Die Inzidenzalgebra, die Möbiusfunktion und -inversion und ihre Anwendung beim PIE
|
|
- Eugen Baum
- vor 5 Jahren
- Abrufe
Transkript
1 Die Inzidenzalgebra, die Möbiusfunktion und -inversion und ihre Anwendung beim PIE Stefan Güttel 25. Juni 2003 Inhaltsverzeichnis 1 Grundbegriffe 2 2 Die Inzidenzalgebra Beispiele Die Kronecker-Funktion Die Riemannsche Zetafunktion Die Nullinzidenz Algebraische Struktur Wie erhält man f 1? Die Möbiusfunktion Definition Der Produktsatz Möbiusfunktion spezieller Ordnungen Die Möbiusfunktion einer Kette Die Möbiusfunktion im BOOLEschen Verband Die Möbiusfunktion im Teilerverband Möbiusinversion und ihre Anwendung Die Möbiusinversion Das Prinzip der Inklusion-Exklusion Literatur. Tittmann, Peter: Einführung in die Kombinatorik, Spektrum Akad. Verlag, Berlin/Heidelberg,
2 1 Grundbegriffe In diesem Abschnitt sollen einige Definitionen aus dem 1. Semester Algebravorlesung wiederholt werden. Für uns interessant ist dabei die Thematik der Ordnungsrelationen. Definition. Sei P Menge und ( ) P P eine binäre Relation in P. Statt (x, y) ( ) schreibt man auch x y. (P, ) heißt (reflexive) Halbordnung, wenn gilt 1. x P : x x, 2. x, y, z P : x y y z x z, 3. x, y P : x y y x x = y. Hinweis. Im Folgenden werden reflexive Halbordnungen der Kürze wegen mit Ordnung bezeichnet. Definition. Das Produkt P Q zweier Ordnungen (P, P ) und (Q, Q ) ist die Menge aller geordneten Paare (x, y) mit x P, y Q und der Ordnungsrelation (s, t) (x, y) s P x und t Q y. Definition. Zwei Ordnungen (P, P ) und (Q, Q ) sind isomorph, wenn eine Bijektion f existiert mit x P y f(x) Q f(y). Definition. Sei (P, ) beliebige Ordnung, a, b P, a b. Dann heißt [a, b] := {x P a x b} Intervall in P. 2
3 2 Die Inzidenzalgebra In diesem Abschnitt geht es um sogenannte Inzidenzfunktionen, die auf einer Ordnung (P, ) definiert werden und charakteristische Eigenschaften haben. Definition. Sei P eine endliche Ordnung. Eine Funktion f : P P K mit x, y P : x y f(x, y) = 0 (1) heißt Inzidenzfunktion. K ist ein beliebiger Körper (meist R oder C). 2.1 Beispiele Es folgen einige Beispiele für Inzidenzfunktionen Die Kronecker-Funktion Definition. Die Kronecker-Funktion ist durch definiert (x, y P ). { 1, falls x = y; δ(x, y) = Wie wir später nachweisen werden, besitzt die Menge der Inzidenzfunktionen eine algebraische Struktur, in der die Kronecker-Inzidenz das Einselement darstellt Die Riemannsche Zetafunktion Definition. Sei (P, ) eine endliche Ordnung. Dann ist ζ : P P {0, 1} vermöge { 1, falls x y; ζ(x, y) = die Riemannsche Zetafunktion. Bemerkungen. Die Riemannsche Zetafunktion charakterisiert die Ordnungstruktur von P vollständig. Nummeriert man die Elemente von P mittels einer Bijektion n : {1, 2,...} P (Endlichkeit von P sichert deren Existenz), so kann ζ in Matrixform geschrieben werden: ζ i,j := ζ(n(i), n(j)), 1 i, j P. 3
