3 Definition: 1. Übungsblatt zur Vorlesung Lineare Algebra I. im WS 2003/2004 bei Prof. Dr. S. Goette
|
|
- Manuela Steinmann
- vor 6 Jahren
- Abrufe
Transkript
1 1. Übungsblatt zur Vorlesung Abgabe Donnerstag, den 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 Sie, dass für alle x, y V gilt a) Parallelogramm-Identität: x + y 2 + x y 2 = 2 x y 2 ; b) Polarisationsformel: x + y 2 x y 2 = 4 x, y. 3 Definition: Ein Untervektorraum des R n ist eine Teilmenge U R n, so dass (1) (0,..., 0) U ; (2) x + y U für alle x, y U ; (3) a x U für alle x U und alle a R. 4 Seien Zeigen Sie, dass jeder Untervektorraum U R n (mit +, und 0 U = (0,..., 0) wie (1) (3)) ein Vektorraum ist. Überprüfen Sie dazu, dass alle Vektorraumaxiome erfüllt sind. u, v R 3 fest vorgegebene Vektoren. Welche der folgenden Teilmengen des R 3 sind Untervektorräume? a) {a u + b v a, b R} b) S 2 = {x x R 3, x 2 = 1} c) v = {x v, x = 0}
2 2. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Bestimmen 2 Ergänzen 3 Stellen Sie die Seitenlängen und Winkel im Dreieck mit den Ecken x = (1, 0, 1, 2), y = (1, 1, 0, 1), z = (0, 0, 1, 2) R 4 bezüglich des Standard-Skalarproduktes. Sie den Vektor x = ( 1 3, 2 3, 2 ) 3 durch Vektoren y, z R 3 zu einer Orthonormalbasis (x, y, z) des R 3 mit dem Standard- Skalarprodukt. Sie die folgenden Zahlen als x + iy mit x, y R dar. a) ( 1 + 2i) 3, b) i k für alle k Z, c) i, d) 2 + 3i 1 + 4i. 4 Seien (a, b) R 2. Finden Sie alle Paare (c, d) R 2, so dass a + bi = (c + di) 2. Ihre Lösung sollte nur Grundrechenarten und Wurzeln nicht-negativer reeller Zahlen verwenden.
3 3. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Zeigen Sie: g : R 2 R 2 R mit g((x 1, x 2 ), (y 1, y 2 )) = αx 1 y 1 + βx 1 y 2 + γx 2 y 1 + δx 2 y 2 2 Berechnen 3 Zeigen 4 Wir ist ein Skalarprodukt genau dann, wenn α > 0, δ > 0, β = γ und α δ β γ > 0 gilt. Sie den Flächeninhalt der Seiten des von den Vektoren x = (2, 0, 0), y = (1, 2, 0), z = (0, 1, 1) aufgespannten Parallelotops und dessen Volumen. Sie, dass die Quaternionenmultiplikation assoziativ ist. definieren die quaternionale Konjugation durch q = (a, x) für alle q = (a, x) H = R R 3. Seien q, r H. Zeigen Sie a) (q r) = r q b) q q = q 2 R H bezüglich des Standard-Skalarproduktes; c) Ist q 0, so existiert ein w H mit q w = 1; d) q r = q r.
4 4. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Stellen 2 Sei Sie die folgenden Elemente des Körpers F 7 = Z/7 als [k] dar mit k {0, 1,..., 6} M = {0, 1, a, b}. [4] + [5], [4] [5], [3] 1, [5]/[4] a) Bestimmen Sie eine Verknüpfung + : M M M, so dass (M, +, 0) eine Gruppe wird, in der m + m = 0 für alle m M gilt. Wieviele Möglichkeiten gibt es? b) Bestimmen Sie eine Verknüpfung : M M M, so dass (M, +,, 0, 1) ein Körper wird. Wieviele Möglichkeiten gibt es? c) Finden Sie alle Lösungen von x 2 + x + 1 = 0 in F 2 = Z/2 und in F 4 = (M, +,, 0, 1). 3 Sei (G,, e) eine Gruppe. a) Es sei g G. Zeigen Sie: Die Abbildung f g : G G, h ghg 1 ist ein Gruppenautomorphismus. b) Die Abbildung G Aut G, g f g ist ein Gruppenhomomorphismus. ( ) ( ) c) Berechnen Sie f g (h) für g = und h = G = S(3) Für q S 3 = {q H qq = 1} sei f q : H H gegeben durch f q (w) = q w q. a) Zeigen Sie: f q ist ein Schiefkörperautomorphismus und orthogonal, d.h., es gilt f q (w) = w für alle w H. b) Folgern Sie mit Aufgabe 2b) von Blatt 1, dass f q (v), f q (w) = v, w gilt für alle v, w H = R 4 mit dem Standardskalarprodukt. c) Beweisen Sie: f q bildet reelle Quaternionen auf reelle ab und imaginäre auf imaginäre.
