Algebra Zusammenfassung

Größe: px
Ab Seite anzeigen:

Download "Algebra Zusammenfassung"

Transkript

1 Algebra Zusammenfassung Jan Arends 1 Die Menge der ganzen Zahlen 1.1 Die Rechenstruktur Z 1.2 Teilbarkeit Division mit Rest Seien a Z b N: q Z r N 0 : a = b q + r mit 0 r < b Modulo Alternative Schreibweisen: Division ohne Rest a = r(m) a = m q + r m a r Ess gilt für b 0 b a q Z : a = b q a b(m) a = m q + b Korollar 1.2 Seiten a, b, c, d, x, y Z: Aussage Bemerkung a) 0 a nur dann, wenn a = 0 b) a 0 Für a Z: 0 a = 0 c) 1 a und a a triviale Teiler, a 1 = a, a a = 1 d) a b b c a c Transitivität e) a b c d ac bd f) ca cb a b Kürzungsregel (Für c 0) g) a b a c a xb + yc Linearkombinationsregel h) a b a b + c a c i) a = bc + d b a = b d j) a b, b a = a = b a = b k) bc a = b a c a Restklassen Äquivalenzrelation 1

2 1.3 Größter gemeinsamer Teiler Das Lemma von Bézout - Linearkombination Seien a, c Z. Dann gilt x, y Z : ax + by = (a, b) (a, b) = 1 x, y Z : ax + by = 1 Die Koeffizienten x, y Z erhält man mit dem erweiterten euklidischen Algorithmus Berechnung des GGTs Euklidischer Algorithmus Anhand von Primfaktorzerlegung Erweiteter euklidischer Algorithmus Linearkombination (s.o.) Modularen Inversen Zum Berechnen von: 2 Gruppen Definition Gruppenaxiome Sei A(M, ). Falls G: abgeschlossen = algebraischestruktur a, b M : a b M assoziativ = Halbgruppe a, b, c M : (a b) c = a (b c) Einselement = Monoid Inverse = Gruppe Kommutativ = zusatzabelsch G endlich = ord G = G die Ordnung von G (Gruppenordnung). Sei a G und e das Einselement von G. Dann heißt die Ordnung von a in G. ord G (a) = min{k N a k = e} a M : a e = e a = a a M a 1 M : a a 1 = a 1 a = e a, b M : a b = b a 2.1 Untergruppen < a >= {a 1, a 2,..., a n} wobei a n+1 = a(m). Der einfachhalthalber: Jeweils Vorgänger mit a multiplizieren. Untergruppenkriterium Sei G = (M, )und U M. Dann ist G U eine Untergruppe von G genau dann. wenn gilt: a, b, G U, dann ist auch a 1 b G U bzw. a b 1 G U 2

3 Zyklische Gruppen Gdw. a :< a >= G.a heißt Generator. Zyklische Gruppen sind abelsch. 2.2 Faktorisierung von Gruppen Nebenklassen Sei G = (M, ) Gruppe, U M und G U Untergruppe von G sowieso a G Linksnebenklasse: a G U Rechtsnebenklasse: G U a a heißt Repräsentant der Nebenklasse. Gilt a G : a G U = G U a, dann heißt G U Normalteiler von G (automatisch, wenn Operator kommutativ). Außerdem: Nebenklassen sind unabhängig vom Repräsentaten. Faktorgruppen Sei G U Normalteiler von G. Dann bildet G/G U bzw. G/ < a > mit: (a G U ) U (b G U ) = (a b) G U die sog. Faktorgruppe. Am einfachsten dann Verknüpfungstafel aufstellen. Satz von Lagrange (Ausschnitt) Nebenklassen sind entweder identisch oder disjunkt. Die Nebenklassen legen eine Äquivalenzrelation und damit eine Partition auf G fest. Alle Links- und alle Rechtsnebenklassen haben dieselbe Anzahl an Elementen, nämlich die der Untergruppe. Die Ordnungen von Untergruppen sind also immer Teiler der Gruppenordnung. Funktionen/Abbildungen Total: x A y B Injektivität: Jedes Element der Zielmenge hat höchstens ein Urbild. Surjektivität: Jedes Element der Zielmenge hat mindestens ein Urbild. Bijektivität: Abbildung ist total, injektiv und surjektiv Gruppenhomomorphismus Seien G 1 = (M 1, 1 ) und G 2 = (M 2, 2 ) zwei Gruppen sowie ϕ : G 1 G 2 eine Abbildung. ϕ heißt (Gruppen-)Homomorphismus von G 1 nach G 2, falls ϕ total ist a,b G1 die Strukturgleichung ϕ(a 1 b) = ϕ(a) 2 ϕ(b) erfüllt ist. Isomorphismus falls ϕ bijektiv, d.h.: injektiv surjektiv Schreibweise: G 1 = G2 3

