Seminar zur Vorlesung Geometrie für Lehramt Sommersemester 2011:

Größe: px
Ab Seite anzeigen:

Download "Seminar zur Vorlesung Geometrie für Lehramt Sommersemester 2011:"

Transkript

1 Technische Universität Dortmund Fakultät für Mathematik Lehrstuhl VII:Dierentialgeometrie Seminar zur Vorlesung Geometrie für Lehramt Sommersemester 2011: Prof. Lorenz Schwachhöfer Matrizengruppe über R, C und H Vortrag 1 am : gehalten von Nora Fuÿ

2 Inhaltsverzeichnis 1 Einleitung 4 2 Matrizengruppen über R und C Die allgemeine lineare Gruppe mit Untergruppen Denition: allgemeine lineare Gruppe Folgerung Beweis der Folgerung Bemerkung Weitere Beispiele stetig dierenzierbarer GL(n, K) Denition: Kurven und Ableitungen im Raum aller Matrizen Denition: lineare Gruppe Denition und Lemma: Wichtige Untergruppen von GL(n, K) Denition: lokale Gruppe Denition: lokal isomorph Beispiel Komplexe Zahlen als reelle Matrizen 12 4 Die Quaternionen H Denition: Die Quaternionen Darstellung Darstellung Literatur 16

3 Einige Vorbereitungen Denition: Gruppen Eine Gruppe ist eine Menge G zusammen mit einer Verknüpfung auf G, so dass folgende drei Axiome gelten: (G1) Die Verknüpfung ist assoziativ: Für alle Gruppenelemente a, b und c gilt: (a b) c = a (b c). (G2) Es gibt ein neutrales Element e G. Für das gilt a e = e a = a für alle a G. (G3) Zu jedem Gruppenelement a G gibt es ein inverses a 1 G mit a a 1 = a 1 a = e. Eine Gruppe (G, ) heiÿt abelsch oder kommutativ, wenn für alle Gruppenelemente a und b gilt a b = b a. (Vgl. Skript Lineare Algebra I von Rudolf Scharlau.) Denition: Untergruppe Es sei (G, ) eine Gruppe und H G eine Teilmenge von G. Dann heiÿt (H, ) Untergruppe von (G, ), falls die folgenden drei Bedingungen erfüllt sind: (UG1) Für alle x, y H gilt x y H, (UG2) e H, (UG3) Für alle x H gilt x 1 H. Denition: Isomorphismus Ein Gruppenisomorphismus (G, ) auf eine Gruppe (H, ) ist eine Abbildung f : G H mit folgenden beiden Eigenschaften: 1. f ist bijektiv, 2. f ist verknüpfungstreu, d.h. für alle x, y G gilt f(x y) = f(x) f(y). Eine verknüpfungtreue Abbildung wird auch als Homomorphismus bezeichnet. Eine Gruppe (G, ) heiÿt isomorph zu einer Gruppe (H, ), falls ein Isomorphismus von (G, ) auf (H, ) existiert. Gibt es einen Isomorphismus zwischen zwei Strukturen, dann heiÿen die beiden Strukturen zueinander isomorph. Die Aussage G und H sind isomorph wird üblicherweise als G = H geschrieben. 3

4 Denition: Körper Ein Körper ist eine Menge K zusammen mit zwei Verknüpfungen + und, für die folgendes gilt: (K1) (K, +) ist eine kommutative Gruppe mit neutralem Element 0 (K2) (K0, ) ist eine Gruppe (es gibt inverses für alle Elemente die von 0 verschieden sind) (K3) Distributivgesetze: a (x + y) = a x + a y rechts distributiv, (a + b) x = a x + b x, a, b, x, y K links distributiv. 1 Einleitung Das Seminar Geometrie für Lehramt befasst sich mit dem Buch Matrizen und Lie-Gruppen von W. Kühnel. Die Bezeichnung Matrix wurde 1850 von James Joseph Sylvester (* London; London) eingeführt. Matrizen sind uns hauptsächlich aus der linearen Algebra bekannt, werden aber in allen Gebieten der Mathematik benutzt. Mit Hilfe von Matrizen kann man lineare Abbildungen darstellen und lineare Gleichungssysteme beschreiben. Die Lie-Gruppen sind benannt nach Marius Sophus Lie (* Nordfjordeid; Oslo) der ein norwegischer Mathematiker war. Eine Lie-Gruppe ist eine mathematische Struktur, die zur Beschreibung von kontinuierlichen Symmetrien verwendet wird. In meinem Seminarvortrag wird es eine Einführung in die Theorie von Transformationsgruppen und Lie-Gruppen geben. In diesem Vortrag werden Matrizengruppen über R und C vorgestellt, wobei diese Matrizen alle quadratisch sind, also die Form n n haben. In Kapitel 3 geht es darum, dass man komplexe Zahlen auch als reelle Matrizen schreiben kann. Zum Abschluss werden die Quaternionen kurz vorgestellt, auf die im darauolgenden Seminarvortrag 2 (gehalten von Tabea Ledoux) noch näher eingegangen wird. 2 Matrizengruppen über R und C Jede quadratische (n, n)- Matrix hat die Form A = (a ij ) i,j mit a ij R oder C mit i, j = 1,..., n (i = Zeileneintrag, j = Spalteintrag) diese können mit einem reellen bzw. komplexen Spaltenvektor x = (x i ) i durch die Matrixmultiplikation multipliziert werden. Dann entsteht die bekannte Formel a 11 a 1n A x =..... a n1 a nn x 1. x n = j a 1jx j. j a njx j Diese beschreibt eine lineare und bijektive Transformation x A x des R n bzw. C n. Wenn wir verschiedene solche Transformationen betrachten, dann liefert die Matrizenmultiplikation. 4

