Null geben, dh der Algorithmus bricht ab An der letzten Zeile erkennt man, dass r n = g g T(r n, r n ) gilt An der vorletzten Zeile sieht man, dass jeder gemeinsame Teiler von r n und r n auch ein Teiler von r n ist Andererseits ist auch jeder gemeinsame Teiler von r n und r n ein Teiler von r n Daraus schließt man, dass g g T(r n, r n ) = g gt(r n, r n ) gilt Mit derselben Argumentation für jede Zeile des Algorithmus erhält man r n = g gt(r n, r n ) = g gt(r n, r n ) = = g g T(r, r ) = g g T(r, b) = g g T(b, a) Dh der Algorithmus liefert tatsächlich den größten gemeinsamen Teiler 3

4 (b) Dh es gilt g gt(9, ) = 6 Dh es gilt g gt(3, ) = 9 = = = = + 3 = = + 8 = = = 3 + (c) Aus der vorletzten Zeile des euklidischen Algorithmus erhält man Die Zeile davor kann man Umformen zu g g T(a, b) = r n = r n q n r n r n = r n 3 q n r n Setzt man dies nun in die letzte Gleichung ein erhält man g gt(a, b) = r n q n (r n 3 q n r n ) = q n r n 3 + ( + q n q n )r n Dieses Verfahren kann man so fortsetzen Man erhält dadurch in jedem Schritt eine Darstellung von g g T(a, b) als ganzzahlige Linearkombination von r i und r i, wobei das i in jedem Schritt um eins kleiner wird (hier kann man b = r und a = r setzen) Im letzten Schritt hat man dann die gesuchte Darstellung g g T(a, b) = la + mb (d) Durch das eben beschriebene Verfahren erhält man aus dem im Aufgabenteil (b) durchgeführen Algorithmus g gt(, 3) = = 8 6 Die gesuchten Zahlen sind also l = und m = 7 = 8 ( 8) = = + 3 (3 ) = 3 3 = 3 3 ( 3) = (e) Diese Gleichung ist genau dann lösbar, wenn d := g g T(a, b) ein Teiler von c ist Wenn d c nicht teilt, dann ist d immer ein Teiler von ax + b y, aber keiner von c, die Gleichheit ax + b y = c kann also nie erfüllt sein Wenn d c teilt gibt es eine ganze Zahle z mit c = d z Außerdem gibt es nach Aufgabenteil (c) ganze Zahlen l und m mit al + bm = d Damit gilt auch a(lz) + b(mz) = d z = c Dh die gegebene Gleichung hat die ganzzahligen Lösungen x = lz und y = mz (f) Der Euklidische Algorithmus liefert Dh es gilt Aus den Gleichungen ergibt sich t + t 3 + t + t = (t + )(t 3 + ) + (t ) t 3 + = t(t ) + (t + ) (t ) = (t )(t + ) + g g T(p(t), q(t)) = t + g gt(p(t), q(t)) = t + = t 3 + t(t ) Dh die gesuchten Polynome sind r(t) = t und s(t) = t + t + = q(t) t(p(t) (t + )q(t)) = t p(t) + (t + t + )q(t)

5 Hausübung Aufgabe H (Charakteristisches Polynom) Es sei A = a a a 3 a a a 3 a 3 a 3 a 33 eine allgemeine reelle 3 3-Matrix Des Weiteren sei eine Abbildung F : M 3 (), A a a + a a 33 + a a 33 a a a 3 a 3 a 3 a 3 (a) Ist F eine lineare Abbildung? Zeigen Sie ihre Behauptung (b) Berechnen Sie das charakteristische Polynom p A von A in Abhängigkeit der Einträge a i j (c) Zeigen Sie, dass für alle invertierbaren, reellen 3 3 Matrizen S gilt Lösung: (a) F ist nicht linear, denn es gilt für λ {, } F(S AS) = F(A) F(λA) = λa λa + λa λa 33 + λa λa 33 λa λa λa 3 λa 3 λa 3 λa 3 = λ F(A) λf(a) (b) Aus der Vorlesung ist bekannt, dass das charakteristische Polynom die Gestalt p A (t) = t 3 + (tr A)t + bt + det A hat Es ist also nur noch der Koeffizient b zu bestimmen Es gilt p A (t) = det a t a a 3 a a t a 3 a 3 a 3 a 33 t = (a t)(a t)(a 33 t) + a a 3 a 3 + a 3 a a 3 a 3 (a t)a 3 a a (a 33 t) (a t)a 3 a 3 Dh der Koeffizient von p A vor t ist und das charakteristische Polynom hat die Gestalt a a a a 33 a a 33 + a a + a 3 a 3 + a 3 a 3 p A (t) = t 3 + (a + a + a 33 )t + ( a a a a 33 a a 33 + a a + a 3 a 3 + a 3 a 3 )t +a a a 33 + a a 3 a 3 + a 3 a a 3 a 3 a a 3 a a a 33 a a 3 a 3 (c) Da ähnliche Matrizen dasselbe charakteristische Polynom haben (siehe zum Beispiel Tutorium Aufgabe T), ist insbesondere der Koeffizient vor t im charakteristischen Polynom bei ähnlichen Matrizen gleich Da dieser Koeffizient gerade F(A) ist (siehe Aufgabenteil (b)) folgt sofort F(S AS) = F(A) Aufgabe H (Diagonalisierbarkeit) In dieser Aufgabe wird a als Element von, bzw aufgefasst Sei M = {,, 3, } Geben Sie jeweils eine Matrix a a C = mit a a 3 a i M an, die mindestens drei verschiedene Einträge hat und (a) über diagonalisierbar ist, über jedoch nicht