4 Automorphismus Isomorphismus auf sich selbst: G = G Kerne von Homomorphismen Sei ϕ : G 1 G 2 Homomorphismus. Der Kern von ϕ enthält alle Elemente von G 1, die auf das Einselement von G 2 abgebildet werden: Kern(ϕ) = {x G 1 ϕ(x) = e 2 } Kern(ϕ) = 1 ϕ ist injektiv. 3 Ringe, Integritätsbereiche und Körper 3.1 Ringe Die alg. Struktur R = (M, 1, 2 ) heißt Ringe, falls (M, 1 ) abelsche Gruppe (M, 2 ) Halbgruppe Distributivgesetze erfüllt sind: a,b,c M : a 2 (b 1 c) = (a 2 b) 1 (a 2 c) (b 1 c) 2 a = (b 2 a) 1 (c 2 a) Sonstige Eigenschaften 2 kommutativ = kommutativer Ring (M, 2 ) Monoid = Ring mit Einselement Bsp: (Z m, +, ) der ganzen Addition und Multiplikation bildet kommutativen Ring mit Einselement. (M, 1 ) ein abelsches Monoid und (M, 2 ) ein Monoid = Semiring Einheiten R Ring, a R (multiplikativ) invertierbar = Einheit. R ist die Menge aller Einheiten von R. R Ring mit Einselement = R bildet (multiplikative) Gruppe, die sog. Einheitsgruppe. Nullteiler Sei R ein Ring, a R mit a 0. b R a b = 0 = Nullteiler in R. Enthält R keine Nullteiler = R nullteilerfrei. Bsp: Besitzen Nullteiler: Z 4, Z 6, Z 8, Z 14 4

5 3.2 Integritätbereich Ring mit folgenden Eingeschaften: kommutativ nullteilerfrei Bsp: Z 2, Z 3, Z 5, Z Körper A = (M, 1, 2 ) ist ein Körper, falls: (M, 1 ) abelsche Gruppe mit Einselement e 1, (M {e 1 }, 2 ) abelsche Gruppe mit Einselement e 2, Distributivgesetz gilt: a,b,c M : a 2 (b 1 c) = a 2 b 1 a 2 c Alternativ: Körper Sei A = (M, 1, 2 ) ein Ring. Falls (M {e 1 }, 2 ) abelsche Gruppe dann ist R ein Körper. Beispiele: (Q, +, ), (R, +, ) Korollar: Sei K Körper, dann ist K = K 0 Jeder Körper ist ein Integritätsbereich nullteilerfrei 3.4 Sätze von Euler und Fermat Eulersche ϕ-funktion Korollar 3.7: a) Es ist ϕ(m) = {a Z m (a, m) = 1} b) Für p P : ϕ(p) = p 1 ϕ : N N : ϕ(m) = ord Z m = Z m Korollar 3.8: Sei p P, α N, α 2, dann gilt ϕ(p α ) = p α 1 (p 1) Sei a = c b und c und b teilerfremd, dann gilt: ϕ(a) = ϕ(b c) = ϕ(b) ϕ(c) Weitere Beobachtung: Ergebnis von ϕ ist immer eine gerade Zahl. Satz von Euler a Z m : a ϕ(m) = 1(m) 5

6 Kleiner Satz von Fermat Sei p P a F p : a p 1 = 1(p) Äquivalent dazu: a m = a(m) Korollar: a) Sei p P und a N = 1, dann ist a p 1 = 1(p) b) Sei n N und a N mit (a, b) = 1 und a n 1 1(n), dann ist n / P 3.5 Polynome 4 Erweiterung endlicher Körper 5 Modulare Arithmetik 5.1 Algorithmus, der aus dem Chinesischen Restsatz resultiert Bedingung: gewählte Module müssen paarweile teilerfremd sein, also (m i, m j ) = Lineares Kongruenzgleichungssystem aufstellen x = a 1 (m 1 ) x = a 2 (m 2 )... x = a n (m n ) 2. Produkt M = m 1 m 2... m n der Moduln und M i = M m i berechnen 3. Inversen b i der M i modulo m i bestimmen b 1 M 1 = 1(m 1 ) b 2 M 1 = 1(m 2 )... b n M n = 1(m n ) 4. Gleichung lösen x = a 1 b 1 M 1 + a 2 b 2 M a n b n M n 6

7 5.2 Modulare Addition und Multiplikation 5.3 Effizientes Protenzieren b e (m) 1. Exponenten in Binärdarstellung umwandeln. Länge n feststellen 2. Faktoren a i, 0 i < n mitels wiederholten Quadrieren berechnen. Alles modulo m a 0 = b 20 = b 1 = b a 1 = b 21 = b 2 = b b a 2 = b 22 = b 4 = b 2 b 2 a 3 = b 23 = b 8 = b 4 b 4. a n = b 2n = b... = b 2k 1 b 2k 1 3. Produkt der a i berechnen, bei denen das i in der Binärdarstellung des Exponenten auf 1 gesetzt sind. Am einfachsten: Schrittweise bei gleichzeitiger Reduktion. 6 Primzahlen und Primzahltests Pseudoprimzahl Ist m N P mit (2, m) = 1 und 2 m = 2(m) Pseudoprimzahl. Anders ausgedrückt also Zahlen, bei denen der Fermat-Test prim? ausgeben würde, es aber keine Primzahlen sind. Andere Basen auch möglich: Dann pseudoprim zur Basis a. Carmichael-Zahlen Eine zusammengesetze Zahl m N, m 3 heißt Carmichel-Zahl für alle Basen a mit (m, a) = 1 der Fermat-Test prim? ausgibt. Fermat-Test m soll untersucht werden: Wähle (zufällig) a Z mit (a, m) = 1. Gilt: a m 1 = 1(m) bzw. a m = a(m) Ja prim? ansonsten Nein nicht prim!! Miller-Rabin Seien m N (die zu untersuchende Zahl). Bestimme s und d anhand Zerlegung, sodass gilt m 1 = 2 s d gilt mit s als größt möglichen Wert. b Z m ist die vorgegebene Basis. Ermittel Anzahl Elemente in b-sequenz und stell ggf. Exponenten auf Bilde die b-sequenzen. Angefangen bei b d kann man daraufhin immer das Ergebnis quadrieren. Letzes Element der b-sequenzen ist b 2s d 7

