Übungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr.
|
|
- Frida Kaufman
- vor 7 Jahren
- Abrufe
Transkript
1 Übungsblatt 13 Lineare Algebra I, Prof Dr Plesen, SS 2008 Aufgabe 1 (Transponierte lineare Abbildung) Sei α : V W linear Zeige: α tr ist injetiv (surjetiv) genau dann, wenn α surjetiv (injetiv) ist Ist weiter β : W T linear, so gilt (β α) tr = α tr β tr Lösung Sei α : V W linear und α tr : W V die transponierte Abbildung Es gilt: α tr ist injetiv genau dann, wenn Kern(α tr ) = {0} Nach (78) ist dies äuivalent zu Bild(α) = {0} und aus der Dimensionsformel in (75) folgt, dass dies äuivalent zu Dim(Bild(α)) = Dim(W) ist Dies ist aber wiederrum äuivalent zu α ist surjetiv Die Aussage α injetiv genau dann, wenn α tr surjetiv lässt sich auf 2 Arten beweisen Zum einen ann man analog wie oben vorgehen, wenn man aus (78) Kern(α) = Bild(α tr ) betrachtet Die andere Methode ist: Identifiziere V mit V und beachte (α tr ) tr = α Dann folgt die Aussage aus obiger, wenn man die Rollen von α und α tr vertauscht Sei nun β : W T eine weitere lineare Abbildung und B V n, C W m und D T fest gewählte Basen der vorommenden Vetorräume Dann gilt nach (75) und (418): B ((β α) tr ) D = ( D (β α) B ) tr = ( D (β) CC (α) B ) tr = ( C (α) B ) tr ( D (β) C ) tr = B (α tr ) C C (β tr ) D Da die Matrizen der linearen Abbildungen, bei fest gewählter Basis, eindeutig sind, folgt die Behauptung Aufgabe 2 (Linearformen) Sei 0 A K m n Zeige: Rg(A) ist gleich dem Minimum aller l N, für die X (K m 1 ) l und Y (K 1 n ) l existieren mit A = X 1 Y X l Y l Bestimme für A = Q ein solches l und X 1,,X l,y 1,,Y l
2 Lösung Sei l N sodass eine solche Zerlegung von A exisitiert, dann gilt: Rg(A) = Dim(S(A)) = Dim(S(X 1 Y X l Y l )) Dim(S(X 1 Y 1 ) + + S(X l Y l )) Dim(S(X 1 Y 1 )) + + Dim(S(X l Y l )) = l da S(X i Y i ) eindimensionale Teilräume des K m 1 sind Wir haben also Rg(A) l für alle l N, für die eine solche Zerlegung existiert Wir onstruieren nun eine solche Zerlegung mit l = Rg(A), sodass wir Rg(A) = min{l N es existiert eine solche Zerlegung vona} schließen önnen Sei also l := Rg(A), dann existieren Spalten X 1,, X l von A, sodass (X 1,, X l ) S(A) l eine Basis von S(A) ist Sei X1,, X l die zugehörige Dualbasis von S(A) Wähle Y i := (Xi (A,1),, Xi (A,n)) K 1 n Nach (73) gilt für eine Spalte A,j aus A: A,j = X 1 (A,j)X X l (A,j)X l und somit ist lar das A = X 1 Y X l Y l gilt Insgesamt folgt also unsere Behauptung Bemerung: Um diese Zerlegung onret zu berechnen reicht, wie wir im folgenden Beispiel sehen, der Gaussalgorithmus völlig aus (siehe Maple-Worsheet) Aufgabe 3 (Hermite-Interpolation) Sei V = R[x] Grad<4 Seien η 1 : V R : p p(0), η 2 : V R : p p (0), η 3 : V R : p p(1), η 4 : V R : p p (1) vier Linearformen, wobei ( d i=0 a ix i ) := d i=1 ia ix i 1 1 Zeige: η = (η 1,η 2,η 3,η 4 ) ist eine Basis von V 2 Bestimme eine Basis B von V mit B = η 3 Bestimme ein V V mit η 1 (V ) = a, η 2 (V ) = b, η 3 (V ) = c und η 4 (V ) = d, für a,b,c,d R Hinweis: Satz 73 Lösung Zu 1) Nach (73) gilt: Dim(V ) = Dim(V) = 4 Es reicht somit die lineare Unabhängigeit der η i zu zeigen Wir wählen B := (1, x, x 2, x 3 ) als Basis von V und betrachten den Isomorphismus: ψ : V R 1 4