5 (A, B) A B die Regel A (B x) = (A B) x Matrizenmultiplikationsgruppe:(A, B) (A B) Assoziativität: A (B C) = (A B) C Neutrales Element: Inverse: A E = E A = A E =..... = 1 Einheitsmatrix A A 1 = A 1 A = E Eine Gruppe von solchen Matrizen heiÿt eine Transformationsgruppe des R n bzw. C n, nach den Ausführungen von Sophus Lie und weil jede einzelne Transformation linear ist, spricht man in diesem Fall von einer linearen T ransf ormationsgruppe oder einfach von einer linearen Gruppe. Die gewöhnliche Dierentialrechnung für Matrizen in solchen linearen Gruppen oenbart bereits gewisse Grundzüge der Theorie der Lie- Gruppen. In diesem Vortrag geht es um Dierentialgleichungen von einer linearen Transformationsgruppe. Gruppen von nichtlinearen Transformationen werden in einem späteren Seminarvortrag besprochen. (/2/ Kapitel 4) 2.1 Die allgemeine lineare Gruppe mit Untergruppen Eine quadratische (n, n)- Matrix A mit reellen oder komplexen Einträgen heiÿt invertierbar, wenn es eine inverse Matrix dazu gibt, geschrieben als A 1, die das Gruppenaxiom (G3) erfüllt, A A 1 = E = A 1 A wobei E wieder die Einheitsmatrix bezeichnet. Das Produkt zweier invertierbarer Matrizen ist wieder invertierbar, es gilt (A B) 1 = B 1 A 1, =E { }} { denn A B B 1 A 1 = A (B B 1 ) A 1 = A A 1 = E Die Matrizenmultiplikation ist im allgemeinen nicht kommutativ, da A B A 1 B 1 nicht vertauschen kann. Weil die Multiplikation von Matrizen, wie oben gezeigt wurde, assoziativ ist, bildet die Menge aller invertierbarer (n, n)- Matrizen eine Gruppe. Die Menge aller (n, n)- Matrizen über R oder C wird auch mit M n n (R) bzw. M n n (C) bezeichnet. 5

6 2.2 Denition: allgemeine lineare Gruppe Die reelle allgemeine lineare Gruppe GL(n, R) ist deniert als die Menge der reellen (n, n)- Matrizen, die invertierbar sind. Analog ist die komplexe allgemeine lineare Gruppe GL(n, C) deniert als die Menge der komplexen (n, n)- Matrizen, die invertierbar sind. Wir schreiben auch GL(n, K) für die allgemeine lineare Gruppe über K, wobei K entweder für R oder für C steht. Die Gruppenstruktur ist durch das Matrizenprodukt (A, B) A B gegeben mit der Inversen A A 1 und der Einheitsmatrix E als dem neutralen Element. GL(n, K) ist eine Gruppe, da die Matrizen assoziativ sind, sie das Neutralelement enthält, es zu jeder Matrix Inverse gibt und es gilt det(a B)=detA detb Folgerung Wenn man die Menge aller (n, n)- Matrizen über R als den R- Vektorraum R n2 auasst, dann ist GL(n, R) eine oene Teilmenge des R n2. Analog können wir komplexe (n, n)- Matrizen als Element des C n2 = (R 2 ) n2 = R 2n 2 auassen (da wir aus der Linearen Algebra und Analysis wissen: C m = R 2m ) und entsprechend ist GL(n, C) eine oene Teilmenge des C n2 = R 2n 2. Der Raum aller (n, n)- Matrizen trägt die topologische Struktur, die auch dem R m für beliebiges m zukommt, nämlich die durch die eine Abstandsmetrik denierte, mit der man Konvergenz und Stetigkeit und dann auch Dierenzierbarkeit erklären kann. 2.4 Beweis der Folgerung Es genügt zu zeigen, dass es zu jeder invertierbaren Matrix A eine oene Umgebung im Raum aller Matrizen (bzw. im umgebenden R n2 oder R 2n2 )gibt, die nur aus invertierbaren Matrizen besteht. Hier gilt wenn M n n (K) und K gegeben, dann ist eine Funktion f von M n n (K) nach K genau dann stetig, falls jedes Urbild einer oenen Teilmenge von K oen in M n n (K) ist. Nun zeigt man, dass die Determinantenfunktion stetig ist, damit folgt, dass GL(n, R) eine oene Teilmenge ist: det:m n n (K) K deta = det((a ij ) i,j ) = σ S n (sign(σ) n a i,σi ) = i=1 σ S n sign(σ)a 1σ1... a nσn, wobei σ S n alle Permutationen von n Elementen durchläuft. Der auf der rechten Seite stehende Leibnizformel Ausdruck von Gottfried Wilhelm Leibniz 6

7 (* in Leipzig; in Hannover) ist stetig und stetig dierenzierbar, da sich die Determinante nur aus Produkten und Summen zusammen setzt. Aus Lineare Algebra 1, 2 ist bekannt, dass eine quadratische Matrix A genau dann invertierbar ist, wenn ihre Determinante ungleich null ist. Diese Bedingung deta 0 überträgt sich daher von A auf eine gewisse oene Umgebung. 2.5 Bemerkung Als Teilmenge von R n2 ist GL(n, R) nicht zusammenhängend, da die Determinatenfunktion positive und negative Werte annimmt, aber nicht den Wert null, da Matrizen aus GL(n, R) invertierbar sind und es gilt deta 0. Dies würde dem Zwischenwertsatz widersprechen und somit ist GL(n, R) nicht zusammenhängend. Siehe Beipiel: A : [0, 1] GL(n, K) sei stetig, deta 0 > 0, deta 1 < 0 und f(t) = det(a t ). Allerdings ist GL(n, C) als Teilmenge von C n2 zusammenhängend: Es ist auch C \ P für jede endliche Teilmenge P C zusammenhängend. Das diese als Polynome P aufgeschrieben werden können folgt aus der Determinatenfunktion. Man kann zu je zwei A, B GL(n, C) die komplexe Linearkombination C z = za + (1 z)b mit z C betrachten. Dabei kann es durchaus sein, dass det(c z ) = 0 gilt, also C z / GL(n, C). Aber det(c z ) ist für festes A, B ein Polynom n- ten Grades in der komplexen Variabeln z, hat also nur endlich viele Nullstellen. Damit kann man im Komplement dieser Nullstellenmenge die beiden Matrizen A und B durch einen stetigen Weg C z(t) mit einer reellen Variablen t miteinander verbinden (man muss nur um die endliche vielen Nullstellen herumlaufen). 2.6 Weitere Beispiele stetig dierenzierbarer GL(n, K) Die Determinatenfunktionen det : M n n (R) R und det : M n n (C) C sind stetig dierenzierbar, weitere Beispiele sind die Multiplikation als Abbildung von M n n (K) M n n (K) M n n (K) wegen der Gleichung: A B = (a ij ) i,j (b jk ) j,k = ( j a ij b jk ) i,k Ein letztes Beispiel ist A A 1 als Abbildung von GL(n, K) GL(n, K) wegen der Cramerschen Regel A 1 = 1 deta (( 1)i+j det(a i j)) j,i, wobei A i j aus A durch Streichen der i- ten Zeile und der j- ten Spalte entsteht. 7