6 (b) über diagonalisierbar ist, aber über und nicht (c) über diagonalisierbar ist, über jedoch nicht Beweisen Sie ihre Behauptungen Geben Sie weiterhin eine Matrix mit Einträgen in an, die über diagonalisierbar ist, aber über nicht Lösung: Das charakteristische Polynom ist bekanntlich p C (t) = t (tr C)t + det C = Damit hat man in die Lösungsformel λ, = a + a ± (a + a ) a a + a a 3 Interessant ist offenbar der Ausdruck H = (a + a ) a a + a a 3 = (tr C) det C unter der Wurzel Die Lösungsformel gilt auch für, wenn H ist, ansonsten gibt es in keine Eigenwerte Die analoge Formel gilt auch in, wenn man beachtet, dass die Wurzel nur von, und gezogen werden kann Es gilt dann in ± =, =, =, =, = 3 Für H = oder H = 3 modulo hat die Matrix also keine Eigenwerte in (a) C ist in diagonalisierbar, wenn H eine Quadratzahl ungleich Null ist (denn dann gibt es verschiedene Eigenwerte in ) Wenn zusätzlich H Null modulo ist, könnte es über nicht diagonalisierbar sein (das muss dann aber noch überprüft werden) Dies ist der Fall für tr C = 7 und det C = 6, also zb für C = 3 3 Man erkennt sofort, dass die linear unabhängigen Eigenvektoren über v = 3 und v = sind Diese sind modulo gleich, dh die Matrix besitzt in keine Basis aus Eigenvektoren, ist also nicht diagonalisierbar (b) Dafür ist es hinreichend, daß H kein Quadrat ist, modulo kein Quadtrat ist und H gilt Dies ist zb für H =, tr C = 6 und det C = 6 der Fall Ein Beispiel wäre also C = (c) Dazu darf H kein Quadrat sein, H muss aber modulo ein Quadrat sein Dies ist zb für H =, tr C = und det C = der Fall Ein Beispiel dafür ist 3 C = Die Matrix C = Aufgabe H3 (Nilpotente Matrizen) Zeigen Sie, dass die Matrix 3 3 ist über bereits diagonalisiert, über ist dies jedoch nicht möglich A = nilpotent ist (dh eine Potenz von A ist Null) Bestimmen Sie außerdem eine invertierbare Matrix S für die S AS eine obere Dreiecksmatrix ist und geben Sie die Matrix S AS an 6

7 Lösung: Es gilt A = A 3 = = = 8 8 und Dh A ist nilpotent Um S zu bestimmen suchen wir zunächst eine Basis B des, bzgl der f A eine obere Dreiecksmatrix ist Dazu benutzen wir die Anleitung aus Aufgabe G vom letzten Übungsblatt Es sei also V := {} = im A 3, V := im A, V := im A, V 3 := = im A = im E Da das Bild einer Matrix immer von ihren Spaltenvektoren aufgespannt wird, gilt V = im 8 8 = span 8 = span Als ersten Basisvektor von B wählen wir also b = Des Weiteren gilt V = im = span , = span, 6 3 3, 8, Dh wir wählen als zweiten Basisvektor b = Nun ergänzen wir {b, b } zu einer Basis von Dies kann zb durch die Vektoren geschehen b 3 =, b = 7

8 Nun ist S die folgende Basiswechselmatrix S := [id] B E = Wegen A b = A b = A b 3 = A b = = b = b und = 3b = gilt dann S AS = [f A ] B = 3 8

Lineare Algebra II 9. Übungsblatt

Lineare Algebra II 9. Übungsblatt Lineare Algebra II 9. Übungsblatt Fachbereich Mathematik SS Prof. Dr. Kollross 5./6. Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest: ohne Benutzung des Skripts und innerhalb von Minuten!)