8 7 Kryptographie 8 Vektorräume Anzahl Elemte im Vektorraum über K mit K = k und dim(v) = n ist: V = k n Lin. Unabhängigkeit Verschiedene Möglichkeiten zur Prüfung: 1. Schnellste Lösung: Man sieht, dass sich ein Vektor aus den anderen erzeugen lässt. Dann lin. unab. 2. Falls eine quadratische Matrix erzeugt werden kann und Determinate 0, dann lin. unab. 3. Prüfe, ob für jede Linearkombination der Vektoren gilt: λ 1 v 1 + λ 2 v 2 + λ n v n = 0 D.h. LGS aufstellen und auflösen. λ 1, λ 2, λ n = 0 Menge an Vektoren U V durch welche jeder Vektor im Raum darge- Erzeugendensystem stellt werden kann: Span U = V Basis Erzeugendensystem mit linear unabhängigen Vektoren Lösung für einen Ergebnisvektor ist eindeutig ( ) ( ) 1 0 Standardbasen: Z.b. für R 2 :, 0 1 Dimension Unterraum U 0 Die Anzahl Basisvektoren ist die Dimension des Vektorraums: dim(v) U V Bedingungen: a, b U : a + b U - Abgeschlossen λ K, a U : λa U - Linearkombination wieder im Unterraum 8.1 Lineare Gleichungssysteme und Matrizen Matrixmultiplikation Die Anzahl an Spalten von A muß mit der Anzahl an Zeilen von B übereinstimmen. Die Matrixmultiplikation ist assoziativ, aber im allgemeinen nicht kommutativ. Lineare Abbildung falls 8

9 Zeilenreduktion Elementaroperationen: C(i, j) : Vertauschen der Zeilen i und j M(i, α) Multiplikation aller Elemente von Zeile i mit dem α-fachen S(i, j, α) Addition aller Elemente von Zeile i mit den α-fachen der Elemente der j-ten Zeile Für eine Matrix in Zeilenstufenform gelten folgende drei Eigenschaften: 1. Das erste von Null verschiedene Element einer Zeile ist 1. Dieses Element heißt Pivot oder Pivotelement 2. Das Pivotelement in Zeile i + 1 steht rechts von dem in Zeile i. 3. Alle Spaltenelemente oberhalb eines Pivots sind Null. Rang einer Matrix einer Matrix. Die maximale Anzahl linear unabhängiger Zeilen- bzw. Spaltenvektoren Invertierbarkein von Matrixen Gdw die Determinate ungleich Null ist. Gaußsches Eliminationsverfahren Zum Lösem von LGS in Matrixform. 1. Erweiterte Koeffizientenmatrix (A b) aufstellen. 2. Zeilenreduktionen anwenden bis Einheitsmatrix eingebaut ist 3. Rang bestimmen 4. Anhand dessen kann man feststellen, ob LGS keine: rang(a b) > rang(a) (bedeutet, dass in der b-spalte steht ein Pivot) eine eindeutige: rang(a b) = rang(a) = n oder mehrdeutige Lösungen: rang(a b) = rang(a) < n hat. 5. Dimension feststellen: dim() = n rang(a). Nun weiß man die Anzahl Basisvektoren. 6. Wähle allgemeine λ Lösung (?!) 9

Seminar zum Thema Kryptographie

Seminar zum Thema Kryptographie Seminar zum Thema Kryptographie Michael Hampton 11. Mai 2017 Inhaltsverzeichnis 1 Einleitung 3 1.1 Konventionen.................................. 3 1.2 Wiederholung.................................. 3

Mehr

ggt mit Euklid Satz: Um ggt(k, l) mit dem Euklidischen Algorithmus zu berechnen, braucht man höchstens log Φ k < 3 2 log 2 k rekursive Aufrufe.

ggt mit Euklid Satz: Um ggt(k, l) mit dem Euklidischen Algorithmus zu berechnen, braucht man höchstens log Φ k < 3 2 log 2 k rekursive Aufrufe. ggt mit Euklid Satz: Um ggt(k, l) mit dem Euklidischen Algorithmus zu berechnen, braucht man höchstens log Φ k < 3 2 log 2 k rekursive Aufrufe. Das heißt, um den ggt von zwei 1000-Bit-Zahlen zu ermitteln,

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

C: Algebraische Strukturen

C: Algebraische Strukturen C: Algebraische Strukturen Algebra: Rechnen. Menge mit Verknüpfungen: (N 0, +), (R, +, ), (P(X),, ), (R n n, +, ) Informatik: Boolsche Algebren Relationenalgebra (Datenbanken) Computeralgebra 29 Gruppen

Mehr

Beispiel 85. Satz 86 Eine Unteralgebra (bzgl. ) einer Gruppe ist eine Untergruppe, falls sie unter der Inversenbildung 1 abgeschlossen ist.

Beispiel 85. Satz 86 Eine Unteralgebra (bzgl. ) einer Gruppe ist eine Untergruppe, falls sie unter der Inversenbildung 1 abgeschlossen ist. 5.4 Untergruppen Definition 84 Eine Unteralgebra T,, 1 einer Gruppe G = S,, 1 heißt Untergruppe von G, falls T,, 1 eine Gruppe ist. Bemerkung: Nicht jede Unteralgebra einer Gruppe ist eine Untergruppe!