8 Beispiel für Cramersche Regel: Ax = b mit A = ( ) 1 2 und b = 4 5 Nach der Cramerschen Regel folgt dann die Lösung: ( ) 3 2 det 1 x 1 = det(a) ( 1)det(A 6 5 1) = ( ) = 1 2 det 4 5 x 2 = ( 1) 2 det(a 2) det(a) = ( ) = 3 3 = 1 ( ) 1 3 det 4 6 ( ) = = 2 det 4 5 Beweis: Beispiele stetig dierenzierbarer Funktionen des GL(n, K): Bei der Matrixmultiplikation gehen nur die Multiplikation mit reellen oder komplexen Zahlen ein und diese sind stetig und stetig dierenzierbar. Bei der Abbildung GL(n, K) GL(n, K); A A 1 gibt es ebenfalls nur Multiplikationen und der Nenner deta ist in GL(n, K) 0 und somit ist es wieder stetig und stetig dierenzierbar. Da auf oenen Teilmengen eines R m die übliche Dierentialrechnungen genau so erklärt ist wie im R m selbst. 2.7 Denition: Kurven und Ableitungen im Raum aller Matrizen So wie eine dierenzierbare Kurve c : I R n der Klasse C k, deniert auf einem Teilintervall I R, durch ihre Ableitungen mit der Taylor- Entwicklung beschrieben werden kann c(t) = c(0) + tc (0) + t2 2 c (0) +, so gilt dies auch für Kurven im Raum aller Matrizen, etwa A : I M n n (C). Dies heiÿt einfach, dass A(t) für jedes t I eine (n, n)- Matrix ist und dass diese Zuordnung C k - dierenzierbar von dem Parameter t abhängt. Die Ableitung erfolgt durch die Formel A (t 0 ) = da(t) dt analog hat man die Produktregel 1 = lim t=t0 t 0 t (A(t 0 + t) A(t 0 )), (A B) = A B + A B, 8

9 die Kettenregel und eine Taylor- Entwicklung A(f(t)) = A (f(t)) f (t) A(t) = A(0) + ta (0) + t2 2 A (0) + sowie die Taylorsche Formel mit einem Restglied und ebenso die Taylorsche Reihe. 2.8 Denition: lineare Gruppe Wenn eine spezielle Eigenschaft von invertierbaren Matrizen sich von A und B stets aus das Produkt AB und die Inverse A 1 überträgt, deniert sie eine Untergruppe von GL(n, C). Dies gilt besonders für bestimmte algebraische oder geometrische Bedingungen, z.b. die Bedingung an eine Matrix, orthogonal zu sein. Jede Untergruppe von GL(n, C) heiÿt eine lineare Gruppe, weil sie als eine Gruppe von linearen Transformationen (jede durch eine Matrix beschrieben) aufgefasst werden kann. 2.9 Denition und Lemma: Wichtige Untergruppen von GL(n, K) GL + (n, R) = {A GL(n, R) deta > 0} (1) SL(n, R) = {A GL(n, R) deta = 1} spezielle lineare Gruppe (2) O(n) = {A GL(n, R) AA T = E} orthogonale Gruppe (3) SO(n) = {A O(n) deta = 1} = O(n) SL(n, R) = O(n) GL + (n, R) (4) Drehgruppe, spezielle orthogonale Gruppe 1 a b H(3, R) = 0 1 c a, b, c R 3-dimensionale Heisenberg-Gruppe (5) SL(n, C) = {A GL(n, C) deta = 1} spezielle komplexe lineare Gruppe (6) U(n) = {A GL(n, C) AA T = E} unitäre Gruppe (7) SU(n) = {A U(n) deta = 1} = U(n) SL(n, C) spezielle unitäre Gruppe (8) Es gibt noch die Gruppe der invertierbaren quaternionalen Matrizen GL(n, H), auf die im Kapitel 4 näher eingegangen wird. Alle genannten Untergruppen (auÿer GL + (n, R)) sind abgeschlossene Teilmengen des R n2 bzw. C n2 = R 2n2 bzw. H n2 = R 4n2, weil sie durch Gleichungen 9