3 Wir erhalten: v 1 v B ψ(η 1 ) = (1, 0, 0, 0) ψ(η 2 ) = (0, 1, 0, 0) ψ(η 3 ) = (1, 1, 1, 1) ψ(η 4 ) = (0, 1, 2, 3) Schreiben wir nun die ψ(η i ) in eine Matrix so sehen wir (zb Anwendung von Gauss oder Determinante), dass diese Matrix Rang 4 hat Hieraus folgt die lineare Unabhängigeit der η i und somit erzeugen die η i einen 4-dimensionalen Teilraum von V, also ganz V Zu 2) Man bestimmt (zb durch Transponieren der obigen Matrix): B id η = Wir identifizieren nun V mit V und B mit B und wollen nun die Dualbasis η in B ausdrücen Wir berechnen also: ( ( ) ) B tr 1 id η = B (74) id η Da wir B id η bereits berechnet haben, folgt: B id η = Hieraus lesen wir nun folgende Basis B ab, welche η als Dualbasis hat: B := (1 3x x 3, x 2x 2 + x 3, 3x 2 2x 3, x 2 + x 3 ) Zu 3) Nach Satz (73) erhält man sofort: V = ab 1 + bb 2 + cb 3 + db 4 Aufgabe 4 (Teilräume) Es sei V ein K-Vetorraum der Dimension n und T R (V) die Menge der - dimensionalen Teilräume 1 Bestimme eine Bijetion T R (V) T R n (V)
4 Im Folgenden sei K := F ein Körper mit Elementen und V := F 1 n 2 Zeige T R (V) = (n 1) ( n 1 ) ( 1) ( 1 ) =: [ ] n Man nennt [ n] den Gaußschen Binomialoeffizienten Hinweis: Benutze die Idee von Übung 7, Aufgabe 7 3 Zeige [ ] n = [ ] n 1 [ ] n 1 + n 1 Hinweis: Benutze die strite Stufenform einer Matrix 4 Folgere aus 1 und 3 die Regeln und [ ] [ ] n n = n [ ] [ ] n n 1 = + [ ] n Stelle ein verallgemeinertes Pascalsches Dreiec auf für = 7 und n 5 Wie viele dreidimensionale Teilräume besitzt F 1 4 7? Wie viele dreidimensionale Teilräume besitzt F 1 5 7? Lösung 1 Es gilt Dim(V) = Dim(V ), also existiert ein Isomorphismus ϕ: V V Es sei T T R (V) Dann ist T T R n (V ), und damit ϕ 1 (T ) T R n (V), denn ein Isomorphismus lässt die Dimension invariant (vgl Satz 75) Die Abbildung Φ: T R (V) T R n (V): T ϕ 1 (T ) ist also wohldefiniert, und sie ist bijetiv, denn Ψ: T R n (V) T R (V): U (ϕ(u)) ist eine Umehrabbildung (dabei ist U wie im Beweis von Satz 75 definiert) 2 Wir bestimmen erst die Anzahl der möglichen Basen von Teilräumen T V von der Dimension Das ist einfach die Anzahl der linear unabhängigen -Tupel in V In Übung 7, Aufgabe 7 wurde berechnet, dass es ( n 1)( n ) ( n 1 ) solcher linear unabhängigen Tupel gibt Einige dieser Basen spannen aber den gleichen Teilraum auf, wir müssen also feststellen, wieviele Basen ein -dimensionaler Teilraum hat Dazu sei T T R (V), und B T sei die Menge der Basen von T Nach Bemerung 424 operiert die Gruppe GL(T ) auf der Menge T, und die Menge der Basen bilden genau eine Bahn Wenn also B B eine Basis ist, und C B eine weitere
5 Basis, dann gibt es ein g GL(T ) mit g B = C Wir zeigen, dass dieses g eindeutig ist Denn sei h GL(T ) ein weiteres solches Element, dh g B = C = h B Dann folgt (h 1 g) B = B Dann muss aber (h 1 g)(b i ) = B i gelten für alle i, und daraus folgt h 1 g = Id T, dh g = h Wir haben damit gezeigt, dass es genau so viele Basen von T gibt, wie es Elemente in GL(T ) gibt Nach Übung 7, Aufgabe 7 gibt es davon aber genau ( 1)( ) ( 1 ) Somit ist die Formel aus der Aufgabenstellung bewiesen 3 Jeder -dimensionale Teilraum von F 1 n hat nach Folgerung 46 eine eindeutige Standardbasis (Z 1,,Z ) (F 1 n ), so dass die Matrix Z F n Fälle: in striter Stufengestalt ist Wir unterscheiden zwei (a) 1 ist ein Stufenindex, dh Z 11 = 1 Dann ann man die Zeilen Z 2,,Z als Standardbasis eines 1-dimensionalen Teilraumes von F 1 (n 1) auffassen Jeder dieser 1-dimensionalen Teilräume taucht genau n mal auf, denn die Einträge der ersten Zeile an den Nicht-Stufenindizes ann beliebig gewählt werden Umgeehrt ann jedem 1-dimensionalen Teilraum T von F 1 (n 1) auf n verschiedene Weisen ein -dimensionaler Teilraum