5 5. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Sei Q( 2) = {a + b 2 a, b Q} R. Zeigen Sie: a) Q( 2) ist ein Unterkörper von R. b) Die Abbildung ϕ : Q( 2) Q( 2) mit ϕ(a + b 2) = a b 2 ist ein Körperautomorphismus. 2 Bilden 3 Welche 4 Sei Sie alle möglichen Produkte A B von reellen Matrizen mit ( ) ( ) A, B,, der folgenden Abbildungen F, G, H zwischen K-Vektorräumen sind linear? (( )) ( ) z w a) K = C, F : C 2 C 2 mit F = ; w z (( )) a b) K = F 3 = Z/3, G : F3 2 F 3 mit G = [2] b a; b (( )) x y x c) K = R, H : R 2 R 3 mit H = y 2 ; y 2 x x = x 1 x 2 x 3 R 3 mit x = 1 bzgl. des Standard-Skalarproduktes. Wir betrachten R x : R 3 R 3 mit R x (y) = x y + x, y x. a) Beweisen Sie die Linearität von R x und geben Sie die zugehörige Matrix an. b) Wie wirkt R x auf Vielfache von x und auf Vektoren senkrecht zu x? c) Was ist die geometrische Bedeutung von R x?
6 6. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Finden x 1 Sie x = x 2 R 3 mit x x = Sei 3 Sei V ein K-Vektorraum. Eine Abbildung p End V heißt Projektion, wenn p p = p gilt. Zeigen Sie, dass für jede Projektion p gilt a) id V p ist auch eine Projektion, b) V = ker p im p. Wie sieht die Zerlegung aus b) für die Projektion id V p aus? K ein Körper und sei V = {(a i ) i N a i K und es existiert n N mit a i = 0 für alle i n} die Menge der endlichen K-wertigen Folgen. a) Zeigen Sie, dass V mit (a i ) i N + (b i ) i N = (a i + b i ) i N und k (a i ) i N = (k a i ) i N einen K-Vektorraum bildet. b) Finden Sie Isomorphismen F : V K V und G : V V V. 4 Sei x R 3 mit x = 1. Wir betrachten q = (cos ϕ, sin ϕ x) H. a) Zeigen Sie qq = 1. (Sie können die Formel cos(ϕ) 2 + sin(ϕ) 2 = 1 verwenden.) b) Sei f q : R 3 R 3 die Abbildung aus Aufgabe 4 von Blatt 4, d.h. f q (y) = q (0, y) q im H = R 3. Wie wirkt f q auf Vielfache von x, und wie auf Vektoren senkrecht zu x? c) Versuchen Sie, f q geometrisch zu beschreiben.
