Definition von Gruppen, Ringen und Körpern
Definition:
Definitionen von algebraischen Strukturen wie Gruppen, Ringen und Körpern. Grundbegriffe in der Algebra.
Details:
- Gruppe: Menge \(G\) mit einer Verknüpfung \(\cdot\), die assoziativ ist, ein neutrales Element \(e\) besitzt und zu jedem Element \(a \in G\) ein inverses Element \(a^{-1}\) hat.
- Ring: Menge \(R\) mit zwei Verknüpfungen \(+\) und \(\cdot\), wobei \((R, +)\) eine abelsche Gruppe ist, \((R, \cdot)\) ein Monoid ist, und das Distributivgesetz gilt.
- Körper: Ein Ring \(K\), in dem jedes von Null verschiedene Element ein multiplikatives Inverses hat. \((K, \cdot)\) bildet eine abelsche Gruppe, und \((K, +)\) bildet eine abelsche Gruppe.
Homomorphismen und Isomorphismen
Definition:
Homomorphismus: Struktur-erhaltende Abbildung zwischen zwei algebraischen Strukturen. Isomorphismus: Bijektiver Homomorphismus.
Details:
- Homomorphismus: Abbildung \( \varphi: G \to H \), die Operationen erhält: \( \varphi(a \cdot b) = \varphi(a) \cdot \varphi(b) \)
- Isomorphismus: Bijektiver Homomorphismus, existiert Umkehrabbildung: \( \varphi^{-1}: H \to G \).
- Gruppen, die isomorph sind, teilen die gleiche Struktur.
Gauss'sches Eliminationsverfahren
Definition:
Basisverfahren zum Lösen von linearen Gleichungssystemen; wandelt das System in obere Dreiecksform um.
Details:
- Ziel: Umformung auf obere Dreiecksform
- Spezielle Matrixoperationen: 1. Vertauschen zweier Zeilen: 2. Multiplizieren einer Zeile mit einer Zahl (≠ 0): 3. Addition eines Vielfachen einer Zeile zu einer anderen Zeile
- System in Matrixform: \[A \boldsymbol{x} = \boldsymbol{b}\]
- Schrittweises Eliminieren von Unbekannten durch entsprechende Zeilenoperationen
- Ergebnis: 1. Erleichtert Rücksubstitution
- Complexity: \(O(n^3) \)
Vektorrechnung und ihre Anwendungen
Definition:
Untersucht algebraische Operationen mit Vektoren und deren Anwendungen in verschiedenen mathematischen Kontexten.
Details:
- Vektor: \(\textbf{v} = (v_1, v_2, \ldots, v_n)\)
- Skalare Multiplikation: \(\textbf{a} \cdot \textbf{v}\)
- Vektoraddition: \(\textbf{u} + \textbf{v} = (u_1 + v_1, u_2 + v_2, \ldots, u_n + v_n)\)
- Skalarprodukt: \(\textbf{u} \cdot \textbf{v} = u_1 v_1 + u_2 v_2 + \ldots + u_n v_n\)
- Kreuzprodukt: \(\textbf{u} \times \textbf{v}\) nur in \(\textbf{R}^3\)
- Norm: \(||\textbf{v}|| = \sqrt{v_1^2 + v_2^2 + \ldots + v_n^2}\)
- Einheitsvektor: \(\textbf{e} = \frac{\textbf{v}}{||\textbf{v}||}\)
Nullstellen und Faktorisierung von Polynomen
Definition:
Bestimmung der Nullstellen zur Faktorisierung eines Polynoms in Linearfaktoren.
Details:
- Nullstelle \({x_i}\) eines Polynoms \({P(x)}\), wenn \({P(x_i) = 0}\).
- Polynom n-ten Grades hat bis zu \({n}\) Nullstellen (Fundamentalsatz der Algebra).
- Faktorisierung: \({P(x) = a(x-x_1)(x-x_2)...(x-x_n)}\), wobei \({x_i}\) Nullstellen sind und \({a}\) der Leitkoeffizient.
- Heuristische Methoden: Raten und Horner-Schema.
- Algebraische Methoden: Synthetische Division, Polynomdivision.
Eigenwerte und Eigenvektoren
Definition:
Eigenwerte: Skalar \(\lambda\), sodass \(Av = \lambda v\). Eigenvektoren: Vektor \(v\), der \(Av = \lambda v\) erfüllt.
Details:
- Für Matrix \(A\) und Vektor \(v\) gilt: \(Av = \lambda v\).
- Charakteristisches Polynom: \(\det(A - \lambda I) = 0\).
- Finde Eigenwerte \(\lambda\) durch Lösen des charakteristischen Polynoms.
- Finde Eigenvektoren \(v\) durch Lösen von \( (A - \lambda I)v = 0\).
- Multiple \(\lambda \) können mehrfach vorkommen (Vielfachheit).
Diagonalisierung von Matrizen
Definition:
Diagonalisierung einer Matrix bedeutet, eine Matrix in eine Diagonalform zu transformieren, also eine Diagonalmatrix zu finden, die zu der ursprünglichen Matrix ähnlich ist.
Details:
- Eine Matrix \(A\) ist diagonalisierbar, wenn es eine invertierbare Matrix \(P\) und eine Diagonalmatrix \(D\) gibt, sodass \(A = PDP^{-1}\).
- Eigenschaften von \(A\): mind. \(n\) linear unabhängige Eigenvektoren notwendig.
- Vorgehen: Eigenwerte \( \lambda \) bestimmen, Eigenvektoren \(v\) finden und Matrix \(P\) aus Eigenvektoren bilden.
- Diagonaleinträge von \(D\) sind die Eigenwerte \( \lambda_1, \lambda_2, ..., \lambda_n \) von \(A\).
- Gilt nur für quadratische Matrizen.