Klausur Linearen Algebra 1 Musterlösung: Aufgabe A
|
|
- Helene Amsel
- vor 7 Jahren
- Abrufe
Transkript
1 Klausur Linearen Algebra 1 Musterlösung: Aufgabe A Wir betrachten den Unterraum V = K[X] 4 aller Polynome vom Grad 4 und die lineare Abbildung f : V K 2 ; P (P (1), P (0)). Es bezeichne v 1,..., v 5 die Basis 1, X,..., X 4 von V. Teilaufgabe (i): Behauptung. Es gilt M f,(ej ),(v i ) = ( ) Beweis. Dies folgt direkt aus f(1) = f(x 2 ) = f(x 3 ) = f(x 4 ) = (1, 0) und f(x) = (1, 1). Teilaufgabe (ii): Behauptung. Es gilt rg(f) = 2. Beweis. Die obigen Berechnungen zeigen Im (f) = (1, 0), (1, 1) = (1, 0), (0, 1) = K 2. Daraus folgt rg(f) = dim(im (f)) = dim(k 2 ) = 2. Behauptung. Es gilt Ker (f) = {a X 4 + b X 3 + c X 2 a b c a, b, c K}. Beweis. Es sei P (X) = a X 4 +b X 3 +c X 2 +d X +e Ker (f) mit a, b, c, d, e K. Dann gilt P (X) = 4a X 3 +3b X 2 +2c X +d und d = P (0) = 0. Außerdem gilt a+b+c+e = P (1) = 0 und somit e = (a + b + c). Zusammengefasst gilt P (X) = a X 4 + b X 3 + c X 2 a b c. Wähle nun a, b, c K und setze P (X) = a X 4 +b X 3 +c X 2 a b c V. Dann gilt P (X) = 4a X 3 + 3b X 2 + 2c X und somit P (0) = 0. Außerdem gilt P (1) = a + b + c a b c = 0. Dies zeigt P (X) Ker (f).
2 Klausur Linearen Algebra 1 Musterlösung: Aufgabe B Gegeben seien lineare Abbildungen f : V 1 V 2 und g : V 2 V 3 zwischen endlichdimensionalen Vektorräumen. Behauptung. Es gilt rg(f) + rg(g) dim(v 2 ) rg(g f). Beweis. Mit Hilfe der Dimensionsformel für die lineare Abbildung g : V 2 V 3 folgert man rg(g) dim(v 2 ) = dim(ker (g)). (1) Da die Einschränkung g Im(f) : Im (f) V 3 wieder eine lineare Abbildung ist, liefert eine weitere Anwendung der Dimensionsformel rg(f) = dim(im (f)) = rg ( g Im(f) ) + dim ( Ker ( g Im(f) )). (2) Es gilt Im ( g Im(f) ) = Im (g f) und somit rg(g f) = dim (Im (g f)) = dim ( Im ( g Im(f) )) = rg ( g Im(f) ). (3) Zudem folgt aus Ker ( g Im(f) ) Ker (g) die Abschätzung Zusammengefasst erhalten wir dim (Ker (g)) dim ( Ker ( g Im(f) )). (4) rg(f) + rg(g) dim(v 2 ) (1) = rg(f) dim (Ker (g)) (4) rg(f) dim ( Ker ( g Im(f) )) (2) = rg ( g Im(f) ) (3) = rg(g f). Behauptung. Es gilt rg(g f) rg(g). Beweis. Es gilt Im (g f) Im (g) und somit rg(g f) = dim(im (g f)) dim(im (g)) = rg(g). Behauptung. Es gilt rg(g f) rg(f). Beweis. Es gilt rg(g f) = dim(im (g f)) = dim ( Im ( g Im(f) )) dim(im (f)) = rg(f). Behauptung. Es gilt rg(f) + rg(g) dim(v 2 ) rg(g f) min{rg(g), rg(f)}.
3 Klausur Linearen Algebra 1 Musterlösung: Aufgabe C Es sei f : V V ein Endomorphismus eines endlich-dimensionalen Vektorraums und {0} U V ein f-invarianter Teilraum von V. Teilaufgabe (i): Behauptung. Das charakteristische Polynom p f U (X) von f U Polynom p f (X) von f. teilt das charakteristische Beweis. Wähle eine Basis v 1,..., v k von U und erweitere diese zu einer Basis v 1,..., v n von V. Setze M = M f U,(v i ) i=1,...,k M(k k, K). Dann gilt f(v i ) = f U (v i ) v 1,..., v k für alle 1 i k und es existiert eine Matrix A M((n k) (n k), K) mit. M.... M f,(vi ) i=1,...,n = A 0 0 Dann gilt ) p f (X) = det (M f,(vi ) i=1,...,n X I n = det. M X I k A X I n k 0 0 = det (M X I k ) det (A X I n k ) = p f U (X) det (A X I n k ). Dies beweist die Behauptung.
