Lie Gruppen, SS 2010 Montag $Id: intro.tex,v /04/23 12:56:11 hk Exp hk $
|
|
- Günther Ritter
- vor 5 Jahren
- Abrufe
Transkript
1 Lie Gruppen, SS 2 Montag 9.4 $Id: intro.tex,v.5 2/4/23 2:56: hk Exp hk $ Einleitung Wir wollen jetzt die Frage der Umkehrbarkeit der Exponentialfunktion behandeln. Zunächst werden wir einsehen, dass exp auf K n n mit Ausnahme des Randfalls K = R, n = niemals injektiv ist. Etwas spezifischer werden wir alle Matrizen A mit exp(a) = bestimmen. Wir hatten bereits gesehen, dass wir für eine diagonalisierbare Matrix A den Wert f(a) für überhaupt jede Potenzreihe f(z) = k= a kz k berechnen können, sofern f(a) überhaupt definiert ist. Für die konkrete Situation f(z) = e z können wir noch etwas weiter gehen, und exp(a) auch im nicht diagonalisierbaren Fall recht konkret berechnen. Wie sieht das konkret aus? Zu gegebener Matrix A C n n suchen wir eine Jordanbasis, und mit geeigneter Transformationsmatrix T ist dann A = T λ ɛ λ 2 ɛ λ n ɛ n λ n T, wobei λ,..., λ n die Eigenwerte von A sind, ɛ,..., ɛ n {, } gilt und ɛ i = für λ i λ i+ ist. Wir führen jetzt die sogenannte Jordanzerlegung von A durch, d.h. wir schreiben A = H + N mit λ H = T... λ n T, N = T ɛ ɛ ɛ n T. Die Matrix H ist diagonalisierbar und die Matrix N ist nilpotent. Weiter gilt HN = N H, denn ausgeschrieben bedeutet diese Gleichung T λ ɛ λ 2 ɛ 2 λ n ɛ n T = T 3- λ 2 ɛ λ 3 ɛ 2 λ n ɛ n T,
2 Lie Gruppen, SS 2 Montag 9.4 und dies ist wahr da für i < n mit ɛ i stets auch λ i = λ i+ ist. Man kann sich überlegen das diese Zerlegung von A als Summe einer diagonalisierbaren Matrix und einer damit kommutierenden nilpotenten Matrix eindeutig ist. Weiter sind die Matrizen H und N reell wenn A eine reelle Matrix ist. In diesem Sinne hat man dann über den reellen Zahlen zwar keine Jordansche Normalform aber zumindest eine Jordanzerlegung A = H + N. Dabei sind A, N zwei kommutierende, reelle n n Matrizen wobei N nilpotent und H über C diagonalisierbar ist. Weiter nennt man eine über C diagonalisierbare reelle Matrix halbeinfach. Für komplexe Matrizen ist halbeinfach ein Synonym für diagonalisierbar. Wir werden diese Tatsachen in dieser Vorlesung nicht verwenden, nur der Begriff einer halbeinfachen Matrix wird gelegentlich nützlich sein. Wenden wir jetzt Lemma 5.(b) auf die Jordanzerlegung A = H + N an, so ergibt sich exp(a) = exp(h) exp(n) mit exp(h) = T e λ... e λn T, exp(n) = T ɛ ɛ 2! ɛ 2 ɛ 3! ɛ 2 ɛ 3 ɛ (n )!... ɛ n ɛ 2 ɛ 2! 2ɛ T, Jetzt können wir anhand dieser Formel gut sehen, wann exp(a) = ist. Dies ist genau dann der Fall, wenn exp(h) exp(n) = ist. Also muss wegen e λ,..., e λn zunächst ɛ =... = ɛ n = sein, d.h. A muss eine halbeinfache Matrix sein. Die zweite Bedingung ist exp(λ j ) = für j n, d.h. alle Eigenwerte müssen ganzzahlige Vielfache von 2πi sein. Insgesamt haben wir damit: Satz.6: Seien K {R, C}, n N, A K n n. Dann ist genau dann exp(a) = wenn A halbeinfach ist und alle komplexen Eigenwerte von A ganzzahlige Vielfache von 2πi sind. Bis auf den oben erwähnten Randfall ist die Exponentialfunktion also niemals injektiv. Wenn wir uns allerdings auf eine Umgebung der Nullmatrix beschränken, so wird die Lage viel besser. Man kann zeigen, dass die Eigenwerte einer Matrix stetig von der Matrix abhängen, Matrizen mit Eigenwerten der Form 2πik, k Z\{} sind also relativ weit von der Nullmatrix entfernt, und stellen damit kein Hindernis für die Injektivität von exp in der Nähe von Null dar. Wir werden die lokale Injektivität von exp gleich zweimal beweisen, einmal durch Anwendung des Satzes über Umkehrfunktionen und ein zweites Mal durch direkte Angabe einer Umkehrfunktion. Satz.7: Seien K {R, C} und n. Dann gibt es offene Mengen U K n n, V GL n K mit U, V so, dass exp : U V ein Diffeomorphismus ist. 3-2