Mehr

Die Ringe Z n. Invertierbare Elemente ( Einheiten ) für n > 0 wird auf Z n = {0, 1, 2,..., n 1} definiert: n : Z n Z n Z n : (a, b) (a b) mod n

Die Ringe Z n. Invertierbare Elemente ( Einheiten ) für n > 0 wird auf Z n = {0, 1, 2,..., n 1} definiert: n : Z n Z n Z n : (a, b) (a b) mod n Definitionen Die Ringe Z n für n > 0 wird auf Z n = {0, 1, 2,..., n 1} definiert: Beispiel n = 15 + n : Z n Z n Z n : (a, b) (a + b) mod n n : Z n Z n Z n : (a, b) (a b) mod n 9 + 15 11 = 5 9 15 11 = 9

Mehr

Mathematik für Informatiker I,

Mathematik für Informatiker I, Teil II Algebra 70 Kapitel 8 Gruppen 8.1 Bedeutung in der Informatik Gruppen sind abstrakte Modelle für Mengen, auf denen eine Verknüpfung (etwa Addition oder Multiplikation) definiert ist. Allgemeine

Mehr

WS 2005/06. Diskrete Strukturen. Ernst W. Mayr. Fakultät für Informatik TU München.

WS 2005/06. Diskrete Strukturen. Ernst W. Mayr. Fakultät für Informatik TU München. WS 2005/06 Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2005ws/ds/index.html.de 15. November 2005 Ernst W. Mayr 5.4 Untergruppen Satz 85 Sei G = S,, 1, b G und sei S b

Mehr

Klausur zur Linearen Algebra I HS 2012, Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum

Klausur zur Linearen Algebra I HS 2012, Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum Klausur zur Linearen Algebra I HS 01, 1.1.01 Universität Mannheim, Dr. Ralf Kurbel, Dr. Harald Baum Name: Sitzplatznummer: Die Bearbeitungszeit für diese Klausur beträgt 90 Minuten. Die Klausur umfaßt

Mehr

Ganzzahlige Division mit Rest

Ganzzahlige Division mit Rest Modulare Arithmetik Slide 1 Ganzzahlige Division mit Rest Für a,b Æ mit a b gibt es stets eine Zerlegung von a der Form a = q b+r mit 0 r b 1. Hierbei gilt q = a b (salopp formuliert: b passt q-mal in

Mehr

PROSEMINAR LINEARE ALGEBRA

PROSEMINAR LINEARE ALGEBRA PROSEMINAR LINEARE ALGEBRA von Daniel Cagara Zunächst benötigen wir einige Elemente der Gruppentheorie. Definition 1. Eine Gruppe ist ein Tupel, bestehend aus einer nicht leeren Menge G und einer Verknüpfung,

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

3.5 Ringe und Körper. Diese Eigenschaften kann man nun auch. 1. (R, +) ist eine kommutative Gruppe. 2. Es gilt das Assoziativgesetz bezüglich.

3.5 Ringe und Körper. Diese Eigenschaften kann man nun auch. 1. (R, +) ist eine kommutative Gruppe. 2. Es gilt das Assoziativgesetz bezüglich. 3.5 Ringe und Körper Gehen wir noch mal zu den ganzen Zahlen zurück. Wir wissen: (Z, + ist eine Gruppe, es gibt aber als Verknüpfung noch die Multiplikation, es gibt ein neutrales Element bezüglich, es

Mehr

(R4) Addition und Multiplikation erfüllen das Distributivgesetz a (b + c) = ab + ac und. Endomorphismenring d) K Körper, n N, R = K n n Matrizenring

(R4) Addition und Multiplikation erfüllen das Distributivgesetz a (b + c) = ab + ac und. Endomorphismenring d) K Körper, n N, R = K n n Matrizenring 5 Polynome 5.1 Ringe Definition 5.1.1. Eine Menge R zusammen mit zwei inversen Verknüpfungen (+ : R R R Addition, : R R R Multiplikation heißt Ring, wenn folgende Bedingungen gelten: Ring (R1 (R, + abelsche

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

Mathematik für Informatiker 1 Tutorium

Mathematik für Informatiker 1 Tutorium Mathematik für Informatiker 1 Tutorium Malte Isberner 30.1.2014 M. Isberner MafI1-Tutorium 30.1.2014 1 / 16 Thema heute Thema heute: Algebra (Teil 3) Kern Faktorstrukturen (für Ringe) Homomorphismen (für

Mehr

Lineare Algebra / Analytische Geometrie I

Lineare Algebra / Analytische Geometrie I Ralph-Hardo Schulz Lineare Algebra / Analytische Geometrie I Skriptum zur Vorlesung in der Lehrkräfteweiterbildung Berlin 2018 L A TEX Erstellung unter Mitarbeit von Tscho Heringlehner Alle Rechte vorbehalten.

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 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,

Mehr

Aufgaben zur linearen Algebra und analytischen Geometrie I

Aufgaben 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

Mehr

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik 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,...,

Mehr

Leseprobe. Rolf Socher. Algebra für Informatiker. Mit Anwendungen in der Kryptografie und Codierungstheorie. ISBN (Buch):

Leseprobe. Rolf Socher. Algebra für Informatiker. Mit Anwendungen in der Kryptografie und Codierungstheorie. ISBN (Buch): Leseprobe Rolf Socher Algebra für Informatiker Mit Anwendungen in der Kryptografie und Codierungstheorie ISBN (Buch): 978-3-446-43257-4 ISBN (E-Book): 978-3-446-43312-0 Weitere Informationen oder Bestellungen

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

Einführung in Algebra und Zahlentheorie Lösungsvorschläge zur Klausur vom Aufgabe 1 (6 Punkte)

Einführung in Algebra und Zahlentheorie Lösungsvorschläge zur Klausur vom Aufgabe 1 (6 Punkte) Aufgabe 1 (6 Punkte) Einführung in Algebra und Zahlentheorie svorschläge zur Klausur vom 23.09.2016 a) Bestimmen Sie das multiplikativ inverse Element zu 22 in Z/61Z. b) Finden Sie ein x Z mit folgenden