10 deniert sind. Die orthogonale Gruppe und die unitäre Gruppe sind darüber hinaus kompakt. Dies liegt daran, dass die Spalten einer orthogonalen bzw. unitären Gruppe paarweise zueinander orthogonale Einheitsvektoren sind. Daher ist ihre Operator- Norm im Raum aller Matrizen gleich 1. Eine orthogonale bzw. unitäre Matrix liegt somit in der Einheits-Sphäre im R n2 bzw. im R 2n2. Die Untergruppe O(n), SO(n), U(n), SU(n) sind also abgeschlossene und beschränkte Teilmengen davon, also auch kompakt. Ebenso kann man die allgemeine lineare Gruppe GL(n, F) über jedem Körper F betrachten (oder Untergruppen davon), also z.b. auch über endlichen Körpern F p k mit p k Elementen und der Charakteristik p (das ist notwendigerweise eine Primzahl). Speziell ist GL(1, F p ) = F p \{0} eine (multiplikative) zyklische Gruppe der Ordnung p 1. Beweis Denition und Lemma Um zu zeigen, dass die oben genannte Teilmengen tatsächlich Untergruppen (vgl. Denition Untergruppe) sind, genügt es, die folgenden Tatsachen zu zeigen: Zu (1) (UG1) deta > 0 und detb > 0 für alle A, B GL + (n, R), dann gilt det(ab) = deta detb > 0 GL + (n, R) (UG2) E GL + (n, R), da dete = 1 < 0 (UG3) det A 1 > 0 GL(n, R) für alle A GL + (n, R). Zu (2) =1 =1 { }} { { }} { (UG1) deta = 1, detb = 1 für alle A, B SL(n, R) gilt det(ab) = det(a) det(b) = 1 SL(n, R). (UG2) E SL(n, R), da dete = 1 (UG3) deta 1 = 1 SL(n, R) für alle A SL(n, R), da gilt deta 1 = 1. =1 { }} { deta deta 1 = =1 { }} { dete folgt Zu (3) { }} { (UG1) A, B orthogonal, also AA T = BB T = E dann gilt AB(AB) T = A BB T A T = AEA 1 = AA 1 = E, also ist auch AB orthogonal und somit O(n) (UG2) E O(n), da EE T = E (UG3) Es gilt A 1 = A T, also auch A 1 (A 1 ) T = A T (A T ) T = A T A = E, somit ist A 1 orthogonal O(n). =E 10

11 Zu (4) (UG1) A, B orthogonal, also AA T = BB T = E dann gilt AB(AB) T = ABB T A T = E, also ist auch AB orthogonal s.o., es gilt deta = 1, detb = 1 und somit detab = deta detb = 1 O(n) (UG2) E O(n), da EE T = E und dete = 1 (UG3) Es gilt A 1 = A T, also auch A 1 (A 1 ) T = E, womit ist A 1 orthogonal und deta 1 = deta T = det(a) = 1 O(n). Zu (5) (UG1) Für Elemente der Heisenberg-Gruppe gilt 1 a b 1 α β 1 a + α b + β + aγ 0 1 c 0 1 γ = 0 1 c + γ somit H(3, R). (UG2) E H(3, R) mit a, b, c = 0 (UG3) 1 a b 0 1 c a ac b = 0 1 c H(3, R) Zu (7) (UG1) A, B unitär, also AA T = BB T = E und es gilt ABAB T = ABB T A T = E SO(n) (UG2) E SO(n), da EE T = E (UG3) A 1 = A T, also gilt auch A 1 A 1T = E SO(n). Zu (6), (8) analog Denition: lokale Gruppe Unter einer lokalen Gruppe von Matrizen versteht man eine zusammenhängende Teilmenge L GL(n, K) mit E L derart, dass es eine oene Umgebung U von E in GL(n, K) gibt mit der Eigenschaft: Für je zwei Elemente A, B L U liegt das Produkt AB 1 wieder in L. Jede lokale Gruppe L erzeugt eine kleinste zusammenhängende Untergruppe G GL(n, K) mit L G Denition: lokal isomorph Zwei Gruppen G, G von Matrizen heiÿen lokal isomorph, wenn die zugehörigen Einsumgebungen U, U so gewählt werden können, dass zwischen beiden eine bijektive Abbildung f : U U existiert mit f(g 1 g 2 ) = f(g 1 )f(g 2 ) und f(g 1 ) = (f(g)) 1. 11

12 2.12 Beispiel Als Beispiel einer lokalen Gruppe kann man einfach den Durchschnitt L = O(n) V nehmen, wobei V eine oene Einsumgebung in GL(n, C) oder GL(n, R) ist. Innerhalb von V ndet man dann eine zusammenhängende oene Einsumgebung U V, so dass U die Eigenschaft hat, die für eine lokale Gruppe verlangt wird. Die von L erzeugte Gruppe ist dann SO(n) als zusammenhängende Untergruppe. Daher sind O(n) und SO(n) zwar nicht isomorph, aber lokal isomorph. Gegenbeispiel Auch zwei zusammenhängende Untergruppen von GL(n, C) müssen im allgemeinen nicht isomorph sein, wenn sie lokal isomorph sind. Die Gruppe aller (2, 2)- Matrizen ( ) e t 0 GL(n, R) 0 1 mit t R ist lokal (aber nicht global) isomorph zur Gruppe aller (2, 2)- Matrizen ( ) cos t sin t sin t cos t mit t R. Man muss für einen lokalen Isomorphismus nur f(e t ) = e it setzen und dann e it = cos t + i sin t schreiben. Diese Abbildung ist nur in einer Umgebung vom Einselement bijektiv. Wenn man t = 0 setzt ergibt sich für beide Matrizen die Einheitsmatrix. Wenn man t = 2π setzt ergibt sich für die Matrix ( ) cos t sin t sin t cos t Es gilt die Abbildungsvorschrift: ( ) e (t+s) ( cos(t + s) ) sin(t + s) sin(t + s) cos(t + s) und es gilt ( ) ( ) cos t sin t cos s sin s = sin t cos t sin s cos s ( cos(t + s) ) sin(t + s) sin(t + s) cos(t + s) ergibt sich ebenfalls die Einheitsmatrix, für die andere Matrix allerdings ergibt sich ( ) e 2π somit folgt, dass die Abbildung ein lokaler Isomorphismus, aber kein globaler Isomorphismus ist. 12

