Der Tangentialraum im Einselement

Größe: px
Ab Seite anzeigen:

Download "Der Tangentialraum im Einselement"

Transkript

1 Technische Universität Dortmund Fakultät für Mathematik - Lehrstuhl VII Seminarvortrag Der Tangentialraum im Einselement Seminar Geometrie für Lehramt/Dierentialgeometrie I Dozent Prof. Dr. Lorenz Schwachhöfer Semester Sommersemester 2011 Referentin Ruth Böll Feldherrnstr Dortmund Ruthboell@web.de Matrikelnummer Studiengang Master Lehramt Gymnasium Mathematik (Komplementfach, 10. Fachsemester) Musik (Kernfach, 8. Fachsemester) 30. Juni 2011

2 Inhaltsverzeichnis 1 Einleitung 2 2 Kurven in GL(n, K) Denition Satz Der Tangentialraum im Einselement 4 4 Beispiele Der Tangentialraum an GL(n, R) bzw. GL(n, C) Bemerkung Der Tangentialraum an SL(n, R) bzw. SL(n, C) Bemerkung Der Tangentialraum an O(n) Der Tangentialraum an SO(n) Bemerkung Der Tangentialraum an U(n) Der Tangentialraum an SU(n) Bemerkung Der Tangentialraum an der Heisenberggruppe Bemerkung Fazit 11 6 Literatur 11 1

3 1 Einleitung In der folgenden Ausarbeitung wird der Tangentialraum im Einselemt an einer Untergruppe der Gruppe der allgemeinen linearen (n, n)-matrizen deniert und Beispiele dazu betrachtet. Um diesen Untervektorraum denieren zu können, werden zunächst Kurven in der allgemeinen linearen Gruppe deniert und Eigenschaften dieser Kurven aufgezeigt und bewiesen, wie die Produktregel und die Kettenregel. Anschlieÿend wird bewiesen, dass es sich bei dem Tangentialraum im Einselemt tatsächlich um einen Untervektorraum handelt. Im darauolgenden Abschnitt werden die Tangentialräume zu den folgenden Untergruppen bestimmt: SL(n, R) und SL(n, R), O(n) und SO(n), U(n) und SU(n) sowie zu der Heisenberggruppe H(3, R). 2

4 2 Kurven in GL(n, K) 2.1 Denition Kurve Eine Kurve in GL(n, K) ist eine dierenzierbare Abbildung A : I R M n,n (K),t A(t) a 11 (t) a 12 (t)... a 1n (t) A(t) =..... a n1 (t)... a nn (t) Für die Ableitung dieser Matrix gilt: a 11(t 0 ) a 12(t 0 )... a 1n(t 0 ) A (t 0 ) =..... t 0 K a n1(t 0 )... a nn(t 0 ) 2.2 Satz Für das Dierenzieren zusammengesetzter Kurven gelten die folgenden Ableitungsregeln: 1. Produktregel: (A(t) B(t)) = A (t) B(t) + A(t) B (t) 2. Kettenregel: A(f(t)) = f (t) A (f(t)) Beweis. Produktregel: Seien A(t), B(t) Kurven in GL(n, K). Dann gilt: a 11 (t) a 12 (t)... a 1n (t) b 11 (t) b 12 (t)... b 1n (t) (A(t) B(t)) = a n1 (t)... a nn (t) b n1 (t)... b nn (t) ( n ( n ) = a ik b kj) k=1 i,j=1...n ( n ) ( n ) = a ik b kj + a ik b kj k=1 i,j=1...n = = A (t) B(t) + A(t) B (t) k=1 k=1 a ik b kj + a ik b kj i,j=1...n i,j=1...n Kettenregel: Sei A eine Kurve in GL(n, K) und f : K K eine Funktion. Dann gilt: a 11 (f(t)) a 12 (f(t))... a 1n (f(t)) A(f(t)) =..... a n1 (f(t))... a nn (f(t)) = (a ij (f(t))) i,j=1...n = (f (t) a ij(f(t))) i,j=1...n = f (t) A (f(t)) 3