7 7. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Ist 2 Welche A = (a ij ) M m,n (K) eine Matrix, so wird deren transponierte Matrix A t M n,m (K) definiert durch A t = (k ij ) i=1,...,n mit k ij = a ji. j=1,...,m Zeigen Sie: Für alle A M m,n (K), B M n,p (K) gilt (A B) t = B t A t. der folgenden Relationen sind Äquivalenzrelationen? a) {(x, y) x y} R R; b) {(x, y) es existieren n, m N mit x n = y m } Z Z; c) {(A, B) B = QAQ 1 für ein Q GL(n, K)} M n (K) M n (K), wobei n N ist und K ein beliebiger Körper; d) {(p, q) p q < 1} Q Q. 3 Bestimmen Sie den Kern und das Bild der linearen Abbildung F A : Q 3 Q 4, die beschrieben wird durch die Matrix A = M 4,3(Q) Versuchen Sie dazu, jeweils möglichst wenige Vektoren v 1,..., v k Q 3 bzw. w 1,..., w l Q 4 zu finden, so dass gilt ker F = {a 1 v a k v k a 1,..., a k Q} im F = {b 1 w b l w l b 1,..., b l Q}. und 4 Wir wissen bereits aus der Vorlesung, dass F 3 = Z/3Z ein Körper ist. Welche Untervektorräume hat der F 3 -Vektorraum F 2 3 = F 3 F 3?
8 8. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Sei 2 Sei 3 Sei 4 a) V der Vektorraum der endlichen Folgen in R aus Aufgabe 3, Blatt 6. Auf der Menge W = R N = {(w i ) i N w i R} aller reellen Folgen definieren wir eine Vektorraumstruktur durch Zeigen Sie: (w i ) i N + (w i) i N = (w i + w i) i N für (w i ) i N, (w i) i N W, k (w i ) i N = (k w i ) i N für k R und (w i ) i N W. a) Die Folgen e j = (δ ij ) i N bilden eine Basis von V (δ ij ist das Kroneckersymbol). b) Jedes (w i ) i N W definiert eine lineare Abbildung V R durch (v i ) i N w i v i. c) Die in b) gegebene Abbildung W V ist ein Isomorphismus. V ein Vektorraum über R und, ein Skalarprodukt auf V. Beweisen Sie, dass die folgende Abbildung ϕ : V V linear und injektiv ist: ϕ(x) = α mit α(v) = x, v. V der Vektorraum der endlichen reellen Folgen wie in Aufgabe 1. Für zwei Elemente (v i ) i N und (v i) i N von V setzen wir (v i ) i N, (v i) i N = v i v i. Zeigen Sie, dass dadurch ein Skalarprodukt auf V definiert wird. Ist die Abbildung ϕ : V V aus Aufgabe 2 in diesem Beispiel surjektiv? Überprüfen Sie, dass die folgenden Vektoren eine Orthonormalbasis des R 3 bezüglich des Standard-Skalarprodukts bilden: 1/2 1/2 2/2 b 1 = 1/2, b 2 = 1/2, b 3 = 2/2. 2/2 2/2 0 b) Sei x = 1/2 1/2 2/2 i=1. In Aufgabe 4 auf Blatt 5 wurde die Drehung R x um x um den i=1 Winkel π/2 = 90 eingeführt. Welche Matrix hat R x bezüglich der Basis (b 1, b 2, b 3 ) aus Teil a)?
9 9. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Bestimmen 2 Wir 3 Seien Vier der acht Aufgaben auf diesem Blatt sind Zusatzaufgaben. Sie alle x 1, x 2, x 3 Q und alle u 1, u 2, u 3 Z/5Z mit x 1 2 x 2 = 1, x 3 0 [1] [2] [0] [2] [1] [3] [3] [2] [1] definieren die Ebenen E 1, E 2 R 3 durch E 1 = 2 + λ λ λ 1, λ 2 R, E 2 = 0 + µ µ µ 1, µ 2 R. u 1 [4] u 2 = [2]. u 3 [3] Bestimmen Sie die Schnittmenge E 1 E 2 mit Hilfe eines Gleichungssystems. V und W K-Vektorräume mit dim V = n und dim W = m. Beweisen Sie: a) Gilt n m, so gibt es eine surjektive lineare Abbildung F : V W. b) Ist n m, so existiert eine injektive lineare Abbildung F : V W. 4 Zeigen 5 Sei Sie, dass es keine Unterräume im R 3 außer denen gibt, die in Beispiel 1.59 der Vorlesung aufgezählt wurden. V ein K-Vektorraum und U V ein Unterraum. a) Zeigen Sie (V/U) = { α V α U = 0 }. b) Es sei U R 3 die Gerade {λ (3, 1, 1) λ R}. Finden Sie eine Basis von (R 3 /U).