13 3 Komplexe Zahlen als reelle Matrizen Eine C- lineare Abbildung kann auch als eine R- lineare Abbildung aufgefasst werden. Wenn man eine komplexe Zahl z = a + ib als reellen Vektor mit den Komponenten a und b auasst, dann stellt sich die Frage, wie die Gruppe GL(1, C) = C \ {0} als Untergruppe von GL(2, R) gedeutet werden kann. Es gilt aber zw = (a + ib)(c + id) = (ac bd) + i(ad + bc), und diese Wirkung wird durch die folgende reelle Matrix realisiert: ( ) ( ) ( ) a b c ac bd = b a d ad + bc Alternativ ist dieses Produkt durch die Matrizenmultiplikation ( ) ( ) ( ) a b c d ac bd (ad + bc) = b a d c ad + bc ac bd realisiert. Also entspricht die Multiplikation mit einer ( komplexen ) Zahl z = a + ib gerade a b der Multiplikation mit der reellen Matrix A z =. Dies deniert einen injektiven b a Gruppenhomomorphismus GL(1, C) GL(2, R). ( ) a b Zu zeigen Linearität und Additivität von f : C R 2 ; z : b a Additivität:f(z + w) = f(z) + f(w), ( ) a + c (b + d) f(z + w) = f(a + ib + c + id) = f(a + c + i(b + d)) =, b + d a + c } {{ } ( ) ( ) ( ) a b c d a + c (b + d) f(z) + f(w) = f(a + ib) + f(c + id) = + = b a d c b + d a + c Homogenität: ( ) ( ) ca cb a b f(cz) = f(c(a + ib)) = f(ca + cib) = = c = cf(z) cb ca b a Injektivität: ( ) a b f = b a ( ) 0 0 daraus folgt a = b = Entsprechendes gilt für höhere Dimensionen, wo man eine Einbettung GL(n, C) GL(2n, R) hat. Dann gilt insbesondere ( SO(2) ) = U(1), wobei die komplexe Zahl e it = cos t + i sin t durch cos t sin t die Drehmatrix repräsentiert wird, also eine Drehung um den Winkel t nach sin t cos t links. Man könnte generell die obige (2, 2)- Matrix durch ihre Transponierte ersetzen, aber dann entspräche e it einer Drehung um den Winkel t nach rechts. 13

14 4 Die Quaternionen H 4.1 Denition: Die Quaternionen Darstellung 1 Die Quaternionen H sind als Menge der 4- dimensionale reelle Vektorraum: H = {a + bi + cj + dk a, b, c, d R}, Dieser wird von der Basis {1, i, j, k} aufgespannt. Ein Quaternion q = a+bi+cj+dk zusammen mit der Multiplikation (Hamilton Regel) ij = ji = k, jk = kj = i, i 2 = j 2 = k 2 = 1 der Basiselemente derart, dass für die Summen a + bi + cj + dk die Assoziativität und die Distributivität erfüllt sind. Die Quaternionen bilden mit der üblichen Addition und mit dieser Multiplikation einen Schiefkörper, in dem alle Gesetze gelten wie in einem Körper, auÿer dass die Multiplikation nicht mehr kommutativ ist. Insbesondere ist die Multiplikation assoziativ, und es gibt zu jedem Quaternion q = a + bi + cj + dk 0 ein eindeutiges multiplikatives Inverses q 1 = q 2 q wobei q = a bi cj dk und q 2 = qq = a 2 + b 2 + c 2 + d 2 gesetzt wird. Beweis: z.z: 1. Assoziativität: q 1 + (q 2 + q 3 ) = (q 1 + q 2 ) + q 3 und q 1 (q 2 q 3 ) = (q 1 q 2 ) q 3 2. Kommutativität bzgl. der Addition: q 1 + q 2 = q 2 + q 1, 3. Es existiert ein neutrales Element bezüglich der Addition bzw. Multiplikation: q 1 + e = q 1 mit e = 0 q 1 q 1 e = q 1 mit e = 1 q 1 4. Es existiert ein inverses Element bezüglich der Addition: q 1 + ( q 1 ) = 0 für alle q 1 5. Es existiert ein eindeutiges multiplikatives Inverses q 1 = q 2 q für alle q 0 6. Distributivität: q 1 (q 2 + q 3 ) = q 1 q 2 + q 1 q 3 und (q 1 + q 2 ) q 3 = q 1 q 3 + q 2 q 3 Beweis Der Nachweis für die Axiome 1, 2, 3, 4, 6 geschieht durch einfaches Nachrechnen unter Berücksichtigung der Hamilton-Regeln. Es muss noch Axiom 5 nachgewiesen werden: Zu 5) 14

15 Der Nachweis geschieht analog zum Nachweis des Inversen zur komplexen Zahl: 1 z = z = a + bi und z = a bi. Das komplex konjugierte Quaternion ist folgendermaÿen deniert: q = a bi cj dk. Der Realteil bleibt also unverändert. Nur der Imaginärteil wird mit 1 multipliziert. i 2 =j 2 =k 2 = 1 Es gilt: q 2 {}}{ = qq = (a + bi + cj + dk) (a bi cj dk) = a 2 + b 2 + c 2 + d 2 R + 0. Somit ergibt sich durch äquivalente Umformung für alle q 0 das eindeutig multiplikative Inverse: q 1 = 1 q = q 2 q z z 2 mit Bemerkung Die Multiplikation ist nicht Kommutativität: q 1 q 2 q 2 q 1 Folgendes Gegenbeispiel zeigt dies: Sei q 1 = i und q 2 = j. Dann gilt wegen der Hamilton-Regel ij = ji: ij = ji = ji ji = 0 dies ist ein Widerspruch zu k = e }{{} 4. =k Es gilt dann die Rechenregel: q 1 q 2 = q 2 q 1 Weiterhin gilt: q 1 q 2 2 = (q 1 q 2 ) (q 1 q 2 ) = q 1 q 2 q 1 q 2 = q 1 q 2 2 q 1 = q 2 2 q 1 q 1 = q 2 2 q Darstellung 2 Durch a a + 0 i C mit a R können die reellen Zahlen R als Teilmenge der komplexen Zahlen aufgefasst werden. Mit a + b i C a + b i + 0 j + 0 k H sind die komplexe Zahlen C Teilmenge der Quaternionen. Somit gilt: Man kann schreiben: R C H H = {z + wj z, w C} Die komplexen Zahlen wurden aus den reellen Zahlen gewonnen: a + bi mit a, b R und i 2 = 1. Ebenso können die Quaternionen aus den komplexen Zahlen gewonnen werden durch Hinzunahme eines Elementes j mit j 2 = 1: q = a + bi + cj + dk = (a + bi) + (c + di) j. } {{ } } {{ } z C w C 15