4 Beispiel. Betrachten folgende geordnete Menge P : d b c Dann nimmt die Riemannsche Zetafunktion ζ P folgende Werte an: ζ P = a (2) Die Nummerierung der Zeilen und Spalten erfolgte in der Reihenfolge a, b, c, d Die Nullinzidenz Auch die Abbildung ν(x, y) = 0 für x, y P ist eine Inzidenzfunktion auf (P, ). Dies zeigt, dass Inzidenzfunktionen zwar auf einer Ordnung definiert sind, diese aber im Allgemeinen nur schwach charakterisieren. 2.2 Algebraische Struktur Satz 2.1 Die Menge aller Inzidenzfunktionen F(P ) über einer Ordnung (P, ) bildet eine Algebra mit den Operationen (f, g F(P ), α K) (αf)(x, y) = αf(x, y) (f + g)(x, y) = f(x, y) + g(x, y) { (f g)(x, y) = x z y f(x, z)g(z, y), falls x y; 0 sonst, (3) die skalare Multiplikation, Addition und Produkt (Konvolution, Faltung) heißen. 4
5 Bemerkungen. (3) ist gleichbedeutend zu { (z) f(x, z)g(z, y), falls x y; (f g)(x, y) = Damit ist eine Identifikation mit dem gewohnten Matrizenprodukt möglich. Wie wir im Beweis sehen werden, ist die Bedingung 0 sonst in (3) bzw. (4) redundant, sie steht nur der Übersicht halber. Die Nullinzidenz ν ist das Nullelement (der Addition) in F(P ), die Kronecker-Funktion δ das Einselement bezüglich dem Produkt. f F(P ) heißt also invertierbar, wenn f 1 F(P ) existiert, so dass gilt f 1 f = f f 1 = δ. Beweis. Es genügt zu zeigen, dass (1) bei den Operationen gültig bleibt. Skalare Multiplikation und Addition erfüllen diese Bedingung offensichtlich. Seien weiter A, B F(P ), x y und C = A B. Angenommen z : A(x, z)b(z, y) 0, dann gilt x z z y, also auch x y (Widerspruch). Folglich ist C(x, y) = (z) A(x, z)b(z, y) = 0. (4) ( ) ( ) (x,x) (x,y) (x,y) (x,y) ( ) 0 * = (y,y) 0 { { { A B C Obige Abbildung zeigt das Schema zur Berechnung des Faltungsproduktes C zweier Inzidenzfunktionen A und B in Matrixdarstellung, wobei es sich bei dieser Ordnung um eine Kette handelt und die Nummerierung der Zeilen und Spalten der Größe der Elemente nach erfolgte (im allgemeinen Fall sieht die Partitionierung der Matrizen weit komplizierter aus). Um C x,y (x y) zu berechnen, denkt man sich die in der Abbildung grau dargestellten Vektoren a i = A x,i bzw. b i = A i,y (i = x,..., y). Dann gilt C x,y = a b (Skalarprodukt). Da A und B obere -Matrizen sind, ist auch C eine obere -Matrix. 5
6 2.3 Wie erhält man f 1? Aus f 1 (x, x)f(x, x) = δ(x, x) = 1 folgt f 1 (x, x) = 1 f(x, x). (5) Deshalb existiert die Inverse zu f nur, wenn f(x, x) 0 für x. Für x < y folgt mit (f 1 f)(x, y) = x z y f 1 (x, z)f(z, y) = δ(x, y) = 0 (6) die rekursive Formel (Abspalten des letzten Summanden) f 1 (x, y) = 1 f(y, y) x z<y f 1 (x, z)f(z, y). (7) Bemerkung. Natürlich könnte man die Ordnungen einfach in Matrixform darstellen und dann invertieren. Das ist aber umständlich, da man sich so nicht die besondere Struktur von Inzidenzfunktionen zu Nutze macht und auf Nulleinträgen operiert. 3 Die Möbiusfunktion 3.1 Definition Definition. Die Möbiusfunktion µ ist die Inverse zur Riemannschen Zetafunktion ζ, d.h. µ ζ = ζ µ = δ. Da ζ durch die Ordnung P eindeutig bestimmt ist, ist auch µ eindeutig bestimmt (wenn existent). Aus den Gleichungen (5) - (7) erhält man leicht 1, falls x = y; µ(x, y) = x z<y µ(x, z), falls x < y; (8) Beispiel. Die Möbiusfunktion zu (2) ist µ P =