3 Lie Gruppen, SS 2 Montag 9.4 Beweis: Wir wollen den Satz über Umkehrfunktionen anwenden. Hierzu müssen wir uns klarmachen, dass die Ableitung exp () : K n n K n n invertierbar ist. Für ein allgemeines f(z) = k= a kz k hatten wir bereits f ()A = a A für jedes A K n n gesehen, und wegen e z = + z + ist damit exp ()A = A für jedes A K n n. Also ist exp () = id K n n invertierbar, und alles ist gezeigt. Da diese Aussage so wichtig ist, wollen wir noch einen zweiten Beweis angeben. Dieser erlaubt es uns sogar ganz explizit eine passende Umgebung U der Nullmatrix anzugeben, auf der die Umkehrung der Exponentialfunktion möglich ist. Wir lassen uns von der Hoffnung leiten, dass alles so ist wie im skalaren Fall und die Umkehrung der Exponentialfunktion der Logarithmus ist. Den komplexen Logarithmus können wir für z < durch die Potenzreihe ( ) k log( + z) = z k k k= mit Konvergenzradius r = beschreiben. Aus unseren allgemeinen Überlegungen zu Potenzreihen von Matrizen wissen wir, dass durch ( ) k log( + A) := A k k k= für A C n n mit A < ein Matrix-Logarithmus definiert wird, und dass diese Reihe für jedes < s < gleichmäßig und absolut auf der Menge aller A C n n mit A s konvergiert. Wir erwarten das für jedes A C n n mit A < stets exp(log( + A)) = + A gilt. Wie kann man dies einsehen? Direktes Einsetzen in die Potenzreihen gibt ( ) k ( ) l exp(log( + A)) = + A l k! l k= l= = + k= m=k l + +l k =m k= m=k l ++l k =m k! ( )l l... ( )lk A m l k wobei wir verwendet haben, dass man absolut konvergente Reihen ausmultiplizieren kann. Die nun entstandene Reihe ist absolut konvergent, es gilt ja ( ) l... ( )lk A m k! l l l k= m=k l + +l k =m ( ) k A m A l = k! l... l k k! l k= l= = k= k! ( log( A ))k = e log( A ) = 3-3 A = A A <.
4 Lie Gruppen, SS 2 Montag 9.4 Also können wor unsere Reihe weiter umordnen und erhalten exp(log( + A)) = + = + k= m=k l ++l k =m [ ( ) m m= l ++l k =m k! ( )l l ( ) k k! l... l k... ( )lk Der Term in den eckigen Klammern ist stets eine endliche Summe, die man jetzt ausrechnen müsste. Das kann man als eine Übung einmal explizit durchführen, aber in Wahrheit ist das gar nicht nötig. Unsere Logarithmusreihe hat ja dieselben Koeffizienten wie die gewöhnliche reelle oder komplexe Potenzreihenentwicklung des Logarithmus. Führen wir die analoge komplexe Rechnung exp(log( + z)) = + z durch, so kommen wir genau zur selben Reihe, nur überall mit z statt A, und damit wissen wir a priori durch Koeffizientenvergleich, dass l ++l k =m ( ) k k! l... l k = {, m =,, m > gilt. Dasselbe Argument kann man immer für diese Fragen verwenden, jede Identität komplexer Potenzreihen können wir als Identität formaler Potenzreihen auffassen, und diese überträgt sich auf den Matrixfall. Wir wollen mit dieser Argumentation nun auch noch log(exp(a)) = A einsehen, aber hierzu müssen wir uns zuerst überlegen, für welche A C n n dies überhaupt definiert ist. Zunächst ist log(exp(a)) = log( + (exp(a) )), und da der Konvergenzradius