von F 1 n zugeordnet werden, indem man der Standardbasis von T eine Zeile hinzufügt, die an Position (1, 1) eine 1 hat, an den Stufenindizes Nullen und sonst beliebige Werte Dies entpricht also dem Summanden n [ ] n 1 in der Formel 1 (b) 1 ist ein Stufenindex Dann ann man die Zeilen von Z als Standardbasis eines -dimensionalen Teilraumes von F 1 (n 1) auffassen Umgeehrt liefert jede Standardbasis eines -dimensionalen Teilraumes von F 1 (n 1) eine Standardbasis eines -dimensionalen Teilraumes von F 1 n Dies entpricht dem Summanden [ ] n 1 in der Formel Beispiel Es sei = 3, n = 3 und = 2 Die striten Stufenformen von 2 3- Matrizen mit Werten in F 3 sind gegeben durch ( ) ( ) ( ) ( ) ( ) ,,,,, ( ) ( ) ( ) ( ) ,,,, ( ) ( ) ( ) ( ) ,,,, diese entsprechen also den zweidimensionalen Teilräumen von F Jedem der eindimensionalen Teilräume von F werden drei zweidimensionale Teilräume von F 1 3 3
6 zugeordnet, und dem zweidimensionalen Teilraum von F wird ein eindeutiger zweidimensionaler Teilraum von F zugeordnet 4 Die erste Regel folgt diret, da es genauso viele -dimensionale Teilräume wie n - dimensionale Teilräume von F n 1 gibt Für die zweite Regel setze := n Dann gilt [ ] [ ] [ ] [ ] n n n 1 n 1 = = + n 1 [ ] [ ] n 1 = + n 1 (n 1) ( 1) (n 1) [ ] [ ] n 1 n 1 = Wie beim normalen Pascal-Dreiec ann man die Einträge der n-ten Zeile aus den Einträgen der n 1-ten Zeile berechnen Es ergibt sich folgendes Dreiec: n = 0 1 n = n = n = n = n = Somit besitzt F genau 400 verschiedene dreidimensionale Teilräume, und F besitzt Aufgabe 5 (Determinante und Charateristisches Polynom) Es sei V ein endlich-dimensionaler K-Vetorraum und α End(V) 1 Sei K ein Körper, + l = n N, A 1 K,A 2 K l l,a 3 K l Zeige ( ) A1 0 det( ) = det(a A 3 A 1 )det(a 2 ) 2 2 Es sei V = T 1 T l eine Zerlegung von V in α-invariante Teilräume T i Weiter sei χ i das charateristische Polynom von α Ti für i l Dann gilt χ α = l i=1 χ i 3 Es sei µ α = l i=1 pm(i) i eine Zerlegung des Minimalpolynoms in normierte irreduzible und paarweise verschiedene Polynome p i Dann gilt χ α (x) = l i=1 pc(i) i mit c(i) m(i) Weiter gilt Dim(Kern(p m(i) i (α))) = c(i)grad(p i )
7 (Benutze ohne Beweis, dass es zu jedem Körper K einen algebraischen Abschluss gibt, dh einen Körper E K, so dass jedes Polynom in E[x] in Linearfatoren zerfällt) Lösung 1 Definiere ( ) : (K l 1 ) l A1 0 K : X det( ) X A 3 Dann ist alternierend und multilinear, also ein Vielfaches der Determinante auf (K l 1 ) l, dh = λ det Wir bestimmen diesen Fator λ, indem wir für X die Standardbasis von K l 1 einsetzen, dh wir bestimmen die Determinante von ( ) A1 0 A 3 Da sich der Wert der Determinante nicht ändert, wenn man auf eine Spalte ein Vielfaches einer anderen Spalte addiert, erhalten wir ( ) ( ) A1 0 A1 0 = 0 I l A 3 I l Entwicelt man die letzte Matrix mit dem Laplaceschen Entwiclungssatz nach der letzten Zeile, erhält man ( ) ( ) A1 0 A1 0 det( ) = det( ) = = det(a 0 I l 0 I 1 ) l 1 Also gilt = det(a 1 ) det, und daraus folgt die Behauptung 2 Es sei d i := Dim(T i ) und B (i) T d i i eine Basis von T i Setze diese Basen zusammen zu einer Basis B V n von V, wobei n := d d l Dann gilt B (1) (α T1 ) (B(1) ) 0 0 B B α B 0 (2) (α T2 ) (B(2) ) = B 0 0 (l) (α Tl ) (B(l) ) Aus der Definition des charateristischen Polynoms und mit Teil 1 folgt χ α = det(xi n B α B ) = det(xi d1 B(1) (α T1 ) B(1) ) det(xi dl B(l) (α Tl ) B(l) ) = χ 1 χ l 3 Setze T i := Kern(p m(i) i (α)) und α i := α Ti End(T i ) Dann gilt µ αi = p m(i) i Wir müssen zeigen, dass χ αi = p c(i) i für ein c(i) m(i) gilt Sei B V d i eine Basis I l