7 3.2 Der Produktsatz Die besondere Bedeutung der Möbiusfunktion begründet sich hauptsächlich mit der Gültigkeit des Produktsatzes, der besagt, dass sich die Möbiusfunktion einer Produktordnung P Q als Produkt der Möbiusfunktionen der Ausgangsordnungen (P, ) und (Q, ) darstellen lässt, d.h. Satz 3.1 µ P Q ((r, x), (s, y)) = µ P (r, s)µ Q (x, y). Beweis. Literatur. Beispiel. P Q PxQ (d,y) d y (b,y) (d,x) b c x = x (b,x) (a,y) a (a,x) (c,y) (c,x) Die Abbildung zeigt das Produkt der Ordnung P, wie sie schon bei (2) verwendet wurde, mit der Ordnung Q. Wir erhalten (Nummerierung: x, y) So gilt zum Beispiel µ Q = ( ). µ P Q ((a, y), (d, x)) = µ P (a, d)µ Q (y, x) = 1 0 = Möbiusfunktion spezieller Ordnungen Die Möbiusfunktion einer Kette Satz 3.2 Die Möbiusfunktion µ einer Kette x 1 < x 2 <... < x n lautet 1, falls x i = x j ; µ(x i, x j ) = 1, falls x i x j ; 7
8 Beweis. Fälle x i = x j und x i x j ergeben sich aus Definition (8). Für x i x j gilt µ(x i, x j ) = x i z<x j µ(x i, z) = µ(x i, x i ) = 1. Für x i x j und (x i x j ) (x j ist größer als x i, aber kein Nachfolger) ergibt sich µ(x i, x j ) = x i z<x j µ(x i, z) = (1 + ( 1) ) = 0. Bemerkung. In Matrixschreibweise ist µ = tridiag(0, 1, 1). Die geordnete Menge Q = {x, y} aus vorigem Kapitel ist ein Beispiel für eine zweielementige Kette Die Möbiusfunktion im BOOLEschen Verband Satz 3.3 Betrachten A, B P, (P, ) boolesch (z.b. Teilmengenverband). Dann gilt { ( 1) µ(a, B) = B A, A B; Beweis. Ist A B folgt µ(a, B) = 0 laut Defintion (8). Gilt A B dann betrachten wir ein Intervall I = [A, B]. I ist isomorph zu J = [, C := B \ A] (trivial, Isomorphismus f : I X X \ A J). Wir nummerieren die Elemente von C = {c 1, c 2,..., c n }, wobei n = C = B \ A = B A. Wegen { g : J J (b 1, b 2,..., b n ) B n 1, ci J;, b i = 0 sonst, ist J isomorph zu B n = ({0, 1} n, ). Speziell gilt g( ) = (0, 0,..., 0) und g(c) = (1, 1,..., 1). Wir erhalten somit µ(a, B) = µ(, C) = µ((0, 0,..., 0), (1, 1,..., 1)) und mit dem Produktsatz und der Tatsache, dass µ B1 (0, 1) = 1 (vgl. Satz 3.2) folgt letztendlich µ(a, B) = µ(0, 1)µ(0, 1)...µ(0, 1) = ( 1) n. 8
9 Abbildung. Die untenstehende Grafik zeigt zwei isomorphe Ordnungen, nämlich das Intervall [{a}, {a, b, d}] und den B 3. {a,b,c,d} {a,b,c} {a,b,d} {a,c,d}... (1,1,1) {a,b} {a,c} {a,d}... (1,1,0) {a,c} (1,0,1) {a} {b} {c} {d} (1,0,0) Die Möbiusfunktion im Teilerverband Analog zum BOOLEschen Verband kann man die Elemente im Teilerverband T n als Produkte von Ketten der Form (1 < p i < p 2 i <... < p k i i ) (9) darstellen, wobei p i die verschiedenen Primfaktoren (Anzahl m) von n durchlaufen. Die Produktordnung besteht dann aus Vektoren der Form (p d 1 1, pd 2 2,..., pdm (d i N), wobei eine Zahl T n z = p d 1 1 pd pdm m durch das Produkt der Komponenten dargestellt ist. Offensichtlich gilt für die Kette (9) 1, falls j = k; µ K (p j i, pk i ) = 1, falls k = j + 1; Daraus folgt für die Produktordnung, dass sich die Anzahl der Primfaktoren p i zweier Zahlen x, y T n nur um maximal 1 unterscheiden kann, wenn der alternierende Faktor (-1) erhalten bleibt, d.h. dass y x nur einfache Primfaktoren hat. Damit erhalten wir also 1, falls x = y; µ Tn (x, y) = ( 1) k, falls y x Produkt von k versch. Primfaktoren ist; m ) 9