Mehr

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar. http://www.math.uni-bielefeld.

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar. http://www.math.uni-bielefeld. Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung:

Mehr

Algorithmus zur Berechnung der Jordannormalform

Algorithmus zur Berechnung der Jordannormalform Algorithmus zur Berechnung der Jordannormalform Olivier Sète 19. Januar 2011 Inhaltsverzeichnis 1 Motivation 1 2 Algorithmus Wie und warum funktioniert das? 2 2.1 Zutat 1 Für einen Jordanblock.........................

Mehr

Lineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya

Lineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya Lineare Abhängigkeit und Unabhängigkeit -E Ma Lubov Vassilevskaya Eindimensionaler Raum Abb. -: Zwei nicht gleiche Vektoren auf der gleichen Gerade Jeden Vektor, der auf einer Geraden liegt, kann man durch

Mehr

1.9 Eigenwerte und Eigenvektoren

1.9 Eigenwerte und Eigenvektoren .9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..

Mehr

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein

Mehr

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

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

Mehr

8 Lineare Abbildungen

8 Lineare Abbildungen 80 8 Lineare Abbildungen In diesem Kapitel untersuchen wir lineare Abbildungen von R n nach R m wie zum Beispiel Spiegelungen, Drehungen, Streckungen und Orthogonalprojektionen in R 2 und R 3 Man nennt

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Ergänzung Eigenwerte und Eigenvektoren Motivation Definitionen Beispiele im IR 2 Beispiele im IR 3 Eigenwerte und Eigenvektoren Motivation Lineare Abbildungen, Ausgangsvektor und Bildvektor Lineare Abbildungen

Mehr

Kapitel III. Lineare Abbildungen

Kapitel III. Lineare Abbildungen Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

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

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 19 Algebraisch abgeschlossene Körper Wir haben zuletzt erwähnt, dass ein lineares Polynom X a über einem Körper stets irreduzibel

Mehr

8. Übungsblatt zur Mathematik I für Maschinenbau

8. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 8. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS / 6..-.. Aufgabe G (Matrixinversion mit Gauß-Algorithmus

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

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v

Kap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v Kap 1: VEKTORRÄUME Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung ϕ : I X, i ϕ(i) = x i, wobei die Menge I in diesem Zusammenhang auch Indexmenge genannt wird. Man schreibt vereinfacht

Mehr

1 Wiederholung LA. 1.1 Vektorräume

1 Wiederholung LA. 1.1 Vektorräume 1 Wiederholung LA 1.1 Vektorräume Definition der Vektorräume über einem Körper K (siehe Fischer). Beispiele für Vektorräume sind: Der Vektorraum der Parallelverschiebungen des Anschauungsraumes. M(m n,

Mehr

4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung

4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung 4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung In vielen Anwendungen treten lineare Gleichungssysteme auf, die eine unterschiedliche Anzahl von Gleichungen und Unbekannten besitzen: Ax

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

4 Gleichungen und Ungleichungen

4 Gleichungen und Ungleichungen In diesem Kapitel werden Techniken zur Bestimmung der Lösungsmengen von Gleichungen und Ungleichungen rekapituliert. 4.1 Eindimensionale Gleichungen und Ungleichungen Eine Gleichung oder Ungleichung ohne

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

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

2 Rationale und reelle Zahlen

2 Rationale und reelle Zahlen 2 reelle Es gibt Mathematik mit Grenzwert (Analysis) und Mathematik ohne Grenzwert (z.b Algebra). Grenzwerte existieren sicher nur dann, wenn der Zahlbereich vollständig ist, also keine Lücken aufweist

Mehr

Die Lineare Algebra-Methode. Mahir Kilic

Die Lineare Algebra-Methode. Mahir Kilic Die Lineare Algebra-Methode Mahir Kilic 23. Juni 2004 1 Einführung 1.1 Überblick Im Allgemein benutzt man die Lineare Algebra-Methode in der Kombinatorik wie folgt: Für die Bestimmung einer Obergrenze

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

Arithmetik und Algebra

Arithmetik und Algebra Willkommen Gliederung "Hallo Welt!" für Fortgeschrittene Friedrich-Alexander-Universität Erlangen-Nürnberg Institut für Informatik Lehrstuhl 2 7. Juni 2005 Willkommen Gliederung Gliederung 1 Repräsentation

Mehr

Analysis II. Vorlesung 48. Die Hesse-Form

Analysis II. Vorlesung 48. Die Hesse-Form Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 48 Die Hesse-Form Wir sind natürlich auch an hinreichenden Kriterien für das Vorliegen von lokalen Extrema interessiert. Wie schon im eindimensionalen

Mehr

11. Primfaktorzerlegungen

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

Mehr

Mathematik II. D K, z P(z) Q(z), wobei D das Komplement der Nullstellen von Q ist, eine rationale Funktion.