16 =z =z Dabei gilt die Rechenregel: j (a + bi) = ja + bji = aj bij = (a bi) j, also jz = zj. Somit ergeben sich weitere Darstel- } {{ } } {{ } lungsformen eines Quaternion in H: Auf diese Weise kann man es identizieren mit dem reellen Vektor q = (a, b, c, d) T R 4 oder dem komplexen Vektoren (a + bi, c + di) C 2 Beachte: Die Multiplikation innerhalb des Imaginärteils, der von i, j, k aufgespannt wird, stimmt mit dem Vektorprodukt im R 3 überein (siehe Ausarbeitung Vortrag 2). 5 Literatur /1/ Brockhaus-Enzyklopädie, 19. Auage , 21 Band SR-TEO, Mannheim: Brockhaus; /2/ W. Kühnel, Matrizen und Lie-Gruppen Eine geometrische Einführung (Vieweg + teubner Verlag) 1. Auage 2011 Kapitel 3 Seite

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

Der Tangentialraum im Einselement

Der Tangentialraum im Einselement Technische Universität Dortmund Fakultät für Mathematik - Lehrstuhl VII Seminarvortrag Der Tangentialraum im Einselement Seminar Geometrie für Lehramt/Dierentialgeometrie I Dozent Prof. Dr. Lorenz Schwachhöfer

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

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

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax

Mehr

1 Rechnen mit 2 2 Matrizen

1 Rechnen mit 2 2 Matrizen 1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12

Mehr

G. Dobner/H.-J. Dobner: Lineare Algebra Elsevier Spektrum Akademischer Verlag

G. Dobner/H.-J. Dobner: Lineare Algebra Elsevier Spektrum Akademischer Verlag G. Dobner/H.-J. Dobner: Lineare Algebra Elsevier Spektrum Akademischer Verlag Beantwortung der Fragen und Lösungen der Aufgaben zu Kapitel Version V vom 3.. 28 2 Beantwortung der Fragen zu Kapitel TESTFRAGEN

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

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

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

g 1 g = e, (1) (g 1 ) 1 g 1 = e, (2) Unter Verwendung des Assoziativgesetzes ist nach (1), und weil e neutrales Element ist. Nach (2) folgt nun

g 1 g = e, (1) (g 1 ) 1 g 1 = e, (2) Unter Verwendung des Assoziativgesetzes ist nach (1), und weil e neutrales Element ist. Nach (2) folgt nun Stefan K. 1.Übungsblatt Algebra I Aufgabe 1 1. zu zeigen: (g 1 ) 1 = g g G, G Gruppe Beweis: Aus dem Gruppenaxiom für das Linksinverse zu g haben wir und für das Linksinverse zu g 1 Unter Verwendung des

Mehr

Matrizen und Determinanten, Aufgaben

Matrizen und Determinanten, Aufgaben Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen

Mehr

Lineare Algebra I Zusammenfassung

Lineare Algebra I Zusammenfassung Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition

Mehr

3 Matrizenrechnung. 3. November

3 Matrizenrechnung. 3. November 3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

1.4 Gruppen, Ringe, Körper

1.4 Gruppen, Ringe, Körper 14 Gruppen, Ringe, Körper Definition 141 Eine Verknüpfung auf einer Menge M ist eine Abbildung : M M M : (a, b a b Die Verknüpfung heißt assoziativ falls gilt: a (b c = (a b c a, b, c M; kommutativ falls

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Vektoren und Matrizen Einführung: Wie wir gesehen haben, trägt der R 2, also die Menge aller Zahlenpaare, eine Körperstruktur mit der Multiplikation (a + bi(c + di ac bd + (ad + bci Man kann jedoch zeigen,

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:

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

Basiswissen Matrizen

Basiswissen Matrizen Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)

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

35 Matrixschreibweise für lineare Abbildungen

35 Matrixschreibweise für lineare Abbildungen 35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir

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

8 Gruppen und Körper

8 Gruppen und Körper 8 Gruppen und Körper (8.) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres Element a?b aus G zuordnet, so dass die folgenden

Mehr

Die Lie-Algebra einer Untergruppe von Matrizen

Die Lie-Algebra einer Untergruppe von Matrizen Die Lie-Algebra einer Untergruppe von Matrizen Technische Universität Dortmund Fakultät für Mathematik Lehrstuhl VII: Dierentialgeometrie Seminar Geometrie für Lehramt (SS 2) Prof. Dr. Lorenz Schwachhöfer

Mehr

Übungen zu Matrixgruppen

Übungen zu Matrixgruppen Übungen zu Matrixgruppen Andreas Cap Sommersemester 2018 Kapitel 1: Einleitung Analysis und Matrizen (1 Seien G und H Gruppen und sei ϕ : G H ein Homomorphismus. Zeigen Sie, dass das Bild Im(ϕ eine Untergruppe

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine Vektorräume (Teschl/Teschl 9 Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen: Eine

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

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

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6

1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6 Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................