10 4 Möbiusinversion und ihre Anwendung 4.1 Die Möbiusinversion Satz 4.1 Sei (P, ) endliche Ordnung, f, g : P C mit g(x) = y x f(y) x P. (10) Dann und nur dann gilt f(x) = y x g(y)µ(y, x). (11) Diese Beziehung heißt Möbiusinversion (von unten). Bemerkung. Gültigkeit des Satzes bleibt erhalten, wenn man in (10) und (11) und µ(y, x) µ(x, y) austauscht. Diese Beziehung heißt Möbiusinversion von oben. Beweis. f(x) = f(z)δ(z, x) = f(z)ζ(z, y)µ(y, x) z P y x z P = f(z)µ(y, x) = g(y)µ(y, x). y x z y y x 4.2 Das Prinzip der Inklusion-Exklusion Betrachten eine Menge B = {b 1, b 2,..., b n } mit n logischen Aussageformen b i (x) über Elemente x M, M beliebig. Unter Voraussetzung der Gültigkeit einzelner b i wird jeweils eine Teilmenge N M erzeugt. Wir schreiben die Bedingungen so, dass sie einen booleschen 0-1-Verband B n bilden: B n a = (b 1, b 2,..., b n) mit b i = 1, genau dann wenn b i erfüllt ist; sonst b i = 0. (B n, ) ist isomorph zu einem Teilmengenverband (P(M), ). Sei m = (a) die Mächtigkeit der von a erzeugten Teilmenge von M, also die Anzahl der Elemente von M, die genau die Bedingungen a erfüllen und sonst keine. Außerdem bezeichne m (a) bzw. m (a) die Mächtigkeit der Teilmengen von M, deren Elemente mindestens bzw. höchstens die Eigenschaften a erfüllen. Offensichtlich ist dann m (a) = a a m = (a ) bzw. m (a) = a a m = (a ). 10
11 Mit Satz 3.3 und 4.1 folgt (Möbiusinversion von oben): m (a) = a a m = (a ) m = (a) = a a( 1) a a m (a ). (12) a ist dabei die Anzahl der erfüllten Bedingungen in a. Vertauscht man in (12), so erhält man die analoge Beziehung für die Möbiusinversion von unten. Beispiel. Wir wollen das Prinzip der Inklusion-Exklusion an einem konkreten Beispiel nachvollziehen. Gesucht ist die Anzahl der Zahlen zwischen 1 und 1000 (einschließlich), die weder durch 2 noch 3 noch durch 5 teilbar sind. Wir haben es also mit n = 3 Bedingungen b i zu tun: b 1 (x)... 2 x, b 2 (x)... 3 x und b 3 (x)... 5 x. Beachtet man, dass jede zweite Zahl durch 2 teilbar ist, so erhält man leicht m ( 2 x ) = m ((1, 0, 0)) = [ ] = 500. Außerdem ist eine Zahl durch 2 und durch 3 teilbar, wenn sie durch 6 teilbar ist: m ((1, 1, 0)) = [ ] = 166, usw. (1,1,1) 33 (1,1,0) 166 (1,0,1) 100 (0,1,1) 66 (1,0,0) 500 (0,1,0) 333 (0,0,1) 200 (0,0,0) 1000 Mit (12) ergibt sich m = ((0, 0, 0)) = ( 1) a m (a ) a (0,0,0)( 1) a (0,0,0) m (a ) = (a ) = = 266. Wir erhalten also, dass 266 Zahlen zwischen 1 und 1000 weder durch 2 noch 3 noch durch 5 teilbar sind. 11
9 Aus der linearen Algebra. Themen: Lineare Abbildungen Darstellung durch Matrizen
9 Aus der linearen Algebra Themen: Der à n Lineare Abbildungen Darstellung durch Matrizen Der à n besteht aus den n-tupeln mit x i Ã. x 1 x 2 x = (x 1, x 2,...,x n ) oder x =. x n Der à n besteht aus den
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
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
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
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 II. Vektoren und Matrizen
Kapitel II. Vektoren und Matrizen Vektorräume A Körper Auf der Menge R der reellen Zahlen hat man zwei Verknüpfungen: Addition: R R R(a, b) a + b Multiplikation: R R R(a, b) a b (Der Malpunkt wird oft
MehrLineare Algebra I, Musterlösung zu Blatt 9
Lineare Algebra I, Musterlösung zu Blatt 9 Wintersemester 2007/08 1. Untersuchen Sie, ob die folgenden Matrizen invertierbar sind und bestimmen Sie gegebenenfalls die Inverse. 8 1 3 1 a) A = 3 3 1 1 11