der Logarithmusreihe war, benötigen wir exp(a) <. Für jede komplexe n n Matrix A gilt exp(a) = k! Ak k= k= ] A m. A k = e A. k! Ist also A C n n mit A < ln 2, so ist auch exp(a) e A <. Weiter gilt für diese A auch log(exp(a)) = A. Dies ist völlig analog zum obigen Beweis, durch Einsetzen in die Potenzreihen führen wir dies auf die Gleichung log(exp(z)) = z für z C mit z < ln 2 zurück. Für die Menge U des Satzes können wir also ganz konkret die Kugel mit Radius log 2 um nehmen und die Umkehrfunktion von exp wird der Logarithmus. Wir wollen jetzt den Satz 7 benutzen um einige Aussagen über die Struktur der GL n K in der Nähe der Eins zu beweisen. Ein erstes oft nützliches Lemma ist wie folgt: l k A m Lemma.8: Seien K {R, C}, n, bezeichne U die Kugel um im K n n mit Radius (/2) log 2 und setze V := exp(u) GL n K. Dann gelten: (a) Sind a, b V mit a 2 = b 2, so ist a = b. 3-4
5 Lie Gruppen, SS 2 Montag 9.4 (b) Ist a V, so gibt es ein k N mit a k / V. (c) Ist H GL n K eine Untergruppe mit H V, so gilt schon H =. Beweis: (a) Wir können a = exp(u), b = exp(v) mit u, v < (log 2)/2 schreiben. Dann ist 2u, 2v < log 2 und exp(2u) = exp(u) 2 = a 2 = b 2 = exp(2v), d.h. 2u = 2v und somit auch u = v und a = b. (b) Schreibe wieder a = exp(u) mit u < (log 2)/2. Wegen a ist u, also existiert ein minimales k 2 mit k u > (log 2)/2. Wegen (k ) u (log 2)/2 ist andererseits auch k u (log 2)/2 + u < log 2, und somit ist a k = exp(ku) / exp(u) = V. (c) Dies ist klar nach (b). Für die Aussage (c) des Lemmas sagt man auch, dass die Gruppe GL n K keine kleinen Untergruppen hat. Für unsere Zwecke spielt das keine grosse Rolle, in der allgemeinen Strukturtheorie lokalkompakter Gruppen ist diese Eigenschaft allerdings der zentrale Schlüssel zur Kennzeichnung der Liegruppen. Darauf werden wir später noch einmal eingehen. Die Eindeutigkeit des Wurzelziehens, die durch (b) ausgedrückt wird gilt wirklich nur in einer Umgebung der. In ganz GL n K gibt es ja sogar in grossen Mengen Elemente a mit a 2 =, das Lemma sagt nur, dass diese alle weit von der entfernt sind. Das ist übrigens auch a priori klar, jedes solche a hat als Eigenwert, und wie schon früher bemerkt hängen die Eigenwerte einer Matrix in geeigneten Sinn stetig von der Matrix ab, d.h. Matrizen in der Nähe von haben nur Eigenwerte die nahe bei liegen. Wir wollen dieses Lemma und die Exponentialabbildung verwenden um die Einparameteruntergruppen der GL n K zu bestimmen. Eine Einparametergruppe ist dabei ein stetiger Gruppenhomomorphismus ϕ : (R, +) GL n K. Nach Lemma 5.(b,d) ist zum Beispiel für jedes a K n n die Abbildung ϕ : R GL n K; t e ta eine solche Einparameteruntergruppe. Wir wollen jetzt noch einige weitere Beispiele von Einparametergruppen durchgehen. Zunächst ist ( ) e t ϕ(t) = eine Einparametergruppe, die Stetigkeit ist klar und die Homomorphie folgt aus der Funktionalgleichung der Exponentialfunktion. Ein weiteres Beispiel ist gegeben durch ( ) t ϕ(t) =. 3-5 e t