Mathematik II. D K, z P(z) Q(z), wobei D das Komplement der Nullstellen von Q ist, eine rationale Funktion. rof. Dr. H. Brenner Osnabrück SS 200 Mathematik II Vorlesung 34 Wir erinnern an den Begriff einer rationalen Funktion. Definition 34.. Zu zwei olynomen,q K[X], Q 0, heißt die Funktion D K, z (z) Q(z),

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

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

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

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Vektoren und Matrizen Einführung: Wie wir gesehen haben, trägt der R 2, also die Menge aller Zahlenpaare, eine Körperstruktur mit der Multiplikation (a + bi(c + di ac bd + (ad + bci Man kann jedoch zeigen,

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

Vektorräume und Rang einer Matrix

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

Mehr

Rechnen modulo n. Bernhard Ganter. Institut für Algebra TU Dresden D-01062 Dresden

Rechnen modulo n. Bernhard Ganter. Institut für Algebra TU Dresden D-01062 Dresden Rechnen modulo n Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Kanonische Primfaktorzerlegung Jede natürliche Zahl n > 0 kann auf eindeutige Weise in der

Mehr

Lösen einer Gleichung

Lösen einer Gleichung Zum Lösen von Gleichungen benötigen wir: mindestens einen Term eine Definition der in Frage kommenden Lösungen (Grundmenge) Die Grundmenge G enthält all jene Zahlen, die als Lösung für eine Gleichung in

Mehr

Zahlentheorie. Axel Schüler, Mathematisches Institut, Univ. Leipzig mailto:schueler@mathematik.uni-leipzig.de 24.10.2002

Zahlentheorie. Axel Schüler, Mathematisches Institut, Univ. Leipzig mailto:schueler@mathematik.uni-leipzig.de 24.10.2002 Zahlentheorie Axel Schüler, Mathematisches Institut, Univ. Leipzig mailto:schueler@mathematik.uni-leipzig.de 24.10.2002 Zur Zahlentheorie rechnen wir Aufgaben, die über dem Bereich = {1, 2,... } der natürlichen

Mehr

48 Symplektische Geometrie und Klassische Mechanik

48 Symplektische Geometrie und Klassische Mechanik 48 Symplektische Geometrie und Klassische Mechanik Zusammenfassung Zum Schluss der Vorlesung gehen wir noch auf eine geometrische Struktur ein, die wie die euklidische oder die Minkowski-Struktur im Rahmen

Mehr

4 Einige Grundstrukturen. Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper

4 Einige Grundstrukturen. Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper 4 Einige Grundstrukturen Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper Abbildungen Seien X und Y Mengen. Eine (einstellige) Abbildung f : X Y ordnet jedem x X genau ein Element

Mehr

Aufgabe 1 (LGS mit Parameter): Bestimmen Sie die Lösungsmengen des folgenden LGS in Abhängigkeit vom Parameter :

Aufgabe 1 (LGS mit Parameter): Bestimmen Sie die Lösungsmengen des folgenden LGS in Abhängigkeit vom Parameter : Mathematik MB Übungsblatt Termin Lösungen Themen: Grundlagen Vektoren und LGS ( Aufgaben) DHBW STUTTGART WS / Termin SEITE VON Aufgabe (LGS mit Parameter): Bestimmen Sie die Lösungsmengen des folgenden

Mehr

Rechenregeln für Summen

Rechenregeln für Summen Rechenregeln für Summen Im Umgang mit Summen sind gewisse Regeln zu beachten. 1 Summe gleicher Summanden Betrachten wir folgende Summe: x Hier enthält x keinen Summationsindex, d.h. es wird x einfach n-mal

Mehr

Differenzengleichungen. und Polynome

Differenzengleichungen. und Polynome Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen

Mehr

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ). Aufgabe Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(3A E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A 3E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Bild(A

Mehr

4.4 Orthogonalisierungsverfahren und die QR-Zerlegung

4.4 Orthogonalisierungsverfahren und die QR-Zerlegung 4.4 Orthogonalisierungsverfahren und die QR-Zerlegung Die Zerlegung einer regulären Matrix A R n n in die beiden Dreiecksmatrizen L und R basiert auf der Elimination mit Frobeniusmatrizen, d.h. R = FA,

Mehr

DEMO für www.mathe-cd.de

DEMO für www.mathe-cd.de (1) Rechnen mit Paaren und Tripeln () Eine Gleichung mit oder 3 Unbekannten (3) Zwei Gleichungen mit 3 Unbekannten Datei Nr. 61 011 Stand 19. Oktober 010 Friedrich W. Buckel INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK

Mehr

Fibonacci-Zahlen. Geschichte. Definition. Quotienten

Fibonacci-Zahlen. Geschichte. Definition. Quotienten Mathematik/Informatik Die Fibonacci-Zahlen Gierhardt Fibonacci-Zahlen Geschichte Im Jahre 0 wurde in Pisa ein Buch über das indischarabische Dezimalsystem von dem italienischen Mathematiker Leonardo Fibonacci

Mehr

LAF Mathematik. Näherungsweises Berechnen von Nullstellen von Funktionen

LAF Mathematik. Näherungsweises Berechnen von Nullstellen von Funktionen LAF Mathematik Näherungsweises Berechnen von Nullstellen von Funktionen von Holger Langlotz Jahrgangsstufe 12, 2002/2003 Halbjahr 12.1 Fachlehrer: Endres Inhalt 1. Vorkenntnisse 1.1 Nicht abbrechende Dezimalzahlen;

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

Kombinatorische Geometrien

Kombinatorische Geometrien KAPITEL 5 Kombinatorische Geometrien Beispiele von Geometrien wurden schon als Inzidenzstrukturen (z.b. projektive Ebenen) gegeben. Wir nehmen hier einen anderen Standpunkt ein und verstehen unter einer

Mehr

y x x y ( 2x 3y + z x + z

y x x y ( 2x 3y + z x + z Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = 0 4 0 0 0 0 0 Berechnen Sie

Mehr

Diskrete Optimierungsverfahren zur Lösung von Sudokus

Diskrete Optimierungsverfahren zur Lösung von Sudokus Diskrete Optimierungsverfahren zur Lösung von Sudokus Seminarvortrag von Daniel Scholz am 6. Dezember 2006 Am Beispiel der Lösung von Sudokurätseln mit Hilfe der linearen Optimierung werden verschiedenen

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Übersicht Lineare Gleichungssystem mit 2 Variablen 1 Lineare Gleichungssystem mit 2 Variablen Beispiele 2 Fakultät Grundlagen Folie: 2 Beispiel I Lineare

Mehr

1. Grundbegriffe:... 2. 2. Das Lösen von Gleichungen... 5. 3. Lineare Gleichungen... 8. 4. Quadratische Gleichungen... 9

1. Grundbegriffe:... 2. 2. Das Lösen von Gleichungen... 5. 3. Lineare Gleichungen... 8. 4. Quadratische Gleichungen... 9 INHALTSVERZEICHNIS 1. Grundbegriffe:... 2 2. Das Lösen von Gleichungen... 5 3. Lineare Gleichungen... 8 4. Quadratische Gleichungen... 9 5. Bruchtermgleichungen... 13 6. Wurzelgleichungen... 13 7. Gleichungen

Mehr

Das Simplexverfahren

Das Simplexverfahren Byron Das Simplexverfahren. Worum es geht: Es ist eine lineare Gleichung f gegeben, sowie ein System von Ungleichungen, die nähere Aussagen über die Unbekannten von f geben. Durch das Simplexverfahren

Mehr

10. Die komplexen Zahlen.

10. Die komplexen Zahlen. 10-1 Funktionen 10 Die kompleen Zahlen Dies ist ein Thema, das unberechtigter Weise als schwer gilt! Die Konstruktion der kompleen Zahlen ist viel einfacher zu verstehen ist, als einige der bisherigen

Mehr

3. Übungsblatt Aufgaben mit Lösungen

3. Übungsblatt Aufgaben mit Lösungen . Übungsblatt Aufgaben mit Lösungen Aufgabe 6: Gegeben seien die Ebene E : 4x + x + 8 =, der Punkt P = ( und die Gerade H : x(λ = (4,, + λ(,,, λ R. (a Bestimmen Sie eine Gerade durch den Punkt P, die senkrecht

Mehr

Inhaltsverzeichnis. 1 Definition: Interpolationsproblem 2 1.1 Problemstellung... 2 1.2 Eigenschaften... 2 1.3 Varianten... 2

Inhaltsverzeichnis. 1 Definition: Interpolationsproblem 2 1.1 Problemstellung... 2 1.2 Eigenschaften... 2 1.3 Varianten... 2 Dieser Artikel behandelt einige Interpolationsverfahren. Numerische Verfahren kann man nur mit der dazugehörigen Theorie verstehen und anwenden. Daher sind hier auch Theorie-Anteile und Beweise enthalten.

