Lineare Algebra I (WS 13/14)
|
|
- Achim Böhme
- vor 6 Jahren
- Abrufe
Transkript
1 Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke Alexander Lytchak 1 / 15
2 Motivation Für das Verständis affiner Teilräume eines Vektorraums sind Translationen ganz hilfreich. Man kann sie als Symmetrien des Vektorraumes interpretieren, die alle geometrischen Strukturen erhalten, abgesehen vom Ursprung, dem Nullelement. Wir haben auch Affinitäten der Ebene benutzt, um Aussagen über Dreiecke zu erhalten. Diese kann man als Symmetrien der Ebene intrepretieren, die die affine Geometrie erhalten ( Geraden und Strecken). Die Existenz von Symmetrien eines Dreiecks führte zu neuen, wenn auch im Moment nicht sehr tiefen Erkenntnissen: Existenz des Massenschwerpunktes. Die Symmetrie ist neben der Zahl der fundamentalste Begriff der Mathematik. Wir machen uns nun daran, die beiden Begriffe zu präzisieren und zusammenzuführen. Alexander Lytchak 2 / 15
3 Verknüpfungen Definition Sei M eine Menge. Eine Verknüpfung auf M ist eine Abbildung : M M M, (m 1, m 2 ) m 1 m 2. Mit (M, ) bezeichnen wir die Menge M mit der Verknüpfung. Definition Sei (M, ) eine Menge mit Verknüpfung. Die Verknüpfung heißt assoziativ, wenn für alle m 1, m 2, m 3 M gilt m 1 (m 2 m 3 ) = (m 1 m 2 ) m 3. Die Verknüpfung heißt kommutativ, wenn für alle m 1, m 2 M gilt m 1 m 2 = m 2 m 1. Alexander Lytchak 3 / 15
4 Verknüpfungen. Beispiele (R, +), (R, ) sind kommutativ und assoziativ. (R, ) ist nicht assoziativ und nicht kommutativ. (N, +), (N, ), (Z, +), (Z, ), (Q, +), (Q, ), (C, +), (C, ) sind kommutativ und assoziativ. Dabei sind N, Z, Q, C die Mengen der natürlichen bzw. ganzen bzw. rationalen bzw. komplexen Zahlen. (m, n) m n ist keine Verknüpfung auf N. Sei M n (R) die Menge der quadratischen (n n)-matrizen. Dann ist die Matrixaddition + auf M n (R) assoziativ und kommutativ. Die Matrixmultiplikation auf M n (R) ist assoziativ aber nicht kommutativ, wenn n 2. Die Addition auf jedem Vektorraum ist assoziativ und kommutativ. Das aus der Schule eventuell bekannte Vektorprodukt : R 3 R 3 R 3 ist nicht kommutativ und nicht assoziativ. Alexander Lytchak 4 / 15
5 Verknüpfungen. Beispiele Sei M eine beliebige Menge. Sei Abb(M) die Menge aller Abbildungen f : M M und sei Bij(M) Abb(M) die Teilmenge aller bijektiven Selbstabbildungen von M. Die Komposition definiert assoziative Verknüpfungen auf Abb(M) und Bij(M). Die Komposition auf der Menge aller Endomorphismen End(V ) eines Vekotrraums V ist eine assoziative, aber meistens nicht kommutative Verknüpfung. Bezüglich der Addition ist End(V ) ein Vektorraum, insbesondere ist + auf End(V ) assoziativ und kommutativ. Sei V ein Vektorraum. Auf der Menge der Translationen Translationen(V ) von V und auf der Menge der Affinitäten von V definiert die Komposition eine assoziative Verknüpfung. Alexander Lytchak 5 / 15