6 Lie Gruppen, SS 2 Montag 9.4 Auch diese Abbildung ist wieder stetig, und wegen ( ) ( ) ( t s t + s = ) für alle t, s R auch ein Gruppenhomomorphismus. Ein weiteres naheliegendes Beispiel wird durch Drehungen im R 2 geliefert. Die Drehung um den Nullpunkt im Gegenuhrzeigersinn mit Drehwinkel t R ist durch die Matrix ( ) cos t sin t ϕ(t) = sin t cos t gegeben. Auch dies ist stetig und ein Gruppenhomomorphismus. Letzteres ist klar, denn die Hintereinanderausführung der Drehungen um die Winkel t und s ist insgesamt die Drehung um den Winkel t + s. Schreibt man dies als Matrixprodukt hin, so entstehen gerade die Additionstheoreme von Sinus und Cosinus. Als letztes Beispiel wollen wir auch noch die Drehungen im Raum behandeln. Zur Angabe einer solchen Drehung brauchen wir sowohl eine Drehachse als auch einen Drehwinkel. Die Drehachse beschreiben wir durch einen Einheitsvektor u R 3 mit u =. Durch den Vektor u ist dann auch die Orientierung unserer Drehung festgelegt, wir wollen von u aus gesehen im Gegenuhrzeigersinn um den Winkel φ R drehen. Wir wollen uns jetzt überlegen wie diese Drehung D u (φ) in Matrixform aussieht. Sei x R 3 mit x / u, d.h. u und x sind linear unabhängig. Wir bestimmen zunächst eine Orthonormalbasis u,, u 3 des R 3 in der die Drehachse u der erste Basisvektor ist und x im Aufspann der ersten beiden Basisvektoren liegt. Setze also u := u. Zur Bestimmung des zweiten Basisvektors verwenden wir die Gram-Schmidt Orthonormalisierung angewandt auf u, x an, d.h. wir setzen y := x u x u und := y y. Dabei schreiben wir a b für das Skalarprodukt zweier Vektoren a, b R 3. Die Orthonormalbasis wird dann vervollständigt durch das Vektorprodukt der ersten beiden Basisvektoren, dieses ist ja normiert und steht senkrecht auf den ersten beiden Basisvektoren, also u 3 := u = u x u (x u x u) = y y 3-6 φ u
7 Lie Gruppen, SS 2 Montag 9.4 da u u = ist. Bezüglich der Basis u,, u 3 wird x zu x = u x u + y = u x u + y = u x y. Der Spaltenvektor ist dabei bezüglich der Basis u,, u 3 gemeint. In dieser Basis berechnet sich das Bild von x unter unserer Drehung als u x u x Dx = cos φ sin φ y = y cos φ. sin φ cos φ y sin φ Bezüglich der Standardbasis haben wir damit das Ergebnis D u (φ)x = u x u + y cos(φ) + y sin(φ)u 3 = u x u + cos(φ)y + sin(φ)u x = u x u + cos(φ)x u x cos(φ)u + sin(φ)(u x) = cos(φ)x + ( cos φ) u x u + sin(φ)(u x). Dies ist bereits eine für praktische Zwecke nützliche Drehungsformel. Wir können die Formel auch noch in Matrixform umschreiben, hierzu müssen wir uns nur überlegen wie die Matrix der linearen Abbildung f(x) = u x aussieht. Dies ist schnell berechnet u e = u u 3 = u 3, u e 2 = u e 3 = u u 3 u u 3 u 3 =, u = u, die Matrix von f ist also û := u 3 u 3 u u. Bezeichnet außerdem u t den transponierten Vektor u, also u als Zeilenvektor, so ist u x u = u u x = uu t x, und uu t ist eine 3 3 Matrix. Die Drehmatrix wird damit insgesamt zu D u (φ) = cos φ + ( cos φ)uu t + sin(φ)û. Damit ist ϕ(t) := D u (t) ein weiteres Beispiel einer Einparametergruppe. 3-7
1 Analytische Geometrie und Grundlagen
Mathematische Probleme, SS 28 Dienstag 29.5 $Id: vektor.tex,v.46 28/5/29 6:4: hk Exp $ Analytische Geometrie und Grundlagen.6 Bewegungen und Kongruenzbegriffe Am Ende der letzten Sitzung hatten wir bereits
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Ingenieure II, SS 9 Dienstag $Id: jordantex,v 8 9// 4:48:9 hk Exp $ $Id: quadrattex,v 9// 4:49: hk Exp $ Eigenwerte und die Jordansche Normalform Matrixgleichungen und Matrixfunktionen Eine
Mehr7 Orthogonale und unitäre Matrizen
$Id: orthogonal.tex,v.6 2/7/ 4::3 hk Exp $ $Id: mdiffb.tex,v.3 2/7/ 4::5 hk Exp hk $ 7 Orthogonale und unitäre Matrizen 7.2 Drehungen Wir wollen uns jetzt mit Drehungen im dreidimensionalen Raum beschäftigen.