10 6 Beweisen 7 Sei ( ) a b Sie, dass eine Matrix A = M c d 2 (R) genau dann invertierbar ist, wenn gilt ad bc 0. Berechnen Sie die inverse Matrix A 1. V = K n mit einer Basis (v 1,..., v n ), und sei (α 1,..., α n ) die dazu duale Basis von V. Sei (ε 1,, ε n ) die zur Standardbasis (e 1,..., e n ) duale Basis von V. Wir definieren einen Isomorphismus Φ : V V durch Φ(α i ) = v i für alle i = 1,..., n. a) Bestimmen Sie die Matrix B von Φ bezüglich (e 1,..., e n ) und (ε 1,..., ε n ) aus der Matrix A = (a ij ) i,j, wobei A definiert ist durch v j =. a 1j a nj. b) Unter welcher Bedingung an A ist B die Einheitsmatrix? 8 a) Beweisen Sie: Ein Vektorraum V ist genau dann nicht endlich erzeugt, wenn es zu jedem n N ein n-tupel linear unabhängiger Vektoren gibt. b) Der Raum der polynomialen Funktionen { x k i=0 } a i x i k N0 ; a 0,..., a k R {f : R R f stetig } ist nicht endlich erzeugt. Hinweis: Zeigen Sie, dass 1, x, x 2,..., x n für alle n N 0 linear unabhängig sind.
11 10. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Gegeben seien k Vektoren x 1,..., x k K n. Um eine Basis des Unterraums x 1,..., x k zu finden, schreiben Sie die Vektoren als Spalten in eine Matrix. Diese bringen Sie durch Zeilenumformungen auf (nicht notwendig strenge) Zeilenstufenform wie in Definition 2.25 mit den Stufen 1 j 1 < < j r k. 1. Zeigen Sie, dass die Vektoren x j1,..., x jr eine Basis von x 1,..., x k bilden. 2. Finden Sie eine Basis des von den Vektoren v ij = e i e j K n aufgespannten Unterraums, wobei 1 i < j n. 2 Welche 3 Sei 4 Zeigen Dimension hat der Unterraum U = u 1, u 2, u 3, u 4 R 4, der von den unten angegebenen Vektoren aufgespannt wird? Wählen Sie Elemente in {u 1, u 2, u 3, u 4 }, die eine Basis von U bilden u 1 = 1 3, u 2 = 0 2, u 3 = 2 0, u 4 = K = F 2 der Körper mit zwei Elementen, und sei V = K 2. Konstruieren Sie eine Abbildung ω : V 2 K, die bilinear ist und antisymmetrisch, aber nicht alternierend. Sie, dass die Abbildung ω : (K 2 ) 2 K mit ω (( a1 a 2 ), ( b1 b 2 )) = k (a 1 b 2 a 2 b 1 ) für k K eine Determinantenfunktion ist, und dass jede Determinantenfunktion auf K 2 von dieser Form ist (ohne zu verwenden, dass der Raum aller Determinantenfunktionen eindimensional ist).
12 11. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Eine Basis (v 1, v 2, v 3 ) des R 3, eine Basis (w 1, w 2 ) des R 2 und zwei Matrizen A, B M 2,3 (R) seien gegeben durch ( ) ( ) v 1 = 1, v 2 = 2, v 3 = 0 1 0, w 1 =, w 4 2 =, ( ) ( ) A =, B = a) Sei F : R 3 R 2 die lineare Abbildung, die bzgl. der Standardbasen durch A beschrieben wird. Bestimmen Sie die Matrix von F bzgl. der Basen (v 1, v 2, v 3 ) und (w 1, w 2 ). b) Die Abbildung G : R 3 R 2 habe bzgl. der Basen (v 1, v 2, v 3 ) und (w 1, w 2 ) die Matrix B. Welche Matrix hat G bzgl. der Standardbasen? 2 Berechnen 3 Sei Sie die Determinante der rationalen Matrix n N. Für i, j n mit i j ist die Transposition τ i,j S(n) die Permutation mit j für k = i, τ i,j (k) = i für k = j, k sonst.. Beweisen Sie: a) Jede Permutation σ S(n) lässt sich für ein geeignetes l als Produkt σ = id σ 1 σ 2 σ l schreiben, wobei jedes der σ i eine Transposition ist. b) Zu jedem σ S(n) lässt sich eine Produktdarstellung wie in a) finden, bei der jedes σ i eine Transposition τ ki,k i +1 benachbarter Elemente ist. c) Für das Signum von σ S(n) gilt sign(σ) = ( 1) #{(i,j) {1,...,n}2 i<j, σ(i)>σ(j)}. BITTE WENDEN!