5 3 Der Tangentialraum im Einselement Denition Sei G eine Untergruppe von GL(n, K), und A : ( ɛ, ɛ) GL(n, K) eine dierenzierbare Kurve mit 1. A(t) G t ( ɛ, ɛ) 2. A(0) = E 3. A (0) = X Dann heiÿt X Tangentialvektor von G in E. Die Menge aller möglichen solchen Tangentialvektoren heiÿt heiÿt Tangentialraum T E G an G im Einselement. Behauptung: T E G ist ein Untervektorraum der Menge aller (n, n)-matrizen M (n,n) (R) Beweis. Die drei Untervektorraumkriterien sind zu zeigen: 1. T E G 2. X 1, X 2 T E G gilt X 1 + X 2 T E G (Abgeschlossenheit bzgl. Addition) 3. X T E G und a K,K Körper gilt ax T E G (Abgeschlossenheit bzgl. skalarer Multiplikation) Zu 1.: Wähle A(t) = E t. Dies ist möglich, da E das neutrale Element der Gruppe GL(n, K) ist und somit auch in jeder Untergruppe enthalten sein muss. Da es sich hierbei um eine konstante Abbildung handelt, gilt A (t) =..... t, insbesonder für t = 0. Daher gilt A (0) = Somit ist die Nullmatrix in T E G enthalten, T E G ist demnach nicht leer. Zu 2.: Wähle X 1, X 2 T E G. Dann existieren Kurven A 1, A 2 in GL(n, K)mit A 1 (t) G t ( ɛ 1, ɛ 1 ), A 1 (t) G t ( ɛ 2, ɛ 2 ), A 1 (0) = A 2 (0) = E und A 1(O) = X 1, A 2(0) = X 2. X 1 + X 2 = A 1(0) + A 2(0) = A 1(0) E + E A 2(0) = A 1(0) A 2 (0) + A 1 (0) A 2(0) = d dt (A 1 (t) A 2 (t)). Also ist die Summe der Tangentialvektoren X 1 + X 2 der Tangentialvektor der Kurve A(t) = A 1 (t) A 2 (t). Nun bleibt noch zu zeigen, dass diese Kurve auch die Eigenschaften 1. und 2 der Denition erfüllt. 4

6 A(t) ist ein Element der Untergruppe G t ( ɛ 3, ɛ 3 ) mit ɛ 3 ɛ 1 und ɛ 3 ɛ 2 da die Untergruppe bzgl. der Multiplikation abgeschlossen ist, also ist 1. erfüllt. 2. ist ebenfalls erfüllt, da A(0) = A 1 (0) A 2 (0) = E E = E Zu 3.: Wähle X T E G. Dann existiert eine Kurve A in GL(n, K) mit A(t) G t ( ɛ, ɛ),a(0) = E und A (0) = X. Sei a K. a X = a A (0) = d dt (A(at)) Also ist die ax der Tangentialvektor der Kurve ˆ A(t) = A(at). Nun bleibt noch zu zeigen, dass diese Kurve auch die Eigenschaften 1. und 2 der Denition erfüllt. A(t) ˆ ist ein Element der Untergruppe G, da die Kurve t ( ɛ, ɛ ) in G liegt. a a 2. ist ebenfalls erfüllt, da ˆ A(0) = A(a0) = A(0) = E 5

7 4 Beispiele 4.1 Der Tangentialraum an GL(n, R) bzw. GL(n, C) Jede reelle bzw. komplexen (n, n)-matrix X, tritt als Ableitung einer Kurve A(t) = E +tx auf. A(t) erfüllt dabei die drei Eigenschaften aus der Denition: A(0) = E + 0X = E,A (0) = X und A(t) GL(n, K) t ( ɛ, ɛ), da det(a(0)) = det(e) = 1 und daher aus der Stetigkeit der Determinantenfunktion folgt, dass es eine Epsilon-Umgebung gibt in der det(a(t)) 0. gl(n, R) = M (n,n) (R). gl(n, C) = M (n,n) (C) Bemerkung gl(n, K) ist zudem abgeschlossen gegen die Matrizenmultiplikation, also auch gegen beliebige Potenzen. Dies ist aber bei dem Tangentialraum an einer Untergruppe im Allgemeinen nicht mahr der Fall. 4.2 Der Tangentialraum an SL(n, R) bzw. SL(n, C) Sei A(t) SL(n, R) mit A(0) = E A(t) SL(n, R) det(a(t)) = 1 t d det(a(t)) = 0 t (1) dt A(0) = E a ij = { 0 für i j 1 für i = j (2) Dann gilt: n k=1 k i 0 (1) = d dt det(a(t)) (Leibniz) = d dt sign(σ)a 1σ(1) (t)... a nσ(n) (t) (P roduktregel) = σ a kσ(k) (0) 0 (2) σ(k) = k k i σ(i) = i σ = id = = σ sign(σ)( n a ii (0) i=1 n k=1 k i n a iσ(i) (0) i=1 a kk (0) } {{ } =1 n a ii (0) = spur(a (0)) i=1 n k=1 k i a kσ(k) (0)) Also ist der Tangentialraum in der Menge aller (n, n)-matrizen X mit spurx = 0 enthalten. Ist aber auch jedes Element aus dieser Menge der Tangentialvektor einer Kurve A(t) SL(n, K)? 6