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
Mehr01. Gruppen, Ringe, Körper
01. Gruppen, Ringe, Körper Gruppen, Ringe bzw. Körper sind wichtige abstrakte algebraische Strukturen. Sie entstehen dadurch, dass auf einer Menge M eine oder mehrere sogenannte Verknüpfungen definiert
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
MehrDiskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr
Bemerkung: Der folgende Abschnitt Boolesche Algebren ist (im WS 2010/11) nicht Teil des Prüfungsstoffs, soweit nicht Teile daraus in der Übung behandelt werden! Diskrete Strukturen 5.9 Permutationsgruppen
Mehr1.4 Gruppen, Ringe, Körper
14 Gruppen, Ringe, Körper Definition 141 Eine Verknüpfung auf einer Menge M ist eine Abbildung : M M M : (a, b a b Die Verknüpfung heißt assoziativ falls gilt: a (b c = (a b c a, b, c M; kommutativ falls
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
MehrRinge. Kapitel Einheiten
Kapitel 8 Ringe Die zahlreichen Analogien zwischen Matrizenringen und Endomorphismenringen (beides sind zugleich auch Vektorräume) legen es nahe, allgemeinere ringtheoretische Grundlagen bereitzustellen,
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
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
MehrAlgebra und Zahlentheorie WS 13/14
Algebra und Zahlentheorie WS 13/14 FU Berlin David Müßig http://page.mi.fu-berlin.de/def/auz14/ muessig@mi.fu-berlin.de 21.01.2014 1 Hintergrund: Basen & Vektorräume 1.1 Grundlegende Begriffe Da einige
MehrSkriptum EINFÜHRUNG IN DIE ALGEBRA
Skriptum EINFÜHRUNG IN DIE ALGEBRA 1 Günter Lettl SS 2016 1. Algebraische Grundbegriffe 1.1 Verknüpfungen Definition 1. Es sei M eine nicht leere Menge. a) Eine Verknüpfung (oder (binäre) Operation) auf
MehrOrdinalzahlen. Sei (X, ) eine total geordnete Menge und a X. Dann
Ordinalzahlen Im Rahmen der Ordnungsrelationen wurden bisher die Begriffe Partialordnung und Totalordnung (lineare Ordnung) erwähnt. Ein weiterer wichtiger Ordnungsbegriff ist die Wohlordnung. Wohlgeordnete
MehrLineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich
Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,
MehrPlan für Heute/Morgen
Plan für Heute/Morgen Kongruenzsätze: aus der Schule wissen wir die SSS, SWS, und SSW Kongruenzsätze für Dreiecke: Wir wollen diese Sätze im Rahmen unseres Modells (wenn Punkte die 2 Tupel von reellen
MehrLineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18.
18. November 2011 Wozu das alles? Bedeutung von Termen Vektoren in R n Ähnlichkeiten zwischen Termbedeutungen Skalarprodukt/Norm/Metrik in R n Komposition von Termbedeutungen Operationen auf/abbildungen
Mehr1.4 Gruppen, Ringe, Körper
14 Gruppen, Ringe, Körper Definition 141 Eine Verknüpfung auf einer Menge M ist eine Abbildung : M M M : (a,b) a b Die Verknüpfung heißt assoziativ falls a,b,c M gilt: a (b c) = (a b) c; kommutativ falls
MehrAlgebraische Strukturen und Verbände
KAPITEL 4 Algebraische Strukturen und Verbände Definition 4.1. Sei M eine Menge. Eine Abbildung : M M M nennt man eine (zweistellige) Verknüpfung in M. Man schreibt dafür auch a b := (a, b) mit a, b M.