4 Teilaufgabe (ii): Behauptung. Das Minimalpolynom q f U (X) von f U teilt das Minimalpolynom q f (X) von f. Beweis. Für u U und k N gilt (f U ) k (u) = f k (u). Somit gilt p (f U ) = p(f) U für alle p K[X]. Insbesondere gilt q f (f U ) = q f (f) U = 0. Nach Definition des Minimalpolynoms gilt für jedes 0 p(x) K[X] mit p(f U ) = 0, dass q f U (X) das Polynom p(x) teilt. Insbesondere teilt somit q f U (X) das Polynom q f (X). Teilaufgabe (iii): Behauptung. Ist f diagonalisierbar, so ist auch f U diagonalisierbar. Beweis (Variante I). Da f diagonalisierbar ist, zerfällt p f (X) in K[X] vollständig in Linearfaktoren. Da p f U (X) ein Teiler von p f (X) ist, zerfällt auch p f U (X) in K[X] vollständig in Linearfaktoren. Ein Endomorphismus, dessen charakteristisches Polynom vollständig in Linearfaktoren zerfällt, ist genau dann diagonalisierbar, wenn das zugehörige Minimalpolynom nur einfache Nullstellen besitzt (weil in beiden Fällen die Jordan Normalform nur Jordanblöcke der Größe 1 besitzt). Somit besitzt q f (X) nur einfache Nullstellen, q f U (X) besitzt als Teiler von q f (X) ebenfalls nur einfache Nullstellen und aus den obigen Bemerkungen folgt, dass f U diagonalisierbar ist. Beweis (Variante II). Wie in Variante I zeigt man zunächst, dass p f U (X) in K[X] vollständig in Linearfaktoren zerfällt. Es sei n = dim(v ) und k = dim(u). Es genügt nun zu zeigen, dass ( U λ (f U ) = Ker (f U λ id U ) = Ker (f U λ id U ) k) = Ūλ(f U ) (1) für jeden Eigenwert λ von f U gilt. Es sei λ ein Eigenwert von f U. Dann ist λ eine Nullstelle von p f U (X) und somit auch eine Nullstelle von p f (X). Damit ist λ ein Eigenwert von f und es gilt V λ (f) = Ker (f λ id V ) = Ker ((f λ id V ) n ) = V λ (f), weil f diagonalisierbar ist. Wegen k n folgt nun U λ (f U ) Ūλ(f U ) Ker ((f U λ id U ) n ) V λ (f) U = V λ (f) U = U λ (f U ). Somit gilt (1) und f U ist diagonalisierbar. 2
5 Teilaufgabe (i): Klausur Linearen Algebra 1 Musterlösung: Aufgabe D Wir betrachten die Matrizen M 1 = i i 0 M(3 3, C) und M 2 = M(3 3, C) Es sei f : C 3 C 3 der durch M 2 induzierte Endomorphismus. Behauptung. Es gilt p f (X) = (X 1) (X i) (X + i) C[X]. Beweis. Mit Hilfe des Laplaceschen Entwicklungssatzes zeigt man p f (X) = det(m 2 X I 3 ) = det 1 X X X ( ) X 1 = (X 1) det 1 X = (X 1) (X 2 + 1) = (X 1) (X i) (X + i). Behauptung. Die Matrizen M 1 und M 2 sind in M(3 3, C) zu einander ähnlich. Beweis. Nach dem oben Gezeigtem zerfällt das charakteristische Polynom von f in C[X] vollständig in die paarweise verschiedenen Linearfaktoren X 1, X i und X + i. Dies zeigt, dass f die Eigenwerte 1, i und i besitzt und diagonalisierbar ist. Somit existiert eine Basis v 1, v 2, v 3 von C 3 mit M f,(vi ) = M 1. Hieraus folgt direkt die Behauptung. Teilaufgabe (ii): Wir betrachten nun die Matrizen M 1 = M(3 3, C) und M 2 = M(3 3, C) Behauptung. Die Matrizen M 1 und M 2 sind in M(3 3, C) nicht zu einander ähnlich. Beweis. Es gilt Tr(M 1 ) = 3 4 = Tr(M 2 ). Dies zeigt die Behauptung, weil zu einander ähnliche Matrizen die gleiche Spur besitzten.
6 Klausur Linearen Algebra 1 Musterlösung: Aufgabe E Gegeben seien affine Unterräume E 1, E 2 A eines affinen Raumes A mit dazugehörigen Vektorräumen V 1, V 2 V. Es sei E 1 + E 2 A der kleinste affine Unterraum, der E 1 und E 2 enthält, und V 12 V der dazugehörige Unterraum. Behauptung. Falls E 1 E 2, so gilt V 12 = V 1 + V 2. Beweis. Es sei b E 1 E 2, v 1 V 1 und v 2 V 2. Betrachte nun einen affinen Unterraum E A mit E 1, E 2 E und den zu E gehörigen Unterraum U. Dann gilt b, b + v 1, b + v 2 E und v 1, v 2 U. Somit gilt v 1 + v 2 U und b + v 1 + v 2 E. Dieses Argument zeigt, dass der affine Unterraum E = {b + v 1 + v 2 v 1 V 1, v 2 V 2 } in E 1 + E 2 enthalten ist. Da auch E 1, E 2 E gilt, folgt E = E 1 + E 2. Weil V 1 + V 2 der zu E gehörige Teilraum ist, folgt die Behauptung. Behauptung. Es sei a E 1, b E 2 und v = b a. Falls E 1 E 2 =, so gilt (V 1 + V 2 ) Kv = {0}. Beweis. Nach Annahme gilt v 0. Angenommen, es existieren v 1 V 1, v 2 V 2 und λ K mit v 1 + v 2 = λ v. Dann gilt Widerspruch! a + 1 λ v 1 = a + v 1 λ v 2 = b 1 λ v 2 E 1 E 2 =. Behauptung. Es sei a E 1, b E 2 und v = b a. Falls E 1 E 2 =, so gilt V 12 = (V 1 + V 2 ) Kv. Beweis. Es sei λ K, v 1 V 1 und v 2 V 2. Betrachte nun einen affinen Unterraum E A mit E 1, E 2 E und den zu E gehörigen Unterraum U. Dann gilt a, a + v 1, a + v 2, a + v E und v, v 1, v 2 U. Somit gilt v 1 + v 2 + λ v U und a + v 1 + v 2 + λ v E. Dieses Argument zeigt, dass der affine Unterraum E = {a + v 1 + v 2 + λ v λ K, v 1 V 1, v 2 V 2 } in E 1 + E 2 enthalten ist. Wegen b = a + v E gilt E 1, E 2 E und es folgt E = E 1 + E 2. Aus den obigen Berechnungen folgt, dass V 1 + V 2 + Kv = (V 1 + V 2 ) Kv gilt, und dies ist der zu E gehörige Teilraum. Dies zeigt, dass in diesem Fall V 12 = (V 1 + V 2 ) Kv gilt.
7 Klausur Linearen Algebra 1 Musterlösung: Aufgabe F Wir betrachten die Matrix M = M(4 4, C) und den durch M induzierten Endomorphismus f : C 4 C 4. Teilaufgabe (i): Behauptung. Es gilt p M (X) = (X 1) 2 (X i) (X + i). Beweis (Variante I). Mit Hilfe des Laplaceschen Entwicklungssatzes folgern wir X X 0 0 p M (X) = det(m X I 4 ) = det X X = (X 1) det X X X ( = (X 1) 2 X 1 det 1 X ) = (X 1) 2 (X 2 + 1) = (X 1) 2 (X i) (X + i). Beweis (Variante II). Alternativ kann man die Blockgestalt der Matrix M X I 4 nutzen und folgern X X 0 0 p M (X) = det(m X I 4 ) = det X X ( ) ( ) X 1 1 X 0 = det det 1 X 1 1 X = (X 2 + 1) (X 1) 2 = (X i) (X + i) (X 1) 2.