8 Um das zu überprüfen wählen wir eine Kurve, deren Tangentialvektor in der Menge aller (n, n)- Matrizen X mit spurx = 0 enthalten ist und testen, ob diese Kurve in SL(n, K) liegt. Sei X M (n,n) (R) mit spurx = 0. Wähle als Kurve A(t) = exp(tx).(bietet sich an, da A(t) = exp(tx) eine dierenzierbare Kurve in GL(n, C) mit A(0) = E und d dt A(t) = d exp(tx) = X deniert, also zwei der geforderten Eigenschaften der Denition erfüllt) dt det(a(t)) = det(exp(tx)) = e spur(tx) = e tspurx = e t0 = e 0 = 1 Da für die Kurve det(a(t)) = 1 gilt, ist sie in der Gruppe der speziellen linearen Matrizen enthalten. Die Tangentialräume sehen also wie folgt aus: sl(n, R) = {X gl(n, R) spurx = 0}. sl(n, C) = {X gl(n, C) spurx = 0} Bemerkung sl(n, R) bzw. sl(n, C) ( sind im) Allgemeinen nicht abgeschlossen bzgl. Matrizenmultiplikation. 1 0 Gegenbeispiel: A = sl(2, R) bzw. sl(2, C),A = E / sl(2, R) bzw. sl(2, C) 4.3 Der Tangentialraum an O(n) Sei A(t) O(n) mit A(0) = E A(t) O(n) A(t) (A(t)) T = E t Dann gilt: d dt (A(t) (A(t))T ) = O t, insbesondere t = 0 (3) = d dt (A(t) (A(t)) T ) 0 (3) (P roduktregel) = A (0) A(0) T + A(0) A (0) T (n.v ) = A (0) E T + E A (0) T = A (0) + A (0) T Also ist der Tangentialraum in der Menge aller schiefsymmetrischen (n, n)-matrizen enthalten. Ist aber auch jedes Element aus dieser Menge der Tangentialvektor einer Kurve A(t) O(n)? Um das zu überprüfen wählen wir eine Kurve, deren Tangentialvektor in der Menge aller schiefsymmetrischen (n, n)-matrizen enthalten ist und testen, ob diese Kurve in O(n) liegt. Sei X M (n,n) (R) mit X + X T = 0. Wähle als Kurve A(t) = exp(tx). (s.o). Vorüberlegung: Wenn X schiefsymmetrisch, also X = X T, dann gilt: X X T = X T X T = X T X T = X T X (4) A(t) (A(t)) T = exp(tx) exp(tx) T = exp(tx) exp(tx T ) (4) = exp(tx + tx T ) = exp(t(x + X T )) = exp(0) = E Da für die Kurve A(t) (A(t)) T = E gilt, ist sie in der Gruppe der orthogonalen (n, n)-matrizen enthalten. 7

9 4.4 Der Tangentialraum an SO(n) Nach Denition ist SO(n) = O(n) SL(n, R). Daraus folgt, dass der Tangentialraum von SO(n) die Eigenschaften der Tangentialräume von O(n) und SL(n, R) aufweisen muss, also Schiefsymmetrie und spurx = 0.Es ist jedoch leicht zu zeigen, dass aus Schiefsymmetrie spurx = O folgt: schiefsymmetrisch x ij = x ji, x ii = x ii 2x ii = 0 x ii = 0 i = 1,... n n spurx = x ii = = 0 i=1 Also haben O(n) und SO(n) den selben Tangentialraum. so(n) = {X gl(n, R) X + X t = 0} Bemerkung so(n) ist im Allgemeinen ( nicht ) abgeschlossen bzgl. Matrizenmultiplikation. 0 1 Gegenbeispiel: A = so(2, ),A = E / so(2, ). 4.5 Der Tangentialraum an U(n) Sei A(t) U(n) mit A(0) = E A(t) U(n) A(t) (A(t)) T = E t Dann gilt: d dt (A(t) (A(t))T ) = O t, insbesondere t = 0 (5) = d dt (A(t) (A(t)) T ) 0 (5) (P roduktregel) = A (0) A(0) T + A(0) A (0) T (n.v ) = A (0) E T + E A (0) T = A (0) + A (0) T Also ist der Tangentialraum in der Menge aller hermiteschen (n, n)-matrizen enthalten. Ist aber auch jedes Element aus dieser Menge der Tangentialvektor einer Kurve A(t) U(n)? Um das zu überprüfen wählen wir eine Kurve, deren Tangentialvektor in der Menge aller hermiteschen (n, n)-matrizen enthalten ist und testen, ob diese Kurve in U(n) liegt. Sei X M (n,n) (R) mit X + X T = 0. Wähle als Kurve A(t) = exp(tx). (s.o). Vorüberlegung: Wenn X hermitesch ist, also X = X T, dann gilt: X X T = X T X T = X T X T = X T X (6) 8