8 von T i Dann ist A := B αi B K n n Wegen K E önnen wir A als n n-matrix über E auffassen Sei µ A E[x] das Minimalpolynom von A Aus der Definition des charateristischen Polynoms folgt χ αi = χ A, und da µ αi (A) = 0 gilt, folgt µ µαi A (beachte, dass wir noch nicht wissen, dass µ A ein Polynom mit Koeffizienten aus K ist) Angenommen, es gibt einen irreduziblen Teiler p i von χ αi Dann gilt ggt(, p i ) = 1, insbesondere haben also p i und eine Nullstelle in E gemeinsam Über E zerfällt in Linearfatoren Sei a E eine Nullstelle von, also insbesondere eine Nullstelle von χ A Dann ist a nach Satz 732 auch Nullstelle von µ A und damit auch von µ αi Aber die Nullstellen von µ αi sind gerade die Nullstellen von p i, und wir haben gesehen, dass p i und eine gemeinsamen Nullstellen haben Also gibt es einen solchen irreduziblen Teiler, dh χ αi ist von der Form p c(i) i für ein c(i) N Wegen µ χαi αi folgt c(i) m(i) Die Dimensionsformel folgt diret aus Satz 732 Aufgabe 6 (Determinante) Berechne die Determinanten der folgenden Matrizen: ω 3 ω 2 A := R 3 3, Ω := ω 3 0 ω 1 R 3 3, ω 2 ω 1 0 ) xi 3 Ω R(x) 3 3, B := ( F Lösung Durch Zeilenoperationen sieht man ( ) det(a) = det( ) = det( ) = Die zweite Matrix ist schiefsymmetrisch, also gilt det(ω) = det(ω tr ) = det( Ω) = ( 1) 3 det(ω) = det(ω), dh det(ω) = 0 Für das charateristische Polynom gilt (Entwiclung nach der ersten Zeile) ( ) ( ) ( ) x ω1 ω3 ω det(xi 3 Ω) = xdet( ) ω ω 1 x 3 det( 1 ω3 x ) ω ω 2 x 2 det( ) ω 2 ω 1 = x(x 2 + ω 2 1) ω 3 ( ω 3 x ω 1 ω 2 ) ω 2 (ω 3 ω 1 ω 2 x) = x 3 + x(ω ω ω 2 3) Für die vierte Matrix ann man wieder Zeilen- und Spaltenoperationen anwenden Addition der zweiten Zeile auf die vierte und Laplace nach der ersten Spalte liefert ) det(b) = det( ) (
9 Addition der zweiten Spalte auf die vierte und Laplace nach der ersten Zeile liefert ) det(b) = det( ) ( Addition der ersten Spalte auf die zweite und Laplace nach der ersten Zeile liefert det(b) = det(( )) = 1
Lineare Algebra 2. Lösung zu Aufgabe 7.2:
Technische Universität Dortmund Sommersemester 2017 Fakultät für Mathematik Übungsblatt 7 Prof. Dr. Detlev Hoffmann 15. Juni 2017 Marco Sobiech/ Nico Lorenz Lineare Algebra 2 Lösung zu Aufgabe 7.1: (a)
MehrLineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik
Universität Karlsruhe (TH) Institut für Algebra und Geometrie Dr. Klaus Spitzmüller Dipl.-Inform. Wolfgang Globke Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Lösungen zum
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
MehrLineare Algebra I Lösungsvorschlag
Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und
MehrLineare Algebra II 6. Übungsblatt
Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der
Mehr9 Lineare Algebra 2 (SS 2009)
9 Lineare Algebra 2 (SS 2009) Vorbemerkung: Das Einsetzen von quadratischen Matrizen in Polynome. Im folgenden sei R ein kommutativer Ring und R[T] der Polynomring mit Koeffizienten in R (dies ist wieder
MehrLösung zu Serie 20. Die Menge der Polynome vom Grad 4 ohne Nullstelle ist gegeben durch
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pin Lösung zu Serie 20 1. (a) Bestimme alle irreduziblen Polynome vom Grad 4 in F 2 [X]. (b) Bestimme die Fatorisierung von X 6 + 1 und X 10 + 1 und X 20 +
MehrLösung Lineare Algebra I Sommer 2018 Version A