Mehr

Lineare Algebra I für Mathematiker Lösungen

Lineare 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

Mehr

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie. Vorlesung 4. Die Restklassenringe Z/(n)

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie. Vorlesung 4. Die Restklassenringe Z/(n) Prof. Dr. H. Brenner Osnabrück SS 2008 Zahlentheorie Vorlesung 4 Die Restklassenringe Z/(n) Satz 4.1. (Einheiten modulo n) Genau dann ist a Z eine Einheit modulo n (d.h. a repräsentiert eine Einheit in

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

Vorbemerkung: Homorphieprinzip für Ringe

Vorbemerkung: Homorphieprinzip für Ringe Vorbemerkung: Homorphieprinzip für Ringe Ringe R, + R, R, 0 R, 1 R und S, + S, S, 0 S, 1 S Abbbildung Φ : R S ist Homomorphismus, falls a, b R Dann gilt Φ(a + R b) = Φ(a) + S Φ(b) Φ(a R b) = Φ(a) S Φ(b)

Mehr

Gruppen, Ringe, Körper

Gruppen, Ringe, Körper Gruppen, Ringe, Körper Martin Gubisch Lineare Algebra I WS 2007/2008 Eine Gruppe G ist eine Menge X mit einer Veknüpfung, so dass gelten: (1) x, y, z X : (x y) z = x (y z). (2) e X : x X : e x = x = x

Mehr

Fibonacci-Zahlen und goldener Schnitt

Fibonacci-Zahlen und goldener Schnitt Fibonacci-Zahlen und goldener Schnitt Suche eine Darstellung der Form F n = x n für reelle Zahl x > 0. Aus der definierenden Gleichung folgt sofort x 2 = x + 1. Dann liefert die p-q-formel: x 1,2 = 1 2

Mehr

3-1 Elementare Zahlentheorie

3-1 Elementare Zahlentheorie 3-1 Elementare Zahlentheorie 3. Der Restklassenring Z/n und seine Einheitengruppe 3.0. Erinnerung: Teilen mit Rest, euklidscher Algorithmus, Bézoutsche Gleichung. Sei n eine feste natürliche Zahl. Sei

Mehr

Kapitel III Ringe und Körper

Kapitel III Ringe und Körper Kapitel III Ringe und Körper 1. Definitionen und Beispiele Definition 117 Eine Algebra A = S,,, 0, 1 mit zwei zweistelligen Operatoren und heißt ein Ring, falls R1. S,, 0 eine abelsche Gruppe mit neutralem

Mehr

Lineare Algebra. Wintersemester 2017/2018. Skript zum Ferienkurs Tag Claudia Nagel Pablo Cova Fariña. Technische Universität München

Lineare Algebra. Wintersemester 2017/2018. Skript zum Ferienkurs Tag Claudia Nagel Pablo Cova Fariña. Technische Universität München Technische Universität München Wintersemester 27/28 Lineare Algebra Skript zum Ferienkurs Tag 2-2.3.28 Claudia Nagel Pablo Cova Fariña Wir danken Herrn Prof. Kemper vielmals für seine Unterstützung bei

Mehr

1.4 Homomorphismen und Isomorphismen

1.4 Homomorphismen und Isomorphismen Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 28 1.4 Homomorphismen und Isomorphismen Definition 1.4.1 Es seien (G, ) und (H, ) zwei Gruppen. Eine Abbildung ϕ : G H heißt (Gruppen-)Homomorphismus,

Mehr

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch. Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):

Mehr

Algorithmische Zahlentheorie

Algorithmische Zahlentheorie Algorithmische Zahlentheorie ICPC-Proseminar-Vortrag vom 22. Mai 2010 Tomáš Přerovský Abschnitt 1: Grundlagen. Ringe Unter einem Ring R versteht man eine Menge zusammen mit zwei Operationen + (Addition)

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

Bsp: Die kleinsten Carmichael-Zahlen sind 561, 1105, 1729, Es gibt unendlich viele Carmichael-Zahlen (Beweis 1994).

Bsp: Die kleinsten Carmichael-Zahlen sind 561, 1105, 1729, Es gibt unendlich viele Carmichael-Zahlen (Beweis 1994). Primzahltest Wir wollen testen, ob eine gegebene Zahl n eine Primzahl ist Effizienter Algorithmus zum Faktorisieren ist unbekannt Kontraposition des Kleinen Satzes von Fermat liefert: Falls a n 1 1 mod

Mehr

Lineare Algebra und Analytische Geometrie I*

Lineare Algebra und Analytische Geometrie I* Lineare Algebra und Analytische Geometrie I* Prof. Dr. Jürg Kramer Mitschrift von Michael Kreikenbaum Version vom 27. Juni 2007 2 Inhaltsverzeichnis 0 Gruppen, Ringe, Körper 5 0.1 Mengentheoretische Grundlagen........................