10 A(t) (A(t)) T = exp(tx) exp(tx) T = exp(tx) exp(tx T ) (6) = exp(tx + tx T ) = exp(t(x + X T )) = exp(0) = E Da für die Kurve A(t) (A(t)) T = E gilt, ist sie in der Gruppe der unitären Matrizen enthalten. Der Tangentialraum sieht also wie folgt aus: u(n) = {X gl(n, C) X + X T = 0}. 4.6 Der Tangentialraum an SU(n) Nach Denition ist SU(n) = U(n) SL(n, C). Daraus folgt, dass der Tangentialraum von SU(n) die Eigenschaften der Tangentialräume von O(n) und SL(n, R) aufweisen muss, also aus hermiteschen Matrizen X mit spurx = 0 besteht. Anders als im reellen Fall, wo aus X schiefsymmetrisch direkt spurx = 0 folgt, folgt im Allgemeinen aus X hermitesch nicht spurx = 0: hermitesch x ij = x ji, x ii = x ii a + b i = (a b i) da x ii C a + b i = a + b i b i = b i für a = 0 Demnach können bei hermiteschen Matrizen auch komplexe Einträge 0 auf der Diagonalen vorkommen, die spurx ist also nicht automatisch 0. Also sieht der Tangentialraum wie folgt aus: su(n) = {X gl(n, C) X + X T = 0, spurx = 0} Bemerkung u(n) und su(n) sind im Allgemeinen nicht abgeschlossen bzgl. Matrizenmultiplikation. Gegenbeispiel: siehe Bemerkung zu so(n). 9

11 4.7 Der Tangentialraum an der Heisenberggruppe 1 a(t) b(t) A(t) H(3, R) A(t) = 0 1 c(t) a (t) b (t) A (t) = 0 0 c (t) 0 a (0) b (0) A (0) = 0 0 c (0) Also sieht der Tangentialraum wie folgt aus: 0 a b h(3, R) = {X gl(3, R) 0 0 c a, b, c R} Bemerkung h(3, R) ist abgeschlossen bzgl. Matrizenmultiplikation: 0 a 1 b 1 0 a 2 b a 1 c 2 Wähle A 1 = 0 0 c 1 und A 2 = 0 0 c 2 h(3, R). A 1 A 2 = h(3, R) 10

12 5 Fazit Der Tangentialraum an einer Untergruppe der allgemeinen linearen Matrizen im Einselement ist ein Untervektorraum. Analog zu dem Tangentialraum an einer Fläche aus dem R 3 in einem Punkt p besteht er aus den Tangentialvektoren von Kurven, die in einer ɛ -Umgebung in der Untergruppe enthalten sind. Es lässt sich festhalten, dass sich die Kurve A(t) = exp(tx) als solch eine Kurve anbietet. In dieser Ausarbeitung wurden die Tangentialräume zu verschiedenen Untergruppen der allgemeinen linearen Gruppe bestimmt. Zusammengefasst kommt man zu folgendem Ergebnis: Gruppe Tangentialraum GL(n, R) gl(n, R) = M (n,n) (R) GL(n, C) gl(n, C) = M (n,n) (C) SL(n, R) sl(n, R) = {X gl(n, R) spurx = 0} SL(n, C) sl(n, C) = {X gl(n, C) spurx = 0} O(n) so(n) = {X gl(n, R) X + X t = 0} SO(n) so(n) U(n) u(n) = {X gl(n, C) X + X T = 0} SU(n) su(n) = {X gl(n, C) X + X T = 0, spurx = 0} 0 a b H(3, R) h(3, R) = {X gl(3, R) 0 0 c a, b, c R} 6 Literatur Kühnel, Wolfgang: Matrizen und Lie-Gruppen. Wiesbaden

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

Seminar zur Vorlesung Geometrie für Lehramt Sommersemester 2011:

Seminar zur Vorlesung Geometrie für Lehramt Sommersemester 2011: Technische Universität Dortmund Fakultät für Mathematik Lehrstuhl VII:Dierentialgeometrie Seminar zur Vorlesung Geometrie für Lehramt Sommersemester 2011: Prof. Lorenz Schwachhöfer Matrizengruppe über