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
Mehr2.4 Lineare Abbildungen und Matrizen
24 Lineare Abbildungen und Matrizen Definition 24 Seien V, W zwei K-Vektorräume Eine Abbildung f : V W heißt lineare Abbildung (lineare Transformation, linearer Homomorphismus, Vektorraumhomomorphismus
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen
MehrU = U, v i λ i = o und (z.b.) λ 1 0. i=1 1 = i=2. i=2
7 Lineare Unabhängigkeit, asis Existenzsatz M Am Ende des vorigen Paragraphen betrachteten wir bei vorgegebener Teilmenge T eines K-Vektorraumes V das Erzeugnis U von T in V. Die ildung des Erzeugnisses
MehrVollständigkeit. 1 Konstruktion der reellen Zahlen
Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente
MehrMengenlehre: Mächtigkeit (Ordnung) einer Menge
Mengenlehre: Mächtigkeit (Ordnung) einer Menge Def. Seien A, B Mengen. Wir sagen, dass A höchstens gleichmächtig zu B ist, falls es eine injektive Abbildung f : A B gibt. Schreibweise: A B. Wir sagen,
MehrKongruenz modulo g definiert auf K[x] eine Äquivalenzrelation g : h g f h f ist durch g teilbar, und [f] g ist die Äquivalenzklasse von f.
3 Kongruenz modulo g definiert auf K[x] eine Äquivalenzrelation g : h g f h f ist durch g teilbar, und [f] g ist die Äquivalenzklasse von f 4 Auf der Menge aller Restklassen [f] g kann man Addition und
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)
MehrLineare Algebra I 5. Tutorium Die Restklassenringe /n
Lineare Algebra I 5. Tutorium Die Restklassenringe /n Fachbereich Mathematik WS 2010/2011 Prof. Dr. Kollross 19. November 2010 Dr. Le Roux Dipl.-Math. Susanne Kürsten Aufgaben In diesem Tutrorium soll
Mehr: G G G. eine Abbildung. Gelten die folgenden Eigenschaften, so nennen wir (G,,e) eine Gruppe: (x,y) x y
5 GRUPPEN 5 Gruppen Hier fehlt eine schöne Einleitung oder ein motivierendes Beispiel. Definition [5.1] Sei G eine nicht-leere Menge, e G ein (ausgezeichnetes) Element in G und : G G G eine Abbildung.
MehrAufgaben zur Verbandstheorie
TU Bergakademie Freiberg WS 2005/06 Institut für Diskrete Mathematik & Algebra Prof. Dr. Udo Hebisch Aufgaben zur Verbandstheorie 1. Für ein beliebiges n IN sei X n die Menge aller Teiler von n. Definiert
Mehr8 Gruppen und Körper
8 Gruppen und Körper (8.) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres Element a?b aus G zuordnet, so dass die folgenden
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrLösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }
Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird
MehrSatz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum
Orthogonalität 123 Dienstag, 27. April 04 Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum U von V gilt dann (a) U + U = V, U U = {0}, U, U = 0. (b) (U ) = U. Wir sagen
Mehr30 Ringe und Körper Motivation Definition: Ring. Addition und eine. Häufig gibt es auf einer Menge zwei Verknüpfungen: eine
30 Ringe und Körper 30.1 Motivation Häufig gibt es auf einer Menge zwei Verknüpfungen: eine Addition und eine Multiplikation. Beispiele: (Z, +, ) hier gibt es sogar noch eine Division mit Rest. (IR, +,
Mehrauf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a
x LINEARE ABBILDUNGEN Denition: Seien V; V Vektorraume Eine Abbildung f heit linear, falls (i) (ii) f(x + y) f(x) + f(y) (x; y V ) f(x) f(x) ( R; x V ) Bemerkungen: I (i) und (ii) oben sind aquivalent
MehrEinführung in die lineare Algebra und GeometrieWS 2018/19 October 30, 2018
1 Beweisen Sie folgende Aussage: Das Produkt zweier ungeraden Zahlen ist ungerade Beweisen Sie folgende Aussage: Es gibt keine ganzen Zahlen n, m mit 8m + 4n = 100 [Hinweis: Beweisen Sie indirekt Nehmen
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 +
Mehr1 Vektoren, Vektorräume, Abstände: 2D
Vektoren, Vektorräume, Astände: D Definition: Die Menge aller (geordneten Paare reeller Zahlen (oder allgemeiner: Elemente eines elieigen Körpers, als Spalten geschrieen, ezeichnen wir als Vektoren: R
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
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
MehrDiskrete Strukturen Kapitel 5: Algebraische Strukturen (Gruppen)
WS 2015/16 Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Gruppen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrAddition: ( 1 ; : : : ; n ) + ( 1 ; : : : ; n ) = ( ; : : : ; n + n ). Skalare Multiplikation: ( 1 ; : : : ; n ) = ( 1 ; : : : ; n ). II. Die Me
x 3 VEKTOR AUME In Kapitel 2 betrachteten wir wichtige Raume, die durch unsere Raumvorstellung motiviert waren { die zwei- und dreidimensionalen Raume R 2 und R 3. Jetzt untersuchen wir hoher dimensionale
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
MehrLineare Gleichungssysteme
Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
Mehr2.1 Vektorräume. 1. für alle x, y U ist x + y U und. 2. für alle x U und alle λ R ist λx U. O V (= O U) U, und dass ( 1) x U, also x U.