13 4 a) Sei K ein Körper und seien x 0,..., x n K. Als Vandermonde-Matrix bezeichnen wir die Matrix 1 x 0 x x n 0 1 x 1 x x n 1 V =. M n+1(k). 1 x n x 2 n... x n n Zeigen Sie det V = i<j(x j x i ). Hinweis: Sie können die Matrix durch Zeilen- oder Spaltenumformungen so verändern, dass sich ihre Determinante mit Hilfe der Determinante einer kleineren Vandermonde- Matrix berechnen lässt. Das führt also auf einen Beweis durch vollständige Induktion über n. b) Sei n N 0 und K ein Körper mit mehr als n Elementen. Beweisen Sie, dass die n + 1 Funktionen K K, x x k für k = 0,..., n linear unabhängig sind.
14 12. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Invertieren 2 Sei Sie die Matrix 1 1/2 1/3 1/4 1/2 1/3 1/4 1/5 1/3 1/4 1/5 1/6. 1/4 1/5 1/6 1/7 n N \ {1, 2}. Auf Blatt 11 wurde gezeigt, dass V n = {f C[X] deg f n} ein C- Vektorraum der Dimension n + 1 ist und W n = {f R[X] deg f n} ein R-Vektorraum der Dimension n + 1. In ein Polynom f C[X] können wir die komplexe Zahl i einsetzen und erhalten so eine Zahl f(i) C. Wir können aber auch für jedes reelle Polynom f die Zahl f(i) C definieren, denn die Inklusion R C induziert eine Inklusion R[X] C[X]. Beweisen Sie (etwa mit Hilfe von Division mit Rest): a) Der C-Vektorraum {f V n f(i) = 0} ist isomorph zu V n 1. b) Der R-Vektorraum {f W n f(i) = 0} ist isomorph zu W n 2. 3 Für 4 Sei jeden Körper K können wir das Polynom P = X 3 X 2 +X 1 als Element des Polynomrings K[X] betrachten. Zerlegen Sie P sowohl in C[X] als auch in F 17 [X] in Linearfaktoren, wobei F 17 den Körper Z/17Z bezeichne. K ein Körper und A M n (K). a) Als Adjunkte von A bezeichnen wir die Matrix à = (c ij) M n (K) mit c ij = ( 1) i+j det A ji, wobei A ji M n 1,n 1 (K) die Matrix ist, die aus A durch Streichen von Zeile j und Spalte i entsteht. Beweisen Sie A à = det(a) E n. b) Sei A GL(n, K), b K n und sei x K n die Lösung von A x = b. Beweisen Sie die Cramersche Regel, die besagt, dass sich die k-te Komponente x k von x auf folgende Weise bestimmen lässt: Die Matrix A k gehe aus A hervor, indem man die k-te Spalte durch den Spaltenvektor b ersetzt. Dann ist x k = (det A) 1 det A k.