Mehr

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

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

Leitfaden Lineare Algebra: Determinanten

Leitfaden Lineare Algebra: Determinanten Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv

Mehr

Lie Gruppen, SS 2010 Montag $Id: intro.tex,v /04/13 16:06:37 hk Exp hk $ Es wird etwas dauern bis wir in der Lage sind zu sagen was

Lie Gruppen, SS 2010 Montag $Id: intro.tex,v /04/13 16:06:37 hk Exp hk $ Es wird etwas dauern bis wir in der Lage sind zu sagen was $Id: intro.tex,v 1.3 2010/04/13 16:06:37 hk Exp hk $ 1 Einleitung Es wird etwas dauern bis wir in der Lage sind zu sagen was Lie Gruppen eigentlich sind. Dagegen ist es sehr wohl möglich bereits einige

Mehr

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

Spezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden: Inverse Matritzen Spezialfall: Die Gleichung ax b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a a 1 gelöst werden: ax b x b a a 1 b. Verallgemeinerung auf Ax b mit einer n nmatrix A: Wenn es

Mehr

7 Die Determinante einer Matrix

7 Die Determinante einer Matrix 7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =

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

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

Topologische Räume und stetige Abbildungen Teil 2

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

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

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

Lösungsvorschlag zu den Hausaufgaben der 8. Übung

Lösungsvorschlag zu den Hausaufgaben der 8. Übung FAKULTÄT FÜR MATHEMATIK Prof Dr Patrizio Ne Frank Osterbrink Johannes Lankeit 9503 Lösungsvorschlag zu den Hausaufgaben der 8 Übung Hausaufgabe : Beweise den Satz über die Parallelogrammgleichung Sei H

Mehr

Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla

Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Sätze über Konvexität von Kapitel 4.7 bis 4.10 Theorem 4.7-1. Sei U ein konvexer Unterraum eines normierten Vektorraums. Dann

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer. Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen

Mehr

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

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

Mehr

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

V DETERMINANTEN In diesem Kapitel entwickeln wir die Theorie der Determinanten Die folgenden Beispiele sollen die Einfuhrung dieses Begries motivieren SKRIPTUM { LINEARE ALGEBRA II JB COOPER Inhaltsverzeichnis: x Determinanten x Eigenwerte x Euklidische Raume x8 Dualitat, Tensorprodukte, Alternierende Formen Anhang: ) Mengen, Abbildungen ) Gruppen )

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9

Mehr

Lineare Abhängigkeit

Lineare Abhängigkeit Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x

Mehr

3 Vektorbündel und das Tangentialbündel

3 Vektorbündel und das Tangentialbündel $Id: vektor.tex,v 1.6 2014/06/30 10:20:57 hk Ex $ $Id: fluss.tex,v 1.2 2014/06/30 12:36:06 hk Ex hk $ 3 Vektorbündel und das Tangentialbündel 3.4 Ableitungen von C q -Funktionen In der letzten Sitzung

Mehr

2. Repräsentationen von Graphen in Computern

2. Repräsentationen von Graphen in Computern 2. Repräsentationen von Graphen in Computern Kapitelinhalt 2. Repräsentationen von Graphen in Computern Matrizen- und Listendarstellung von Graphen Berechnung der Anzahl der verschiedenen Kantenzüge zwischen

Mehr

Lineare Algebra I Klausur. Klausur - Musterlösung

Lineare Algebra I Klausur. Klausur - Musterlösung Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra I Klausur Klausur - Musterlösung 20. Februar 203 Aufgabe - Lösung Aussage wahr falsch (Z, +, 0) ist eine abelsche Gruppe. Der Ring Z/24Z ist nullteilerfrei.

Mehr

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern

Mehr

Mathematik für Informatiker II Übungsblatt 7

Mathematik für Informatiker II Übungsblatt 7 Mathematik für Informatiker II Übungsblatt 7 Vincent Blaskowitz Übungsblatt 7 vom 03.06.20 Aufgabe Aufgabenstellung Berechnen Sie die folgenden Logarithmen ohne Taschenrechner: i log 0,008 ii log 2 Lösung

Mehr

ε δ Definition der Stetigkeit.