Mehr

Koordinaten und darstellende Matrizen

Koordinaten und darstellende Matrizen Koordinaten und darstellende Matrizen Olivier Sète 23 Juli 200 Inhaltsverzeichnis Koordinatenabbildung 5 Definition und Eigenschaften 5 2 Beispiele 6 2 Matrixdarstellung eines Vektorraumhomomorphismus

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

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

Lösungen zu Übung(11) Erster Teil A E=

Lösungen zu Übung(11) Erster Teil A E= Lösungen zu Übung Erster Teil a Betrachten Sie die Matrix A = Die Eigenwerte sind λ = mit algebraischer Vielfachheitundλ =mitalgebraischervielfachheit,unddiematrix A E= hatrang, alsokerndimensionnur, somitistdereigenraumzuλ

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

Mathematik II. Vorlesung 49. Der Banachsche Fixpunktsatz

Mathematik II. Vorlesung 49. Der Banachsche Fixpunktsatz Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 49 Der Banachsche Fixpunktsatz Satz 49.1. Es sei M ein nicht-leerer vollständiger metrischer Raum und f :M M eine stark kontrahierende Abbildung.

Mehr

Ferienkurs Analysis I für Physiker WS 15/16 Aufgaben Tag 1. Aufgaben Tag 1. (1 + i) 2 = 0 + 2i. = i 1 + i = i1 i = 1 2 2 + i 2

Ferienkurs Analysis I für Physiker WS 15/16 Aufgaben Tag 1. Aufgaben Tag 1. (1 + i) 2 = 0 + 2i. = i 1 + i = i1 i = 1 2 2 + i 2 Ferienurs Analysis I für Physier WS 15/16 Aufgaben Tag 1 1 Komplee Zahlen I Aufgaben Tag 1 Berechnen Sie Real- und ImaginÃďrteil von a) (1 + i) (1 + i) 0 + i b) 1 + 1 1 i ( 1 + 1 i ) 1 ( 1 + i i ) 1 i

Mehr

Polynome. Axel Schüler, Mathematisches Institut, Univ. Leipzig mailto:schueler@mathematik.uni-leipzig.de

Polynome. Axel Schüler, Mathematisches Institut, Univ. Leipzig mailto:schueler@mathematik.uni-leipzig.de Polynome Axel Schüler, Mathematisches Institut, Univ. Leipzig mailto:schueler@mathematik.uni-leipzig.de März 2000 Polynome, auch ganzrationale Funktionen genannt, sind die einfachsten Funktionen überhaupt.

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

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge 1 Mengensysteme Ein Mengensystem ist eine Familie von Teilmengen einer Grundmenge und damit eine Teilmenge der Potenzmenge der Grundmenge. In diesem Kapitel untersuchen wir Mengensysteme, die unter bestimmten

Mehr

Komplexe Zahlen. Kapitel 1. 1.1 Definitionen 18.4.01

Komplexe Zahlen. Kapitel 1. 1.1 Definitionen 18.4.01 Kapitel Komplexe Zahlen Motivation: die Gleichung x = hat offensichtlich keine reellen Lösungen, da x 0 für jedes reelle x gilt Um auch diese Gleichung lösen zu können, muß man neue Zahlen einführen: die

Mehr

Kapitel 4. Reihen 4.1. Definition und Beispiele

Kapitel 4. Reihen 4.1. Definition und Beispiele Kapitel 4. Reihen 4.1. Definition und Beispiele Ist (a n ) eine Folge von Zahlen, so heißt der formale Ausdruck a ν = a 0 + a 1 + a 2 +... eine Reihe; die einzelnen a ν sind die Glieder dieser Reihe. Um

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

Diskrete Strukturen. Abgabetermin: 20. September 2011, 14 Uhr in die DS Briefkästen

Diskrete Strukturen. Abgabetermin: 20. September 2011, 14 Uhr in die DS Briefkästen Technische Universität München Fakultät für Informatik Lehrstuhl für Effiziente Algorithmen Prof. Dr. Ernst W. Mayr Dr. Werner Meixner Sommersemester 2011 Übungsblatt 5 12. September 2011 Diskrete Strukturen

Mehr

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in

Mehr

Lineare Gleichungen Lineare Gleichungssysteme. Lineare Algebra 5. Ein Trainingsheft für Schüler

Lineare Gleichungen Lineare Gleichungssysteme. Lineare Algebra 5. Ein Trainingsheft für Schüler Lineare Gleichungen Lineare Gleichungssysteme Lineare Algebra Ein Trainingsheft für Schüler Manuelle Lösungen ohne Rechnerhilfen und (hier) ohne Determinanten Datei Nr. 600 Stand 8. September 04 FRIEDRICH

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

Klausur Linearen Algebra 1 Musterlösung: Aufgabe A

Klausur Linearen Algebra 1 Musterlösung: Aufgabe A Klausur Linearen Algebra 1 Musterlösung: Aufgabe A Wir betrachten den Unterraum V = K[X] 4 aller Polynome vom Grad 4 und die lineare Abbildung f : V K 2 ; P (P (1), P (0)). Es bezeichne v 1,..., v 5 die

