Seminararbeit. Orthogonale Gruppen. Marvin K. Neugebauer. 15. Juli 2010

Größe: px
Ab Seite anzeigen:

Download "Seminararbeit. Orthogonale Gruppen. Marvin K. Neugebauer. 15. Juli 2010"

Transkript

1 Seminararbeit Orthogonale Gruppen Marvin K Neugebauer 15 Juli 2010 Prof Dr Schwachhöfer Lehrstuhl für Differentialgeometrie Proseminar Lineare Algebra SS 2010

2 Dank an Rafael Kawka für die Hilfe bei der Ausarbeitung mit L A TEX

3 Inhaltsverzeichnis 1 Einige Charakterisierungen der Orthogonalen Gruppe 4 2 Orthogonale Matrizen und Isometrien 9 3 Die Isometriegruppe des euklidischen Raumes 12 4 Anhang 15 3

4 1 Einige Charakterisierungen der Orthogonalen Gruppe Vorbemerkung Im folgenden gilt: 1 Das Standardskalarprodukt des K n ist eine Funktion, die von K n K n nach K abbildet, definiert durch: X, Y = x 1 ȳ x n ȳ n 2 Wir definieren für A M n (K) die Adjungierte A als A = (Ā) Falls K = R, dann ist A = A Definition 11 Wir definieren die orthogonale Gruppe über K durch O n (K) := {A Gl n (K) : XA, Y A = X, Y X, Y K} und bezeichnen diese durch: O(n), falls K = R, diese Gruppe heißt orthogonale Gruppe U(n), falls K = C, diese Gruppe heißt unitäre Gruppe Sp(n), falls K = H, diese Gruppe heißt symplektische Gruppe Man zeigt leicht, dass O n (K) eine Untergruppe von Gl n (K) ist Beweis Zu zeigen sind folgende Eigenschaften: 1 O n (K) 2 S, R O n (K) SR 1 O n (K) zu 1: Um die Behauptung zu zeigen, genügt es eine Matrix anzugeben, die in O n (K) liegt Wähle A = I n, dann gilt: A Gl n (K) und XA, Y A = XI n, Y I n = X, Y zu 2: Seien S, R O n (K), dann folgt R Gl n (K) Dh R ist invertierbar mit R 1 und es gilt: X, Y = (XR 1 ) }{{} R, (Y R 1 ) R = X }{{} 0 R, Y 0 R = X 0, Y 0 = XR 1, Y R 1 =:X 0 =:Y 0 4

5 Damit folgt: (XS) R 1, (Y S) R 1 = X }{{}}{{} 1 R 1, Y 1 R 1 = X 1, Y 1 = XS, Y S = X, Y =:X 1 K n =:Y 1 K n Daraus folgt: SR 1 O n (K) Proposition 12 Sei A Gl n (K) Dann sind folgende Aussagen äquivalent: (1) A O n (K) (2) R A lässt orthonormale Basen invariant, dh ist {X 1,, X n } eine orthonormale Basis des K n, dann auch {R A (X 1 ),, R A (X n )} (3) Die Zeilen von A bilden eine orthonormale Basis des K n (4) AA = I n Beweis (1) (2): Sei A O n (K), so gilt XA, Y A = X, Y X, Y K n Weiter sei {X 1,, X n } eine ONB Insgesamt ergibt sich: Es folgt die Behauptung 1 falls i = j X i A, Y j A = X i, X j = 0 falls i j für i, j = 1,, n (2) (3): Wähle für {X 1,, X n } die Standardbasis, dh X = e i für i = 1,, n, dann folgt: R A (X i ) = R A (e i ) = e i A = (i-te Zeile von A) Dh A hat die Form: A = R A (e 1 ) R A (e n ) Da nach Voraussetzung {R a (e 1 ),, R A (e n )} eine ONB ist, folgt somit die Behauptung (3) (4): Seien die Zeilen von A eine ONB des K n, so ist (AA ) ij = (i tezeilevona) (j-te Spalte vona ) = (i tezeilevona) (j tespaltevonā) = (i-te Zeile von A), j-te Zeile von A) 1 falls i = j = 0 sonst 5

6 (4) (3): Sei AA = I n Dann gilt 1 falls i = j (AA ) ij = (i-te Zeile von A), (j-te Zeile von A) = 0 sonst Dh die Zeilen von A bilden eine ONB (3) (1): Seien die Zeilen von A eine ONB des K n, dann gilt für alle X, Y K n : R A (X), R A (Y ) = XA, Y A a 11 a 1n a 11 a 1n = (X 1,, X n ), (Y 1,, Y n ) a n1 a nn a n1 a nn = X 1 (a 11,, a 1n ) + + X n (a n1,, a nn ), Y 1 (a 11,, a 1n ) + + Y n (a n1,, a nn ) n n = X l (l-te Zeile von A), Y s (s-te Zeile von A) = l=1 s=1 n X l (l-te Zeile von A), (s-te Zeile von A) Ȳs = ( ) l,s=1 Da die Zeilen von A eine ONB bilden, ist (l-te Zeile von A), (s-te Zeile von A) = 0 falls l s und (l-te Zeile von A), (s-te Zeile von A) = 1 falls l = s Somit ergibt sich: ( ) = X 1 Ȳ X n Ȳ n = X, Y Bemerkung: Geometrisch betrachtet bildet O n (K) die Gruppe der Matrizen A, die eine lineare Abbildung R A : R n R n beschreiben, unter der das Skalarprodukt von Vektoren und demzufolge auch die Normen von Vektoren invariant sind Anschaulich betrachtet handelt es sich dabei um Drehungen und Verschiebungen im R n, unter denen bestehende Abstände invariant bleiben Proposition 13 (1) η n (U(n)) = O(2n) η n (Gl n (C)) (2) Ψ n (Sp(n)) = U(2n) ψ(gl n (H)) (3) (η 2n ψ n ) = (4n) (η 2n ψ n )(Gl n (H)) 6