ε δ Definition der Stetigkeit. ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x

Mehr

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

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter

Mehr

Gewöhnliche Dierentialgleichungen

Gewöhnliche Dierentialgleichungen Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume

Mehr

Lösungen zu Aufgabenblatt 7P

Lösungen zu Aufgabenblatt 7P Analysis Prof. Dr. Peter Becker Fachbereich Informatik Sommersemester 205 9. Mai 205 Lösungen zu Aufgabenblatt 7P Aufgabe (Stetigkeit) (a) Für welche a, b R sind die folgenden Funktionen stetig in x 0

Mehr

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

Elemente von S n = Aut([1, n]) heißen Permutationen. Spezielle Permutationen sind Transpositionen und Zyklen. (Vergl. Skript S Begriffe Faser: Es sei f : M N eine Abbildung von Mengen. Es sei n N. Die Menge f 1 ({n}) M nennt man die Faser in n. (Skript Seite 119). Parallel: Zwei Vektoren v und w heißen parallel, wenn für einen

Mehr

Lineare Algebra. Teil III. Inhaltsangabe

Lineare Algebra. Teil III. Inhaltsangabe Teil III Lineare Algebra Inhaltsangabe 3 Lineare Algebra 22 3.1 Einführung.......................... 22 3.2 Matrizen und Vektoren.................... 23 3.3 Spezielle Matrizen...................... 24

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

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

8 Lineare Abbildungen

8 Lineare Abbildungen 80 8 Lineare Abbildungen In diesem Kapitel untersuchen wir lineare Abbildungen von R n nach R m wie zum Beispiel Spiegelungen, Drehungen, Streckungen und Orthogonalprojektionen in R 2 und R 3 Man nennt

Mehr

Stetige Funktionen, Binomischer Lehrsatz

Stetige Funktionen, Binomischer Lehrsatz Vorlesung 13 Stetige Funktionen, Binomischer Lehrsatz 13.1 Funktionenfolgen Wir verbinden nun den Grenzwertbegriff mit dem Funktionsbegriff. Es seien (a n ) n N eine reelle Folge und f : R R eine Funktion.

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

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare Algebra 1. Roger Burkhardt Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 Roger Burkhardt roger.burkhardt@fhnw.ch

Mehr

Kapitel 17. Determinanten

Kapitel 17. Determinanten Kapitel 17. Determinanten Vorschau: Determinanten Es gibt drei Problemfelder, für die Determinanten von großem Nutzen sind: die formelmäßige Überprüfung der linearen Unabhängigkeit eines Systems von n

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar. http://www.math.uni-bielefeld.

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar. http://www.math.uni-bielefeld. Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 11 (WS 2010/2011) Abgabetermin: Donnerstag, 20. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung:

Mehr

74 Gewöhnliche Differentialgleichungen / Sommersemester 2008

74 Gewöhnliche Differentialgleichungen / Sommersemester 2008 74 Gewöhnliche Differentialgleichungen / Sommersemester 2008 15 Flüsse Bisher wurde im wesentlichen die Abhängigkeit der Lösungen autonomer Systeme von der Zeit bei festem Anfangswert untersucht. Nun wird

Mehr

Algorithmus zur Berechnung der Jordannormalform

Algorithmus zur Berechnung der Jordannormalform Algorithmus zur Berechnung der Jordannormalform Olivier Sète 19. Januar 2011 Inhaltsverzeichnis 1 Motivation 1 2 Algorithmus Wie und warum funktioniert das? 2 2.1 Zutat 1 Für einen Jordanblock.........................

Mehr

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

Mathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11 Mathematik für Wirtschaftswissenschaftler, WS / Musterlösungen zu Aufgabenblatt Aufgabe 76: Bestimmen Sie mittels Gauß-Elimination die allgemeine Lösung der folgenden linearen Gleichungssysteme Ax b: a)

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

Taylorentwicklung von Funktionen einer Veränderlichen

Taylorentwicklung von Funktionen einer Veränderlichen Taylorentwicklung von Funktionen einer Veränderlichen 17. Januar 2013 KAPITEL 1. MATHEMATISCHE GRUNDLAGEN 1 Kapitel 1 Mathematische Grundlagen 1.1 Stetigkeit, Differenzierbarkeit und C n -Funktionen Der

Mehr

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3

Mehr

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1 Aufgabe. Bestimmen Sie das Exponential expa) der Matrix ) 5 6 A = Mat, R). 4. Wir bestimmen das charakterische Polynom f A t) = t t = t )t + ). ). Eigenvektor zu EW ist v = ). Eigenvektor zu EW ist v =

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008

KLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008 KLAUSUR ZUR LINEAREN ALGEBRA I. Februar 008 MUSTERLÖSUNG Diese Klausur wurde je nach Sitzreihe in zwei verschiedenen Versionen geschrieben. Die andere Version unterscheidet sich von der vorliegenden jedoch

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

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.