Mehr

Sage 3: Lineare Algebra

Sage 3: Lineare Algebra Sage 3: Lineare Algebra Wiederholung: Sequenzielle Datentypen Listen und Tupel Wiederholung zu Listen, einem wichtigen Hilfs-Datentyp für Vektoren und Matrizen; Erstellen einfacher Listen und Auslesen

Mehr

Die darstellende Matrix und die zugehörige Basis

Die darstellende Matrix und die zugehörige Basis Die darstellende Matrix und die zugehörige Basis Zu jeder linearen Abbildung f von einem endlich dimensionalen Vektorraums V in einen endlich dimensionalen Vektorraum W kann eine darstellende Matrix aufgestellt

Mehr

f : x y = mx + t Der Graph einer linearen Funktion ist eine Gerade, welche die y-achse im Punkt S schneidet. = m 2 x 2 m x 1

f : x y = mx + t Der Graph einer linearen Funktion ist eine Gerade, welche die y-achse im Punkt S schneidet. = m 2 x 2 m x 1 III. Funktionen und Gleichungen ================================================================== 3.1. Lineare Funktionen Eine Funktion mit der Zuordnungvorschrift f : x y = mx + t und m, t R heißt lineare

Mehr

Übungsblatt 1. f(n) = f(n) = O(g(n)) g(n) = O(f(n)) Zeigen oder widerlegen Sie: 3 n = Θ(2 n ) Aufgabe 1.2 Gegeben sei die folgende Funktion:

Übungsblatt 1. f(n) = f(n) = O(g(n)) g(n) = O(f(n)) Zeigen oder widerlegen Sie: 3 n = Θ(2 n ) Aufgabe 1.2 Gegeben sei die folgende Funktion: Übungsblatt 1 Aufgabe 1.1 Beweisen oder widerlegen Sie, dass für die im Folgenden definierte Funktion f(n) die Beziehung f(n) = Θ(n 4 ) gilt. Beachten Sie, dass zu einem vollständigen Beweis gegebenenfalls

Mehr

Analysis II. Prof. Dr. H. Brenner Osnabrück SS 2014

Analysis II. Prof. Dr. H. Brenner Osnabrück SS 2014 Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 51 Für eine stetig differenzierbare Funktion ϕ: R R mit ϕ (P) > 0 in einem Punkt P R gibt es ein offenes Intervall P I =]P δ,p +δ, auf dem ϕ

Mehr

Grundwissen Mathematik JS 11

Grundwissen Mathematik JS 11 GYMNASIUM MIT SCHÜLERHEIM PEGNITZ math-naturw u neusprachl Gymnasium WILHELM-VON-HUMBOLDT-STRASSE 7 957 PEGNITZ FERNRUF 94/48 FAX 94/564 Grundwissen Mathematik JS Was versteht man allgemein unter einer

Mehr

Konvergenz von Folgen

Konvergenz von Folgen 6 Konvergenz von Folgen Definition 6.1 Eine Folge in C (oder R) ist eine Abbildung f : N C (oder R). Schreibweise: (a n ) n N, (a n ), a 1, a 2... wobei a n = f(n). Beispiele: 1) (1 + 2 n ) n N, 3 2, 5

Mehr

Algebraische Kurven - Vorlesung 5. Homogene Komponenten

Algebraische Kurven - Vorlesung 5. Homogene Komponenten Algebraische Kurven - Vorlesung 5 Homogene Komponenten Definition 1. Sei S ein kommutativer Ring und R = S[X 1,...,X n ] der Polynomring über R in n Variablen. Dann heißt zu einem Monom G = X ν = X ν 1

Mehr

Folgen und Reihen. Beschränkte Folge: Es gibt eine Zahl c = const.

Folgen und Reihen. Beschränkte Folge: Es gibt eine Zahl c = const. Folgen und Reihen Folgen: Def.: Eine Abbildung a N K, n a(n) := a n (K = R C) wird Zahlenfolge genannt. Sie heißt reelle (komplexe) Zahlenfolge, falls K = R(C) ist. Symbole: a n K: Elemente der Folge,

Mehr

ALGEBRA Quadratische Gleichungen

ALGEBRA Quadratische Gleichungen ALGEBRA Quadratische Gleichungen Übungsprogramm Teil 1 Ein Frage-Antwort-Spiel zum intensiven Wiederholen. Zu jeder Aufgabe sofort die Erklärung und die Lösung. Datei Nr. 1 Friedrich W. Buckel Stand: 1.