7 Beweis zu 1: Zunächst bemerkt man, dass für alle A M n (C) gilt: η n (A ) = η n (A) (siehe Einschub) Sei A Gl n (C), dann ist η n (A) η n (A) = η n (A) η n (A ) = η n (AA ) Sei nun A U(n), dann folgt η n (AA }{{} =I n ) = η n (I n ) Da η n als Gruppenhomomorphismus (η n : Gl n (C) Gl 2n (R)) das Neutralelement von Gl n (C) auf das Neutralelement von Gl 2n (R) abbildet und das Neutralelement von Gl 2n (R) durch I 2n gegeben ist, gilt η n (I n ) = I 2n Also η n (I n ) O 2n (R) Mit den oben gezeigtem und Proposition 12 gilt dann: η n (A)η n (A) = I 2n η n (A) O 2n (R) Umgekehrt gilt: Sei η n (A) O 2n (R) Mit der obigen Gleichung gilt: η n (I n ) = I 2n = η n (A)η n (A ) = η n (AA ) wegen Injektivität von ηn = AA = I n Prop12 A U(n) Dies zeigt, dass A U(n) genau dann, wenn η n (A) O(2n) zu 2: Zunächst bemerkt man, dass für alle A M n (H) gilt: Ψ n (A ) = Ψ n (A) Sei A Gl n (H), dann ist Ψ n (A) Ψ n (A) = Ψ n (A) Ψ n (A ) = Ψ n (AA ) Dies zeigt, dass A Sp(n) genau dann, wenn Ψ n (A) U(2n) zu 3: (η 2n Ψ n )(Sp(n)) = O(4n) (η 2n Ψ n )(Gl n (H)) η 2n (Ψ(Sp(n))) = O(4n) η 2n (Ψ n (Gl n (H))) η 2n (Ψ(Sp(n))) (2) = η 2n (U(2n) Ψ(Gl n (H))) [Injektivität von η 2n ] = η 2n (U(2n)) η 2n (Ψ(Gl(H))) (1) = O(4n) η 2n (Ψ(Gl(H))) Proposition 14 O n (K) = {A Gl n (K) : R A (X) = X X K n } Beweis Sei A O n (K), dann gilt: XA, Y A = X, Y Da jede Norm durch ein Skalarprodukt induziert wird folgt: R A (X) = XA, XA = X, X = X = A {A Gl n (K) : R A (X) = X X K n } 7

8 Um diese Inklusion zu zeigen, betrachten wir zunächst den Fall K = R Dazu zeigen wir, dass für K = R das Skalarprodukt vollständig durch eine Norm induziert wird Umstellen der Gleichung X + Y 2 R = X + Y, X + Y R = X, X R + Y, Y R + 2 X, Y R nach X, Y R liefert: X, Y R = 1 2 ( X + Y 2 R X 2 R Y 2 R) (1) Dh lässt die Abbildung R A Normen invariant, so auch Skalarprodukte Für K {C, H} gilt diese Behauptung im allgemeinen nicht (beachte Gegenbeispiel) Den Fall K = C beweisen wir, indem wir ihn auf den reellen Fall zurückführen Sei A Gl n (C), so dass die Abbildung R A : C n C n Normen invariant lässt Dann lässt R ηn(a) : R 2n R 2n die Normen ebenfalls invariant, es gilt für alle X C: R ηn(a)(f n (X)) R = f n (R A (X)) R = R A (X) C = X C = f n (X) R Diese Gleichung gilt somit für alle X R 2n Demzufolge ist mit Gleichung (1): η n (A) O(2n) Unter Verwendung von Proposition 13 und der Injektivität von η n ergibt sich nun, dass A U(n) Der Fall K = H erfolgt ähnlich dem komplexen Fall Dazu sei A U n (H), so dass die Abbildung R A : H n H n die Normen invariant lässt Dann lässt R (η2n Ψ n)(a) : R 4n R 4n die Normen ebenfalls invariant Für alle X H n gilt: R (η2n Ψ n)(a)(g n (f n (X)) R = g n (f n (R A (X)) R = R A (X) H = X H = g n (f n (X)) R Diese Gleichung gilt für alle X R 4n Demzufolge ist mit Gleichung (1): (η 2n Ψ n )(A) O(4n) Unter Verwendung von Proposition 13 und der Injektivität von (η 2n Ψ n ) gilt: A Sp(n) 8

9 2 Orthogonale Matrizen und Isometrien Das Ziel deses Abschnitts soll sein, eine geometrische Interpretation von O(n) zu geben, als Gruppe von Isometrien des R n, die den Ursprung auf sich selbst abbilden Ferner diskutieren wir den Unterschied zwischen SO(3) und O(3) Der Abstand zweier Punkte X, Y R n ist gegeben durch: dist(x, Y ) = X Y = (X 1 Y 1 ) (X n Y n ) 2 Eine Funktion f : R n R n heißt Isometrie, falls für alle X, Y R n gilt: dist(f(x), f(y )) = dist(x, Y ) Proposition 21 (1) Sei A O(n), dann ist R A : R n R n eine Isometrie (2) Sei f : R n R n eine Isometrie mit f(0) = 0, dann existiert ein A O(n) so, dass f = R A Insbesondere ist f dann linear Beweis zu 1: Sei A O(n) und X, Y R n dist(r A (X), R A (Y )) = R A (X) R A (Y ) = R A (X Y ) P rop14 = X Y = dist(x, Y ) Somit ist R A eine Isometrie zu 2: Sei f : R n R n eine Isometrie für die gilt f(0) = 0, so gilt für alle X R n : f(x) = f(x) 0 = f(x) f(0) = dist(f(x), f(0)) = dist(x, 0) = X Diese Gleichung zeigt, dass unter f die Normen invariant bleiben Im Beweis von Proposition 14 wurde gezeigt, dass das Skalarprodukt für X, Y R n, durch eine Norm induziert wird Einsetzen von f in Gleichung (1) (aus den Beweis zu Proposition 14) liefert: f(x), f(y ) R = 1 2 ( f(x)+f(y ) R+ f(x) R + f(y ) R ) = 1 2 ( f(x)+f(y ) R+ X R + Y R ) Es bleibt zu zeigen: f(x) + f(y ) R = X + Y R 9