Vektorräume Definition Eine nicht leere Menge V, für die eine Addition (dh eine Rechenvorschrift + derart, dass a + b V für alle a, b V ist und eine skalare Multiplikation (dh λa V für alle λ R (λ ist
MehrAnalysis I - Reelle Zahlen
November 17, 2008 Algebraische Grundbegriffe und Körper Definition Sei M eine Menge. Jede Funktion f : M M M heißt eine (binäre, innere) Verknüpfung oder eine Operation auf M. Wir schreiben für (a, b)
Mehrist (oder besser Abspalten von Linearfaktoren beschäftigen. Zu einem beliebigen Körper K betrachten wir die Menge (j,k) N N j+k=n
8. Polynomringe Das Umgehen mit Polynomen, d.h. mit Ausdrücken der Form a 0 + a 1 x + a 2 x 2 +... + a n x n ist aus der Schule vertraut, falls die Koeffizienten a 0,..., a n ganze oder rationale oder
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
Mehr11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen
11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen 11.1 g-adische Entwicklung von Zahlen aus [0, 1[ 11.2 g-adische Entwicklung reeller Zahlen 11.3 g-adische Entwicklung nicht-negativer
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben
Mehrσ-algebren, Definition des Maßraums
σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus
Mehr5 Vektorräume. (V1) für alle x, y V : x + y = y + x; (V2) für alle x, y, z V : (x + y) + z = x + (y + z);
5 Vektorräume Was wir in den vorangegangenen Kapiteln an Matrizen und Vektoren gesehen haben, wollen wir nun mathematisch abstrahieren. Das führt auf den Begriff des Vektorraumes, den zentralen Begriff
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I (Wintersemester 2003/2004) Aufgabenblatt 6
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
Mehr2 Die Körper-Axiome. I. Axiome der Addition (A.1) Assoziativgesetz. Für alle x, y, z R gilt (x + y)+z = x +(y + z).
17 Wir setzen in diesem Buch die reellen Zahlen als gegeben voraus. Um auf sicherem Boden zu stehen, werden wir in diesem und den folgenden Paragraphen einige Axiome formulieren, aus denen sich alle Eigenschaften
MehrWiederholungsserie II
Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10
D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler Lösungen Serie 10 1. Für a 1 : 1 1 0, a 2 : 1 1, a 3 : 1 1 1, b : 2 2 2 1 und A : (a 1, a 2, a 3 ) gelten welche der folgenden Aussagen? (a) det(a)
MehrÜbersicht Kapitel 9. Vektorräume
Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten
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
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrMatrizen. Stefan Keppeler. 28. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen Matrizen 28. November 2007 Summe & Produkt Beispiel: Einwohnerzahlen Beispiel Addition Multiplikation Inverse Addition & Multiplikation Anwendung
Mehr02. Vektorräume und Untervektorräume
02. Vektorräume und Untervektorräume Wir kommen nun zur eigentlichen Definition eines K-Vektorraums. Dabei ist K ein Körper (bei uns meist R oder C). Informell ist ein K-Vektorraum eine Menge V, auf der
Mehr4. Übung zur Linearen Algebra I -
4. Übung zur Linearen Algebra I - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. WS 2009-10. Aufgabe 13 Auf dem Cartesischen Produkt Z Z werden 2 Verknüpfungen, definiert durch: Man zeige: (a
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
MehrLineare Schieberegisterfolgen
Lineare Schieberegisterfolgen Sei K ein endlicher Körper. Man nehme zwei Vektoren x 0 a0 x n 1, a n 1 K n n 1 x n := a i x i und betrachte die lineare Abbildung : K n K n, die durch i=0, berechne x 0 x
MehrAnmerkungen zu Mengen und Abbildungen
Anmerkungen zu Mengen und Abbildungen Kartesisches Produkt von n Mengen und n-stellige Relationen Sind M 1, M,, M n nichtleere Mengen, so ist ihr kartesisches Produkt erklärt als Menge aller geordneter
Mehr4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.