6 Neutrales Element und Inverse Definition Sei (M, ) eine Menge mit Verknüpfung. Ein Element e M heißt ein neutrales Element, falls für alle m M gilt m e = e m = m. Wenn es ein neutrales Element gibt, ist es eindeutig bestimmt. Definition Sei (M, ) eine Menge mit assoziativer Verknüpfung und neutralem Element e. Ein Element g M heißt invertierbar, falls es ein h M mit g h = h g = e. Das Element h heißt das Inverse von g und wird mit g 1 bezeichnet. Lemma Sei (M, ) assoziativ und e neutrales Element. Seien a, b, g M. Gilt a g = e = g b, so ist a = b. Insbesondere ist das Inverse eindeutig bestimmt, wenn es existiert. Alexander Lytchak 6 / 15
7 Neutrales Element und Inverse. Beispiele In (N, +), (Z, +), (Q, +), (R, +), (C, +) ist 0 das neutrale Element. In N ist nur die 0 invertierbar. In Z, Q, R, C sind alle Elemente invertierbar und das Inverse von m ist m. In (N, ), (Z, ), (Q, ), (R, ), (C, ) ist 1 das neutrale Element. Invertierbar sind in N nur 1, in Z nur ±1 und Q, R, C alle Elemente außer 0. In jedem Vektorraum (V, +) ist 0 das neutrale Element und das Inverse von v ist v. In (M n (R), ) ist die Einheitsmatrix E n das neutrale Element. Genau die invertierbaren Matrizen sind invertierbar. In (Abb(M), ) ist die Identität id M das neutrale Element. Die Teilmenge der invertierbaren Elemente ist genau Bij(M), die Menge der bijektiven Selbstabbildungen. In (End(V ), ) ist id V das neutrale Element. Die Menge der invertierbaren Elemente ist genau Aut(V ), die Menge aller Automorphismen von V. Alexander Lytchak 7 / 15
8 Einige Rechenregeln Sei (M, ) eine Menge mit assoziativer Verknüpfung und neutralem Element. Im Folgenden seien m 1,..., m r, g, h, m Elemente aus M. Produkte m 1 m 2... m r sind ohne Klammern wohldefiniert. D.h. man kann in beliebiger Reihenfolge die Multiplikationen ausführen. Ist m invertierbar und gilt m g = m h, so gilt g = h. Genauso kann man invertierbare Elemente von rechts kürzen. Sind g und h invertierbar, so ist es auch g h und es gilt (g h) 1 = h 1 g 1. Alexander Lytchak 8 / 15
9 Gruppen. Definition Definition Eine Gruppe ist eine Menge mit assoziativer Verknüpfung und neutralem Element e, in der alle Elemente invertierbar sind. Die Gruppe heißt abelsch oder kommutativ, wenn die Verknüpfung kommutativ ist. Dies ist wahrscheinlich der wichtigste mathematische Begriff überhaupt. Alexander Lytchak 9 / 15
10 Gruppen. Beispiele I Es gibt zwei große Klassen von Beispielen: Zahlen und Symmetrien. Wir kennen folgende abelsche Gruppen: (Z, +), (Q, +), (R, +),(C, +). Und auch (R x, ), (C x, ),(Q x, ), wobei wir mit K x die Menge K \ 0 bezeichnen, für K = Q, R, C. Ist V ein Vektorraum, so ist (V, +) eine abelsche Gruppe. Insbesondere sind der Koordinatenraum R n und die Menge der Matrizen R m n abelsche Gruppen. Die Menge der invertierbaren Matrizen (GL n (R), ) ist eine Gruppe. Viele interessante Teilmengen der obigen Gruppen sind Gruppen. Z.B. bezüglich der Addition haben wir die Gruppe der Gaußschen Zahlen Z[i] := {x + yi C x, y Z} und die Gruppe der algebraischen Zahlen {x C a 0,..., a n Q, a 0 + a 1 x + a 2 x a n x n = 0}. (Diese Objekte lernen sie später in Algebra-Vorlesungen besser kennen.) Alexander Lytchak 10 / 15