8 Behauptung. Es gilt p M (X) = q M (X). Beweis (Variante I). Setze p(x) = (X 1) (X i) (X + i) = X 3 X 2 + X 1 C[X]. Da jede Nullstelle von p M (X) auch eine Nullstelle von q M (X) ist, gilt q M (X) {p M (X), p(x)}. Es gilt f(e 3 ) = e 3 + e 4, f(e 4 ) = e 4 und somit p(f)(e 3 ) = f 3 (e 3 ) f 2 (e 3 ) + f(e 3 ) e 3 Da q M (f) = 0 gilt, folgt hieraus die Behauptung. = f 2 (e 3 + e 4 ) f(e 3 + e 4 ) + e 3 + e 4 e 3 = f(e 3 + e 4 ) + e 4 e 3 e 4 e 4 + e 4 = e 3 + e 4 + e 4 e 3 = 2 e 4 0. Beweis (Skizze von Variante II). Alternativ kann man auch erst die Jordan Normalform von M berechnen (ohne dabei die Aussage p M (X) = q M (X) zu verwenden, s.u.) und aus dieser dann p M (X) = q M (X) herleiten. Teilaufgabe (ii): Behauptung. Die Jordan Normalform der Matrix M ist i i Beweis (Variante I). Da i und i einfache Nullstellen von p M (X) sind, gehört zu diesen Eigenwerten jeweils ein Jordan-Block der Größe 1. Somit gehört zum Eigenwert 1 entweder ein Jordan-Block der Größe 2 oder zwei Jordan-Blöcke der Größe 1. Da die Größe des größten Jordan-Blocks eines Eigenwertes der Vielfacheit der zugehörigen Nullstelle im Minimalpolynom entspricht, trifft die erste Aussage zu und hieraus folgt die Behauptung. Beweis (Skizze von Variante II). Alternativ kann man (ohne Verwendung von p M (X) = q M (X)) zeigen, dass f bezüglich der Basis e 1 + i e 2, e 1 i e 2, e 4, e 3 durch die Matrix i i (1) dargestellt wird. Teilaufgabe (iii): Behauptung. Es gilt V 1 (f) = e 4. Beweis. Es gilt f(e 4 ) = e 4 und somit e 4 Ker (f id C 4). Sei v = (a, b, c, d) Ker (f id C 4). Dann gilt f(v) = v und somit Hieraus folgt a = b = c = 0 und v e 4. b = a, a = b und c + d = d. 2
9 Behauptung. Es gilt V 1 (f) = e 3, e 4. Beweis. Nach obigen Rechnungen gehört zum Eigenwert 1 ein Jordan-Block der Größe 2. Dies impliziert V ( 1 (f) = Ker (f id C 4) 2). Für c, d C gilt (f id C 4) 2 (c e 3 + d e 4 ) = (f id C 4) 2 (c e 3 ) = (f id C 4) (c e 4 ) = 0 und somit e 3, e 4 V 1 (f). Wegen f(e 1 ) = e 2 und f(e 2 ) = e 1 gilt und (f id C 4) 2 (e 1 ) = (f id C 4) ( e 2 e 1 ) = e 1 + e 2 + e 2 + e 1 = 2 e 2 (f id C 4) 2 (e 2 ) = (f id C 4) (e 1 e 2 ) = e 2 e 1 e 1 + e 2 = 2 e 1. Dies zeigt V 1 (f) e 1, e 2 = {0}. Seien nun a, b, c, d C mit v = (a, b, c, d) V 1 (f). Mit dem oben Gezeigtem gilt dann (a, b, 0, 0) V 1 (f) e 1, e 2 = {0} und a = b = 0. Daraus folgt v e 3, e 4. Behauptung. Es gilt V i (f) = V i (f) = {(a, i a, 0, 0) C 4 a C}. Beweis. Nach obigen Rechnungen gehört zum Eigenwert i ein Jordan-Block der Größe 1. Dies impliziert V i (f) = V i (f) = Ker (f i id C 4). Es sei a C und v = (a, i a, 0, 0) C 4. Dann gilt f(v) = (i a, a, 0, 0) = i v und somit v V i (f). Sei nun umgekehrt v = (a, b, c, d) V i (f). Dann gilt b = i a, (1 i) c = 0 und c + (1 i) d = 0. Daraus folgt c = d = 0 und v = (a, i a, 0, 0). Behauptung. Es gilt V i (f) = V i (f) = {(a, i a, 0, 0) C 4 a C}. Beweis. Nach obigen Rechnungen gehört zum Eigenwert i ein Jordan-Block der Größe 1. Dies impliziert V i (f) = V i (f) = Ker (f + i id C 4). Es sei a C und v = (a, i a, 0, 0) C 4. Dann gilt f(v) = ( i a, a, 0, 0) = i v und somit v V i (f). Sei nun umgekehrt v = (a, b, c, d) V i (f). Dann gilt b = i a, (1 + i) c = 0 und c + (1 + i) d = 0. Daraus folgt c = d = 0 und v = (a, i a, 0, 0). Alternativ kann man verwenden, dass f bezüglich der Basis e 1 +i e 2, e 1 i e 2, e 4, e 3 durch die Matrix (1) dargestellt wird. Aus dieser Matrix können die Eigenräume und verallgemeinerten Eigenräume direkt abgelesen werden. Teilaufgabe (iv): Behauptung. Die Matrix M ist in M(4 4, R) nicht trigonalisierbar. Behauptung. Mit obiger Rechnung folgt p M (X) = (X 1) 2 (X 2 + 1) R[X]. Da das Polynom X in R keine Nullstelle besitzt, zerfällt p M (X) in R[X] nicht vollständig in Linearfaktoren und somit ist M über R nicht trigonalisierbar. 3
10 Klausur Linearen Algebra 1 Musterlösung: Aufgabe G Es sei V = M(2 2, K) und f : V V der durch ( ) ( ) a b a c c d b d definierte Endomorphismus von V. Es bezeichne ( ) ( v 1 =, v = 0 0 die kanonische Basis von V. ), v 3 = ( ) ( ) , v = 0 1 Behauptung. Es gilt M f,(vi ) = Behauptung. Es gilt p f (X) = (X 1) (X + 1) (X 2 + 1) K[X]. Beweis. Nach Definition gilt p f (X) = det ( M f,(vi ) ) X I 4 = det 1 X X X X Eine Anwendung des Laplaceschen Entwicklungssatzes auf die erste Zeile dieser Matrix liefert p f (X) = (X + 1) det X 1 1 X X Eine weitere Anwendung des Entwicklungssatzes auf die letzte Zeile zeigt nun ( ) X 1 p f (X) = (X + 1) (X 1) det = (X 1) (X + 1) (X 1 X 2 + 1).