Lösung Lineare Algebra I Sommer 208 Version A. (25 Punkte) Kreuzen Sie direkt auf dem Abgabeblatt an, ob die Behauptungen oder sind. Sie müssen Ihre Antworten nicht begründen! Bewertung: Punkt für jede
MehrMathematik für Anwender I
Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von
MehrHöhere Mathematik II für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz SS 5 4.5.5 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt
MehrLösung zu Serie 10. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 10 1. [Aufgabe] a) Sei V ein Unterraum eines K-Vektorraums V. Zeige, dass jede Linearform auf V eine Fortsetzung zu einer Linearform auf
Mehra) Die Abbildung µ h ist injektiv, da für alle g 1, g 2 G gilt: Daher ist µ h bijektiv. Zudem folgt aus µ h (g) = g auch
Aufgabe. (8 Punkte) Es sei (G, ) eine Gruppe und e G ihr neutrales Element. Für h G sei µ h : G G die Abbildung, die durch g G : µ h (g) := h g gegeben ist. a) Zeigen Sie, dass für jedes h G die Abbildung
MehrSerie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen
D-MATH Lineare Algebra I/II HS 2017/FS 2018 Dr. Meike Akveld Serie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen 1. Sei V ein K-Vektorraum. a) Sei T End(V ). Zeigen Sie, dass die folgenden alles
Mehr29 Lineare Algebra 2 (SS 2009) 4.9. Das charakteristische Polynom sei Produkt von linearen Polynomen.
9 Lineare Algebra (SS 009) 49 Das charakteristische Polynom sei Produkt von linearen Polynomen 49 Das charakteristische Polynom sei Potenz eines linearen Polynoms Wir betrachten nun eine Matrix A, sodass
MehrAusgewählte Lösungen zu den Übungsblättern 9-10
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt
MehrKapitel 11 Eigenwerte und Eigenvektoren
Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare
MehrR 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte
Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben
Mehra) Ein Gruppenhomomorphismus von G nach H ist eine Abbildung Φ : G H, sodass für alle g 1, g 2 G die Gleichung Φ(g 1 g 2 ) = Φ(g 1 ) Φ(g 2 )
I. (4 Punkte) Es seien (G, ) eine Gruppe mit neutralem Element e G und (H, ) eine weitere Gruppe. a) Geben Sie die Definition eines Gruppenhomomorphismus Φ : G H an und beweisen Sie, dass für solch einen
MehrZeigen Sie, dass der einzige Gruppenhomomorphismus von (G, ) nach (Z 5, +) die Abbildung Φ : G Z 5
Aufgabe I (4 Punkte) Es sei G : {e, g, g, g } eine 4-elementige Gruppe mit neutralem Element e Die Verknüpfung auf G werde mit bezeichnet Außerdem seien in G folgende Gleichungen erfüllt: g g g und g g
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
Mehr3.7 Eigenwerte und Eigenvektoren
3.7. EIGENWERTE UND EIGENVEKTOREN 123 3.7 Eigenwerte und Eigenvektoren Wir wollen jetzt lineare Endomorphismen durch Matrizen besonders übersichtlicher Gestalt (u.a. mit möglichst vielen Nullen) beschreiben,
MehrLösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen
D-MATH Lineare Algebra II FS 7 Dr. Meike Akveld Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen. a) Wegen der Linearität im ersten Argument gilt sicherlich w S :, w =. Somit ist S und
MehrLineare Algebra I Winter 2018 (Lösung)
Lineare Algebra I Winter 208 (Lösung). (25 Punkte) Kreuzen Sie direkt auf dem Abgabeblatt an, ob die Behauptungen WAHR oder FALSCH sind. Sie müssen Ihre Antworten nicht begründen! Bewertung: Punkt für
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218
Mehr6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar.