11 Untergruppen. Beispiele II Definition Ist (G, ) eine Gruppe und H eine Teilmenge von G, so heißt H eine Untergruppe, geschrieben H < G, falls folgende Eigenschaften gelten: 1) Das neutrale Element e von G liegt in H. 2) Sind g, h H, so ist g h H. 3) Ist g H, so ist g 1 H. Ist H eine Untergruppe von (G, ) so definiert auch eine Verknüpfung auf H und macht es zu einer Gruppe. Ein Untervektorraum eines Vektorraumes (V, +) ist eine Untergruppe. Q n mit der komponentenweise Addition ist eine Untergruppe aber kein Untervektorraum von R n. Ebenso das ganzzahlige Gitter Z n. (Z, +) < (Q, +) < (R, +) < (C, +) (Q x, ) < (R x, ) < (C x, ) Alexander Lytchak 11 / 15
12 Untergruppen. Beispiele III Die Teilmenge aller Diagonalmatrizen ist eine Untergruppe von (M n, (R), +). Eine Diagonalmatrix ist invertierbar (bezüglich der Matrixmultiplikation) genau dann, wenn jedes ihrer Diagonalelemente ungleich Null ist. Dann ist das Inverse auch eine Diagonalmatrix. Die Menge der invertierbaren Diagonalmatrizen ist eine Untergruppe von GL n (R). Die Menge P n der (n n)-permutationsmatrizen (in jeder Zeile und jeder Spalte gibt es genau eine 1 und sonst Nullen) ist eine Untergruppe von GL n (R). Alexander Lytchak 12 / 15
13 Symmetrien Symmetrien eines Objektes sind Selbstabbildungen des Objektes die gewisse uns wichtig erscheinende Strukturen erhalten. Alexander Lytchak 13 / 15
14 Bespiele von Gruppen. Symmetrien Betrachten wir Figuren (d.h. Teilmengen) in der Ebene R 2. Nennen wir eine Selbstabbildung der Ebene eine (euklidisiche) Symmetrie der Figur, wenn die Selbstabbildung Abstände nicht verändert (also eine sogenannte Bewegung der Ebene ist) und die Figur auf sich selbst abbildet. Dies ist eine Untergruppe der Gruppe aller Bewegungen der Ebene. Wir werden im Folgenden ohne Beweis annehmen, dass jede Bewegung der Ebene eine affine Abbildung ist, also durch die Bilder dreier affin unabhängiger Punkte festgelegt ist. In der Tat ist jede Bewegung eine Drehung um einen Punkt, eine Translation, oder eine Hintereinanderausführung einer Spiegelung an einer Geraden und einer Translation entlang der Spiegelungsachse. Die Gruppe der Symmetrien eines vollkommen unsymmetrischen Objektes besteht nur aus der Identität. Die Gruppe hat genau ein Element, das auch das neutrale Element ist. Solche Gruppen haben wir schon vorher als die additive Gruppe eines 0-dimensionalen Vektorraums gesehen. Alexander Lytchak 14 / 15
15 Symmetrien II. Dreieck Die Gruppe der Symmetrien eines gleichseitigen Dreiecks besteht aus der Identität, drei Spiegelungen und zwei Drehungen. Die Gruppe ist nicht abelsch. Die Gruppe der Symmetrien eines gleichschenkligen und nicht gleichseitigen Dreiecks besteht aus der Identität und einer Spiegelung. Die Gruppe ist abelsch. Die Gruppe der Symmetrien eines nicht gleichschenkligen Dreiecks besteht nur aus einem Element, der Identität. Alexander Lytchak 15 / 15
Lösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrWie kann man beweisen, dass (H, ) eine Gruppe ist?
Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrDefinition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
MehrKAPITEL 0. Einführung
Lineare Algebra KAPITEL 0 Einführung Dieses Skript zur Vorlesung Lineare Algebra an der Goethe Universität Frankfurt im Sommersemester 2011 befindet sich noch in der Entstehung und wird fortlaufend aktualisiert
MehrMinimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie
Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrÜbungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS
Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage
MehrLineare Algebra - alles was man wissen muß
Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
Mehr2 Algebraische Grundstrukturen
2 ALGEBRAISCHE GRUNDSTRUKTUREN 1 8. November 2002 2 Algebraische Grundstrukturen Definitionen. Eine binäre Operation (binary operation) oder zweistellige Verknüpfung auf einer Menge M ist eine Abbildung
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
Mehrax 2 + bx + c = 0, (4.1)
Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die
MehrA Matrix-Algebra. A.1 Definition und elementare Operationen
A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
MehrKarlsruher Institut für Technologie Institut für Algebra und Geometrie
Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. Stefan Kühnlein Dipl.-Math. Jochen Schröder Einführung in Algebra und Zahlentheorie Übungsblatt 2 Aufgabe 1 (4 Punkte) Seien
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrEinführung in die Zahlentheorie und algebraische Strukturen
Einführung in die Zahlentheorie und algebraische Strukturen Wintersemester 2012/2013 Universität Bayreuth Michael Stoll Inhaltsverzeichnis 1. Wiederholung: Gruppen, Ringe, Körper 2 2. Teilbarkeitslehre
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
Mehr2.1 Codes: einige Grundbegriffe
Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen
MehrEinführung in die Tensorrechnung
1. Definition eines Tensors Tensoren sind Grössen, mit deren Hilfe man Skalare, Vektoren und weitere Grössen analoger Struktur in ein einheitliches Schema zur Beschreibung mathematischer und physikalischer
MehrVorlesung. Komplexe Zahlen
Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems
Mehr4 Kongruenz und Modulorechnung
4 Kongruenz und Modulorechnung 39 4 Kongruenz und Modulorechnung In unserer Zeitrechnung haben wir uns daran gewöhnt, nur mit endlich vielen Zahlen zu rechnen. Es ist gerade 3 Uhr und in 50 Stunden muss
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
MehrInhaltsverzeichnis 1 Lineare Gleichungssysteme I
Inhaltsverzeichnis 1 Lineare Gleichungssysteme I 3 1.1 Mengen und Abbildungen....................................... 3 1.1.1 Mengen und ihre Operationen.............................. 3 1.1.2 Summen- und
MehrKapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe
Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:
MehrLineare Algebra I. HP Butzmann. Vorlesung im HWS 09
Lineare Algebra I HP Butzmann Vorlesung im HWS 09 Inhaltsverzeichnis 1 Mengen und Abbildungen 2 2 Körper 15 3 Vektorräume 40 4 Basis und Dimension 53 5 Lineare Abbildungen 67 6 Matrizen 80 7 Lineare Gleichungssysteme
MehrMathematik für Informatiker: Algebraische Strukturen
Mathematik für Informatiker: Algebraische Strukturen Vorlesungsskript 2009/205 Klaus Wirthmüller http://www.mathematik.uni-kl.de/ wirthm/de/mfi.html K. Wirthmüller Mathematik für Informatiker: Algebraische
MehrArithmetik II 1. Stephan Rosebrock WS 07/08. 1Entstanden mit der tatkräftigen Unterstützung von Stephan Huÿmann und Reinhold
Arithmetik II 1 Stephan Rosebrock WS 07/08 1Entstanden mit der tatkräftigen Unterstützung von Stephan Huÿmann und Reinhold Mauve Inhaltsverzeichnis 1 Gruppen 2 1.1 Geometrie und Zahlen........................
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrMathematik 1. Lösungsvorschläge zum 2. Übungsblatt
Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt
MehrSiegfried Bosch. Lineare Algebra. Vierte, überarbeitete Auflage
Springer-Lehrbuch Siegfried Bosch Lineare Algebra Vierte, überarbeitete Auflage 123 Prof. Dr. Siegfried Bosch Mathematisches Institut Universität Münster Einsteinstraße 62 48149 Münster bosch@math.uni-muenster.de
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrInvariantentheorie. Vorlesung 5. Invariantenringe zu Untergruppen
Prof. Dr. H. Brenner Osnabrück WS 2012/2013 Invariantentheorie Vorlesung 5 Invariantenringe zu Untergruppen Proposition 5.1. Es sei R G R eine Operation einer Gruppe G auf einem kommutativen Ring durch
Mehr6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte
Numerik I Version: 240608 40 6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte Die zwei wichtigsten Aufgaben der linearen Algebra: Lösung linearer Gleichungssysteme: Ax = b, wobei die n
Mehr11. Primfaktorzerlegungen
78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung
MehrLineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche
Lineare Algebra für Informatiker TUM Sommersemester 20 Dozent: Christian Pötzsche Janosch Maier 3. Juli 20 Herzlichen Dank an Lucas Westermann, Florian Scheibner (https://github. com/lswest/lamitschrift)
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
MehrLineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung
Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen
MehrQ(n) = n 0 +n 1 +n 2 +...+n k.