11 Behauptung. Gilt K = C, so ist f diagonalisierbar und somit auch trigonalisierbar. Beweis. In C[X] gilt p f (X) = (X 1) (X + 1) (X i) (X + i) und somit zerfällt das charakteristische Polynom von f in C[X] vollständig in paarweise verschiedene Linearfaktoren. Daraus folgt, dass f diagonalisierbar ist. Behauptung. Gilt K = R, so ist f nicht trigonalisierbar und somit auch nicht diagonalisierbar. Beweis. In R besitzt das Polynom X keine Nullstellen und zerfällt somit in R[X] auch nicht in Linearfaktoren. Daraus folgt, dass das charakteristische Polynom von f in R[X] nicht in Linearfaktoren zerfällt. Da ein Endomorphismus genau dann trigonalisierbar ist, wenn sein charakteristisches Polynom vollständig in Linearfaktoren zerfällt, folgt hieraus die Behauptung. Behauptung. Gilt K = F 2, so ist f trigonalisierbar und nicht diagonalisierbar. Beweis. In diesem Fall gilt X = (X + 1) 2 und p f (X) = (X + 1) 4. Somit zerfällt das charakteristische Polynom von f in F 2 [X] vollständig in Linearfaktoren und f ist trigonalisierbar. Angenommen, f ist diagonalisierbar. Dann existiert eine Basis w 1,..., w 4 von V, so dass M f,(wi ) eine Diagonalmatrix ist. Wegen p Mf,(wi ) (X) = p f (X) = (X +1) 4 folgt dann M f,(wi ) = I 4 und f = id V. Widerspruch! 2
12 Übungen zur Linearen Algebra 1 Notationen Mengen: M = {x, y,...},, N := {0, 1, 2,...}, Z, [a, b] = abgeschlossenes Intervall, P(M) = {N N M} = Potenzmenge, M N muss nicht strikt sein. Abb(M, N) = {f : M N} = Menge alle Abbildungen f : M N. Abbildungen: f : M N, x f(x), Γ f M N Graph von f, Im(f) N Bild, f 1 (y) Urbild, f 1 (N 1 ) := {x f(x) N 1 } für f : M N und N 1 N. f M : M N Einschränkung von f auf Teilmenge M M, id : M M Identität, f : M N injektive Abbildung, f : M N surjektive Abbildung, Komposition g f : M P für f : M N, g : N P, n = M falls f : M {1,..., n} bijektiv. Gebrauch der Quantoren und Symbole: M N: x M : x N Im(f) = N y N x M : f(x) = y = Ende eines Beweises, = Widerspruch (in indirektem Beweis) Körper: K, 0 K = 0 K, 1 K, 1 0, Q, Q( 2) R, R, C, F p, char(k) = Charakteristik eines Körpers, Re(z), Im(z) Real- bzw. Imaginärteil einer komplexen Zahl z = x + iy, z = Absolutbetrag einer komplexen Zahl Vektorräume: V, W, 0 V = 0 V, {0} Null-Vektorraum, V 1 V 2 = direkte Summe zweier Verktorräume, K n = K... K mit natürlicher Vektorraumstruktur U 1 + U 2 V für U 1, U 2 V Unterräume, allgemeiner U i V Quotientenraum V/U für Unterraum U V, π : V V/U natürliche Projektion Erzeugendensysteme und Basen: A V = lineare Hülle einer Menge = A V (oder der von A erzeugte Unterraum), δ ij = Kronecker Symbol, e i K n i-ter Einheitsvektor, v 1,..., v n V oder (v i ) Basis eines Vektorraums V. Dimension eines Vektorraums: dim K (V ) oder dim(v ) v 1,..., ˆv i,..., v n := v 1,..., v i 1, v i+1,... v n ES=Erzeugendensystem, l.u.=linear unabhängig Lineare Abbildungen: f : V W, Ker(f) = Kern der Abbildung, Im(f) = Bild der Abbildung. Raum der linearen Abbildungen: Hom(V, W ) Abb(V, W ), End(V ) := Hom(V, V ) Dualraum: V = Hom(V, K); v 1,..., v n V Basis duale Basis v 1,..., v n V v 1,..., v n V Basis Isomorphismus f (vi ) : V K n, n 1 a iv i (a 1,..., a n ) Äquivalenzrelationen: R M M, R = {(a, b) a b}; Äquivalenzklasse: [a] := {b a b} M; M/ P(M) Menge der Äquivalenzklassen; Z/nZ = Z/ mit a b falls n (a b) (auch a b (n))
13 Matrizen: M(m n, K) = Menge der m n Matrizen (m Zeilen, n Spalten); A = (a ij ) i=1,...,m;j=1,...n M(m n, K); Basis: E kl := (a ij = δ ik δ jl ) i,j ; I n M(n n, K) Einheitsmatrix, diag(a 1,..., a n ) Diagonalmatrix Transponierte Matrix M t = (b ij = a ji ) von M = (a ij ) M(n n, K) f : V W linear M f := M f,(vj ),(w i ) := (a ij ) M(m n, K), wobei f(v j ) = m i=1 a ijw i bzgl. Basen v 1,..., v n V, w 1,..., w m W. Φ (w i) (v j ) : Hom(V, W ) M(m n, K), f M f. Übergangsmatrix: M (vj ),(w i ) := M idv,(v j ),(w i ) M(n n, K) für zwei Basen v 1,..., v n und w 1,..., w n von V. Spezialfall M (vj ),(v i ) = I n. Für lineare Abbildung f : V W und Basen v 1,..., v n V und w 1,..., w m W ist f := f (wi ) f f 1 (v j ). Dann gilt M f = M f, d.h. M f,(vj ),(w i ) = M f,(ej ),(e i ). Matrizenmultiplikation M(k m, K) M(m n, K) M(k n, K), (A, B) A B. Insbesondere M(m n, K) K n K m. Spaltenrang einer Matrix (a ij ): dim (a i,1 ),..., (a i,n ) Zeilenrang einer Matrix (a ij ): dim (a 1,i ),..., (a m,i ) Affine Räume: A über Vektorraum V : a A, v V : a + A v V. Affiner Unterraum von A gegeben durch: B A und Unterraum U V. Parameterdarstellung von B A: B = b + { a i u i }, wobei u 1,..., u n U Basis. a 1,..., a n = affine Koordinaten. Affine Abbildung A 1 A 2 : f : A 1 A 2 und lineare Abbildung g : V 1 V 2 mit f(a + A1 v) = f(a) + A2 g(v). Gruppen: (G,, e), e G neutrales Element. Beispiele: {±1}, (Z, +, e = 0), (K, +, e = 0), (K := K \ {0},, e = 1), (V, +, 0), Bij(X) := {f : X X f bijective}, Symmetrische Gruppe: S n := Bij({1,..., n}), Allgemeine lineare Gruppe: Gl(V ) Bij(V ) = Menge alle linearen Bijektionen. Gl(n, K) M(n n, K) = Menge der invertierbaren Matrizen Gruppenhomomorphismus: f : G 1 G 2, Ker(f) G 1 Untergruppe σ(j) σ(i) j i. sgn : S n {±1} Vorzeichen oder Signum: 1 i<j n Alternierende Gruppe: A n := ( Ker(sgn) S n ) n Für σ S n schreibt man σ. Transposition τ = (i j) σ(1) σ(2)... σ(n) f : G 1 G 2 Gruppenhomomorphismus Ker(f) G 1 Untergruppe. Determinanten: det(m) Determinante einer n n-matrix M ij M((n 1) (n 1), K) entsteht aus M M(n n, K) durch Streichung der i-ten Zeile und j-ten Spalte. M ad = (b ij ) adjungierte Matrix von M = (a ij ) mit b ij = ( 1) i+j det(m ji ). Endomorphismen: M f,(vi ) := M f,(vj ),(v i ) für f End(V ) und (v i ) Basis von V, det(f) = det(m f,(vi )) für f End(V ). Ähnlichkeit von Matrizen: M 1 M 2, EV(f) = Menge der Eigenvektoren, EW(f) = Menge der Eigenwerte, von f End(V ) V λ := V λ (f) := Ker(f λ id) = Eigenraum zum Eigenwert λ EW(f). η : V λi V, (v 1,..., v k ) v i für paarweise verschiedene Eigenwerte λ i. V λ := V λ (f) := Ker((f λ id) n ) = verallgemeinerter Eigenraum, n = dim V. η : Vλi V, (v 1,..., v k ) v i für paarweise verschiedene Eigenwerte λ i. index(λ) := min{k V λ = Ker((f λ id) k )}, V = V λ Im((f λ) k ) für k index(λ) 2
14 r λ := dim( V λ ) = algebraische Vielfachheit Tr(f) = Spur eines Endomorphismus f End(f), Tr(M) = Spur einer Matrix Polynome: K[X] = Polynomring in einer Variablen, K(X) = Körper der rationalen Funktionen in einer Variablen deg(p (X)) = Grad des Polynoms P (X) K[X], P (X) = a d X d +... a 0, a d 0 Leitkoeffizient P (X) K[X] NST(P (X)) = Menge der Nullstellen P 1 (X) = Q(X) P 2 (X) + R(X) Division mit Rest, P 2 (X) P 1 (X) falls R(X) = 0. P (X) = a n (X λi ) zerfällt in Linearfaktoren p f (X) := det(m f,(vi ) X id) K[X] charakteristisches Polynom q f (X) K[X] Minimalpolynom, q f (X) p f (X) 3
KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG
KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
MehrLineare Algebra I Lösungsvorschlag
Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und
Mehr3.7 Eigenwerte und Eigenvektoren
3.7. EIGENWERTE UND EIGENVEKTOREN 123 3.7 Eigenwerte und Eigenvektoren Wir wollen jetzt lineare Endomorphismen durch Matrizen besonders übersichtlicher Gestalt (u.a. mit möglichst vielen Nullen) beschreiben,
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
MehrKapitel III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
MehrLineare Algebra II Lösungen zu ausgewählten Aufgaben
Lineare Algebra II Lösungen zu ausgewählten Aufgaben Blatt 2, Aufgabe 3 a) Wir zeigen, daß das Ideal (2, X) kein Hauptideal in Z[X] ist. (Dieses Ideal besteht aus allen Elementen in Z[X], die von der Form
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
Mehr5 Diagonalisierbarkeit
5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj
MehrÜbungsaufgaben zur Linearen Algebra II. 1.) Lösen Sie das folgende lineare Gleichungssystem mit der Cramerschen Regel.