Mehr

Wann heit eine Menge reeller Zahlen beschrankt? oen? abgeschlossen? Was ist das Supremum (Inmum) Maximum (Minimum) einer Teilmenge

Wann heit eine Menge reeller Zahlen beschrankt? oen? abgeschlossen? Was ist das Supremum (Inmum) Maximum (Minimum) einer Teilmenge 1 1 Check-Liste Analysis 1.1 Mengen und Abbildungen Wann heit eine Menge reeller Zahlen beschrankt? oen? abgeschlossen? kompakt? Was ist das Supremum (Inmum) Maximum (Minimum) einer Teilmenge von R? Was

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 10: Inverse Matrix und Determinante D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die

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

2.9 Die komplexen Zahlen

2.9 Die komplexen Zahlen LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in

Mehr

1.4 Homomorphismen und Isomorphismen

1.4 Homomorphismen und Isomorphismen Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 28 1.4 Homomorphismen und Isomorphismen Definition 1.4.1 Es seien (G, ) und (H, ) zwei Gruppen. Eine Abbildung ϕ : G H heißt (Gruppen-)Homomorphismus,

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie

Mathematik für Studierende der Biologie und des Lehramtes Chemie Mathematik für Studierende der Biologie und des Lehramtes Chemie ominik Schillo Universität des Saarlandes 7 Vorlesung, 007 (Stand: 007, 4: Uhr) Notation Seien A R n n sowie b R n und betrachte das LGS

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

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2 Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete

Mehr

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten 6.1 Symmetrische Gruppe Definition: Eine bijektive Abbildung von einer Menge X auf sich selbst heisst eine Permutation von X. Satz-Definition:

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

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

Neues Thema: abstrakte Algebra: Gruppen- und Körpertheorie

Neues Thema: abstrakte Algebra: Gruppen- und Körpertheorie Neues Thema: abstrakte Algebra: Gruppen- und Körpertheorie Def. Eine Gruppe besteht aus einer nicht leeren Menge G und einer Abbildung : G G G (wir werden a b oder ab statt (a,b) schreiben; die Abbildung

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

Neues Thema: abstrakte Algebra: Gruppen- und Körpertheorie

Neues Thema: abstrakte Algebra: Gruppen- und Körpertheorie Neues Thema: abstrakte Algebra: Gruppen- und Körpertheorie Def. Eine Gruppe besteht aus einer nicht leeren Menge G und einer Abbildung : G G G (wir werden a b oder ab statt (a,b) schreiben; die Abbildung

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

Richie Gottschalk Lineare Algebra I Seite 1. a) Welche der folgenden Ringe sind kommutativ? Es gibt genau einen Unterraum W von V mit dim(w ) = n.

Richie Gottschalk Lineare Algebra I Seite 1. a) Welche der folgenden Ringe sind kommutativ? Es gibt genau einen Unterraum W von V mit dim(w ) = n. Richie Gottschalk Lineare Algebra I Seite Aufgabe Im Folgenden sind K immer ein Körper und V ein K-Vektorraum. a) Welche der folgenden Ringe sind kommutativ? K[x] K[x] ist per se ein kommutativer Polynomring.

Mehr

Mathematische Grundlagen der Computerlinguistik Lineare Algebra

Mathematische Grundlagen der Computerlinguistik Lineare Algebra Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 30 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen

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

Addition: ( 1 ; : : : ; n ) + ( 1 ; : : : ; n ) = ( ; : : : ; n + n ). Skalare Multiplikation: ( 1 ; : : : ; n ) = ( 1 ; : : : ; n ). II. Die Me

Addition: ( 1 ; : : : ; n ) + ( 1 ; : : : ; n ) = ( ; : : : ; n + n ). Skalare Multiplikation: ( 1 ; : : : ; n ) = ( 1 ; : : : ; n ). II. Die Me x 3 VEKTOR AUME In Kapitel 2 betrachteten wir wichtige Raume, die durch unsere Raumvorstellung motiviert waren { die zwei- und dreidimensionalen Raume R 2 und R 3. Jetzt untersuchen wir hoher dimensionale

Mehr

Kapitel 10 Komplexe Zahlen

Kapitel 10 Komplexe Zahlen Komplexe Zahlen Kapitel 10 Komplexe Zahlen Mathematischer Vorkurs TU Dortmund Seite 94 / 112 Komplexe Zahlen Die komplexen Zahlen entstehen aus den reellen Zahlen, indem eine neues Element i (in der Elektrotechnik

Mehr

11. Vorlesung. Lineare Algebra und Sphärische Geometrie.

11. Vorlesung. Lineare Algebra und Sphärische Geometrie. 11. Vorlesung. Lineare Algebra und Sphärische Geometrie. In dieser Vorlesung behandeln wir eine geometrische Anwendung der linearen Algebra. Insbesondere betrachten wir orthogonale Abbildungen. 1. Orthogonale

Mehr

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

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015 Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Körper, Ringe und Gruppen

TECHNISCHE UNIVERSITÄT MÜNCHEN. Körper, Ringe und Gruppen TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 2006/07 en Blatt 6 27.11.2006 Körper, Ringe und Gruppen Z13 Gruppen Seien GL

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

Übersicht Kapitel 9. Vektorräume

Übersicht Kapitel 9. Vektorräume Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten

Mehr

ist (oder besser Abspalten von Linearfaktoren beschäftigen. Zu einem beliebigen Körper K betrachten wir die Menge (j,k) N N j+k=n

ist (oder besser Abspalten von Linearfaktoren beschäftigen. Zu einem beliebigen Körper K betrachten wir die Menge (j,k) N N j+k=n 8. Polynomringe Das Umgehen mit Polynomen, d.h. mit Ausdrücken der Form a 0 + a 1 x + a 2 x 2 +... + a n x n ist aus der Schule vertraut, falls die Koeffizienten a 0,..., a n ganze oder rationale oder

Mehr

1 Liesche Gruppen: Grundlegendes und Beispiele

1 Liesche Gruppen: Grundlegendes und Beispiele 1 Liesche Gruppen: Grundlegendes und Beispiele In dieser Vorlesung verstehen wir unter einer differenzierbaren Mannigfaltigkeit einen Hausdorff- Raum mit abzählbarer Basis und mit einem maximalen C -Atlas.

Mehr

QUATERNIONEN. Ausarbeitung im Rahmen des Seminars Geometrie SS Technische Universität Dortmund Fakultät für Mathematik

QUATERNIONEN. Ausarbeitung im Rahmen des Seminars Geometrie SS Technische Universität Dortmund Fakultät für Mathematik Technische Universität Dortmund Fakultät für Mathematik QUATERNIONEN Ausarbeitung im Rahmen des Seminars Geometrie SS 211 Vorgelegt von: Ledoux, Tabea Bfp Mathematik (Kern) und Sportwissenschaft Matrikelnummer:

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch

Mehr

Algebraische Strukturen und Verbände

Algebraische Strukturen und Verbände KAPITEL 4 Algebraische Strukturen und Verbände Definition 4.1. Sei M eine Menge. Eine Abbildung : M M M nennt man eine (zweistellige) Verknüpfung in M. Man schreibt dafür auch a b := (a, b) mit a, b M.