25 2 Kongruenzen Mit Hilfe der hier definierten Kongruenz können Aussagen über Teilbarkeit einfacher formuliert und bewiesen werden, und man erhält eine Differenzierung der Zahlen, die bezüglich einer
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
MehrKapitel II Ringe. 1 Grundbegriffe. 1.1 Definition eines Rings
Kapitel II Ringe Eine zentrale Aufgabe der Algebra ist es, Aussagen über die Nullstellen von Polynomen zu machen. Für den Umgang mit Polynomen ist es nützlich, die abstrakten Hintergründe der Addition
MehrStatistische Methoden
Statistische Methoden Dr CJ Luchsinger 6 Repetition: Rechnen mit Matrizen für die Statistik Matrizen sind aus zwei Gründen für die Statistik sehr wichtig: Sie ermöglichen uns einerseits eine sehr elegante
MehrMatrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen.
Matrixalgebra mit einer Einführung in lineare Modelle Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@statuni-muenchende 25 August 24 Vielen Dank an Christiane Belitz, Manuela Hummel und
MehrEuklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz
Tobias Kraushaar Kaiserstr. 178 44143 Dortmund Matr.- Nr.: 122964 Euklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz 1. EINLEITUNG... 2 2. HAUPTTEIL... 3 2.1. Der
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
Mehr2.2 Nebenklassen, Normalteiler und Faktorgruppen
Algebra I c Rudolf Scharlau, 2002 2012 61 2.2 Nebenklassen, Normalteiler und Faktorgruppen Bei der Konstruktion der Restklassengruppe Z/mZ hatten wir auf der Gruppe Z mit Hilfe einer Untergruppe mz eine
MehrÜbungsbuch Algebra für Dummies
...für Dummies Übungsbuch Algebra für Dummies von Mary Jane Sterling, Alfons Winkelmann 1. Auflage Wiley-VCH Weinheim 2012 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 527 70800 0 Zu Leseprobe
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrErgänzungen zur Analysis I
537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.
MehrProjektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:
Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9
MehrDidaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule
Zahlbereichserweiterungen in der Hauptschule Didaktik der Zahlbereiche 4 Dr. Christian Groß Lehrstuhl Didaktik der Mathematik Universität Augsburg Wintersemester 2006/07 Natürliche Zahlen, : Klasse 5 positive
MehrCodes und Codegitter. Katharina Distler. 27. April 2015
Codes und Codegitter Katharina Distler 7. April 015 Inhaltsverzeichnis 1 Codes 4 Codegitter 14 Einleitung Die folgende Seminararbeit behandelt das Konzept von Codes und Codegittern. Da sie bei der Informationsübertragung
MehrAlgebra. Patrik Hubschmid. 8. Oktober 2013
Algebra Patrik Hubschmid 8. Oktober 2013 Inhaltsverzeichnis 1 Fortführung der Gruppentheorie 7 1.1 Sylowsätze.................................... 7 3 Vorwort Dieses Skript zur Vorlesung Algebra im Wintersemester
MehrMathematischer Vorkurs für Physiker WS 2009/10
TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 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/ws0809
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrMathematik II für Studierende der Informatik Kapitel. Kodierungstheorie
Mathematik II für Studierende der Informatik Kapitel Kodierungstheorie Markus Junker Sommersemester 2011 (korrigierte Version vom Sommersemester 2012) Einführung, Beispiele, Definitionen Ausgangspunkt
MehrRinge, Algebren und Körper
KAPITEL 3 Ringe, Algebren und Körper Wir kommen nun zu Strukturen mit zwei verträglichen Operationen, wobei wir etwas Hintergrund aus der linearen Algebra voraussetzen werden. Wir werden oft auf die Analogie
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrGleichungen - Aufgabenstellung und Lösungsstrategien
Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung
MehrBrüche. Zuordnungen. Arithmetik/Algebra. 1 Multiplizieren von Brüchen 2 Dividieren von Brüchen 3 Punkt vor Strich. Klammern Üben Anwenden Nachdenken
Brüche Schuleigener Lehrplan Mathematik Klasse 7 auf der Basis der Kernlehrpläne Stand August 2009 Zeitraum Prozessbezogene Kompetenzen Inhaltsbezogene Kompetenzen Schnittpunkt 7 5 Doppelstunden Kommunizieren