Blatt 1 21.4.97 1.) Lösen Sie das folgende lineare Gleichungssystem mit der Cramerschen Regel. 3x 1 x 2 + 5x 3 = 1 x 1 + 2x 2 + x 3 = 1 2x 1 + 4x 2 + 3x 3 = 1 2.) Zeigen Sie: det 1 1 0 0.......... 0 1
MehrÜbungen zur Linearen Algebra 1 Probeklausur Musterlösung: Aufgabe A
Musterlösung: Aufgabe A Wir betrachten die Matrix A = 1 4 1 1 3 1 4 5 2 M(3 3, Q) und die dazugehörige Abbildung f : Q 3 Q 3 ; v A v. Für j = 1, 2, 3 bezeichne v j Q 3 die j-te Spalte von A. Teilaufgabe
MehrHeinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche,
Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 2014 Lineare Algebra 1 Vierzehnte & Fünfzehnte Woche, 1672014 10 Determinanten (Schluß) Das folgende Resultat
Mehr23. Die Jordan sche Normalform
Chr.Nelius, Lineare Algebra II (SS 2005) 1 23. Die Jordan sche Normalform Wir suchen für einen trigonalisierbaren Endomorphismus unter seinen dreiecksförmigen Darstellungsmatrizen eine Darstellungsmatrix,
MehrLINEARE ALGEBRA I JÜRGEN HAUSEN
LINEARE ALGEBRA I JÜRGEN HAUSEN Anstelle eines Vorwortes... Der vorliegende Text entstand aus einer einführenden Vorlesung Lineare Algebra im Rahmen des Mathematikstudiums. Ich habe mich um knappe Darstellung
MehrProseminar Lineare Algebra II, SS 11. Blatt
Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2
MehrLineare Algebra Klausur 1
Lineare Algebra Klausur 1 (29.7.2015 Dozent: Ingo Runkel) Name Vorname Matrikelnr. Anweisungen: Hilfsmittel: Für die Bearbeitung sind nur Stift und Papier erlaubt. Benutzen Sie einen permanenten Stift
MehrKLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG
KLAUSUR ZUR LINEAREN ALGEBRA I UND II 2. Oktober 2008 MUSTERLÖSUNG Aufgabe 1 Es sei K ein Körper, V ein K-Vektorraum, und seien v 1,..., v n V (n N). (a) Definieren Sie, wann die endliche Familie v 1,...,
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
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrLösung zu Serie Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen
Lineare Algebra D-MATH, HS 4 Prof. Richard Pink Lösung zu Serie. Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen Polynom ist. Lösung: Das charakteristische Polynom eines
MehrVerständnisfragen: 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?
MehrKlausurenkurs 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
MehrAufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie:
Aufgabe I (4 Punkte Gegeben seien die Matrix und die Menge Zeigen Sie: H := L := {A R 4 4 A HA = H} a L ist bezüglich der Matrizenmultiplikation eine Gruppe b Die Matrizen der Form ( E O, O B wobei E R
MehrLösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen
Technische Universität Berlin Sommersemester 2008 Institut für Mathematik 18 Juli 2008 Prof Dr Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Klausur zur Linearen Algebra II Aufgabe 1 (1+1+1 Punkte)
MehrProbeklausur Lineare Algebra 1 Achten Sie auf vollständige, saubere und schlüssige Argumentation! 100 Punkte sind 100%. Inhaltsverzeichnis
Prof. Dr. Wolfgang Arendt Manuel Bernhard Wintersemester 5/6 Probeklausur Lineare Algebra Achten Sie auf vollständige, saubere und schlüssige Argumentation! Punkte sind %. Inhaltsverzeichnis Aufgabe Aufgabe
MehrTagesablauf. Allgemeine Organisation. Programm des Kompaktseminars
Kompaktseminar Werbellinsee Sept. 2008 1 Tagesablauf 9:00 Frühstück 9:30-13:00 Erste Sitzung (mit Pausen nach Bedarf) 13:00 Mittagessen 14:30-19:00 Zweite Sitzung (mit Pausen nach Bedarf) 19:00 Abendessen
Mehr1 Wiederholung LA. 1.1 Vektorräume
1 Wiederholung LA 1.1 Vektorräume Definition der Vektorräume über einem Körper K (siehe Fischer). Beispiele für Vektorräume sind: Der Vektorraum der Parallelverschiebungen des Anschauungsraumes. M(m n,
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
MehrGrundbegriffe aus der Vorlesung Lineare Algebra I+II
Grundbegriffe aus der Vorlesung Lineare Algebra I+II 30. Juli 2009 Eine Gruppe ist ein Paar (G, ) bestehend aus einer Menge G und einer Verknüpfung : G G G, (a, b) a b, mit: 1. (a b) c = a (b c) (Assoziativität)
MehrLineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.
Lineare Abbildungen Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls (1) u, v V : f( u + v) = f( u) + f( v). (2) v V α K : f(α v) = αf( v).
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2 2
MehrKlausurenkurs 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
Mehr5.2 Diagonalisierbarkeit und Trigonalisierung
HINWEIS: Sie finden hier eine vorläufige Kurzfassung des Inhalts; es sind weder Beweise ausgeführt noch ausführliche Beispiele angegeben. Bitte informieren Sie sich in der Vorlesung. c M. Roczen und H.
Mehr1 Darstellungsmatrizen
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Darstellungsmatrizen Vereinbarungen für dieses Kapitel: K Körper V und W endlich-dimensionale K-Vektorräume B = {v
MehrLösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015
sskizzen der Klausur zur Linearen Algebra im Herbst 5 Aufgabe I. Es sei (G, ) eine Gruppe mit neutralem Element e und M {x G x x e}. Zeigen Sie: (a) Ist G kommutativ, so ist M eine Untergruppe von G. (b)
MehrTutorium 2. 1 Der Polynomring
1 Der Polynomring Tutorium 2 Wiederholung. Eine Einheit eines Rings ist ein multiplikativ invertierbares Element. Zum Beispiel sind {1, 1} die Einheiten in Z, und alle Zahlen außer der 0 in jedem Körper.
MehrSommer 2017 Musterlösung
Sommer 7 Musterlösung. (5 Punkte) a) Sei V ein Vektorraum über K und sei T End(V ). Geben Sie die Definition eines Eigenwertes von T und zeigen Sie für endlichdimensionales V, dass λ K genau dann ein Eigenwert
MehrKlausur zur Linearen Algebra I
Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik 24.03.2010 Klausur zur Linearen Algebra I Prüfen Sie sofort nach Beginn der Klausur, ob Sie alle 8 Aufgaben erhalten haben.
MehrHenning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich
Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es
Mehr6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar.
Um zu zeigen, dass die irreduziblen Teiler eines reellen Polynoms höchstens den Grad 2 haben, fassen wir nun (x γ) und (x γ) zusammen und stellen fest, dass (x (a + b i))(x ((a b i)) = x 2 2a + (a 2 +
MehrKlausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen.