Mehr6 Symmetrische und hermitesche Matrizen
$Id: quadrat.tex,v.2 27/7/5 :59:6 hk Exp $ $Id: orthogonal.tex,v.5 27/7/5 2::22 hk Exp $ 6 Symmetrische und hermitesche Matrizen 6. Quadratische Formen und Hauptachsentransformation In der letzten Sitzung
Mehr1 Einleitung. Lie Gruppen, SS 2010 Mittwoch $Id: intro.tex,v /04/16 16:18:41 hk Exp hk $
$Id: intro.tex,v.4 200/04/6 6:8:4 hk Ex hk $ Einleitung Wir wollen weiterhin die allgemeine lineare Grue GL n K über den reellen und den komlexen Zahlen untersuchen. Der nächste Schritt den wir hierzu
Mehr6 Symmetrische und hermitesche Matrizen
$Id: quadrat.tex,v 1.26 215/6/3 1:3:3 hk Exp $ $Id: orthogonal.tex,v 1.13 215/7/1 1:57:5 hk Exp $ 6 Symmetrische und hermitesche Matrizen 6.4 Definite Matrizen Wir hatten eine symmetrische reelle beziehungsweise
Mehr1 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
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag 9.6 $Id: quadrat.tex,v. 9/6/9 4:6:48 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6. Symmetrische Matrizen Eine n n Matrix heißt symmetrisch wenn
MehrExponentialabbildung für Matrizen und Systeme von Differentialgleichungen
Proseminar Lineare Algebra SS10 Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen Simon Strahlegger Heinrich-Heine-Universität Betreuung: Prof. Dr. Oleg Bogopolski Inhaltsverzeichnis:
MehrLineare 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.
MehrMusterlösungen 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
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung
MehrDiagonalisierbarkeit 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
MehrKlausurenkurs 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$Id: anageo.tex,v /01/18 21:24:38 hk Exp hk $
$Id: anageo.tex,v 1.3 9/1/18 1:4:38 hk Exp hk $ II. Lineare Algebra 1 Analytische Geometrie 1.1 Das Skalarprodukt v w u p Wir wollen noch eine weiteres Ergebnis der eben durchgeführten Überlegung festhalten.
MehrKlausurenkurs 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$Id: stetig.tex,v /06/26 15:40:18 hk Exp $
$Id: stetig.tex,v 1.11 2012/06/26 15:40:18 hk Exp $ 9 Stetigkeit 9.1 Eigenschaften stetiger Funktionen Am Ende der letzten Sitzung hatten wir eine der Grundeigenschaften stetiger Funktionen nachgewiesen,
MehrLineare 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
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 009 Dienstag 3.6 $Id: quadrat.tex,v.4 009/06/3 4:55:47 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6.3 Quadratische Funktionen und die Hauptachsentransformation
Mehrkonvergent falls eine allgemeine ("gutmütige") Funktion. Frage: kann man sie in der darstellen mittels einer Potenzreihe in
C5 Funktionen: Taylorreihen & Fourieranalysis C5.1 Taylorreihen Brook Taylor (1685-1731) (Analysis-Vorlesung: Konvergenz von Reihen und Folgen) Grundlegende Frage: Wann / unter welchen Voraussetzungen
MehrLösungen 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
Mehrkonvergent falls Sei eine allgemeine ("gutmütige") Funktion. Frage: kann man sie in der Nähe des Punktes darstellen mittels einer Potenzreihe in
C5 Funktionen: Reihenentwicklungen C5.1 Taylorreihen Brook Taylor (1685-1731) (Analysis-Vorlesung: Konvergenz von Reihen und Folgen) Grundlegende Frage: Wann / unter welchen Voraussetzungen lässt sich
MehrMathematische 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
Mehr4 Funktionenfolgen und normierte Räume
$Id: norm.tex,v 1.9 2011/06/01 15:13:45 hk Exp $ $Id: jordan.tex,v 1.3 2011/06/01 15:30:12 hk Exp hk $ 4 Funktionenfolgen und normierte Räume 4.5 Normierte Räume In der letzten Sitzung hatten wir den Begriff
MehrMathematik für Anwender. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 4. Januar 0 Prof. Dr. H. Brenner Mathematik für Anwender Testklausur mit en Dauer: Zwei volle Stunden + 0 Minuten Orientierung, in denen noch nicht geschrieben werden
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
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 0/06 Lineare Algebra und analytische Geometrie I Vorlesung... und ein guter Lehrer kann auch einem schlechten Schüler was beibringen Beziehung zwischen Eigenräumen Wir