MehrReelle Zahlen. Mathematische Grundlagen Lernmodul 4. Stand: Oktober 2010
Mathematische Grundlagen Lernmodul 4 Reelle Zahlen Stand: Oktober 200 Autoren: Prof. Dr. Reinhold Hübl, Professor Fakultät für Technik, Wissenschaftliche Leitung ZeMath, E-Mail: huebl@dhbw-mannheim.de
Mehr2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik
Stefan Lucks Diskrete Strukturen (WS 2009/10) 57 2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Uhr: Stunden mod 24, Minuten mod 60, Sekunden mod 60,... Rechnerarithmetik: mod 2 w, w {8, 16, 32,
MehrInduktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010
Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver
MehrVorlesung Endlichdimensionale Algebren. Dirk Kussin
Vorlesung Endlichdimensionale Algebren (Sommersemester 2013) Dirk Kussin Fakultät für Mathematik, TU Chemnitz E-mail address: dirk.kussin@mathematik.tu-chemnitz.de Inhaltsverzeichnis Kapitel 1. Grundlagen
MehrKongruenzrechnung. 2 Kongruenzrechnung 7 2.1 Rechnenregeln Addition und Multiplikation... 7 2.2 Rechenregeln bzgl. verschiedener Moduln...
Kongruenzrechnung Inhaltsverzeichnis 1 Einführung und Definitionen 2 1.1 Einige Beispiele aus dem Alltag..................... 2 1.2 Kongruenzrechnung im Alltag und Rechenproben........... 3 1.3 Kongruenzen
MehrSkript zur Vorlesung Höhere Mathematik für Bachelorstudiengänge. Prof. Dr. R. Herzog. gehalten im SS2013 Technische Universität Chemnitz
Skript zur Vorlesung Höhere Mathematik für Bachelorstudiengänge Prof. Dr. R. Herzog gehalten im SS2013 Technische Universität Chemnitz Auszug aus den Studienordnungen zu den Ausbildungszielen der mit dieser
MehrBeispiel zur Lösung eines Gleichungssystems : 6 y + z = 15 0 6 1. 15 12 x + 3 y 3 z = 15 12 3 3. 15 2 x 3 y = 4 2 3 0.
Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 5 0 6 5 2 x + 3 y 3 z = 5 2 3 3 5 2 x 3 y = 4 2 3 0 4 z2 /3 z : 3 2 x 3 y = 4 2 3 0 4 4 x + y z = 5 4 5 6 y + z = 5 0 6 5 z2 + 2 z 2 x 3 y = 4 2
Mehr9. Anwendungen der Fundamentalgruppe
76 Andreas Gathmann 9. Anwendungen der Fundamentalgruppe Nachdem wir mit Hilfe von Überlagerungen nun in der Lage sind, Fundamentalgruppen zu berechnen, wollen wir in diesem abschließenden Kapitel noch
MehrÜbersicht. 1. Zuordnungen. Arbeitsblätter... 15 32 Lösungen...255 257. 2. Prozent- und Zinsrechnung. Arbeitsblätter... 33 54 Lösungen...
Übersicht 1. Zuordnungen Arbeitsblätter... 15 32 Lösungen...255 257 2. Prozent- und Zinsrechnung Arbeitsblätter... 33 54 Lösungen...258 260 3. Geometrie: Figuren - Kongruenz Arbeitsblätter... 55 118 Lösungen...261
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG
¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht
MehrDer Golay-Code und das Leech-Gitter
Der Golay-Code und das Leech-Gitter Vortrag zum Seminar Gitter und Codes Nils Malte Pawelzik.5.5 Inhaltsverzeichnis Designs 3. Elementare Eigenschaften eines Designs und die Eindeutigkeit eines - (, 5,
MehrÜbung zur Algebra WiSe 2008/2009, Blatt 1
Aufgabe 1: Zeigen Sie, dass die Untergruppe der Permutationsmatrizen in GL(n, R) isomorph zur symmetrischen Gruppe S n ist. Es sei Perm n die Menge der Permutationsmatrizen in GL(n, R). Der Isomorphismus
MehrSchulinterne Lehrpläne der Städtischen Realschule Waltrop. im Fach: MATHEMATIK Klasse 7
1. Rationale Zahlen Vernetzen Geben Ober- und Unterbegriffe an und führen Beispiele und Gegenbeispiele als Beleg an (z.b. Proportionalität, Viereck) Überprüfen bei einem Problem die Möglichkeit mehrerer
MehrVorwort. Günter M. Gramlich. Lineare Algebra. Eine Einführung ISBN: 978-3-446-43035-8. Weitere Informationen oder Bestellungen unter
Vorwort Günter M. Gramlich Lineare Algebra Eine Einführung ISBN: 978-3-446-43035-8 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-43035-8 sowie im Buchhandel. Carl Hanser
MehrGeometrische Mannigfaltigkeiten
Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie
MehrGeometrische Maße oder,... wie kann man quantitative Aussagen über geometrische Objekte erhalten?