15 13. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Berechnen 2 Wir 3 Ein 4 Seien Sie das charakteristische Polynom, die Eigenwerte und die dazugehörigen Eigenräume in C 3 zu der Matrix Hinweis: Einer der Eigenwerte ist 1. erinnern daran, dass die Spur tr(c) einer quadratischen Matrix C die Summe ihrer Diagonaleinträge ist. Seien m, n N, und es seien Matrizen A M m,n (K) und B M n,m (K) gegeben. Zeigen Sie: a) Es gilt tr(ab) = tr(ba). b) Die Abbildung, : M m,n (R) 2 R mit S, T = tr(st t ) definiert ein Skalarprodukt auf M m,n (R) im Sinne von Definition 0.14 der Vorlesung. Endomorphismus F eines n-dimensionalen K-Vektorraums V heißt zyklisch mit Erzeuger v V, wenn es ein N N 0 gibt, so dass F 0 (v) = v, F 1 (v) = F (v), F 2 (v) = F (F (v)),..., F N (v) ein Erzeugendensystem von V bilden. a) Zeigen Sie, dass bereits F 0 (v),..., F n 1 (v) den Raum V erzeugen und sogar eine Basis bilden. b) Welche Gestalt hat die Matrix A von F bezüglich dieser Basis? Bestimmen Sie das charakteristische Polynom χ F = χ A. c) Wie hängt die Matrix A von der Wahl des Erzeugers v V ab? Die Gestalt der obigen Matrix A heißt auch zyklische Normalform. ( ) a b a > b > 0, d > c > 0 und A =. Finden Sie eine lineare Abbildung c d R 4 C (R, R 2 ), x 1 x 2 y 1 y 2 f = ( f1 f 2 ) mit f = A f und f i (0) = x i, f i(0) = y i für i = 1, 2. Anleitung: Diagonalisieren Sie A, und verfahren Sie weiter wie in Beispiel 3.45 der Vorlesung. Verwenden Sie die Funktionen c λ und s λ aus Beispiel 3.38(3).
16 14. Übungsblatt zur Vorlesung Abgabe Donnerstag, den Diese Aufgaben sind Bonusaufgaben und gehen nicht in die Mindestpunktzahl für die Scheinvergabe ein. 1 Führen 2 Sei 3 Beweisen 4 Auf Sie das Gram-Schmidt-Verfahren mit den Vektoren v 1, v 2, v 3 R 3 in der vorgegebenen Reihenfolge durch für 2/3 0 1 v 1 = 2/3, v 2 = 0 und v 3 = 0. 1/3 1 0 B eine symmetrische Bilinearform auf V. Die Teilmenge ker B V wird definiert durch ker B = {v V B(v, w) = 0 für alle w V }. Zeigen Sie: a) ker B ist ein Untervektorraum, b) B induziert eine symmetrische Bilinearform B auf V/ ker B durch B([v], [w]) = B(v, w), c) die Bilinearform B ist nicht ausgeartet. Sie: a) Wenn P (λ) = 0 für ein λ C gilt mit P R[X] C[X], dann gilt auch P ( λ) = 0. b) Für jede Matrix A M 3 (R) hat das charakteristische Polynom χ A eine reelle Nullstelle. c) Sei A SL(3, R) = {G M 3 (R) det G = 1}, dann hat A einen positiven reellen Eigenwert. d) Sei A O(3), d.h. für alle v, w R 3 gilt v, w = Av, Aw, dann hat A einen Eigenwert ±1. Ist A SO(3) = O(3) SL(3, R), so ist 1 ein Eigenwert von A. Blatt 4 und Blatt 6 wurde für jedes q S 3 = Sp(1) H eine Drehung f q SO(3) definiert. Zeigen Sie: a) f q = f w q = ±w. b) Jedes A SO(3) ist eine Drehung um einen Eigenvektor zum Eigenwert 1 (verwenden Sie Aufgabe 3). c) Jedes A SO(3) ist von der Gestalt A = f q, q Sp(1). Fazit: Es gilt SO(3) = Sp(1)/ ± 1.
3.3 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.
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)
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
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
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
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 - 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
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
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
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
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:
MehrLösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band 2, 2.Aufl. (Version 2010), Kapitel 5
Lösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band,.Aufl. Version, Kapitel 5 Bilinear-und Sesquilinearformen Abschnitt.A, Aufg., p. 6.6. : Man bestimme die
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
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
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
MehrGrundlagen der Mathematik II
Wintersemester 204/205 - Aufgabenblatt I Abgabe: bis Donnerstag, den 6. November 204, 9:00 Uhr Aufgabe : Untersuchen Sie, für welche 2 C die folgende Matrix c diagonalisierbar ist, und bestimmen Sie für
MehrSeminararbeit für das SE Reine Mathematik- Graphentheorie
Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis
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 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
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
MehrLösungen 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.