Um zu zeigen, dass die irreduziblen Teiler eines reellen Polynoms höchstens den Grad 2 haben, fassen wir nun (x γ) und (x γ) zusammen und stellen fest, dass (x (a + b i))(x ((a b i)) = x 2 2a + (a 2 +
MehrLineare Algebra II, Lösungshinweise Blatt 9
Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 7 Was die Menschen verbin, ist nicht der Glaube, sondern der Zweifel Peter Ustinow Universelle Eigenschaft der
MehrMusterlösung der Klausur zur linearen Algebra II
David Blottière SS 7 Patrick Schützdeller Universität Paderborn Julia Sauter Musterlösung der Klausur zur linearen Algebra II Aufgabe 1 Bestimmen Sie Jordan-Normalformen der folgenden Matrizen, und schreiben
MehrÜbungsklausur Lineare Algebra
Übungsklausur Lineare Algebra Sommersemester 2010 Johannes Gutenberg-Universität Mainz Diese Übungsklausur ist sehr lang (gut zum Üben). In der richtigen Klausur finden Sie eine Multiple Choice aufgabe
MehrÜbungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Blatt 3 - Lösung
Technische Universität München Physik Department Pablo Cova Fariña, Claudia Nagel Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 207/8 Blatt 3 - Aufgabe : Darstellungsmatrizen Sei
Mehr1 Grundlagen zur Darstellungstheorie
Seminar Gruppen in der Physik SS 06 Vortrag 1 Gruppen und ihr Darstellung Matthias Nagl 1 Grundlagen zur Darstellungstheorie In diesem Vortrag wird es nur um lineare Darstellungen endlicher Gruppen in
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
MehrScheinklausur, 2. Teil, Lineare Algebra I, WS 2001, Prof. Dr. G. Hiß. Ja oder
Gruppe A Scheinklausur 2. Teil 15.2.2002 Lineare Algebra I WS 2001 Prof. Dr. G. Hiß Name: Matrikelnummer: Kreuzen Sie bei jeder Frage entweder Ja oder Nein oder nichts an. Auswertung der Multiple-Choice-Aufgaben:
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
MehrÜbungsblatt 14. Lineare Algebra II, Prof. Dr. Plesken, WS 2008/09
Übungsblatt 14 Lineare Algebra II, Prof. Dr. Plesken, WS 2008/09 Aufgabe 3. (Symmetrisches Produkt. 4 Punkte.) Sei V ein n-dimensionaler K-Vektorraum mit Basis B V n und ϕ: V K[x 1,...,x n ] 1 der Isomorphismus,
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrKAPITEL 8. Normalformen. 1. Blockmatrizen. ,C K m 2 n 1. X = K (m 1+m 2 ) (n 1 +n 2 ) K L. und Y = M N Blockmatrizen mit.
KAPITEL 8 Normalformen Definition 8.1 (Blockmatrizen). Sind 1. Blockmatrizen A K m 1 n 1,B K m 1 n 2,C K m 2 n 1 und D K m 2 n 2 so nennet man die Matrix X = ( A B C D ) K (m 1+m 2 ) (n 1 +n 2 ) eine Blockmatrix
MehrSommer 2017 Musterlösung
Sommer 7 Musterlösung. (5 Punkte) a) Sei V ein Vektorraum über K und sei T End(V ). Geben Sie die Definition eines Eigenwertes von T und zeigen Sie für endlichdimensionales V, dass λ K genau dann ein Eigenwert
MehrBerechnung der Determinante
Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,
MehrMusterlösungen zur Linearen Algebra II Weihnachtszettel
Musterlösungen zur Linearen Algebra II Weihnachtszettel Aufgabe. Welche der folgenden Matrizen 3 0 0 A = 0 4, B = 3, C = 0 0 0 6 0 0 0 sind über R und welche über C diagonalisierbar? Bestimmen Sie dazu
MehrKlausur Lineare Algebra I
Klausur Lineare Algebra I Fachbereich Mathematik WS / Prof. Dr. Kollross 9. März Name:.................................................. Vorname:............................................... Studiengang:...........................................
