7 Ganzzahlige lineare Gleichungen und Moduln über euklidischen Ringen

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

37 Gauß-Algorithmus und lineare Gleichungssysteme

Quadratische Matrizen

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9

9.2 Invertierbare Matrizen

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

2 Die Dimension eines Vektorraums

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

Algorithmen zur Berechnung der Smith-Normalform und deren Implementation auf Parallelrechnern

4. Vektorräume und Gleichungssysteme

3.4 Der Gaußsche Algorithmus

Elemente von S n = Aut([1, n]) heißen Permutationen. Spezielle Permutationen sind Transpositionen und Zyklen. (Vergl. Skript S

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

Matrizen, Determinanten, lineare Gleichungssysteme

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Lineare Algebra I Zusammenfassung

( ) Lineare Gleichungssysteme

1 Zahlentheorie. 1.1 Kongruenzen

(Allgemeine) Vektorräume (Teschl/Teschl 9)

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,

Lineare Gleichungssysteme - Grundlagen

Spezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:

Lineare Gleichungssysteme

Lineare Algebra I (WS 13/14)

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.

3. Diskrete Mathematik

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)

7 Die Determinante einer Matrix

Lösungen zum 3. Aufgabenblatt

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

4 Lineare Algebra (Teil 2): Quadratische Matrizen

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Einführung in die Algebra

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Proseminar: Primzahlen 1. Vortrag Der erweiterte euklidische Algorithmus

2 Teilbarkeit in Z. (a) Aus a b folgt a b und a b und a b und a b. (b) Aus a b und b c folgt a c.

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

x LINEARE GLEICHUNGSSYSTEME In diesem Paragraph beginnen wir mit einer elementaren Behandlung linearer Gleichungssysteme Bevor wir versuchen eine allg

1 Modulare Arithmetik

Copyright, Page 1 of 5 Die Determinante

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

Vorlesung bzw. 23. Januar Determinanten 1. Cramersche Regel

Lineare Gleichungssysteme

6 Hauptachsentransformation

Vektorräume und Rang einer Matrix

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

Lineare Algebra I Klausur. Klausur - Musterlösung

Euklidische und unitäre Vektorräume

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme

Lineare Differenzengleichungen und Polynome. Franz Pauer

1.5 Duales Gitter und Diskriminantengruppe

4 Vorlesung: Matrix und Determinante

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

Einführung in die Algebra

Lösungen zum 5. Aufgabenblatt

2 Euklidische Vektorräume

Kapitel 2. Ganze Zahlen. 2.1 Teilbarkeit

Kapitel III. Lineare Abbildungen

6 Eigenwerte und Eigenvektoren

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie. Vorlesung 3. Der euklidische Algorithmus

Lösungen zur Mathematik für Informatiker I

A2.3 Lineare Gleichungssysteme

Mathematische Strukturen

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.

Rang und Inverses einer Matrix

V DETERMINANTEN In diesem Kapitel entwickeln wir die Theorie der Determinanten Die folgenden Beispiele sollen die Einfuhrung dieses Begries motivieren

Zahlentheorie I. smo osm. Thomas Huber. Inhaltsverzeichnis. Aktualisiert: 1. August 2016 vers Teilbarkeit 2.

9 Vektorräume mit Skalarprodukt

Lineare Gleichungssysteme

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE

3.6 Eigenwerte und Eigenvektoren

Proseminar Lineare Algebra II, SS 11. Blatt

1.2 Eigenschaften der ganzen Zahlen

Leitfaden Lineare Algebra: Determinanten

Äquivalenzrelation. Tischler-Problem. Euklidischer Algorithmus. Erweiterter euklidischer Algorithmus. Lineare diophantische Gleichung