Mehr

LIE GRUPPEN EMANUEL SCHEIDEGGER

LIE GRUPPEN EMANUEL SCHEIDEGGER LIE GRUPPEN EMANUEL SCHEIDEGGER Zusammenfassung. Definition einer Lie-Gruppe, Beispiele, invariante Vektorfelder, Lie-Klammer, Lie-Algebra (einer Lie-Gruppe), 1. Definition und erste Beispiele Wir beginnen

Mehr

Kapitel III. Lineare Abbildungen

Kapitel III. Lineare Abbildungen Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,

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

3 Lineare Algebra Vektorräume

3 Lineare Algebra Vektorräume 3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +

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

Lineare Algebra: Determinanten und Eigenwerte

Lineare Algebra: Determinanten und Eigenwerte : und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2 2

Mehr

1.4 Gruppen, Ringe, Körper

1.4 Gruppen, Ringe, Körper 14 Gruppen, Ringe, Körper Definition 141 Eine Verknüpfung auf einer Menge M ist eine Abbildung : M M M : (a,b) a b Die Verknüpfung heißt assoziativ falls a,b,c M gilt: a (b c) = (a b) c; kommutativ falls

Mehr

4 Vorlesung: 21.11. 2005 Matrix und Determinante

4 Vorlesung: 21.11. 2005 Matrix und Determinante 4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer

Mehr

Determinanten. I. Permutationen

Determinanten. I. Permutationen Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch

Mehr

KAPITEL 6. Algebra Gruppen

KAPITEL 6. Algebra Gruppen KAPITEL 6 Algebra 6.. Gruppen Bekannt sind die Kongruenzklassen, bijektive Abbildungen, Permutationen. Wir hatten in diesen Fällen eine Verknüpfung auf einer Menge. (Addition bzw. Multiplikation bei den

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

Lineare Algebra I für Mathematiker Lösungen

Lineare Algebra I für Mathematiker Lösungen Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation

Mehr

36 2 Lineare Algebra

36 2 Lineare Algebra 6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 12 Wege entstehen dadurch, dass man sie geht Franz Kafka Invertierbare Matrizen Definition 121 Es sei K ein

Mehr

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

Seminararbeit. Orthogonale Gruppen. Marvin K. Neugebauer. 15. Juli 2010 Seminararbeit Orthogonale Gruppen Marvin K Neugebauer 15 Juli 2010 Prof Dr Schwachhöfer Lehrstuhl für Differentialgeometrie Proseminar Lineare Algebra SS 2010 Dank an Rafael Kawka für die Hilfe bei der

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

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 1 (WS 2010/2011) Abgabetermin: Donnerstag, 21. Oktober.

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 1 (WS 2010/2011) Abgabetermin: Donnerstag, 21. Oktober. Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 1 (WS 2010/2011) Abgabetermin: Donnerstag, 21. Oktober http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen an die Vorlesung: Im Folgenden werden einige

Mehr

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch. Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

Mehr

Lineare Algebra Weihnachtszettel

Lineare Algebra Weihnachtszettel Lineare Algebra Weihnachtszettel 0..08 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet

Mehr

3 Determinanten, Eigenwerte, Normalformen

3 Determinanten, Eigenwerte, Normalformen Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses

Mehr

1 Algebraische Strukturen

1 Algebraische Strukturen 1 Algebraische Strukturen 1.1 Innere Verknüpfungen 1.1.1 Grundbegriffe und Beispiele In der Analysis wie auch in der linearen Algebra kommen verschiedene Arten von Rechenoperationen vor, bei denen man

Mehr

Wir lernen nun einen ganz wichtigen Ring kennen, den Polynomring: γ i = α j β k.

Wir lernen nun einen ganz wichtigen Ring kennen, den Polynomring: γ i = α j β k. 2.4 Polynomringe Wir lernen nun einen ganz wichtigen Ring kennen, den Polynomring: Definition 2.56. Sei R ein kommutativer Ring mit 1 (in den meisten Fällen wird R ein Körper sein). Wir betrachten die

Mehr

Lineare Algebra. Wintersemester 2017/2018. Skript zum Ferienkurs Tag Claudia Nagel Pablo Cova Fariña. Technische Universität München

Lineare Algebra. Wintersemester 2017/2018. Skript zum Ferienkurs Tag Claudia Nagel Pablo Cova Fariña. Technische Universität München Technische Universität München Wintersemester 2017/2018 Lineare Algebra Skript zum Ferienkurs Tag 1-21.3.2018 Claudia Nagel Pablo Cova Fariña Wir danken Herrn Prof. Kemper für seine Unterstützung bei der

Mehr

Universität 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. 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

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben

Mehr

8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet:

8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: 8. EIGENWERTTHEORIE I 139 8 Eigenwerttheorie I Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: K[x] = Abb[N, K] = {P ; P = a n x n + a n 1 x n 1 + + a 0 ; a

Mehr

Exponentialreihe von Matrizen

Exponentialreihe von Matrizen Exponentialreihe von Matrizen Seminar zur Vorlesung "Geometrie für Lehramt" Sommersemester 20 Dozent: Prof. Dr. Lorenz Schwachhöfer Fakultät für Mathematik der Technischen Universität Dortmund Name: Kerstin

Mehr

Lineare Abbildungen und Matrizen

Lineare Abbildungen und Matrizen Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume

Mehr

Hilfsblätter Lineare Algebra

Hilfsblätter Lineare Algebra Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,

Mehr

Mathematische Grundlagen der Computerlinguistik Lineare Algebra

Mathematische Grundlagen der Computerlinguistik Lineare Algebra Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 1 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen

Mehr