10 Betrachte: dist(f(x), f(y )) =dist(x, Y ) f(x) f(y ) = X Y () 2 f(x) f(y ) 2 = X Y 2 f(x), f(y ) R 2 f(x), f(y ) R + f(y ), f(y ) R = X, X R 2 X, Y R + Y, Y R f(x) 2 R 2 f(x), f(y ) R + f(y ) 2 R = X 2 R 2 X, Y R + Y R R 2 X 2 R 2 f(x), f(y ) R + Y 2 R = X 2 R 2 X, Y R + Y R R 2 2 f(x), f(y ) R = 2 X, Y R f(x), f(y ) = X, Y R Da unter f die Normen von Vektoren invariant sind, gilt insbesondere für X, Y R n : f(x), f(y ) = X, Y (2) Sei A eine Matrix, deren i-te Zeile f(e i ) ist, so dass f(e i ) = R A (e i ) für alle i = 1,, n Man beachte, dass A O(n), da die Zeilen von A orthogonal sind(dies folgt nach(2)) Es bleibt zu zeigen, dass f = R A ist, dazu zeigen wir, dass g = (R A ) 1 f die Identität ist Zunächst bemerkt man, g ist eine Isometrie, da f nach Voraussetzung und (R A ) 1 = R A 1 nach Bemerkung zu Definition 11 Isometrien sind und die Hintereinanderausführung (R A ) 1 f nach Bemerkung 32 (siehe Beweis Punkt 3) eine Isometrie ist Zudem gilt: g(0) = R A (f(0)) = R A (0) = 0 Ferner gilt: g(e i ) = (R A ) 1 (f(e i )) = R 1 A (R A(e i )) = e i, i = 1,, n Sei X R n, dann besitzt X die Darstellung X = a i e i g(x) = b i e i Dann gilt: und g(x) die Darstellung b i = b i e i, e i = g(x), e i = x, e i = a i Dies zeigt, g(x) = X Somit ist g die Identität Definition 22 SO(n) := {A O(n) : det(a) = 1} Definition 23 Eine orthonormale Basis {X 1, X 2, X 3 } des R 3 heißt rechshändig, falls gilt X 1 X 2 = X 3, wobei das Kreuzprodukt von Vektoren im R 3 bezeichnet Proposition 24 Sei A O(3) Dann ist A SO(3) genau dann, wenn die Zeilen von A, dh {R A (e 1 ), R A (e 2 ), R A (e 3 )}, eine rechtshändige ONB bilden 10

11 Beweis Seien die ersten beiden Zeilen von A gegeben durch R A (e 1 ) = (a, b, c) und R A (e 2 ) = (d, e, f) Aus den Eigenschaften des Kreuzproduktes ergibt sich: R A (e 1 ) R A (e 2 ) = R A (e 1 ) R A (e 2 ) sin (R A (e 1 ), R A (e 2 )) = sin(90 ) = 1 Folglich hat der dritte Zeilenvektor von A die Länge 1 und ist zu den beiden anderen Zeilen orthogonal Es ergeben sich somit zwei Fälle: 1 Fall: R A (e 3 ) = +R A (e 1 ) R A (e 2 ) = +(bf ce, cd af, ae bd) 2 Fall: R A (e 3 ) = R A (e 1 ) R A (e 2 ) = (bf ce, cd af, ae bd) zu 1: R A (e 3 ) = R A (e 1 ) R A (e 2 ) = (bf ce, cd af, ae bd) Dh A hat die Form: Daraus folgt: A = a b c d e f bf ce cd af ae bd det(a) = ae(ae bd) + bf(bf ce) + cd(cd af) ce(bf ce) af(cd af) bd(ae af) = (ae bd) 2 + (bf ce) 2 + (af cd) 2 = 1 = A SO(3) zu 2:R A (e 3 ) = R A (e 1 ) R A (e 2 ) = (ce bf, af cd, bd ae) Dh A hat die Form: Daraus folgt: A = a b c d e f ce bf af cd bd ae det(a) = ( 1) ((ae bd) 2 + (bf ce) 2 + (af cd) 2 ) = 1 = A / SO(3) 11

12 3 Die Isometriegruppe des euklidischen Raumes Definition 31 Isom(R n ) = {f : R n R n : f ist Isometrie} Bemerkung 32 Isom(R n ) bildet bezgl der Hintereinanderausführung von f eine Gruppe Beweis Es sind folgende Aussagen zu zeigen: 1 Seien f, g Isom(R n ) = (f g) Isom(R n ) (Abgeschlossenheit) 2 Sei f Isom(R n ), dann existiert e Isom(R n ) mit e = id und es gilt: e f = f e = f (Existenz des Neutralelements) 3 Seien f, g, h Isom(R n ), dann gilt: (f g) h = f (g h) (Assoziativität) 4 Sei f Isom(R n ), dann existiert ein f 1 Isom(R n ) und es gilt: f 1 f = f f 1 = e (Existenz des Inversen) zu 1: Seien f, g Isom(R n ), dann gilt: dist(f( g(x) ), f( g(x) ) = dist(f(x }{{}}{{} 0 ), f(y 0 )) = dist(g(x), g(y )) =:X 0 R n =:Y 0 R n zu 2: Nach Definition von id ist id Isom(R n ) und es gilt: (e f)(x) = e( f(x) }{{} =:X 0 R n ) = e(x 0 ) = X 0 = f(x) = f(e(x)) = (f e)(x) zu 3: Die Komposition von Funktionen ist assoziativ zu 4: Sei f Isom(R n ) Angenommen f sei bijektiv, dann exisitiert ein f 1 Isom(R n ) mit f 1 : R n R n Unter dieser Voraussetzung gilt dann: dist(x, Y ) = dist(f(f 1 (X)), f(f 1 (Y ))) = dist(f 1 (X), f 1 (Y )) Allerdings kann f im Falle f(0) 0 nicht durch eine lineare Abbildung der Form f = R A dargestellt werden Hierzu setze V = f(0), so dass für eine Funktion g(x) = f(x) V 12