Mehr

1 Linearkombinationen

1 Linearkombinationen Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch

Mehr

Inhalt der Vorlesung Elemente der Algebra und Zahlentheorie Prof. Dr. Arno Fehm TU Dresden SS Grundlegende Definitionen (Wiederholung)

Inhalt der Vorlesung Elemente der Algebra und Zahlentheorie Prof. Dr. Arno Fehm TU Dresden SS Grundlegende Definitionen (Wiederholung) Inhalt der Vorlesung Elemente der Algebra und Zahlentheorie Prof. Dr. Arno Fehm TU Dresden SS2017 Kapitel I. Gruppen 1 Grundlegende Definitionen (Wiederholung) 1.1 Definition. Eine Gruppe ist ein Paar

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

Lineare Algebra und Analytische Geometrie I*

Lineare Algebra und Analytische Geometrie I* Lineare Algebra und Analytische Geometrie I* Prof. Dr. Jürg Kramer Mitschrift von Michael Kreikenbaum Version vom 28. August 2006 2 Inhaltsverzeichnis 0 Gruppen, Ringe, Körper 4 0.1 Mengentheoretische

Mehr

Lineare Algebra I (NAWI) WS2015/2016 Übungsblatt

Lineare Algebra I (NAWI) WS2015/2016 Übungsblatt Lineare Algebra I (NAWI) WS205/206 Übungsblatt 0 07.0.205 Aufgabe. Von einem Parallelogramm seien die Punkte A = (5, 2), B = (4, ), C = (, ) gegeben. Bestimme die Koordinaten des vierten Punkts. Aufgabe

Mehr

Algebraische Strukturen

Algebraische Strukturen Algebraische Strukturen Eine kommutative Gruppe (G, ) ist eine Menge G, auf der eine Verknüpfung (ein zweistelliger Operator) deniert ist (d. h. zu a, b G ist a b G deniert), welche bestimmten Regeln genügt

Mehr

Man schreibt auch a b statt a + ( b). Beispiel A = {0,1,2,3} als abelsche Gruppe

Man schreibt auch a b statt a + ( b). Beispiel A = {0,1,2,3} als abelsche Gruppe 9 Wichtige Sätze und Definitionen zu 3: Gruppen, Ringe und Körper aus der Vorlesung: LV-NR 150 239 Veranstaltung Diskrete Mathematik II, 4.0 std Dozent Holtkamp, R. 3.1 a) (A, ) sei Monoid mit neutralem

Mehr

Gruppen. Kapitel Operationen Definiton Gruppe, symmetrische Gruppen. Gruppen und Untergruppen, Lernziele 1. Erzeugendensysteme,

Gruppen. Kapitel Operationen Definiton Gruppe, symmetrische Gruppen. Gruppen und Untergruppen, Lernziele 1. Erzeugendensysteme, Kapitel 1 Gruppen 1.1 Operationen Lernziele 1. Gruppen und Untergruppen, Erzeugendensysteme, Operationen und Bahnen 1.1.1 Definiton Gruppe, symmetrische Gruppen Definition 1.1. Sei G eine nicht leere Menge

Mehr

Kongruenzen und Restklassenringe. 2. Kongruenzen und Restklassenringe

Kongruenzen und Restklassenringe. 2. Kongruenzen und Restklassenringe 2. Kongruenzen und Restklassenringe Kongruenzen Definition: Wir sagen a ist kongruent zu b modulo m schreiben a b mod m, wenn m die Differenz b-a te Beispiel: Es gilt 2 19 mod 21, 10 0 mod 2. Reflexivität:

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

2 Gruppen, Ringe, Körper, Algebren

2 Gruppen, Ringe, Körper, Algebren 2 Gruppen, Ringe, Körper, Algebren 2.1 Gruppen Definition 2.1. Sei G eine Menge, 1 G G, sowie : G G G eine Abbildung (statt (g,h) schreiben wir meistens g h und nennen eine binäre Verknüpfung). Wir nennen

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Lineare Gleichungssysteme (LGS) 2 1.1 Grundlagen..................................................

Mehr

Musterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr

Musterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr TUM Ferienkurs Lineare Algebra WiSe 8/9 Dipl.-Math. Konrad Waldherr Musterlösung Relationen Aufgabe Auf R sei die Relation σ gegeben durch (a, b)σ(c, d) : a + b c + d. Ist σ reflexiv, symmetrisch, transitiv,

Mehr

Lineare Abbildungen und Darstellungsmatrizen

Lineare Abbildungen und Darstellungsmatrizen KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt

Mehr

Kongruenz ist Äquivalenzrelation

Kongruenz ist Äquivalenzrelation Kongruenz ist Äquivalenzrelation Lemma Kongruenz ist Äquivalenzrelation Die Kongruenz modulo n ist eine Äquivalenzrelation auf Z. D.h. für alle a, b, c Z gilt 1 Reflexivität: a a mod n 2 Symmetrie: a b

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 7 Nebenklassen Definition 7.1. Sei G eine Gruppe und H G eine Untergruppe. Wir setzen x H y (und sagen, dass x und y äquivalent

Mehr

Einführung in Algebra und Zahlentheorie

Einführung in Algebra und Zahlentheorie Institut für Algebra und Geometrie 05. September 2013 Klausur zur Vorlesung Einführung in Algebra und Zahlentheorie Name, Vorname: Matrikelnummer: Fachrichtung: Semester: Zur Bearbeitung: Verwenden Sie

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 Mathematik Kongruenzen

Diskrete Mathematik Kongruenzen Diskrete Mathematik Kongruenzen 31. Mai 2006 1 Inhaltsverzeichnis 1. Einleitung 2. Prime Restklassen 3. Die Sätze von Euler und Fermat 4. Lineare Kongruenzen 5. Systeme 2 Einleitung 3 Fragestellung Wie

Mehr

Tutorium: Analysis und Lineare Algebra

Tutorium: 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

Mehr

Kapitel 3 Elementare Zahletheorie

Kapitel 3 Elementare Zahletheorie Kapitel 3 Elementare Zahletheorie 89 Kapitel 3.1 Ganze Zahlen, Gruppen und Ringe 90 Die ganzen Zahlen Menge der ganzen Zahlen Z={..., 3, 2, 1,0,1,2,3,...} Es gibt zwei Operationen Addition: Z Z Z, (a,b)