4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus
MehrKAPITEL 5. Damit wird F n (B) selbst zu einer Booleschen Algebra und es gilt f(x) := f(x) 0(x) := 0 B 1(x) := 1 B
KAPITEL 5 Boolesche Polynome Polynome über R, d.h. reelle Funktionen der Form p(x) = a 0 + a 1 x + + a n x n, x R, sind schon aus der Schulmathematik bekannt. Wir beschäftigen uns nun mit Booleschen Polynomen,
MehrLösungsvorschläge zu den Aufgaben auf Übungsblatt 07. x Dy y x
Lösungsvorschläge zu den Aufgaben auf Übungsblatt 07 Aufgabe 1. Es seien R ein kommutativer Ring mit 1 und D R. Wir schreiben { ) x Dy QR, D) = x, y R}. y x Dann ist QR, D) abgeschlossen bezüglich der
MehrG. Dobner/H.-J. Dobner: Lineare Algebra Elsevier Spektrum Akademischer Verlag
G. Dobner/H.-J. Dobner: Lineare Algebra Elsevier Spektrum Akademischer Verlag Beantwortung der Fragen und Lösungen der Aufgaben zu Kapitel Version V vom 3.. 28 2 Beantwortung der Fragen zu Kapitel TESTFRAGEN
MehrKapitel II. Vektorräume
Inhalt der Vorlesung LAAG I Prof. Dr. Arno Fehm TU Dresden WS2017/18 Kapitel II. Vektorräume In diesem ganzen Kapitel sei K ein Körper. 1 Definition und Beispiele 1.1 Beispiel. Ist K = R, so haben wir
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrMathematische Grundlagen der Computerlinguistik Lineare Algebra
Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 30 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen
MehrÜbungen zu Lineare Algebra 1, NAWI Graz, WS 2018/19 Blatt 1 (3.10.)
Blatt 1 (3.10.) 1. Von einem Parallelogramm ABCD sind die Punkte A = (2, 1), B = (6, 2) und D = (3, 5) gegeben. Berechnen Sie C. 2. Stellen Sie rechnerisch fest, ob das Viereck ABCD mit A = (2, 3), B =
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Symmetrische
Mehr15. Gruppen, Ringe und Körper
Chr.Nelius: Lineare Algebra II (SS2005) 1 15. Gruppen, Ringe und Körper A) Mengen mit Verknüpfungen (15.1) DEF: Eine Verknüpfung (oder Rechenoperation) auf einer nichtleeren Menge M ordnet je zwei Elementen
MehrLösungen zur Übungsserie 2
Analysis 1 Herbstsemester 2018 rof. eter Jossen Montag, 8. Oktober Lösungen zur Übungsserie 2 Aufgaben 1, 2, 3, 4, 5, 6, 7, 8, 9, 12, 13, 14 Aufgabe 1. Sei X eine Menge. Wie behandeln in dieser Aufgabe
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
MehrVektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:
MehrElemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren
3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 2, 207 Erinnerung Definition. Ein Skalarprodukt ist eine Abbildung, : E n E n E, v, w v, w = n k= v
MehrBasiswissen über Bilinearformen mit Betrachtung symmetrischer Bilinearformen
Basiswissen über Bilinearformen mit Betrachtung symmetrischer Bilinearformen Zhelun Chen Proseminar Lineare Algebra WS016/017 Universität Konstanz Zusammenfassung In diesem Proseminar lernen wir einige
Mehr