Klausur Lineare Algebra I am 03.02.10 Es sind insgesamt 60 Punkte bei der Klausur zu erreichen. Aufgabe 1. (6 Punkte insgesamt) a.) (3P) Definieren Sie, was eine abelsche Gruppe ist. b.) (3P) Definieren
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:
MehrLineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,
Mehrm 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23
Kapitel 5 Eigenwerte 5. Definition und Beispiele Wir sehen uns ein System dreier schwingender Kugeln der Massen m, m und m 3 an, die durch Federn aneinander gekoppelt sein sollen. m k m k 3 m 3 x ( t x
Mehr1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen
Hannover, den 7. Februar 2002 Aufgabe. Übungsblatt: Lineare Algebra II Abgabe: 8./9.4.2002 in den Übungsgruppen (2, 2, 3 Punkte) Der Vektorraum V = C[, ] sei mit dem üblichen Skalarprodukt f, g = f(t)g(t)
Mehr3 Definition: 1. Übungsblatt zur Vorlesung Lineare Algebra I. im WS 2003/2004 bei Prof. Dr. S. Goette
1. Übungsblatt zur Vorlesung Abgabe Donnerstag, den 30.10.03 1 Finden 2 Sei Sie reelle Zahlen a, b, c, so dass a (2, 3, 1) + b (1, 2, 2) + c (2, 5, 3) = (3, 7, 5). (V,, ) ein euklidischer Vektorraum. Zeigen
MehrLineare Algebra 2. Lösung zu Aufgabe 7.2:
Technische Universität Dortmund Sommersemester 2017 Fakultät für Mathematik Übungsblatt 7 Prof. Dr. Detlev Hoffmann 15. Juni 2017 Marco Sobiech/ Nico Lorenz Lineare Algebra 2 Lösung zu Aufgabe 7.1: (a)
MehrÜbungen zur Linearen Algebra II
Blatt 1 Aufgabe 1. Sei V = Mat(n, K) und U V der Untervektorraum der Diagonalmatrizen. Welche Dimension hat der Quotientenvektorraum V/U? Aufgabe 2. Sei G eine Gruppe. Wir betrachten die Relation auf G.
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar. http://www.math.uni-bielefeld.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung:
MehrÜbungen zur Vorlesung Lineare Algebra 1 Blatt 1. + k 1
Blatt 1 Aufgabe 1.1. (4 Punkte) Beweisen Sie folgende Aussagen per Induktion: n (i) i 2 = 1 n(n + 1)(2n + 1) 6 i=1 ( n n ) 2 (ii) i 3 = i Aufgabe 1.2. (4 Punkte) Sei M eine n-elementige Menge, n N. (i)
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
Mehra b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
MehrNachholklausur zur Linearen Algebra I, WS 03/04
16.4.2004 Nachholklausur zur Linearen Algebra I, WS 03/04 Prof. Dr. H. Pahlings Tragen Sie bitte auf diesem Deckblatt leserlich und in Blockbuchstaben Ihren Namen und Ihre Matrikelnummer ein und unterschreiben
MehrJürgen Hausen Lineare Algebra I
Jürgen Hausen Lineare Algebra I 2. korrigierte Auflage Shaker Verlag Aachen 2009 Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem
Mehr2.11 Eigenwerte und Diagonalisierbarkeit
2.11. EIGENWERTE UND DIAGONALISIERBARKEIT 127 Die Determinante eines Endomorphismus Wir geben uns jetzt einen endlichen erzeugten K-Vektorraum V und einen Endomorphismus ϕ : V V vor. Wir wollen die Determinante
Mehr3.5 Trigonalisierbarkeit, verallgemeinerte Eigenräume und Jordansche Normalform
LinAlg II Version 1 29. Mai 2006 c Rudolf Scharlau 219 3.5 Trigonalisierbarkeit, verallgemeinerte Eigenräume und Jordansche Normalform Das Problem der Normalformen für Endomorphismen handelt kurz gesprochen
MehrLineare Abbildungen. i=0 c ix i n. K n K m
Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht
MehrKlausur zur Vorlesung Lineare Algebra II, SoSe 2016,
Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
MehrVorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)
Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 15: Eigenwerte und -vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 5. November 2009) Diagonalisierbarkeit
Mehr1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen
Hannover, den 0. April 2006. Übungsblatt: Lineare Algebra II Abgabe: 24./25.4.2006 in den Übungsgruppen ( ) 2 5 a) Zeigen Sie, dass A = und B = 2 ( 7 6 invertierbare Matrix T an mit T AT = B. b) Zeigen
MehrMusterlösung Donnerstag - Determinanten und Eigenwerte
Musterlösung Donnerstag - Determinanten und Eigenwerte 6. März Aufgabe : Zum Aufwärmen () Zeige, dass eine nilpotente Endomorphismus nur die Null als Eigenwert hat. Hinweis: Ein Endomorphismus heißt nilpotent,
MehrAufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009
I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe
MehrLineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz
Lineare Algebra I Lösungsvorschläge zum 14. Übungsblatt U. Görtz Aufgabe 1 Sei V ein endlich-dimensionaler K-Vektorraum, und seien f und g Endomorphismen von V mit f g = g f. Zeige: a) Sind f und g diagonalisierbar,
MehrMusterlösungen für die Nachklausur in LinAlg vom
Musterlösungen für die Nachklausur in LinAlg vom 10.10.16 1. Finden Sie mindestens ) zwei Dreh )Matrizen ) M R 2 2 mit der Eigenschaft 1 0 M = : M = ± 1 1 2 ±1 1 k k 1 k 2. Sei A R 3 3 die Matrix A = 0
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra 2014/15 Seite 59 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
MehrEigenwerttheorie. Martin Gubisch Lineare Algebra I WS 2007/2008
Eigenwerttheorie Martin Gubisch Lineare Algebra I WS 27/28 Motivation Gegeben seien ein K-Vektorraum V der Dimension n < und eine K-lineare Abbildung f : V V Wir suchen eine Basis V = v 1,, v n von V,
MehrBasisprüfung. 18. August 2015
Lineare Algebra I/II D-MATH, HS 4/FS 5 Prof Richard Pink Basisprüfung 8 August 25 [6 Punkte] Betrachte den reellen Vektorraum R 3 zusammen mit dem Standardskalarprodukt, und die Vektoren 9 3 v := 6, v
Mehr4.4 Hermitesche Formen
44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
Mehr7.3 Unitäre Operatoren
Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren
MehrSerie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen
D-MATH Lineare Algebra I/II HS 2017/FS 2018 Dr. Meike Akveld Serie 17: Satz von Cayley-Hamilton & spezielle Endomorphismen 1. Sei V ein K-Vektorraum. a) Sei T End(V ). Zeigen Sie, dass die folgenden alles
MehrWiederholungsklausur zur Linearen Algebra I
Wiederholungsklausur zur Linearen Algebra I Prof. Dr. C. Löh/D. Fauser/J. Witzig 20. April 2017 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob
MehrLineare Algebra 2 (SS 13) Blatt 13: Musterlösung
Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra 2 (SS ) Blatt : Musterlösung Aufgabe. Es sei C (R) der R-Vektorraum der unendlich oft differenzierbaren Funktionen auf R und : C (R) C (R), f f die Abbildung,
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
MehrKlausur zur Vorlesung Lineare Algebra und Geometrie I
Klausur zur Vorlesung Lineare Algebra und Geometrie I Ruhr-Universität Bochum Prof. Dr. Peter Eichelsbacher 3. April 2007, 9.00-13.00 Uhr, 240 Minuten Name und Geburtsdatum: Matrikelnummer: Hinweise: Überprüfen
Mehr1. Übungsblatt: Lineare Algebra I Abgabe: 1. November 2001 in den Übungsgruppen
Hannover, den 25. Oktober 200. Übungsblatt: Lineare Algebra I Abgabe:. November 200 in den Übungsgruppen (je 3 Punkte) Beweisen oder widerlegen Sie die folgenden Aussagen über Mengen. a) A (B C) = (A B)
MehrLineare Algebra II Lösungen der Klausur
Prof Dr K Doerk 673 Jens Mandavid Christian Sevenheck Lineare Algebra II Lösungen der Klausur (a Diese Aussage ist richtig, sie stimmt nämlich für k = Sei nämlich n N beliebig und bezeichne N die Menge
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra HS 2014 Seite 56 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
MehrBeispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger
Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit
MehrLineare Algebra II, Lösungshinweise Blatt 9
Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren
MehrLina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen
Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - en Kommentare an HannesKlarner@FU-Berlinde FU Berlin SS 1 Dia- und Trigonalisierbarkeit Aufgabe (1) Gegeben seien A = i i C 3 3 und B = 1
MehrLösungsskizze zur Wiederholungsserie
Lineare Algebra D-MATH, HS Prof. Richard Pink Lösungsskizze zur Wiederholungsserie. [Aufgabe] Schreibe die lineare Abbildung f : Q Q 5, x +x +x x x +x +6x f x := x +x +8x x x +x +x. x +x +5x als Linksmultiplikation
MehrDie wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.
Definition: Lineare Abbildung Lineare Abbildungen Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. 8.1 Definition: Lineare Abbildung Eine Funktion f : V Ñ W zwischen
MehrMusterlösung der Klausur zur linearen Algebra II
David Blottière SS 7 Patrick Schützdeller Universität Paderborn Julia Sauter Musterlösung der Klausur zur linearen Algebra II Aufgabe 1 Bestimmen Sie Jordan-Normalformen der folgenden Matrizen, und schreiben
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
Mehr2 Mengen, Gruppen, Ringe und Körper
Das ist kein Skript! Dennoch kann man hier sehen, welche Begriffe definiert wurden und welche Sätze bewiesen wurden. Bei vielen Sätzen ist der Beweis skizziert, so dass diese Zusammenfassung ideal für
MehrT := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass
I. a) Es sei (G, ) eine abelsche Gruppe mit neutralem Element e G. Zeigen Sie, dass U := {g G g 3 = e G } eine Untergruppe von G ist. b) In der symmetrischen Gruppe S 4 definieren wir analog zu a) die
MehrAlle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie-
1 Vorbemerkungen Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie- benen Vektoren. Wird die Matrix A = ( a 1,..., a n ) mit dem Vektor c = c 1. c n multipliziert,
MehrLösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:
Lineare Algebra D-MATH, HS 04 Prof. Richard Pink Lösung zu Serie. [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: a) F (X) := X 5 X in R[X] und C[X]. b) F (X) := X 4 +X 3 +X in
Mehr29 Lineare Algebra 2 (SS 2009) 4.9. Das charakteristische Polynom sei Produkt von linearen Polynomen.
9 Lineare Algebra (SS 009) 49 Das charakteristische Polynom sei Produkt von linearen Polynomen 49 Das charakteristische Polynom sei Potenz eines linearen Polynoms Wir betrachten nun eine Matrix A, sodass
MehrLineare Abbildungen. i=0 c ix i n. K n K m. linear. Wir können also jeder Matrix eine lineare Abbildung zuordnen.
Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht
MehrPrüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?
1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2
MehrLineare Algebra II 6. Übungsblatt
Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der
MehrSteilkurs Lineare Algebra 1 einige wichtige Stationen
Steilkurs Lineare Algebra 1 einige wichtige Stationen Für einen Körper K ist ein K-Vektorraum V eine Menge mit einer kommutativen und assoziativen Verknüpfung + : V V V, für die es ein neutrales Element
Mehr8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet:
8. EIGENWERTTHEORIE I 139 8 Eigenwerttheorie I Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: K[x] = Abb[N, K] = {P ; P = a n x n + a n 1 x n 1 + + a 0 ; a
MehrZeigen Sie, dass der einzige Gruppenhomomorphismus von (G, ) nach (Z 5, +) die Abbildung Φ : G Z 5
Aufgabe I (4 Punkte) Es sei G : {e, g, g, g } eine 4-elementige Gruppe mit neutralem Element e Die Verknüpfung auf G werde mit bezeichnet Außerdem seien in G folgende Gleichungen erfüllt: g g g und g g
Mehr