Kapitel 17. Determinanten

Mathematische Erfrischungen III - Vektoren und Matrizen

Elemente der Analysis II

Blockmatrizen. Arthur Wettschereck. 11. April 2012, Bonn

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 4: Zahlentheorie

Lineare Algebra und Geometrie für LehramtskandidatInnen. Andreas Čap

Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung

Lineare Algebra II, Lösungshinweise Blatt 9

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

Mathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11

Lineare Algebra und Numerische Mathematik für D-BAUG

Die Lineare Algebra-Methode. Mahir Kilic

Seminararbeit zur Zahlentheorie. Die Gaußschen Zahlen

1 Modulare Arithmetik

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester gehalten von Harald Baum

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

Transkript:

7 Ganzzahlige lineare Gleichungen und Moduln über euklidischen Ringen 7.1 Der Elementarteileralgorithmus 7.1.1 Matrizen über euklidischen Ringen Sei (R, gr) ein Euklidischer Ring. Definition (i) GL n (R) = (R n n ) heißt allgemeine lineare Gruppe über R (GL = general linear) (ii) 1 n := 1 GLn(R) (n n-einheitsmatrix) Lemma 7.1 GL n (R) = {U R n n det U R } (falls R = Z, U GL n (Z) U Z n n, det U = ±1) Beweis (i) U (R n n ) V R n n, V U = UV = 1 n 1 = det 1 n = det(uv ) = det U det U R R det }{{ V } R (ii) Sei U R n n, det U R. In LA I zeigt man für die Adjungierte U # von U: UU # = U # U = det U 1 n U # wird aus det W gewonnen, wo W Untermatrizen von U sind, also det W R U # R n n, det U R U 1 = 1 det U U # R n n U (R n n ) Definition B = (b ij ) R m n, so sei ggt(b) := ggt(b ij ) (i = 1,..., m und j = 1,..., n) Lemma 7.2 A R l m, B R m n. Dann gilt: (i) ggt(a) ggt(ab), ggt(b) ggt(ab) (ii) U GL m (R), V GL n (R), so ist ggt(ubv ) = ggt(b) 73

7 Ganzzahlige lineare Gleichungen und Moduln über euklidischen Ringen Beweis (i) A = (a ij ), B = (b kl ), d = ggt(a) a ij = d a ij, a ij R. AB = C = (c rs), c rs = m j=1 d rjb js = d j a ij b js r, s : d c rs d ggt(c) = ggt(c rs r, s). ggt(b) = ggt(ab) genau so. (ii) ggt(b) ggt(ub) ggt(u 1 (UB)) = ggt(b) ggt(b) = ggt(ub). ggt(ub) = ggt((ub)v ) genau so Spezielle Matrizen: E ij Matrizeneinheiten, E ij,kl = δ ik δjl. Es steht in der i-ten Zeile und der j-ten Spalte eine 1. 0 0... Beispiel: 1... 0 0 Elementarmatrizen sollen folgende Matrizen genannt werden (in R n n ): 1.) Additionsmatriizen: A ij (b) = 1 n +b E ij (i j). =E n 1 0... Beispiel: b... 0 1 2.) Vertauschungsmatrizen: V ij = 1 n E ii E jj + E ij + E ji. 1 0... Beispiel: 0 1 1 0... 0 1 3.) Einheitsdiagonalmatrizen : 1... 1 diag j (ɛ) = ɛ 1, ɛ R... 1 Laut LA: det A ij (b) = 1, det(v ij ) = 1(i j), det diag j (ɛ) = ɛ Alle Elementarmatriizen sind in GL n (R) Weiter Matrizen besonderer Form: Diagonalmatrizen: D = diag(d 1,..., d r, 0,..., 0) (in R m n ). Für r = 0 : D = 0. 74