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
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
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,
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) =
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
MehrAusgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von
Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik Lineare Algebra zusammengestellt von Sabine Giese, Josef Heringlehner, Birgit Mielke, Hans Mielke und Ralph-Hardo Schulz 98 Aufgaben,
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
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
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
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:
MehrFrohe Weihnachten und ein gutes neues Jahr!
Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]
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
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
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
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,
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
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)
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
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
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
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
MehrZusatztutorium, 25.01.2013
Zusatztutorium, 25.01.2013 David Müßig muessig[at]mi.fu-berlin.de http://page.mi.fu-berlin.de/def/tutorium/ WiSe 12/13 1 Der Homomorphiesatz Der Homomorphiesatz scheint für viele eine Art rotes Tuch zu
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
Mehr11 Normalformen von Matrizen
11 Normalformen von Matrizen Wir wenden uns in diesem Kapitel noch einmal der Untersuchung linearer Abbildungen auf endlichdimensionalen Vektorräumen und deren Darstellung mittels Matrizen zu Speziell
Mehr(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu
Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die
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)
Mehr3.1. Die komplexen Zahlen
3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen
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
MehrAufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).
Aufgabe Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(3A E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A 3E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Bild(A
MehrSO(2) und SO(3) Martin Schlederer. 06. Dezember 2012
SO(2) und SO(3) Martin Schlederer 06. Dezember 2012 Inhaltsverzeichnis 1 Motivation 2 2 Wiederholung 2 2.1 Spezielle Orthogonale Gruppe SO(n)..................... 2 2.2 Erzeuger.....................................
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
MehrDirk Hachenberger Mathematik für Informatiker
Dirk Hachenberger Mathematik für Informatiker ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Inhaltsverzeichnis Vorwort
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
MehrCodierungstheorie, Vorlesungsskript
Codierungstheorie, Vorlesungsskript Irene I. Bouw Sommersemester 2014 Inhaltsverzeichnis 1 Lineare Codes 2 1.1 Einführung.............................. 2 1.2 Eigenschaften linearer Codes....................
MehrBerechnung von Eigenwerten und Eigenvektoren
Kapitel 5 Berechnung von Eigenwerten und Eigenvektoren 5.1 Einführung Bemerkung 5.1 Aufgabenstellung. Diese Kapitel behandelt numerische Verfahren zur Lösung des Eigenwertproblems. Gegeben sei A R n n.
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
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
Mehr4. Übungsblatt Matrikelnr.: 6423043
Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613
MehrMathematik III für Ingenieure
Mathematik III für Ingenieure im Bachelor-Studiengang Maschinenbau Vorlesung Wintersemester 21/211 B. Schuster aktualisert am 27. Januar 211 Inhalt I. Eigenwerte und Eigenvektoren 1 1. Komplexe Matrizen
MehrKlausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth
Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung Mathematik Klausuraufgaben zur Mathematik - von Wolfgang Langguth Aufgabenstellungen
Mehr7 Lineare Abbildungen und Lineare Gleichungssysteme
7 LINEARE ABBILDUNGEN UND LINEARE GLEICHUNGSSYSTEME 5 7 Lineare Abbildungen und Lineare Gleichungssysteme 7 Lineare Abbildungen 7 Abbildungen: Eine Verallgemeinerungen des Funktionsbegriffs Bemerkung:
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrFakultät für Mathematik und Informatik. Seminar über angewandte Analysis. Sommersemester 2007. Der Kreissatz von Gerschgorin
Fakultät für Mathematik und Informatik Lehrgebiet angewandte Mathematik Prof. Dr. H. Linden Dipl.-Math. H.-J. Schäfer Seminar über angewandte Analysis Sommersemester 2007 Der Kreissatz von Gerschgorin
MehrKochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf
Kochen mit Jordan Vorbereitungen Man nehme eine Matrix A R n n und bestimme ihr charakteristisches Polynom p(λ) = (λ c ) r (λ c j ) rj C[X] Dabei gilt: algebraische Vielfachheit r j ˆ= Länge des Jordanblocks
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
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
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 und analytische Geometrie II (Unterrichtsfach)
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00
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, )
MehrKlausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth
Hochschule für Technik und Wirtschaft des Saarlandes University of Applied Sciences Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung
MehrAlgebraische Kurven. Vorlesung 26. Die Schnittmultiplizität
Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht
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
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
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
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)
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. 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.......................