MehrDiagonalisierbarkeit symmetrischer Matrizen
¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
MehrAufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009
I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrLösung 13: Unitäre Vektorräume und normale Abbildungen
D-MATH Lineare Algebra II FS 2017 Dr. Meike Akveld Lösung 13: Unitäre Vektorräume und normale Abbildungen 1. a) Im Folgenden sei γ : V V C die Abbildung γ(v, w) v + w 2 v w 2 i v + iw 2 + i v iw 2. : Wir
Mehr6.5 Lineare Abhängigkeit, Basis und Dimension
6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von
Mehra b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
MehrKapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24
Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt
MehrLösungsskizze zur Hauptklausur Lineare Algebra I
Lösungsskizze zur Hauptklausur Lineare Algebra I Aufgabe Seien V und W zwei K-Vektorräume für einen Körper K. a) Wann heißt eine Abbildung f : V W linear? b) Wann heißt eine Abbildung f : V W injektiv?
MehrLösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrDeterminanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.
Determinanten Motivation: Man betrachte das lineare Gleichungssystem [ [ [ a b x u = (1) c d y v Sei obda a und c Dann ist (1) äquivalent zu [ [ ca cb x = ac ad y und ferner zu [ [ ca cb x ad cb y Falls
MehrKapitel 7 Lineare Abbildungen und Matrizen II
Kapitel 7 Lineare Abbildungen und Matrizen II 7.1 Weitere Rechenregeln für Matrizen Aus den bisher gelernten Regeln entnehmen wir den als Übung zu beweisenden Satz 7.1. Es gelten die folgenden Regeln.
Mehr1 Darstellungsmatrizen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Darstellungsmatrizen Vereinbarungen für dieses Kapitel: K Körper V und W endlich-dimensionale K-Vektorräume B = {v
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
MehrKlausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen.
Klausur Lineare Algebra I am 03.02.10 Es sind insgesamt 60 Punkte bei der Klausur zu erreichen. Aufgabe 1. (6 Punkte insgesamt) a.) (3P) Definieren Sie, was eine abelsche Gruppe ist. b.) (3P) Definieren
MehrWir verallgemeinern jetzt den Begriff bilinear zu multilinear. Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante.
118 36 Determinanten Wir verallgemeinern jetzt den Begriff bilinear zu multilinear Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante 361 Definition (alternierend, symmetrisch,
MehrAufgaben zur linearen Algebra und analytischen Geometrie I
Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und
Mehr5. Übung zur Linearen Algebra II -
5. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 2. Aufgabe 7 5 A := 2. 3 2 (i) Berechne die Eigenwerte und Eigenvektoren von A. (ii) Ist A diagonalisierbar?
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/201 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.201, 11 Uhr Lösungen der
MehrDie Determinante einer Matrix
Chr.Nelius, Lineare Algebra II (SS 2005) 6 Die Determinante einer Matrix Wir betrachten im folgenden Determinantenformen auf dem Vektorraum V = K n. Eine solche Form ist eine Abbildung von n Spaltenvektoren
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
Mehr2.4 Determinanten 41.. b. a j. = λ det. a n. a 1 a j a n + µ det
24 Determinanten 4 Satz 243 Rechenregeln für Determinanten Sei A eine n n-matri, n N i det ist linear in jeder Zeile oder Spalte, dh es gelten für λ, µ R, b R n, und j,, n, a a a det λ a j + µ b λ det
MehrWir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds
39 Determinanten 391 Motivation Wir stellen uns das Ziel, wesentliche Information über die Invertierbarkeit einer n n-matrix das Lösungsverhalten zugehöriger linearer Gleichungssysteme möglichst kompakt
MehrBasisprüfung. 18. August 2015
Lineare Algebra I/II D-MATH, HS 4/FS 5 Prof Richard Pink Basisprüfung 8 August 25 [6 Punkte] Betrachte den reellen Vektorraum R 3 zusammen mit dem Standardskalarprodukt, und die Vektoren 9 3 v := 6, v
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
MehrHenning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich
Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
MehrLineare Algebra II 3. Übungsblatt
Lineare Algebra II 3. Übungsblatt Fachbereich Mathematik SS 2011 Prof. Dr. Kollross 27./28. April 2011 Susanne Kürsten Tristan Alex Minitest Aufgabe M1 (Formale Polynome) Betrachten Sie die folgenden Polynome
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr3.1. JORDAN-NORMALFORM 63
3.1. JORDAN-NORMALFORM 63 Der Beweis ist mit Bedacht so gewählt, dass man noch diverse Strategien bei der Auffindung der linearen Abhängigkeiten anwenden kann. Im Unterschied zur Hauptraumzerlegung ist
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
Mehr2.11 Eigenwerte und Diagonalisierbarkeit
2.11. EIGENWERTE UND DIAGONALISIERBARKEIT 127 Die Determinante eines Endomorphismus Wir geben uns jetzt einen endlichen erzeugten K-Vektorraum V und einen Endomorphismus ϕ : V V vor. Wir wollen die Determinante
MehrAufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie:
Aufgabe I (4 Punkte Gegeben seien die Matrix und die Menge Zeigen Sie: H := L := {A R 4 4 A HA = H} a L ist bezüglich der Matrizenmultiplikation eine Gruppe b Die Matrizen der Form ( E O, O B wobei E R
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
Mehr= [Entw. nach S1 ] 2 det = [Z2 Z 2 Z 1 ] 2 det = [Entw. nach Z1 ] 5 det = [Z1 Z 1 +Z 3 ] 5 det
Aufgabe 1 Wir wissen, dass sich die Determinante einer Matrix nicht verändert, wenn wir das Vielfache einer Spalte zu einer anderen Spalte bzw. das Vielfache einer Zeile zu einer anderen Zeile addieren.