7.1 Der Elementarteileralgorithmus d 1 0... Beispiel: dr 0. 0.. Bemerkung: Eine Matrix B R n n heiße in Elementarteilerform B = diag(d 1,..., d r, 0,...0), d 1,..., d r normiert und d r 0 und d 1 d 2... d r (dann d 1 = ggt(b)) Eine Elementaroperation (ausgeübt auf B R m n ) ist eine der folgenden Operationen: Zu Γ Elementarmatrix bilde B = ΓB oder B = BΓ und setzte wieder B := B. Liste: Zeilenoperationen B B =: B = A ij (b) B B B =: B = V ij B B B =: B = diag j (ɛ) B Spaltenoperationen B B =: B = B A ij (b) B B =: B = B V ij B B =: B = B diag j (ɛ) bewirkt Addition des b-fachen der j-ten Zeile von B zur i-ten Vertauschen der i-ten mit der j-ten Zeile Multiplikation der j-ten Zeile mit ɛ bewirkt Addition der i-ten Sapte b zur j-ten Vertauschen der i-ten mit der j-ten Spalte Multiplikation der j-ten Spalte mit ɛ Jeder Algorithmus der eine Matrix A durch eine endliche Folge von Elementaroperationen in Elementarteilerform überführt, heißt Elementarteileralgorithmus. Vorschlag: Bearbeite Tripel (U, B, V ) GL m (R) R m n GL n (R) beginnend mit (1 m, A, 1 n ), so dass immer B = UAV ist. Elementaroperationen hier (U, B, V ) (U, B, V ) := ( ΓU (U, B, V ) (U, B, V ) := ( U, ΓB, V ) (Zeilenoperation) oder =U =B =V, BΓ, V Γ ) (Spaltenoperation). =U =B =V Bedingung okay: ΓU AV U A V = ΓB = B, ebenso UAV Γ = BΓ = B Ziel: Steure die Operationen so, dass nach endlich vielen Elementaroperationen ein (U, B, V ) entsteht, mit B =: D eine Elementarteilerform, also A = UDV. Falls man so einen Algorithmus hat, so beweist das: Satz 7.3 (Elementarteilersatz) Sei R ein euklidischer Ring, m, n N +, A R m n 75

7 Ganzzahlige lineare Gleichungen und Moduln über euklidischen Ringen (i) Dann gibt es ein U GL m (R), V GL n (R) und D R m n, D in Elementarform, derart, dass A = UDV (ii) D ist durch A eindeutig bestimmt Zur Eindeutigkeit (Beweis-Skizze): d 1 = ggt(d) = ggt(udv ) = ggt(a). Man kann zeigen: d 1... d j ist der ggt der Determinanten aller j j-untermatrizen von A. Bemerkung: 1.) A R m n, so det A = det U det D det V. Dann zur Berechnung von det A benutzt werden. 2.) Idee für LGS: Für A = D in Elementarteilerform kann Lösung unmittelbar abgelesen werden Lösung für A wird mittels Rücktransformation ermittelt. LGS: xa = b, A R m n, b R 1 n (Zeile) ist gegeben. Gesucht Lösung x R 1 m (Zeile). (LA oft Ax = b mit Spalten, Ax = b x T A T = b T ) Besser: Information über die Lösungsmenge: L(A, B) = {x R m = R 1 m xa = b} Antwort sehr leicht, falls A = D = d 1...! L(D, c), c = (c 1,..., c n ) yd = (y 1 d 1,..., y r d r, 0,..., 0) = (c 1,..., c n ) n-stück d r in Elementarteilerform. y = (y 1,..., y m ) Lösbarkeitsbedingung (notwendig und hinreichend): L(D, C) c r+1 = c r+1 =...c n = 0 und d 1 c 1, d 2 c 2,..., d r c r Falls Bedingung erfüllt, so hat man die spezielle Lösung (wo c j = d j y j, Bezeichnung y j = d 1 j c j ). y (0) = (d 1 1 c 1,..., d 1 r c r, 0,..., 0). Die allgemeine Lösung hat die Form: y = y 0 + n j=r+1 a je j, e j = (0,..., 0, 1, 0,..., 0) Einheitsvektor, a j R y L(D, c) yd = c(auch y 0 D = c) (y y 0 )D = 0 z = (y y 0 ) ist Lösung des zugehörigen homogenen Systems zd = 0, d.h. von der Form n j=r+1 a je j Es muss z j d j = 0, also z 0 = 0 für j = 1,..., r gelten. Man transformiert xa = b wie folgt auf Diagonalform: xa = b xu }{{ 1 } UAV y D yd = c, wo c = bv und y = xu 1, also x = yu ist. L(A, b) = L(D, bv ) U = bv c = 0. (U, B, V ) GL m (R) R m n GL n (R), B = UAV. 76