Mehr4 Funktionenfolgen und normierte Räume
$Id: norm.tex,v 1.48 2017/06/14 15:16:10 hk Exp $ $Id: jordan.tex,v 1.26 2017/06/16 10:59:58 hk Exp $ 4 Funktionenfolgen und normierte Räume 4.7 Kompakte Mengen Zum Abschluss dieses Kapitels behandeln
Mehr1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen
Hannover, den 7. Februar 2002 Aufgabe. Übungsblatt: Lineare Algebra II Abgabe: 8./9.4.2002 in den Übungsgruppen (2, 2, 3 Punkte) Der Vektorraum V = C[, ] sei mit dem üblichen Skalarprodukt f, g = f(t)g(t)
MehrGruppen in der Physik Liegruppen und Liealgebren 1.Teil Vortrag vom Claudia Würz
1 Einleitung Gruppen in der Physik Liegruppen und Liealgebren 1.Teil Vortrag vom 13.06.2006 Claudia Würz Im folgenden wollen wir uns mit Liegruppen und Liealgebren beschäftigen. Sie sind nicht nur für
Mehr4 Funktionenfolgen und normierte Räume
$Id: norm.tex,v 1.57 2018/06/08 16:27:08 hk Exp $ $Id: jordan.tex,v 1.34 2018/07/12 20:08:29 hk Exp $ 4 Funktionenfolgen und normierte Räume 4.7 Kompakte Mengen Am Ende der letzten Sitzung hatten wir zwei
Mehr2 Koordinatentransformationen
Mathematik für Ingenieure III, WS 9/ Mittwoch 8. $Id: transform.tex,v.8 //4 :9: hk Exp $ Koordinatentransformationen. Lineare Koordinatentransformationen Wir überlegen uns dies zunächst im Spezialfall
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrEinige 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, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
Mehr5 Die Liealgebra einer Liegruppe
$Id: liealg.tex,v 1.5 2010/09/03 07:51:34 hk Exp hk $ 5 Die Liealgebra einer Liegruppe Wir sind noch immer mit der Konstruktion der Liealgebra zu einer Liegruppe G beschäftigt. In der letzten Sitzung hatten
MehrÜbungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 12
Übungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 12 Schriftliche Aufgaben Aufgabe 1. Sei A M(n n, C). Zeigen Sie: (1) exp(a) ist invertierbar mit exp(a) 1 = exp( A). (2) Ist A M(n n, C) selbstadjungiert
Mehr7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?
Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist
Mehr1 Eingebettete Untermannigfaltigkeiten des R d
$Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die
MehrEtwa mehr zu Exponential- und Logarithmusfunktion
Etwa mehr zu Exponential- und Logarithmusfunktion Will man einen Logarithmus definieren, so liegt es nahe, diesen als Umkehrfunktion zur Exponentialfunktion zu definieren. Solch eine kann es aber nicht
Mehr2.5 Komplexe Wurzeln. Mathematik für Naturwissenschaftler I 2.5
Mathematik für Naturwissenschaftler I 2.5 Die Periodizität von e z ist der Grund, warum im Komplexen Logarithmen etwas schwieriger zu behandeln sind als im Reellen: Der natürliche Logarithmus ist die Umkehrung
MehrLineare Algebra für Physiker 11. Übungsblatt
Lineare Algebra für Physiker 11. Übungsblatt Fachbereich Mathematik SS 01 Prof. Dr. Matthias Schneider./. Juli 01 Dr. Silke Horn Dipl.-Math. Dominik Kremer Gruppenübung Aufgabe G1 (Minitest) (a) Welche
Mehr7.2 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.)
MehrFachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
MehrLineare 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(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.
L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors
Mehr9 Lineare Differentialgleichungen
Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 $Id: linear.tex,v.4 2/2/ :7:45 hk Exp hk $ 9 Lineare Differentialgleichungen 9.3 Differentialgleichungen mionstanten Koeffizienten Während sich allgemeine
Mehr1 Umkehrfunktionen und implizite Funktionen
Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
Mehr7. Einige Typen von speziellen Funktionen [Kö 8]
39 7. Einige Typen von speziellen Funktionen [Kö 8] 7. Analytische Funktionen [Kö 7.3, 4.] Definition. Es sei D C, f : D C und z 0 D ein Häufungspunkt von D. Die Funktion f heißt im Punkt z 0 analytisch,
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrHöhere Mathematik I. Variante A
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I WiSe / Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind handschriftliche Aufzeichnungen von maximal DinA4-Blättern.