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

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH ) Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

2 Euklidische Vektorräume

2 Euklidische Vektorräume Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,

Mehr

Einführung in die Numerik strukturerhaltender Zeitintegratoren. Leonard Schlag 6. Dezember 2010

Einführung in die Numerik strukturerhaltender Zeitintegratoren. Leonard Schlag 6. Dezember 2010 Einführung in die Numerik strukturerhaltender Zeitintegratoren Leonard Schlag 6. Dezember 2010 1 Inhaltsverzeichnis 1 Einführung in die Numerik strukturerhaltender Zeitintegratoren 3 1.1 Häuge Problemstellung:

Mehr

3.3 Klassifikation quadratischer Formen auf R n

3.3 Klassifikation quadratischer Formen auf R n 3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen

Mehr

Kapitel V. Determinanten

Kapitel V. Determinanten Kapitel V. Determinanten Inhalt: 16. Definition und Eigenschaften der Determinante 17. Anwendung auf lineare Gleichungssysteme 18. Determinante eines Endomorphismus Lineare Algebra, Teil I 28. Januar 2011

Mehr

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

Lineare Gleichungssysteme (Teschl/Teschl 11.1) Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Mathematik I Internationales Wirtschaftsingenieurwesen

Mathematik I Internationales Wirtschaftsingenieurwesen Mathematik I Internationales Wirtschaftsingenieurwesen Integralrechnung 03.12.08 Das unbestimmte Integral/Stammfunktion Das bestimmte Integral/Flächenberechnung Integral als Umkehrung der Ableitung Idee:

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

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

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2. Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar

Mehr

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

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen) Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung

Mehr

Mathematik für Wirtschaftswissenschaftler

Mathematik für Wirtschaftswissenschaftler Knut Sydsaeter Peter HammondJ Mathematik für Wirtschaftswissenschaftler Basiswissen mit Praxisbezug 2., aktualisierte Auflage Inhaltsverzeichnis Vorwort 13 Vorwort zur zweiten Auflage 19 Kapitel 1 Einführung,

Mehr

Stetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543

Stetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543 Kapitel 4 Stetigkeit Peter Becker (H-BRS) Analysis Sommersemester 2016 254 / 543 Inhalt Inhalt 4 Stetigkeit Eigenschaften stetiger Funktionen Funktionenfolgen und gleichmäßige Konvergenz Umkehrfunktionen

Mehr

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.) 3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten

Mehr

A Matrix-Algebra. A.1 Definition und elementare Operationen

A Matrix-Algebra. A.1 Definition und elementare Operationen A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne

Mehr

entspricht der Länge des Vektorpfeils. Im R 2 : x =

entspricht der Länge des Vektorpfeils. Im R 2 : x = Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.

Mehr

Lineare Algebra II 5. Übungsblatt

Lineare Algebra II 5. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,

Mehr

Die Exponentialfunktion. exp(x)

Die Exponentialfunktion. exp(x) Die Exponentialfunktion exp(x) Wir erinnern: Ist f : R R eine glatte Funktion, dann bezeichnet f (x) die Steigung von f im Punkt x. f (x) x x 0 x Wie sehen Funktionen aus mit 3 2 f f (x) = f(x) -3-2 -1

Mehr

1 Eingebettete Untermannigfaltigkeiten des R d

1 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

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel VI. Euklidische Geometrie Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und

Mehr

35 Stetige lineare Abbildungen

35 Stetige lineare Abbildungen 171 35 Stetige lineare Abbildungen Lernziele: Konzepte: Lineare Operatoren und ihre Normen Resultate: Abschätzungen für Matrizennormen Kompetenzen: Abschätzung von Operatornormen 35.1 Lineare Abbildungen.

Mehr

2. Schriftliche Leistungskontrolle (EK)

2. Schriftliche Leistungskontrolle (EK) TheGI 1: Grundlagen und algebraische Strukturen Prof. Dr.-Ing. Uwe Nestmann - 10. Februar 2009 2. Schriftliche Leistungskontrolle (EK) Punktzahl In dieser schriftlichen Leistungskontrolle sind 100 Punkte

Mehr

Kapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3

Kapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3 Kapitel 5 Untermannigfaltigkeiten 5.1 Glatte Flächen in R 3 Bisher haben wir unter einem glatten Weg im R n stets eine differenzierbare Abbildung γ:i R n, definiert auf einem Intervall I R, verstanden.

Mehr

Per Jensen VORLESUNGSSKRIPT MATHEMATIK B FÜR CHEMIKER

Per Jensen VORLESUNGSSKRIPT MATHEMATIK B FÜR CHEMIKER Per Jensen VORLESUNGSSKRIPT MATHEMATIK B FÜR CHEMIKER BERGISCHE UNIVERSITÄT WUPPERTAL THEORETISCHE CHEMIE Juli 2008 Inhaltsverzeichnis 1 Komplexe Zahlen............................. 5 1.1 Einführung............................