13 gilt g(0) = 0 Man beachte, g ist eine Isometrie, denn es gilt: dist(f(x) V, f(y ) V ) = f(x) V (f(y ) V ) = X Y = X V (Y V ) =dist(x V, Y V ) =dist(x, Y ) Dann existiert nach Proposition 31 ein A O(n) mit g = R A Durch Einsetzen in die Gleichung erhält man: g(x) = f(x) V XA = f(a) XA + V = f(a) Umstellen der Gleichung f(x) = XA + V nach X liefert: X = Y A V A Dann existiert die Umkehrfunktion und hat die Form f 1 (Y ) = Y A V A Insbesondere ist f dann bijektiv Um jede Isometrie des R n als Matrix darstellen zu können, dh auch solche Isometrien für die f(0) 0 gilt, setzen wir zunächst exemplarisch für den Fall n = 3, für A O(3) und V = (v 1, v 2, v 3 ) R 3 : ( ) A 11 A 12 A 13 0 A 0 F := := A 21 A 22 A 23 0 V 1 A 31 A 32 A 33 0 Gl 4(R) v 1 v 2 v 3 1 Das heißt die Isometrie f(x) = R A (X) + V wird durch die Matrix F repräsentiert Sei X = (x 1, x 2, x 3 ) R 3, dann schreibe (X, 1) = (x 1, x 2, x 3, 1) R 4 Für das Produkt des Vektors X mit F gilt dann: (X, 1) F = (R A (X) + V, 1) R n Auf diese Art und Weise repräsentiert( die Matrix ) F die Isometrie ( f ) Für die Komposition A 1 0 A 2 0 von zwei Isometrien, die durch F 1 = und F 2 = repräsentiert werden V 1 1 V

14 gilt dann: ( ) ( ) ( ) A 1 0 A 2 0 A 1 A 2 0 F 2 = = V 1 1 V 2 1 R A2 (V 1 ) + V 2 1 Die Matrizenmultiplikation ist in diesem Fall sehr hilfreich, da sie es uns ermöglicht, sofort festzustellen, dass die Hintereinanderausführung der Isometrien X R A1 (X) + V 1 und X R A2 (X) + V 2 die Isometrie X R A1 A 2 (X) + R A2 (V 1 ) + V 2 ergibt 14

15 4 Anhang Einschub zum Beweis von Proposition 13 zu Aussage 1) zu zeigen: η n (A ) = η n (A) ( ) a b Beweis η n : M n (C) M 2n (R) Für n = 1 gilt: η n (a + bi) = Allgemein gilt b a also: a 11 b 11 a 1n b 1n a 11 + b 11 i a 1n + b 1n i b 11 a 11 b 1n a 1n η n a n1 + b n1 i a nn + b nn i a n1 b n1 a nn b nn b n1 a n1 b nn a nn Da A M n (C), gilt A = Ā a 11 b 11 i a 1n b 1n i η n (A ) = η n (Ā ) = η n a n1 b n1 i a nn b nn i }{{} =Ā a 11 b 11 i a n1 b n1 i = η n a 1n b 1n i a nn b nn i a 11 b 11 a n1 b n1 b 11 a 11 b n1 a n1 = a 1n b 1n a nn b nn b 1n a 1n b nn a nn 15

16 η n (A) = η n a 11 + b 11 a 1n + b 1n a n1 + bn1 a nn + bnn = a 11 b 11 a 1n b 1n b 11 a 11 b 1n a 1n a n1 b n1 a nn b nn b n1 a n1 b nn a nn = a 11 b 11 a n1 b n1 b 11 a 11 b n1 a n1 a 1n b 1n a nn b nn b 1n a 1n b nn a nn 16

17 Gegenbeispiel für eine Behauptung in Proposition 14 Sei K = C Behauptung: Die Gleichung X + Y 2 C = X, X C + Y, Y C + 2 X, Y C ist im allgemeinen falsch ( ) 2 + 2i Beweis Es genügt die Angabe eines Gegenbeispiels Seien X, Y C 2 mit X =, Y = 1 + 2i ( ) 1 + 3i 2 + 4i ( ) ( ) ( ) ( ) ( ) 2 + 2i 1 + 3i 3 + 5i 3 + 5i 3 + 5i X + Y C = + = =, 1 + 2i 2 + 4i C 3 + 6i C 3 + 6i 3 + 6i Für die linke Seite gilt: =(3 + 5i)(3 5i) + (3 + 6i)(3 6i) =(9 + 25) + ( )i + (9 + 36) + ( )i = = 79 Für die rechte Seite gilt: = X, X C + Y, Y C + 2 X, Y C ( ) ( ) ( ) ( ) 2 + 2i 2 + 2i 1 + 3i 1 + 3i = i 1 + 2i 2 + 4i 2 + 4i C C ( ) ( ) 2 + 2i 1 + 3i i 2 + 4i =(2 + 2i)(2 2i) + (1 + 2i)(1 2i) + (1 + 3i)(1 3i) + (2 + 4i)(2 4i) + 2((2 + 2i)(1 3i) + (1 + 2i)(2 4i)) = (8 4i + 10) =34 + 2(18 4i) Somit kann keine Gleichheit gelten C 17

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009 I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe

Mehr

Henning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich

Henning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es

Mehr

Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum

Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum Orthogonalität 123 Dienstag, 27. April 04 Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum U von V gilt dann (a) U + U = V, U U = {0}, U, U = 0. (b) (U ) = U. Wir sagen

Mehr

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).