Mehr2 Riemannsche Flächen
$Id: flaechen.tex,v 1.6 2016/11/16 12:37:19 hk Exp $ 2 Riemannsche Flächen 2.2 Karten und holomorphe Funktionen auf Flächen Am Ende der letzten Sitzung hatten wir einige der Grundeigenschaften holomorpher
Mehr4 Lineare Abbildungen
17. November 2008 34 4 Lineare Abbildungen 4.1 Lineare Abbildung: Eine Funktion f : R n R m heißt lineare Abbildung von R n nach R m, wenn für alle x 1, x 2 und alle α R gilt f(αx 1 ) = αf(x 1 ) f(x 1
Mehr1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen
Hannover, den 0. April 2006. Übungsblatt: Lineare Algebra II Abgabe: 24./25.4.2006 in den Übungsgruppen ( ) 2 5 a) Zeigen Sie, dass A = und B = 2 ( 7 6 invertierbare Matrix T an mit T AT = B. b) Zeigen
Mehr13 Die trigonometrischen Funktionen
13 Die trigonometrischen Funktionen Wir schreiben die Werte der komplexen Exponentialfunktion im Folgenden auch als e z = exp(z) (z C). Geometrisch definiert man üblicherweise die Werte der Winkelfunktion
MehrÜbungsblatt
Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen
Mehr3 Meromorphe Funktionen und der Residuenkalkül
$Id: mero.tex,v 1.3 2016/06/22 16:12:36 hk Exp $ 3 Meromorphe Funktionen und der Residuenkalkül 3.3 Hauptteile und Residuen Am Ende der letzten Sitzung hatten wir die Laurententwicklung einer holomorphen
MehrAnalysis II. Aufgaben zum Stoff der Analysis I und II Lösungsvorschlag
Prof Dr H Garcke, D Depner SS 9 NWF I - Mathematik 1979 Universität Regensburg Aufgabe 1 Analysis II Aufgaben zum Stoff der Analysis I und II Lösungsvorschlag i Erinnern Sie sich an die Konvergenzkriterien
Mehr(a) Welche der folgenden Funktionen ist injektiv, surjektiv beziehungsweise bijektiv? x 1 + x
Aufgabe Injektiv und Surjektiv) a) Welche der folgenden Funktionen ist injektiv, surjektiv beziehungsweise bijektiv?. f : Z N; x x 2. 2. f : R R; x x x.. f : R [, ]; x sin x. 4. f : C C; z z 4. b) Zeigen
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrGrundlagen der Mathematik 2 Nachklausur
Andreas Gathmann und Yue Ren Sommersemester 6 Grundlagen der Mathematik Nachklausur Bearbeitungszeit: 8 Minuten Aufgabe (6 Punkte): Es sei f : R R, (x,y) xye (x+y). (a) Bestimme alle lokalen Maxima und
MehrWichtige Kenntnisse der Linearen Algebra
Wichtige Kenntnisse der Linearen Algebra In Kapitel 3 der Vorlesung werden wir sehen (und in Kapitel 6 vertiefen, dass zur Beschreibung von Quantensystemen mathematische Begriffe aus dem Gebiet der Linearen
MehrLineare 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
Mehri j m f(y )h i h j h m
10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem
Mehr$Id: funktion.tex,v /11/17 16:00:21 hk Exp $ $Id: komplex.tex,v /11/17 16:17:18 hk Exp $
$Id: funktion.tex,v 1.29 2017/11/17 16:00:21 hk Exp $ $Id: komplex.tex,v 1.23 2017/11/17 16:17:18 hk Exp $ 2 Funktionen Wir beschäftigen uns gerade mit dem Begriff der Umkehrfunktion einer Funktion f :
MehrMathematische Probleme, SS 2015 Montag $Id: quadratisch.tex,v /06/22 12:08:41 hk Exp $
Mathematische Probleme, SS 15 Montag 6 $Id: quadratischtex,v 111 15/06/ 1:08:41 hk Exp $ 4 Kegelschnitte 41 Quadratische Gleichungen In der letzten Sitzung hatten wir die Normalform (1 ɛ )x + y pɛx p =
MehrMathematik und Logik
Mathematik und Logik 9. Übungsaufgaben 2007-01-23 1. Beweisen Sie geometrisch, daß die Addition von Vektoren in der Ebene assoziativ ist. Beweis. Man zeichnet die entsprechenden Parallelogramme. 2. Der
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehr46 Eigenwerte und Eigenvektoren symmetrischer Matrizen
46 Eigenwerte und Eigenvektoren symmetrischer Matrizen 46.1 Motivation Symmetrische Matrizen (a ij = a ji für alle i, j) kommen in der Praxis besonders häufig vor. Gibt es für sie spezielle Aussagen über
Mehr2 Der Weierstraßsche Produktsatz
4 Kapitel Meromorphe Funktionen Der Weierstraßsche Produktsatz Unser nächstes Problem soll sein, zu einer vorgegebenen Menge von Punkten eine holomorphe Funktion zu suchen, die genau in den Punkten Nullstellen
MehrLösung 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
Mehr9. Polynom- und Potenzreihenringe
64 Andreas Gathmann 9. Polynom- und Potenzreihenringe Bevor wir mit der allgemeinen Untersuchung von Ringen fortfahren, wollen wir in diesem Kapitel kurz zwei sehr wichtige weitere Beispiele von Ringen
Mehr10 Untermannigfaltigkeiten
10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und
MehrMathematik für Anwender I. Klausur
Fachbereich Mathematik/Informatik 27. März 2012 Prof. Dr. H. Brenner Mathematik für Anwender I Klausur Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
MehrMathematik 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
MehrOrthonormalisierung. 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).