In der euklidischen Geometrie der Mittelstufe ging es zumeist um geometrische Konstruktionen und um qualitative Aussagen über geometrische Objekte in Bezug zueinander. Möchte man, insbesondere im dreidimensionalen
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische
MehrTECHNISCHE UNIVERSITÄT DRESDEN. Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik Institut für Algebra
TECHNISCHE UNIVERSITÄT DRESDEN Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik Institut für Algebra Halbgruppen binärer Relationen auf einer 3-elementigen Menge Arbeit im Rahmen des
MehrAlgebra. Professor Walter Gubler
Algebra Professor Walter Gubler 29. April 2010 2 Inhaltsverzeichnis I Algebra I 11 I Gruppentheorie 13 I.1 Gruppen................................... 13 I.1.1 Denition einer Gruppe.......................
MehrKryptographie mit elliptischen Kurven
Kryptographie mit elliptischen Kurven Gabor Wiese Universität Regensburg Kryptographie mit elliptischen Kurven p. 1 Problemstellung Kryptographie mit elliptischen Kurven p. 2 Problemstellung Caesar Kryptographie
Mehr13. Abzählen von Null- und Polstellen
13. Abzählen von Null- und Polstellen 77 13. Abzählen von Null- und Polstellen Als weitere Anwendung des Residuensatzes wollen wir nun sehen, wie man ot au einache Art berechnen kann, wie viele Null- bzw.
MehrAufgaben des MSG-Zirkels 10b Schuljahr 2007/2008
Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Alexander Bobenko und Ivan Izmestiev Technische Universität Berlin 1 Hausaufgaben vom 12.09.2007 Zahlentheorie 1 Aufgabe 1.1 Berechne die (quadratischen)
MehrHöhere Mathematik I. 1. Gruppenübung zur Vorlesung Prof. Dr. M. Stroppel. Winter 2007/08
Dr. A. App Dr. M. Pfeil. Gruppenübung zur Vorlesung Prof. Dr. M. Stroppel Höhere Mathematik I Winter 7/8 Aufgabe P. Binomialkoeffizienten Berechnen Sie ohne Taschenrechner: ( ) (a) x = 5 ( ) ( ) ( ) (b)
MehrGF(2 2 ) Beispiel eines Erweiterungskörpers (1)
GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrComputergraphik Grundlagen
Computergraphik Grundlagen IV. Koordinatensysteme und geometrische Transformationen Prof. Stefan Schlechtweg Hochschule Anhalt Fachbereich Informatik Inhalt Lernziele 1. Skalare Punkte und Vektoren 2.
Mehr5. Komplexe Zahlen. 5.1 Was ist eine Zahl?
5. Komplexe Zahlen Komplexe Zahlen sind Zahlen der Form a + bi, wo a und b reelle Zahlen sind und i = 1 ist. Wurzeln aus negativen Zahlen gibt es nicht, wird man da antworten, und in der Tat gibt es keine
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse
MehrVisualisierung I 3. Datentypen und Datenrepräsentation
Visualisierung I 3. Datentypen und Datenrepräsentation Vorlesung: Mi, 9:00 11:00, INF 368 532 Übung: Do, 14:00 16:00, INF 350 OMZ R U011 JProf. Heike Jänicke http://www.iwr.uni-heidelberg.de/groups/covis/
Mehr