Mehr

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II 8. Übungsblatt Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein

Mehr

Einige Lösungsvorschläge für die Klausur zur Vorlesung

Einige Lösungsvorschläge für die Klausur zur Vorlesung Prof Klaus Mohnke Institut für Mathematik Einige Lösungsvorschläge für die Klausur zur Vorlesung Lineare Algebra und analtische Geometrie II* - SS 7 Aufgabe Im R mit dem Standardskalarprodukt ist die folgende

Mehr

Aufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie:

Aufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie: Aufgabe I (4 Punkte Gegeben seien die Matrix und die Menge Zeigen Sie: H := L := {A R 4 4 A HA = H} a L ist bezüglich der Matrizenmultiplikation eine Gruppe b Die Matrizen der Form ( E O, O B wobei E R

Mehr

4 Orthogonale Endormorphismen

4 Orthogonale Endormorphismen 4 Orthogonale Endormorphismen Frage: Bei welchen Abbildungen R R bzw. R 3 R 3 bleibt der Abstand zwischen zwei Punkten erhalten? Für α R setzen wir cosα sin α D(α) = und S(α) := sin α cosα ( cos α sin

Mehr

4.4 Hermitesche Formen

4.4 Hermitesche Formen 44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung

Mehr

6. Normale Abbildungen

6. Normale Abbildungen SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische

Mehr

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen

Mehr

5.3 Typen und Klassifikation affiner Abbildungen

5.3 Typen und Klassifikation affiner Abbildungen 53 Typen und Klassifikation affiner Abbildungen Definition 531 Sei A ein AR und Aff(A) die Gruppe der Affinitäten von A τ Aff(A) heißt Translation falls p, q A gilt: pτ(p) = qτ(q) Der dann von der Wahl

Mehr

3 Topologische Gruppen

3 Topologische Gruppen $Id: topgr.tex,v 1.4 2010/05/31 08:41:53 hk Exp hk $ 3 Topologische Gruppen Nachdem wir jetzt gezeigt haben das Quotienten G/H topologischer Gruppen wieder topologische Gruppen sind, wollen wir das Ergebnis

Mehr

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen

Mehr

1.5 Kongruenz und Ähnlichkeit

1.5 Kongruenz und Ähnlichkeit 19 1.5 Kongruenz und Ähnlichkeit Definition Sei A n der affine Standardraum zum Vektorraum R n. Eine Abbildung F : A n A n heißt Isometrie, falls d(f (X), F (Y )) = d(x, Y ) für alle X, Y A n gilt. Es

Mehr

4 Lineare Abbildungen und Matrizen

4 Lineare Abbildungen und Matrizen Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt

Mehr

Plan für Heute/Morgen

Plan für Heute/Morgen Plan für Heute/Morgen Kongruenzsätze: aus der Schule wissen wir die SSS, SWS, und SSW Kongruenzsätze für Dreiecke: Wir wollen diese Sätze im Rahmen unseres Modells (wenn Punkte die 2 Tupel von reellen

Mehr

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? 1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2

Mehr

7 Lineare Abbildungen und Skalarprodukt

7 Lineare Abbildungen und Skalarprodukt Mathematik II für inf/swt, Sommersemester 22, Seite 121 7 Lineare Abbildungen und Skalarprodukt 71 Vorbemerkungen Standard Skalarprodukt siehe Kap 21, Skalarprodukt abstrakt siehe Kap 34 Norm u 2 u, u

Mehr

Lineare Algebra II Zwischentest

Lineare Algebra II Zwischentest Lineare Algebra II Zwischentest Dr. Stephan Ehlen, Dr. Chris Jennings-Shaffer, Jonathan Schürr 14.06.18 Dieser Zwischentest besteht aus 7 Aufgaben und enthält insgesamt 12 Seiten. Sie haben für die Bearbeitung

Mehr

2 Algebraische Grundstrukturen

2 Algebraische Grundstrukturen 30 2 Algebraische Grundstrukturen Definition. Eine Verknüpfung auf einer Menge G ist eine Abbildung : G G G (a, b) a b. Schreibweise. a b, a b, ab, a + b. Beispiele. (i) G = N : N N N (a, b) a + b. G =

Mehr

Lineare Algebra I. Lösung 3.1:

Lineare Algebra I. Lösung 3.1: Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik Lösungsblatt 3 Prof. Dr. Markus Schweighofer 18.11.2009 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 3.1: (a) Sei

Mehr

7.3 Unitäre Operatoren

7.3 Unitäre Operatoren Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.44 2018/05/17 14:11:13 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.6 Bewegungen und Kongruenzbegriffe Wir untersuchen gerade die Spiegelung an einer Hyperebene h R d. Ist ein

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 206 Lineare Algebra und analytische Geometrie II Vorlesung 33 Das Kreuzprodukt Eine Besonderheit im R 3 ist das sogenannte Kreuzprodukt, das zu zwei gegebenen Vektoren

Mehr

Diagonalisierbarkeit symmetrischer Matrizen

Diagonalisierbarkeit symmetrischer Matrizen ¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren

Mehr

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2, Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist

Mehr

Lineare Algebra. 9. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching

Lineare Algebra. 9. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching Lineare Algebra 9. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching November, 07 Erinnerung Ein Skalarprodukt ist eine Abbildung, : E n E n E, (v, w) v, w n k v kw k so dass:

Mehr

Vektorräume und Rang einer Matrix

Vektorräume und Rang einer Matrix Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung

Mehr

auf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a

auf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a x LINEARE ABBILDUNGEN Denition: Seien V; V Vektorraume Eine Abbildung f heit linear, falls (i) (ii) f(x + y) f(x) + f(y) (x; y V ) f(x) f(x) ( R; x V ) Bemerkungen: I (i) und (ii) oben sind aquivalent

Mehr

Unitäre und orthogonale Matrix

Unitäre und orthogonale Matrix Unitäre und orthogonale Matrix Eine komplexe n n-matrix A heißt unitär, falls A 1 = A t = A, d.h. falls die Spalten von A eine orthonormale Basis von C n bilden. Unitäre und orthogonale Matrizen 1-1 Unitäre

Mehr

Modulteilprüfung Geometrie (BaM-GS, L3M-RF)

Modulteilprüfung Geometrie (BaM-GS, L3M-RF) Modulteilprüfung Geometrie (BaM-GS, L3M-RF) Prof. Dr. Martin Möller SoSe 2011 // 05. Juli 2011 Kontrollieren Sie, ob Sie alle Blätter (12 einschließlich zweier Deckblätter) erhalten haben, und geben Sie

Mehr

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 6

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 6 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum

Mehr

Aufgaben zur linearen Algebra und analytischen Geometrie I

Aufgaben zur linearen Algebra und analytischen Geometrie I Aufgaben zur linearen Algebra und analytischen Geometrie I Es werden folgende Themen behandelt:. Formale und logische Grundlagen 2. Algebraische Grundlagen 3. Vektorräume und LGS 4. Homomorphismen und

Mehr

17. Orthogonalsysteme

17. Orthogonalsysteme 17. Orthogonalsysteme 17.1. Winkel und Orthogonalität Vorbemerkung: Sei V ein Vektorraum mit Skalaprodukt, und zugehöriger Norm, dann gilt nach Cauchy-Schwarz: x, y V \ {0} : x, y x y 1 Definition: (a)

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum

Mehr

Aufgabenpool. Woche 1 Aussagenlogik. Woche 2 Mengen und Funktionen. Lineare Algebra und Geometrie I SS 2015

Aufgabenpool. Woche 1 Aussagenlogik. Woche 2 Mengen und Funktionen. Lineare Algebra und Geometrie I SS 2015 Lineare Algebra und Geometrie I SS 05 Woche Aussagenlogik Aufgabenpool Aufgabe #.5 Die Aussage A sei 5 > 9, die Aussage B sei Gerhard Schröder ist eine Frau. Vervollständigen Sie die folgende Wahrheitstabelle.

Mehr

Lösung 13: Unitäre Vektorräume und normale Abbildungen

Lösung 13: Unitäre Vektorräume und normale Abbildungen D-MATH Lineare Algebra II FS 2017 Dr. Meike Akveld Lösung 13: Unitäre Vektorräume und normale Abbildungen 1. a) Im Folgenden sei γ : V V C die Abbildung γ(v, w) v + w 2 v w 2 i v + iw 2 + i v iw 2. : Wir

Mehr

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende

Mehr

Lösung zu Serie Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen

Lösung zu Serie Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen Lineare Algebra D-MATH, HS 4 Prof. Richard Pink Lösung zu Serie. Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen Polynom ist. Lösung: Das charakteristische Polynom eines

Mehr

Hausaufgabenüberprüfung 1 zu Mathematische Strukturen Hagen Knaf, SS 2016

Hausaufgabenüberprüfung 1 zu Mathematische Strukturen Hagen Knaf, SS 2016 Hausaufgabenüberprüfung 1 zu Mathematische Strukturen Hagen Knaf, SS 2016 Lösungen Aufgabe 1: Betrachten Sie die Menge H aller Abbildungen f : R 2 R 2 der Form f(x) = Ax + b, A R 2 2, b R 2. (1) Zeigen

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 10.12.2013 Alexander Lytchak 1 / 15 Motivation Für das Verständis affiner Teilräume eines Vektorraums sind Translationen

Mehr

L5.6 Symmetrische, hermitesche, orthogonale und unitäre Matrizen (Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen)

L5.6 Symmetrische, hermitesche, orthogonale und unitäre Matrizen (Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen) L5.6 Symmetrische, heresche, orthogonale und unitäre Matrizen (Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen) In diesem Kapitel kommen Matrizen in Zusammenhang Skalarprodukt vor.

Mehr

1.2 Gitter: Grundlegende Konzepte

1.2 Gitter: Grundlegende Konzepte Gitter und Codes c Rudolf Scharlau 16. April 2009 5 1.2 Gitter: Grundlegende Konzepte Es sei V ein n-dimensionaler R-Vektorraum. Auf V sei ein Skalarprodukt gegeben, dessen Werte mit x, y R, dabei x, y

Mehr

10. Übung zur Linearen Algebra II -

10. Übung zur Linearen Algebra II - 0. Übung zur Linearen Algebra II - Lösungen Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 00. Aufgabe 7 Der ( linearen ) Abbildung ϕ : R R sei bzgl. der kanonischen Basis die Matrix zugeordnet.

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.24 2017/05/18 11:18:04 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.6 Bewegungen und Kongruenzbegriffe In diesem Abschnitt wollen wir die Automorphismengruppe der euklidischen

Mehr

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

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D. Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion

Mehr

Lineare Algebra. 9. Übungsstunde. Steven Battilana.