Mehr

Das QZ-Verfahren. vorgelegt von Janina Gnutzmann. Erstgutachter: Prof. Dr. Steffen Börm Zweitgutachter: Dipl.-Math.

Das QZ-Verfahren. vorgelegt von Janina Gnutzmann. Erstgutachter: Prof. Dr. Steffen Börm Zweitgutachter: Dipl.-Math. Das QZ-Verfahren Bachelor-Arbeit im 1-Fach Bachelorstudiengang Mathematik der Mathematisch-Naturwissenschaftlichen Fakultät der Christian-Albrechts-Universität zu Kiel vorgelegt von Janina Gnutzmann Erstgutachter:

Mehr

Aus dem Schulunterricht ist bekannt, dass die Seitenlängen a, b, c eines rechtwinkligen Dreiecks die Gleichung

Aus dem Schulunterricht ist bekannt, dass die Seitenlängen a, b, c eines rechtwinkligen Dreiecks die Gleichung Aus dem Schulunterricht ist bekannt, dass die Seitenlängen a, b, c eines rechtwinkligen Dreiecks die Gleichung a 2 + b 2 = c 2 erfüllen, wobei c die Seitenlänge der Hypothenuse und a, b die beiden übrigen

Mehr

Körper- und Galoistheorie

Körper- und Galoistheorie Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 23 Unter den drei klassischen Problemen der antiken Mathematik versteht man (1) die Quadratur des Kreises, (2) die Dreiteilung

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

Kapitel VIII: Der Raum R n ; allgemeine Vektorräume

Kapitel VIII: Der Raum R n ; allgemeine Vektorräume Kapitel VIII: Der Raum R n ; allgemeine Vektorräume a) Vektoren: Definition und Grundlagen Größen, die sich durch Angabe eines Zahlenwertes und einer Einheit vollständig beschreiben lassen, nennt man Skalare

Mehr

1.) Rekursion und Induktion: Rechnen mit natürlichen Zahlen

1.) Rekursion und Induktion: Rechnen mit natürlichen Zahlen 1) Rekursion und Induktion: Rechnen mit natürlichen Zahlen Aufbauend auf: "Anwendungen: Sätze, Beweise, Algorithmen und Programme", "Fasern" Aufgaben: 9 > restart; Axiomatik der natürlichen Zahlen Wir

Mehr

Demoseiten für

Demoseiten für Lineare Ungleichungen mit Variablen Anwendung (Vorübungen für das Thema Lineare Optimierung) Datei Nr. 90 bzw. 500 Stand 0. Dezember 009 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 90 / 500 Lineare Ungleichungen

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

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

1.2 Gauß-Algorithmus zum Lösen linearer Gleichungssysteme

1.2 Gauß-Algorithmus zum Lösen linearer Gleichungssysteme . Gauß-Algorithmus zum Lösen linearer Gleichungssysteme. Gauß-Algorithmus zum Lösen linearer Gleichungssysteme Die Bestimmung einer Polynomfunktion zu gegebenen Eigenschaften erfordert oft das Lösen eines

Mehr

Grundlagen der projektiven Geometrie

Grundlagen der projektiven Geometrie Dr. Florian Berchtold Grundlagen der projektiven Geometrie Seminar an der Universität Konstanz Inhaltsverzeichnis Inhaltsverzeichnis 1 Abbildungsverzeichnis 1 1 Einleitung 2 2 Projektive Ebenen 2 2.1 Axiomatik.......................................

Mehr

34 Lineare Abbildungen

34 Lineare Abbildungen 34 Lineare Abbildungen 34 Motivation Wir haben wichtige Eigenschaften von Vektorräumen kennen gelernt Damit ist es sinnvoll zu untersuchen, wie Abbildungen zwischen Vektorräumen aussehen können Die wichtigsten

Mehr

Übungsblatt 1 A = was bis auf Maschinengenauigkeit 0 sein sollte. Wie lautet dann das Minimalpolynom von A?

Übungsblatt 1 A = was bis auf Maschinengenauigkeit 0 sein sollte. Wie lautet dann das Minimalpolynom von A? Übungsblatt 1 1. Diagonalisieren Sie die Matrix 3 2 3 0 1 1 2 2 3 und bestimmen Sie eine Basis aus Eigenvektoren. Nachdem Sie die Aufgabe mit Papier und Bleistift gelöst haben, vergleichen sie mit dem

Mehr

Kochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf

Kochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf Kochen mit Jordan Vorbereitungen Man nehme eine Matrix A R n n und bestimme ihr charakteristisches Polynom p(λ) = (λ c ) r (λ c j ) rj C[X] Dabei gilt: algebraische Vielfachheit r j ˆ= Länge des Jordanblocks

Mehr