MehrKlausurenkurs 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)
MehrUmkehrfunktion. g (y) = f (x) 1, x = g(y), Umkehrfunktion 1-1
Umkehrfunktion Ist für eine stetig differenzierbare n-variate Funktion f : D R n die Jacobi-Matrix f (x ) für einen Punkt x im Innern des Definitionsbereiches D R n nicht singulär, so ist f lokal invertierbar,
MehrTechnische Universität München. Aufgaben Mittwoch SS 2012
Technische Universität München Andreas Wörfel Ferienkurs Analysis 2 für Physiker Aufgaben Mittwoch SS 2012 Aufgabe 1 Äquivalente Aussagen für Stetigkeit( ) Beweisen Sie folgenden Satz: Seien X und Y metrische
Mehr6 Symmetrische und hermitesche Matrizen
Mathematik für Physiker II, SS Freitag 4.6 $Id: quadrat.tex,v.8 /6/4 4:44:39 hk Exp hk $ 6 Symmetrische und hermitesche Matrizen 6. Prä-Hilberträume Wir sind gerade mit der Diskussion der sogenannten Ausgleichsgerade
MehrAufgaben. f : R 2 R, f(x, y) := y.
11. Übung zur Maß- und Integrationstheorie, Lösungsskizze A 63 Untermannigfaltigkeiten von R 2 ). Aufgaben Skizzieren Sie grob die folgenden Mengen und begründen Sie, welche davon 1-dimensionale Untermannigfaltigkeiten
MehrKlausur. Wir wünschen Ihnen viel Erfolg! Klausur Mathematik für Informatiker und Softwaretechniker
Apl. Prof. Dr. W.-P. Düll Fachbereich Mathematik Universität Stuttgart Klausur für Studierende der Fachrichtungen inf, swt Bitte unbedingt beachten: Bitte beschriften Sie jeden Ihrer Zettel mit Namen und
MehrAnalysis I. 3. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 3. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine Abbildung F von einer Menge L in eine
MehrMusterlösungen zur Linearen Algebra II Weihnachtszettel
Musterlösungen zur Linearen Algebra II Weihnachtszettel Aufgabe. Welche der folgenden Matrizen 3 0 0 A = 0 4, B = 3, C = 0 0 0 6 0 0 0 sind über R und welche über C diagonalisierbar? Bestimmen Sie dazu
Mehr13. 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
MehrReihen, Exponentialfunktion Vorlesung
Reihen, Exponentialfunktion Vorlesung Marcus Jung 5.03.20 Inhaltsverzeichnis Inhaltsverzeichnis Reihen 3. Denition.................................... 3.2 Konvergenzkriterien für Reihen........................
Mehr3. DIE EXPONENTIALFUNKTION UND VERWANDTES
3. DIE EXPONENTIALFUNKTION UND VERWANDTES (1) DIE KOMPLEXE EXPONENTIALFUNKTION Für α = (a n ) n=0mit a n := 1, (n IN) gilt r α = lim n (n + 1)! = lim n (n + 1) =. Damit konvergiert die zugehörige Potenzreihe
MehrHöhere Mathematik für Physiker II
Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei
MehrKapitel 6. Exponentialfunktion
Kapitel 6. Exponentialfunktion 6.1. Potenzreihen In Kap. 4 haben wir Reihen ν=0 a ν studiert, wo die Glieder feste Zahlen sind. Die Summe solcher Reihen ist wieder eine Zahl, z.b. die Eulersche Zahl e.
MehrDrehachse und Drehwinkel
Drehachse und Drehwinkel Jede Drehung Q im R 3 besitzt eine Drehachse, d.h. lässt einen Einheitsvektor u invariant, und entspricht einer ebenen Drehung um einen Winkel ϕ in der zu u orthogonalen Ebene.
Mehr