MehrTutorium 2. 1 Der Polynomring
1 Der Polynomring Tutorium 2 Wiederholung. Eine Einheit eines Rings ist ein multiplikativ invertierbares Element. Zum Beispiel sind {1, 1} die Einheiten in Z, und alle Zahlen außer der 0 in jedem Körper.
Mehra 1 a 1 A = a n . det = λ det a i
49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K
MehrVorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)
1 Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 14: Vektorräume und lineare Abbildungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 6. Oktober 2009) Vektorräume
MehrLösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung
D-MATH Lineare Algebra I/II HS 07/FS 08 Dr Meike Akveld Lösung 3: Sylvesters Trägheitssatz & Singulärwertzerlegung Wir wissen, dass eine Basis B von R n existiert, sodass p [β Q ] B I I q 0 n p q gilt
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrMathematik I. Vorlesung 14. Rang von Matrizen
Prof Dr H Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 14 Rang von Matrizen Definition 141 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von den Spalten
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrMusterlösungen zur Linearen Algebra II Übungsklausur
Musterlösungen zur Linearen Algebra II Übungsklausur Aufgabe. Sei A R 3 3. Welche der folgenden Aussagen sind richtig? a Ist det(a =, dann ist A eine orthogonale Matrix. b Ist A eine orthogonale Matrix,
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 015/016 Lineare Algebra und analytische Geometrie I Vorlesung 14 Ich war nie der talentierteste Spieler. Ich musste mir alles unheimlich hart erarbeiten und es gab bestimmt
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
Mehr3 a) Berechnen Sie die normierte Zeilenstufenform der Matrix A = normierte Zeilenstufenform:
1. Aufgabe (9 Punkte) In dieser Aufgabe müssen Sie Ihre Antwort nicht begründen. Es zählt nur das Ergebnis. Tragen Sie nur das Ergebnis auf diesem Blatt im jeweiligen Feld ein. 0 1 3 a) Berechnen Sie die
MehrBeispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger
Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrÜbungsblatt
Prof Dr Fabien Morel Lineare Algebra II Dr Anand Sawant Sommersemester 2018 Übungsblatt 11 20062018 Aufgabe 1 (2 Punkte) Berechnen Sie eine Jordan-Basis für die Matrix 3 1 1 M = 2 2 0 M 3 (R) 1 1 3 Wir
Mehr2 Vollständige Induktion
Vollständige Indution Wir unterbrechen jetzt die Disussion der Axiome der reellen Zahlen, um das Beweisverfahren der vollständigen Indution ennenzulernen. Wir setzen voraus, dass die natürlichen Zahlen
MehrLösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung
MehrLösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:
Lineare Algebra D-MATH, HS 04 Prof. Richard Pink Lösung zu Serie. [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: a) F (X) := X 5 X in R[X] und C[X]. b) F (X) := X 4 +X 3 +X in
MehrLineare Algebra II Zwischentest
Lineare Algebra II Zwischentest Dr. Stephan Ehlen, Dr. Chris Jennings-Shaffer, Jonathan Schürr 14.06.18 Dieser Zwischentest besteht aus 7 Aufgaben und enthält insgesamt 12 Seiten. Sie haben für die Bearbeitung
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
MehrHilbertpolynom von I, i.z. a HP I.
9.4.4 Korollar/Def. Sei (1) I k[x 1,..., X n ] ein Ideal. Dann ist die affine Hilbertfunktion a HF I (s) für s 0 ein Polynom in s mit Koeffizienten in Q; es heißt das affine Hilbertpolynom von I, i.z.
Mehr