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
MehrFormelsammlung Mathematische Grundlagen für die Informatik
Formelsammlung Mathematische Grundlagen für die Informatik Wolfgang Führer wolfgang.fuehrer@web.de August 2007 Inhaltsverzeichnis Lineare Algebra. Vektorräume.................................... Abelsche
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,
MehrNoethersche und artinsche Ringe
Noethersche und artinsche Ringe Seminar Kommutative Algebra und Varietäten Prof. Dr. K. Wingberg, Dr. J. Gärtner Vortrag 6 Yassin Mousa 05.06.2014 Im Folgenden bezeichne R immer einen kommutativen Ring
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
MehrII. Ringe und Moduln für etwas Fortgeschrittene
II. Ringe und Moduln für etwas Fortgeschrittene II.1 Algebren 2.1.1 Definition/Bemerkung (Die Kategorie der R -Algebren) a) Es sei R ein Ring. Eine R -Algebra ist ein R -Modul A, der gleichzeitig ein Ring
MehrBitte unbedingt beachten: a) Gewertet werden alle acht gestellten Aufgaben.
Mathematik I für Wirtschaftswissenschaftler Klausur für alle gemeldeten Fachrichtungen außer Immobilientechnik und Immobilienwirtschaft am 9..9, 9... Bitte unbedingt beachten: a) Gewertet werden alle acht
MehrSatz 25 A sei eine (n n)-matrix über K
Satz 25 Satz 25 A sei eine (n n)-matrix über K Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen Eigenwerten λ 1,...,λ m. Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen
MehrKAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:
KAPITEL 4 Lineare Ausgleichsrechnung Beispiel 41 Das Ohmsche Gesetz: Eine Meßreihe von Daten: U = RI (U i, I i ) (Spannung, Stromstärke), i = 1,, m Aufgabe: man bestimme aus diesen Meßdaten den Widerstand
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
MehrLie-Gruppen. Andreas Gastel. Duisburg, Sommersemester 2011
Lie-ruppen Andreas astel Duisburg, Sommersemester 2011 Dieses Skript ist eine nicht besonders gut korrektur-gelesene Version der Vorlesung. Quelle sind unter anderem die Kapitel I und V des Buches Topology
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
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
MehrQuaternionen, Kampfflugzeuge und Computerspiele
Quaternionen, Kampfflugzeuge und Computerspiele Nikolai Nowaczyk http://math.nikno.de/ Lars Wallenborn http://www.wallenborn.net/ 29.06.-05.07. 2012 Inhaltsverzeichnis
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrNumerische Behandlung des Eigenwertproblems
Numerische Behandlung des Eigenwertproblems Zusammenfassung Das Ziel dieses Vortrages ist, zwei gute Methoden für die numerische Bestimmung der Eigenwerte zu zeigen und wie man diese mit Matlab anwenden
MehrQuantenautomaten und das Cut-Point-Theorem für beschränkte erkennbare Potenzreihen
Universität Leipzig Fakultät für Mathematik und Informatik Institut für Informatik Quantenautomaten und das Cut-Point-Theorem für beschränkte erkennbare Potenzreihen Bachelorarbeit Leipzig, September 2009
MehrAlgebra I Wintersemester 2006/07
Algebra I Wintersemester 2006/07 Prof. Dr. Annette Huber-Klawitter Fassung vom 31. Januar 2007 Dies ist ein Vorlesungsskript und kein Lehrbuch. Mit Fehlern muss gerechnet werden! Math. Institut 0341-97
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
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
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
Mehr