7.1 Der Elementarteileralgorithmus Elementarteileralgorithmus Idee: Falls B 0, so setzte gr(b) = min{gr(b ij, i = 1, 2,..., m, j = 1, 2,..., n, b ij 0}. Wenn es gelingt durch Elementaroperationen von B nach B überzugehen, so dass gr(b ) < gr(b), so ist man induktiv fertig. Zuerst benötigen wir einen Unteralgorithmus: ggtnachvorn(a): Er soll zu einem 0 A R m n (U 1, B 1, V 1 ) mit U 1 GL m (R), v 1 GL n (R), b 1 = U 1 AV 1 gilt, wobei Skizze: B = ( d1 0 0 A ), d 1 = ggt(a). 0. Initialisierung: (U, B, V ) := (1 m, A, 1 n ). 1. Bestimme(k, l) mit gr(b kl = gr(b). 2. Fall I: Es gibt eine Zeile i mit B kl b il. Division mit Rest: b ij = qb kl + r. Addiere ( q) faches der k ten Zeile. Das ergibt B mit b il = b il qb kl = r. Induktiv sind wir fertig, denn: gr(r) < gr(b kl ) = gr(b). Weiter bei Schritt 1. 3. Fall II: Es gibt eine Spalte j mit b kl b kj. Genau wie bei Schritt 2, nur mit Spaltenoperationen erhalten wir b kj = q b kl + r. Addieren wir nun das ( q ) fache der l-ten Spalte auf die j te Spalte, erhalten wir B mit gr(b ) < gr(b). 4. Fall III: b kl b il und b kl kj, i, j aber (i, j) mit b kl b ij. b il = q b kl, i k, l j. Addiere (1 q )-faches der k-ten Zeile zur i-ten hinzu: b il = b ij q b kl +(1 q )b kl = b kl b ij = b ij + (1 q )b k j = b kl = b il b ij (wegen b k l b ij, b kl b kl ) Fall II liegt vor mit i-ter statt k-ter Zeile. B := B, (k, l) := (i, l), weiter bei Schritt 3. 5. i, j : b kl b ij (letzter möglicher Fall). Vertausche k-te und 1. Zeile und l-te und j-te Spalte. Entsteht b mit 0 b 11 b ij i, j = b 11 ist ein ggt, = ɛ R : d 1 = ɛb 11 = ggt(b) Lemma = 2 ggt(a) = Multipliziere 1. Zeile mit ɛ: Es entsteht Matrix mit b 11 = d 1 = ggt(a). Wie bei Gaußalgorithmus erzeugt man jetzt in der ersten Spalte und ( ersten Zeile ) Nullen außer bei b 11. Jetzt hat man (U, B, V ) mit A = UBV ) und d1 0 B = 0 A. Ausgabe: (U 1, B 1, V 1 ) := (U, B, V ) Klar: Man kann genauso mit A weitermachen: Braucht: d n = ggt(a) = ggt(b 1 ) ggt(a ). Im Detail: ELT(A) : (1) Falls A 0, Ausgabe: (1 m, A, A n ). (2) Anderfalls liefert ggtnachvorn(a) (U 1, B 1, V 1 ) wie oben: Falls n = 1 oder M = 1, so fertig. Ausgabe (U, D, V ) := (U 1, B 1, V 1 ). Falls m,n>1 und A = 0, so wieder fertig. Ausgabe wie 77

