Die Inzidenzalgebra, die Möbiusfunktion und -inversion und ihre Anwendung beim PIE

Größe: px
Ab Seite anzeigen:

Download "Die Inzidenzalgebra, die Möbiusfunktion und -inversion und ihre Anwendung beim PIE"

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: 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

Mehr

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Teil 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

Mehr

35 Matrixschreibweise für lineare Abbildungen

35 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

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik 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

Mehr

9.2 Invertierbare Matrizen

9.2 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

Mehr

Kapitel II. Vektoren und Matrizen

Kapitel 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

Mehr

Lineare Algebra I, Musterlösung zu Blatt 9

Lineare 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

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen 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: 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

Mehr

01. Gruppen, Ringe, Körper

01. 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

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische 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

Mehr

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

3 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

Mehr

Diskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr

Diskrete 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

Mehr

1.4 Gruppen, Ringe, Körper

1.4 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

Mehr

8.2 Invertierbare Matrizen

8.2 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

Mehr

Ringe. Kapitel Einheiten

Ringe. Kapitel Einheiten Kapitel 8 Ringe Die zahlreichen Analogien zwischen Matrizenringen und Endomorphismenringen (beides sind zugleich auch Vektorräume) legen es nahe, allgemeinere ringtheoretische Grundlagen bereitzustellen,

Mehr

Zahlen und metrische Räume

Zahlen 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,

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

5 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

Mehr

Lineare Algebra I Zusammenfassung

Lineare 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

Mehr

Algebra und Zahlentheorie WS 13/14

Algebra 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

Mehr

Skriptum EINFÜHRUNG IN DIE ALGEBRA

Skriptum 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

Mehr

Ordinalzahlen. Sei (X, ) eine total geordnete Menge und a X. Dann

Ordinalzahlen. 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

Mehr

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Lineare 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,

Mehr

Plan für Heute/Morgen

Plan 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

Mehr

Lineare Algebra I. Christian Ebert & Fritz Hamm. Gruppen & Körper. Vektorraum, Basis & Dimension. Lineare Algebra I. 18.

Lineare 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

Mehr

1.4 Gruppen, Ringe, Körper

1.4 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

Mehr

Algebraische Strukturen und Verbände

Algebraische 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.

Mehr

3 Matrizen und Lineare Gleichungssysteme

3 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

Mehr

3 Matrizenrechnung. 3. November

3 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

Mehr

2.4 Lineare Abbildungen und Matrizen

2.4 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

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12

Mathematik 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

Mehr

U = U, v i λ i = o und (z.b.) λ 1 0. i=1 1 = i=2. i=2

U = 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

Mehr

Vollständigkeit. 1 Konstruktion der reellen Zahlen

Vollständigkeit. 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

Mehr

Mengenlehre: Mächtigkeit (Ordnung) einer Menge

Mengenlehre: 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,

Mehr

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.

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. 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

Mehr

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)

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) 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)

Mehr

Lineare Algebra I 5. Tutorium Die Restklassenringe /n

Lineare 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

: 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.

Mehr

Aufgaben zur Verbandstheorie

Aufgaben 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

Mehr

8 Gruppen und Körper

8 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

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. 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

Mehr

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }

Lösungsmenge 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

Mehr

Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum

Satz 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

Mehr

30 Ringe und Körper Motivation Definition: Ring. Addition und eine. Häufig gibt es auf einer Menge zwei Verknüpfungen: eine

30 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, +,

Mehr

auf 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

auf 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

Mehr

Einführung in die lineare Algebra und GeometrieWS 2018/19 October 30, 2018

Einführung 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

Mehr

3 Lineare Algebra Vektorräume

3 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 +

Mehr

1 Vektoren, Vektorräume, Abstände: 2D

1 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

Mehr

Determinanten. 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 =. (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

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. 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

Mehr

Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Gruppen)

Diskrete 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

Mehr

Addition: ( 1 ; : : : ; n ) + ( 1 ; : : : ; n ) = ( ; : : : ; n + n ). Skalare Multiplikation: ( 1 ; : : : ; n ) = ( 1 ; : : : ; n ). II. Die Me

Addition: ( 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

Mehr

Analysis I - Stetige Funktionen

Analysis 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

Mehr

Lineare Gleichungssysteme

Lineare 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.

Mehr

32 2 Lineare Algebra

32 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

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen 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

Mehr

2.1 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.

2.1 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

Mehr

Analysis I - Reelle Zahlen

Analysis 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)

Mehr

ist (oder besser Abspalten von Linearfaktoren beschäftigen. Zu einem beliebigen Körper K betrachten wir die Menge (j,k) N N j+k=n

ist (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

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 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

Mehr

11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen

11 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

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben

Mehr

σ-algebren, Definition des Maßraums

σ-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

Mehr

Zahlen und metrische Räume

Zahlen 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

Mehr

5 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. (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

Mehr

1 Matrizenrechnung zweiter Teil

1 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

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE 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

Mehr

WS 2009/10. Diskrete Strukturen

WS 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

Mehr

2 Die Körper-Axiome. I. Axiome der Addition (A.1) Assoziativgesetz. Für alle x, y, z R gilt (x + y)+z = x +(y + z).

2 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

Mehr

Wiederholungsserie II

Wiederholungsserie 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

Mehr

D-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 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)

Mehr

Übersicht Kapitel 9. Vektorräume

Übersicht 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

Mehr

36 2 Lineare Algebra

36 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

Mehr

Kapitel 3 Lineare Algebra

Kapitel 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

Mehr

Matrizen. Stefan Keppeler. 28. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen

Matrizen. 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

Mehr

02. Vektorräume und Untervektorräume

02. 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

Mehr

4. Übung zur Linearen Algebra I -

4. 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 $

$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

Mehr

Lineare Schieberegisterfolgen

Lineare 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

Mehr

Anmerkungen zu Mengen und Abbildungen

Anmerkungen 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

Mehr

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

4 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

Mehr

KAPITEL 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. 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,

Mehr

Lösungsvorschläge zu den Aufgaben auf Übungsblatt 07. x Dy y x

Lösungsvorschläge 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

Mehr

G. Dobner/H.-J. Dobner: Lineare Algebra Elsevier Spektrum Akademischer Verlag

G. 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

Mehr

Kapitel II. Vektorräume

Kapitel 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

Mehr

a 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:

a 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

Mehr

Mathematische Grundlagen der Computerlinguistik Lineare Algebra

Mathematische 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

Mehr

Übungen zu Lineare Algebra 1, NAWI Graz, WS 2018/19 Blatt 1 (3.10.)

Übungen 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 =

Mehr

Lineare 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. 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

Mehr

15. Gruppen, Ringe und Körper

15. 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

Mehr

Lösungen zur Übungsserie 2

Lösungen 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

Mehr

β 1 x :=., und b :=. K n β m

β 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

Mehr

Vektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Vektorräume. 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:

Mehr

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren

Elemente 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)

Mehr

Lösbarkeit linearer Gleichungssysteme

Lösbarkeit 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

Mehr

Lineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching

Lineare 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

Mehr

Basiswissen über Bilinearformen mit Betrachtung symmetrischer Bilinearformen

Basiswissen 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