Mehr

3 Bilinearform, Basen und Matrizen

3 Bilinearform, Basen und Matrizen Lineare Algebra II 2. Oktober 2013 Mitschrift der Vorlesung Lineare Algebra II im SS 2013 bei Prof. Peter Littelmann von Dario Antweiler an der Universität zu Köln. Kann Fehler enthalten. Veröentlicht

Mehr

Probabilistische Primzahltests

Probabilistische Primzahltests 23.01.2006 Motivation und Überblick Grundsätzliches Vorgehen Motivation und Überblick Als Primzahltest bezeichnet man ein mathematisches Verfahren, mit dem ermittelt wird, ob eine gegebene Zahl eine Primzahl

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein

Mehr

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte

R 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

Mehr

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler

Mehr

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:

Mehr

Klausur zur Mathematik I (Modul: Lineare Algebra I)

Klausur zur Mathematik I (Modul: Lineare Algebra I) Technische Universität Hamburg Institut für Mathematik Prof. Dr. Marko Lindner Wintersemester 06/7 Klausur zur Mathematik I (Modul: Lineare Algebra I 3.0.07 Sie haben 60 Minuten Zeit zum Bearbeiten der

Mehr

Erweiterter Euklidischer Algorithmus

Erweiterter Euklidischer Algorithmus Erweiterter Euklidischer Algorithmus Algorithmus ERWEITERTER EUKLIDISCHER ALG. (EEA) EINGABE: a, b N 1 If (b = 0) then return (a, 1, 0); 2 (d, x, y) EEA(b, a mod b); 3 (d, x, y) (d, y, x a b y); AUSGABE:

Mehr

Vorlesung. Prof. Janis Voigtländer Übungsleitung: Dennis Nolte. Mathematische Strukturen Sommersemester 2017

Vorlesung. Prof. Janis Voigtländer Übungsleitung: Dennis Nolte. Mathematische Strukturen Sommersemester 2017 Vorlesung Mathematische Strukturen Sommersemester 2017 Prof. Janis Voigtländer Übungsleitung: Dennis Nolte Monoide, Gruppen, Körper Wir betrachten nun grundlegende Rechenstrukturen. Das sind Strukturen,

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine Vektorräume (Teschl/Teschl 9 Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen: Eine

Mehr

Angewandte Diskrete Mathematik

Angewandte Diskrete Mathematik Vorabskript zur Vorlesung Angewandte Diskrete Mathematik Wintersemester 2010/ 11 Prof. Dr. Helmut Maier Dipl.-Math. Hans- Peter Reck Institut für Zahlentheorie und Wahrscheinlichkeitstheorie Universität

Mehr

Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt.

Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt. 82 Kapitel III: Vektorräume und Lineare Abbildungen Beweis. Bei (a) handelt es sich um eine Umformulierung des ersten Teils von Satz 6.2, während (b) aus dem zweiten Teil des genannten Satzes folgt. Wir

Mehr

2.3 Lineare Abbildungen und Matrizen

2.3 Lineare Abbildungen und Matrizen 2.3. LINEARE ABBILDUNGEN UND MATRIZEN 89 Bemerkung Wir sehen, dass die Matrix à eindeutig ist, wenn x 1,...,x r eine Basis ist. Allgemeiner kann man zeigen, dass sich jede Matrix mittels elementarer Zeilenumformungen

Mehr

kgv-berechnung Invertieren modulo m Simultane Kongruenzen Restklassenringe Modulare Arithmetik Euler sche Funktion Sätze von Fermat und Euler

kgv-berechnung Invertieren modulo m Simultane Kongruenzen Restklassenringe Modulare Arithmetik Euler sche Funktion Sätze von Fermat und Euler Modulare Arithmetik Slide 5 kgv-berechnung Invertieren modulo m Simultane Kongruenzen Restklassenringe Modulare Arithmetik Euler sche Funktion Sätze von Fermat und Euler Modulare Arithmetik Slide 6 kgv-berechnung

Mehr

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5

Klausurenkurs 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

Mehr

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen TEIL II: GRUPPEN In der modernen Algebra versucht man die Zahlen (Z, Q, R, ) durch die Konzentration auf Rechenoperationen (+,,... ), oder allgemeiner auf strukturelle Eigenschaften dieser Operationen,

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

Prof. Dr. Markus Reineke Dr. Anna-Louise Grensing. Musterlösung zur Klausur zur Linearen Algebra I

Prof. Dr. Markus Reineke Dr. Anna-Louise Grensing. Musterlösung zur Klausur zur Linearen Algebra I Prof. Dr. Markus Reineke Dr. Anna-Louise Grensing Musterlösung zur Klausur zur Linearen Algebra I 1 Aufgabe 1: (8 Punkte) Entscheiden Sie, ob die folgenden Aussagen wahr oder falsch sind: Aussage wahr

Mehr

Kapitel 7 Lineare Abbildungen und Matrizen II

Kapitel 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.

Mehr

Algebraische Strukturen. Idee. Gruppen, Ringe, Körper... (Teschl/Teschl Abschnitt 3.2, siehe auch Kap. 4)

Algebraische Strukturen. Idee. Gruppen, Ringe, Körper... (Teschl/Teschl Abschnitt 3.2, siehe auch Kap. 4) Algebraische Strukturen Gruppen, Ringe, Körper... (Teschl/Teschl Abschnitt 3.2, siehe auch Kap. 4) Idee Formalisierung von Strukturen, die in verschiedenen Bereichen der Mathematik und ihrer Anwendungen

Mehr

Der kleine Satz von Fermat

Der kleine Satz von Fermat Der kleine Satz von Fermat Luisa-Marie Hartmann 5. Mai 2017 Inhaltsverzeichnis 1 Einleitung 3 2 Hauptteil 4 2.1 Prime Restklassengruppen............................ 4 2.2 Ordnung von Gruppenelementen........................