Mehr

Matrizen und Determinanten

Matrizen und Determinanten Matrizen und Determinanten 1 Matrizen und Determinanten 1 Einführung in den Matrizenbegriff Zur Beschreibung und Lösung vieler physikalischer Probleme ist die Vektorrechnung vonnöten Durch Verwendung von

Mehr

Der Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also

Der Abschluss D ist die Menge, die durch Hinzunahme der Intervallränder entsteht, in den obigen Beispielen also Festlegung Definitionsbereich 11.1 Festlegung Definitionsbereich Festlegung: Wir betrachten Funktionen f : D Ñ R, deren Definitionsbereich eine endliche Vereinigung von Intervallen ist, also z.b. D ra,

Mehr

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba.

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba. Die Eindeutigkeit nach Satz 3 ergibt schließlich (5). (6) folgt aus (2) und () wegen Aussage (7) ergibt sich aus () und (6). 0 = log b = log b ( a a) = log b a +log ba. 3 Reihen 3. Konvergenz und Divergenz

Mehr

2 Rationale und reelle Zahlen

2 Rationale und reelle Zahlen 2 reelle Es gibt Mathematik mit Grenzwert (Analysis) und Mathematik ohne Grenzwert (z.b Algebra). Grenzwerte existieren sicher nur dann, wenn der Zahlbereich vollständig ist, also keine Lücken aufweist

Mehr

Vektorgeometrie Layout: Tibor Stolz

Vektorgeometrie Layout: Tibor Stolz Hanspeter Horlacher Vektorgeometrie Layout: Tibor Stolz 1. Einführung Eine Grösse, zu deren Festlegung ausser einer Zahl auch noch die Angabe einer Richtung nötig ist, heisst VEKTOR. P 2 P 1 P 1 P 2 P

Mehr

Musterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.2012

Musterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.2012 Musterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.0 Aufgabe : Entscheiden Sie in dieser Aufgabe, ob die Aussagen wahr oder falsch sind. Begründungen sind nicht erforderlich. Ein korrekt gesetztes

Mehr

Kausalität. Seminar zur Lorentz Geometrie. Jonas Haferkamp 9. Juni 2016

Kausalität. Seminar zur Lorentz Geometrie. Jonas Haferkamp 9. Juni 2016 Kausalität Seminar zur Lorentz Geometrie Jonas Haferkamp 9. Juni 2016 1 Einleitung Kausalität ist das Prinzip von Ursache und Wirkung. Um dieses Konzept zu formalisieren, ist offenbar ein sinnvoller Zeitbegriff

Mehr

Kap 5: Rang, Koordinatentransformationen

Kap 5: Rang, Koordinatentransformationen Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

Homogenität Assoziativgesetz A (B 1 + B 2 ) = A B 1 + A B 2 Distributivgesetz 1 (A 1 + A 2 ) B = A 1 B + A 2 B Distributivgesetz 2

Homogenität Assoziativgesetz A (B 1 + B 2 ) = A B 1 + A B 2 Distributivgesetz 1 (A 1 + A 2 ) B = A 1 B + A 2 B Distributivgesetz 2 1. Formatbedingungen der Matrixoperationen Die Addition (Subtraktion) A ± B verlangt gleiches Format der Operanden A und B. Das Ergebnis hat das Format der Operanden. Skalarmultiplikation λa: Es gibt keine

Mehr

Die Lineare Algebra-Methode. Mahir Kilic

Die Lineare Algebra-Methode. Mahir Kilic Die Lineare Algebra-Methode Mahir Kilic 23. Juni 2004 1 Einführung 1.1 Überblick Im Allgemein benutzt man die Lineare Algebra-Methode in der Kombinatorik wie folgt: Für die Bestimmung einer Obergrenze

Mehr

1.9 Eigenwerte und Eigenvektoren

1.9 Eigenwerte und Eigenvektoren .9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme KAPITEL 2 Lineare Gleichungssysteme Lernziele dieses Abschnitts sind: Begrie: Matrix, Vektor spezielle Matrix, transponierte Matrix, inverse Matrix nur fur quadratische Matrizen erklart, Determinante,

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus:

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Simulation einer mündlichen Prüfung (Analysis schriftl., affine Geometrie / lineare Algebra mündl.) Das komplette Material finden

Mehr

Mathematik II Frühjahrssemester 2013

Mathematik II Frühjahrssemester 2013 Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 73 Ergänzungen Prof Dr Erich Walter Farkas Mathematik I+II, 73 Ergänzungen 1 / 17 1 Reguläre Matrizen Prof Dr

Mehr