Lineare Algebra. 9. Übungsstunde. Steven Battilana. Lineare Algebra 9. Übungsstunde Steven Battilana stevenb@student.ethz.ch November 2, 26 Erinnerung Sei x, y 2 E n, 2 E, danngilt: hx, yi = kxkkyk cos( ). Ist m eine beliebige natürliche Zahl, apple i,

Mehr

Lineare Algebra I, Musterlösung zu Blatt 9

Lineare Algebra I, Musterlösung zu Blatt 9 Lineare Algebra I, Musterlösung zu Blatt 9 Wintersemester 2007/08 1. Untersuchen Sie, ob die folgenden Matrizen invertierbar sind und bestimmen Sie gegebenenfalls die Inverse. 8 1 3 1 a) A = 3 3 1 1 11

Mehr

Lineare Algebra und Geometrie II, Übungen

Lineare Algebra und Geometrie II, Übungen Lineare Algebra und Geometrie II, Übungen Gruppe (9 9 45 ) Sei A 2 Bestimmen Sie A und A Finden Sie weiters Vektoren u, v R 2 mit u und Au A, beziehungsweise v und Av A Zunächst die Berechnung der Norm

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

5 Lineare Algebra (Teil 3): Skalarprodukt 5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale

Mehr

13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN

13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN 13. ABBILDUNGEN in EUKLIDISCHEN VEKTORRÄUMEN 1 Orthogonale Abbildungen im R 2 und R 3. Eine orthogonale Abbildung ist eine lineare Abbildung, die Längen und Orthogonalität erhält. Die zugehörige Matrix

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen

Mehr

4.1 Definition. Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn. = y 1. = y 2. xfy 1. xfy 2

4.1 Definition. Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn. = y 1. = y 2. xfy 1. xfy 2 4.1 Definition Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn xfy 1 xfy 2 = y 1 = y 2 Y heißt Zielbereich oder Zielmenge von f. Statt (x, y) f oder xfy schreibt man y = f(x). Vollständige

Mehr

Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Lösung Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Um zu zeigen, dass es sich bei den gegebenen Vektoren um Basen handelt,

Mehr

mit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"

mit Skalarprodukt aus i-tem Zeilenvektor und j-tem Spaltenvektor Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"

Mehr

10 Unitäre Vektorräume

10 Unitäre Vektorräume 10 Unitäre Vektorräume Pink: Lineare Algebra 2014/15 Seite 98 10 Unitäre Vektorräume Die Theorie komplexer Vektorräume mit Skalarprodukt folgt denselben Linien wie die Theorie reeller Vektorräume mit Skalarprodukt;

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden

Mehr

T := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass

T := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass I. a) Es sei (G, ) eine abelsche Gruppe mit neutralem Element e G. Zeigen Sie, dass U := {g G g 3 = e G } eine Untergruppe von G ist. b) In der symmetrischen Gruppe S 4 definieren wir analog zu a) die

Mehr

Musterlösung zur Nachklausur Lineare Algebra I

Musterlösung zur Nachklausur Lineare Algebra I Musterlösung zur Nachklausur Lineare Algebra I Aufgabe 1 5 Punkte: Welche der folgenden Aussagen sind wahr bzw falsch? Setzen Sie in jeder Zeile genau ein Kreuz Für jede korrekte Antwort erhalten Sie 0,5

Mehr

Lineare Algebra II Zwischentest

Lineare Algebra II Zwischentest Lineare Algebra II Zwischentest Dr. Stephan Ehlen, Dr. Chris Jennings-Shaffer, Jonathan Schürr 14.06.18 Dieser Zwischentest besteht aus 7 Aufgaben und enthält insgesamt 12 Seiten. Sie haben für die Bearbeitung

Mehr

Seminar Sommersemester 2011: Geometrie Lehramt Gymnasium

Seminar Sommersemester 2011: Geometrie Lehramt Gymnasium Technische Universität Dortmund Fakultät für Mathematik Lehrstuhl VII: Differentialgeometrie Seminar Sommersemester 2011: Geometrie Lehramt Gymnasium Prof Dr Lorenz Schwachhöfer Vortrag 3 am 2742011: Gruppen

Mehr

11.2 Orthogonalität. Wintersemester 2013/2014

11.2 Orthogonalität. Wintersemester 2013/2014 Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 2013/2014 Markus Scheighofer Lineare Algebra I 11.2 Orthogonalität Definition 11.2.1. Seien V ein K-Vektorraum mit Skalarprodukt

Mehr

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

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

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau, Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel

Mehr

7.2 Die adjungierte Abbildung

7.2 Die adjungierte Abbildung 7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)

Mehr

Lineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen

Lineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen Lineare Algebra I Tutorium Inverse Matrizen und Gruppen Fachbereich Mathematik WS / Prof Dr Kollross November Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Die zweite Variante des Gauß-Algorithmus)

Mehr

Mathematische Erfrischungen III - Vektoren und Matrizen

Mathematische Erfrischungen III - Vektoren und Matrizen Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen

Mehr

Unter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über

Unter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über 9 Innere Produkte In diesem Kapitel betrachten wir immer Vektorräume über dem Körper der reellen Zahlen R oder dem Körper der komplexen Zahlen C. Definition 9.1: Sei V ein Vektorraum über R. Ein inneres

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist

Mehr

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v. Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel

Mehr

Lineare Algebra II Lösungen zu ausgewählten Aufgaben

Lineare Algebra II Lösungen zu ausgewählten Aufgaben Lineare Algebra II Lösungen zu ausgewählten Aufgaben Blatt 2, Aufgabe 3 a) Wir zeigen, daß das Ideal (2, X) kein Hauptideal in Z[X] ist. (Dieses Ideal besteht aus allen Elementen in Z[X], die von der Form

Mehr

4.2 Die adjungierte Abbildung

4.2 Die adjungierte Abbildung 4.2. DIE ADJUNGIERTE ABBILDUNG 177 4.2 Die adjungierte Abbildung Die Vektorräume dieses Paragraphen seien sämtlich euklidisch, die Norm kommt jetzt also vom inneren Produkt her, v = v v. Zu f Hom R (V,

Mehr

M U = {x U f 1 =... = f n k (x) = 0}, (1)

M U = {x U f 1 =... = f n k (x) = 0}, (1) Aufgabe 11. a) Es sei M = {(x, y, z) R 3 f 1 = xy = 0; f = yz = 0}. Der Tangentialraum T x M muss in jedem Punkt x M ein R-Vektorraum sein und die Dimension 1 besitzen, damit diese Menge M eine Untermannigfaltigkeit

Mehr

Lösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.

Lösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3

Mehr

Lösbarkeit linearer Gleichungssysteme

Lösbarkeit linearer Gleichungssysteme Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn

Mehr

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können

Mehr

3 Invertierbare Matrizen Die Inverse einer (2 2)-Matrix Eigenschaften invertierbarer Matrizen... 18

3 Invertierbare Matrizen Die Inverse einer (2 2)-Matrix Eigenschaften invertierbarer Matrizen... 18 Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik 2 Dr. Thomas Zehrt Vektoren und Matrizen Inhaltsverzeichnis Vektoren(Wiederholung bzw. Selbststudium 2. Linearkombinationen..............................

Mehr

Prüfung Lineare Algebra 2

Prüfung Lineare Algebra 2 1. Überprüfen Sie die folgenden Aussagen: (1) Zwei reelle symmetrische Matrizen sind genau dann ähnlich, wenn sie die gleiche Signatur haben. (2) Jede symmetrische Matrix ist kongruent zu einer Diagonalmatrix,

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Heimarbeitsblatt 14

Mathematik für Informatiker 1 Wintersemester 2013/14 Heimarbeitsblatt 14 Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker Wintersemester 3/4 Heimarbeitsblatt 4 Die Lösungshinweise dienen

Mehr

Lösung Lineare Algebra I Sommer 2018 Version A

Lösung Lineare Algebra I Sommer 2018 Version A Lösung Lineare Algebra I Sommer 208 Version A. (25 Punkte) Kreuzen Sie direkt auf dem Abgabeblatt an, ob die Behauptungen oder sind. Sie müssen Ihre Antworten nicht begründen! Bewertung: Punkt für jede

Mehr

Spezielle Matrizen. Invertierbarkeit.

Spezielle Matrizen. Invertierbarkeit. Spezielle Matrizen. Invertierbarkeit. Lineare Algebra I Kapitel 4 2. Mai 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de

Mehr

3 Bilinearform, Basen und Matrizen

3 Bilinearform, Basen und Matrizen Lineare Algebra II 2. Oktober 2013 Mitschrift der Vorlesung Lineare Algebra II im SS 2013 bei Prof. Peter Littelmann von Dario Antweiler an der Universität zu Köln. Kann Fehler enthalten. Veröentlicht

Mehr

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015 sskizzen der Klausur zur Linearen Algebra im Herbst 5 Aufgabe I. Es sei (G, ) eine Gruppe mit neutralem Element e und M {x G x x e}. Zeigen Sie: (a) Ist G kommutativ, so ist M eine Untergruppe von G. (b)

Mehr

Topologische Räume und stetige Abbildungen Teil 2

Topologische Räume und stetige Abbildungen Teil 2 TU Dortmund Mathematik Fakultät Proseminar zur Linearen Algebra Ausarbeitung zum Thema Topologische Räume und stetige Abbildungen Teil 2 Anna Kwasniok Dozent: Prof. Dr. L. Schwachhöfer Vorstellung des

Mehr

44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall

44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall 44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall 44 1 Zusammenfassung Dieser Paragraf richtet sich im Aufbau weitgehend nach 42, um den Zerlegungssatz (44.7) analog zum Satz über die

Mehr

Prüfung EM1 28. Jänner 2008 A :=

Prüfung EM1 28. Jänner 2008 A := 1. Die Menge der Eigenwerte der Matrix ist Prüfung EM1 28. Jänner 2008 A := ( 0 1 ) 0 1 A. {1, 0} B. { 1} C. {0} D. {0, 1, 1} E. {0, 1} 2. Es seien V ein n-dimensionaler reeller Vektorraum, ein Skalarprodukt

Mehr

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 8 (SS 2011) Abgabetermin: Donnerstag, 9. Juni.

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 8 (SS 2011) Abgabetermin: Donnerstag, 9. Juni. Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 8 (SS 2011) Abgabetermin: Donnerstag, 9. Juni http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Hermitesche

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 2 2. (Frühjahr 29, Thema 3, Aufgabe 3) Gegeben sei die reelle 3 3 Matrix 4 2 A = 2 7 2 R 3 3. 2 2 a)

Mehr

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni.

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni. Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Eigenvektoren

Mehr

Lineare Algebra. 1 Lineare Abbildungen

Lineare Algebra. 1 Lineare Abbildungen Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe

Mehr

Kontrollfragen und Aufgaben zur 4. Konsultation

Kontrollfragen und Aufgaben zur 4. Konsultation 1 Technische Universität Ilmenau Fakultät für Mathematik und Naturwissenschaften Institut für Mathematik Dr. Jens Schreyer und Prof. Dr. Michael Stiebitz Kontrollfragen und Aufgaben zur 4. Konsultation

Mehr

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y. Determinanten Motivation: Man betrachte das lineare Gleichungssystem [ [ [ a b x u = (1) c d y v Sei obda a und c Dann ist (1) äquivalent zu [ [ ca cb x = ac ad y und ferner zu [ [ ca cb x ad cb y Falls

Mehr

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung

Mehr

Körper- und Galoistheorie

Körper- und Galoistheorie Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 8 Erzeugte Algebra und erzeugter Körper Satz 8.1. Sei K L eine Körpererweiterung und sei f L ein algebraisches Element. Dann ist

Mehr

L 2 -Theorie und Plancherel-Theorem

L 2 -Theorie und Plancherel-Theorem L -Theorie und Plancherel-Theorem Seminar Grundideen der Harmonischen Analysis bei Porf Dr Michael Struwe HS 007 Vortrag von Manuela Dübendorfer 1 Wiederholung aus der L 1 -Theorie Um die Fourier-Transformation

Mehr