7 Ganzzahlige lineare Gleichungen und Moduln über euklidischen Ringen oben. Falls A 0, so liefert ELT(A ) (U, D, V ) mit U D V = A und ( ) ( ) ( ) 1 0 d1 0 1 0 U 1 0 U 0 D 0 V V 1 =U 1 B = d 1 0 0 U } D {{ V } V 1 =A =U 1 B 1 V 1 =A Ausgabe (U, D, V ) mit U, D, V passend wie in obiger Formel. Einschub Beispielrechnung Blätter abzutippen) (folgt vielleicht später, hab grade keine Lust, die zwei DinA4-7.2 Ganzzahlige Lösungen eines ganzzahligen linearen Gleichungssystems Betrache LGS xa = B, gegeben a R m n, b R 1 n. Gesucht:L(A, B) = {x R 1 m = R m : xa = b} Elementarteilersatz: A = UDV, D = diag(d 1, d 2,..., d r, 0,... ) in Elementarteilerform. U GL m (R), V GL n (R). Gesehen: L(A, b) = L(D, bv )U. c := bv = (c 1, c 2,..., c n ). Satz 7.4 (LGS-Satz) Mit diesen Voraussetzungen und Bezeichnungen gilt: (1) L(A, b) d i c i, i = 1, 2,..., r, c r+1 = c r+2 = c n = 0. (2) Lösung des homogenen Systems xa = 0: L(A, 0) = L(D, 0)U = m j=r+1 R(e ju). e j ist der j-te Einheitsvektor in R m. Das heißt, eine R-Basis von L(A, 0) ist gegeben durch Basis b r+1, b r+2,..., b m, mit b j = e j U, also die j-te Zeile von U ist. Falls m r, so L(A, 0) = 0, d-h- jede Lösung y L(A, 0) hat eindeutige Darstellung y = m j=r+1 a jb j, a j R. (3) Falls das LGS lösbar ist, so erhalt man die allgemeine Lösung x aus einer spezielen Lösung x 0 in der Form x = x 0 + y, y L(A, 0). Mann kann wählen: x 0 = (d 1 1 c 1, d 1 2 c 2,..., d 1 r c r, 0,..., 0). Beweis Alles schon bewiesen... Bemerkungen: (1) Ist A R n n, so gilt A GL n (R) D = 1 n 78

7.2 Ganzzahlige Lösungen eines ganzzahligen linearen Gleichungssystems (2) Jedes U GL n (R) ist Produkt von Elementarmatrizen. Beweis (1) A = UDV, U, V GL n (R). D GL n (R) n = r, d 1,..., d n = 1 = D = 1 n (2) A GL n (R) D = 1 n = A = UV = Behauptung Freunde der Algebra mögen beachten, dass für ein R-Modul M die selben Axiome wie für einen Vektorraum gelten, nur dass R ein Ring statt einem Körper ist. Das Z-Modul ist (fast) das selbe wie eine (additive) abelsche Gruppe. Die Hauptneuheit ist, dass man im Allgemeinen in M eine R-Basis hat. Ein Beispiel dazu ist mit R = Z das Modul M = (Z/2Z), +). Wäre die Basis die leere Menge, so wäre M = 0, Widerspruch. Ist nun b ein Element der Basis, so wären alle z b, z Z verschieden, also #M =, was auch ein Widerspruch ist. In der Algebra zeigt man leicht: Ist M = u 1,..., u m = { m i=1 α iu i α i R}, so existiert ein A R m n mit M = R n /R m A. Klar: A = UDV wie im Elementarsatz, also R m = R m U, R n = V R n = M = R n /R m UDV = R n V/R m DV = R n /R m D = (R R)/(Rd 1 Rd r 0 0) = R/Rd 1 R/R d r R R Damit ist die Struktur bestimmt. So kann die Eindeutigkeit von D auch bewiesen werden. Ist R = Z, so ist (Z/dZ, +) zyklisch, erzeugt von 1 + dz = 1, Z sowieso zyklisch. Als Ergebnis haben wir: Jede endlich erzeugbare abelsche Gruppe ist direktes Produkt zyklischer Gruppen. Die R-lineare Abbildung R l R k beschriebung durch Darstellungsmatrizen in R l k. Der Elementarteiler-Algorithmus liefert Mittel Kern(f) und Bild(f) explizit zu beschreiben. 79