Mehr

Mathematische Strukturen Sommersemester Vorlesung. Monoide, Gruppen, Körper. Prof. Janis Voigtländer Übungsleitung: Dennis Nolte

Mathematische Strukturen Sommersemester Vorlesung. Monoide, Gruppen, Körper. Prof. Janis Voigtländer Übungsleitung: Dennis Nolte Vorlesung Mathematische Strukturen Sommersemester 207 Prof Janis Voigtländer Übungsleitung: Dennis Nolte Wir betrachten nun grundlegende Rechenstrukturen Das sind Strukturen, mit denen man rechnen kann

Mehr

Aufgaben zu Kapitel 1

Aufgaben zu Kapitel 1 11 Das Gruppenaxiom (G3) ist nicht erfüllt Es gibt zwar zu jedem x M eine Linksinverse (dh ein Element x mit x x = 1 ) und eine Rechtsinverse (dh ein Element x mit xx = 1 ), die beiden stimmen jedcoh nicht

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

Vorlesung Algebra I. Inhaltsverzeichnis 1. Einleitung 1 2. Gruppen Einleitung

Vorlesung Algebra I. Inhaltsverzeichnis 1. Einleitung 1 2. Gruppen Einleitung Vorlesung Algebra I Christian Lehn Inhaltsverzeichnis 1. Einleitung 1 2. Gruppen 5 1.1. Vorkenntnisse Gruppen 1. Einleitung Definition. Es sei G eine Menge. Eine Verknüpfung auf G ist eine Abbildung :

Mehr

Einführung in Algebra und Zahlentheorie Lösungsvorschlag zur Klausur am 16. Februar 2016

Einführung in Algebra und Zahlentheorie Lösungsvorschlag zur Klausur am 16. Februar 2016 Fakultät für Mathematik Institut für Algebra und Geometrie PD Dr. Stefan Kühnlein Dipl.-Math. oec. Anja Randecker Einführung in Algebra und Zahlentheorie Lösungsvorschlag zur Klausur am 16. Februar 016

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. 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

Mehr

Aufgabe 1. Stefan K. 3.Übungsblatt Algebra I

Aufgabe 1. Stefan K. 3.Übungsblatt Algebra I Stefan K. 3.Übungsblatt Algebra I Aufgabe 1 a) zu zeigen: Z(G) ist ein Normalteiler in G Nach Definition des Zentrums ist Z(G) = {h G hg = gh g G}, = {h G hgh 1 = g g G}. (1) Nachweis, daß Z(G) G eine

Mehr

Algorithmische Kryptographie

Algorithmische Kryptographie Algorithmische Kryptographie Walter Unger Lehrstuhl für Informatik I 16. Februar 2007 Public-Key-Systeme: Rabin 1 Das System nach Rabin 2 Grundlagen Körper Endliche Körper F(q) Definitionen Quadratwurzel

Mehr

Mathematische Methoden für Informatiker

Mathematische Methoden für Informatiker Prof. Dr. 29.11.2018 32. Vorlesung Homomorphiesatz für Ringe Chinesischer Restsatz, speziell für Ringe Z n Lösen von t simultanen linearen Kongruenzen Sonderfall t = 2 Anwendungen, z.b. schnelle Addition

Mehr

für alle a, b, x, y R.

für alle a, b, x, y R. Algebra I 13. April 2008 c Rudolf Scharlau, 2002 2008 33 1.5 Ringe Definition 1.5.1 Ein Ring ist eine Menge R zusammen mit zwei Verknüpfungen + und, genannt Addition und Multiplikation, für die folgendes

Mehr

1 Halbgruppen. 1.1 Definitionen. Übersicht Ein Beispiel einer Halbgruppe

1 Halbgruppen. 1.1 Definitionen. Übersicht Ein Beispiel einer Halbgruppe 1 Halbgruppen Übersicht 11 Definitionen 5 12 Unterhalbgruppen 8 13 InvertierbareElemente 9 14 AllgemeinesAssoziativ-undKommutativgesetz 11 15 PotenzenundVielfache 11 16 Homomorphismen,Isomorphismen 12

Mehr

1 Halbgruppen. 1.1 Definitionen. Übersicht Ein Beispiel einer Halbgruppe

1 Halbgruppen. 1.1 Definitionen. Übersicht Ein Beispiel einer Halbgruppe 1 Halbgruppen Übersicht 11 Definitionen 5 12 Unterhalbgruppen 8 13 InvertierbareElemente 9 14 AllgemeinesAssoziativ-undKommutativgesetz 11 15 PotenzenundVielfache 11 16 Homomorphismen,Isomorphismen 12

Mehr

Körper- und Galoistheorie

Körper- und Galoistheorie Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 10 Endliche Untergruppen der Einheitengruppe eines Körpers Wir wollen zeigen, dass die Einheitengruppe Z/(p), p Primzahl, zyklisch

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): 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

Mehr

Vektorräume. Kapitel Definition und Beispiele

Vektorräume. Kapitel Definition und Beispiele Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte

Mehr

Verständnisfragen: Lineare Algebra und Analytische Geometrie I und II

Verständnisfragen: Lineare Algebra und Analytische Geometrie I und II Verständnisfragen: Lineare Algebra und Analytische Geometrie I und II Matrizen, lineare Gleichungssysteme Wie kommt man von einem linearen Gleichungssystem zu einer Matrix? Was ist die Zeilenstufenform?

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): 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

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