7 Hyperflächen 2. Ordnung

Größe: px
Ab Seite anzeigen:

Download "7 Hyperflächen 2. Ordnung"

Transkript

1 7 HYPERFLÄCHEN. ORDNUNG 1 1. Juni Hyperflächen. Ordnung Vorspann: Selbstadjungierte Endomorphismen Beobachtung. Wir betrachten die Vektorräume R n und R m, beide versehen mit dem kanonische Skalarprodukt, sowie eine lineare Abbildung R n R m, beschrieben durch Matrix A R m,n. Für alle u R n und w R m gilt dann < Au, w >=< u, A t w >. Definitionen. 1. Es seien U und W euklidische Vektorräume und F L(U, W ). Eine lineare Abbildung G L(W, U) heißt adjungiert zu F, wenn für alle u U und w W gilt < F (u), w >=< u, G(w) >.. Es sei V ein euklidischer Vektorraum. Ein Endomorphismus F von V heißt selbstadjungiert, wenn für alle u, w V gilt: < F (u), w >=< u, F (w) >. Satz. Es seien V ein euklidischer Vektorraum, F ein Endomorphismus von V und A eine darstellende Matrix von F bezüglich einer Orthonormalbasis. Dann gilt: F selbstadjungiert A symmetrisch, das heißt, A = A t. Beweis. Es seien dim V = n, A = (α ij ) und A = {v 1, v,..., v n } eine zugehörige Orthonormalbasis. Damit gilt F (v j ) = α kj v k. Insbesondere haben wir: < F (v j ), v i > = α ij, < v j, F (v i ) > = α ji. : Wir berechnen α ij = α kj < v k, v i >=< F (v j ), v i >=< v j, F (v i ) >= α ki < v j, v k >= α ji. : Wir betrachten u = n j=1 λ jv j, w = n i=1 µ iv i und berechnen: < F (u), w >= λ j µ i v j < F (v j ), v i >= λ j µ i v j α ij = = i,j=1 λ j µ i v j α ji = i,j=1 i,j=1 λ j µ i v j < v j, F (v i ) >=< u, F (w) >. i,j=1

2 7 HYPERFLÄCHEN. ORDNUNG Satz. Zu jedem selbstadjungierten Endomorphismus eines euklidischen Vektorraumes gibt es eine Orthonormalbasis aus Eigenvektoren. Folgerungen. 1. Jeder selbstadjungierte Endomorphismus eines euklidischen Vektorraumes ist diagonalisierbar.. Jede symmetrische reelle Matrix ist ähnlich zu einer Diagonalmatrix, wobei die Transformationsmatrix orthogonal gewählt werden kann. Lemma. Jeder selbstadjungierte Endomorphismus eines euklidischen Vektorraumes ungleich 0 besitzt einen Eigenvektor. Beweis. Es seien V ein euklidischer Vektorraum, F ein selbstadjungierter Endomorphismus von V und A R n,n eine darstellende Matrix von F bezüglich einer Orthonormalbasis. Da F nach Voraussetzung selbstadjungiert ist, ist A symmetrisch. Die Abbildung F besitzt einen Eigenvektor, wenn sie einen Eigenwert besitzt. Da die Eigenwerte von F und A übereinstimmen, genügt es zu zeigen, dass die Matrix A einen Eigenwert besitzt. Dazu fassen wir A als komplexe Matrix auf, A C n,n. Über C zerfällt das charakteristische Polynom von A in Linearfaktoren. Also finden wir einen Eigenwert λ = µ + iν und einen Eigenvektor v = u + iw 0 mit u, w R n. Wir berechnen zunächst: also Au + iaw = Av = λv = µu νw + i(µw + νu), Aus der Symmetrie von A folgt nun noch das heißt, Au = µu νw, Aw = µw + νu. µ < u, w > ν < w, w >=< µu νw w >=< Au, w >= =< u, Aw >=< u, µw + νu >= µ < u, w > +ν < u, u >, ν(< u, u > + < w, w >) = 0. Wegen v 0 ist damit ν = 0, also λ = µ R. Damit ist λ ein reeller Eigenwert der Matrix A. Beweis des Satzes durch Induktion nach n = dim V. Im Fall n = 1 ist jeder Vektor ungleich 0 Eigenvektor, und damit bildet jeder Einheitsvektor eine Orthonormalbasis aus Eigenvektoren. Schluss von n auf n + 1: Es seien V ein euklidischer Vektorraum mit dim V = n + 1 und F ein selbstadjungierter Endomorphismus von V. Mit Hilfe des Lemmas finden wir einen Eigenvektor v 0 von V, den wir normieren können; das heißt, wir können ohne wesentliche Einschränkung v 0 = 1 annehmen. Es sei λ der zugehörige Eigenwert. Nun setzen wir U = v 0 und berechnen für u U, F (u) = µv 0 + w mit µ R und w U: µ =< µv 0 + w, v 0 >=< F (u), v 0 >=< u, F (v 0 ) >= λ < u, v 0 >= 0,

3 7 HYPERFLÄCHEN. ORDNUNG 3 das heißt: F (u) = w U. Also induziert F einen selbstadjungierten Endomorphismus F von U, wobei U ein euklidischer Vektorraum mit dim U = V ist. Nach Induktionsvoraussetzung besitzt U eine Orthonormalbasis aus Eigenvektoren von F. Diese bilden aber auch ein Orthonormalsystem aus Eigenvektoren von F und zusammen mit v 0 eine Orthonormalbasis von V. Quadriken Definition. Die Lösungsmenge F (in R n oder C n ) einer Gleichung der Form α ij x i x j + β k x k + γ = 0 i,j=1 mit α ij, β k, γ R, nicht alle α ij = 0, heißt (reelle affine) Hyperfläche zweiter Ordnung, wenn sie nicht leer ist. Bemerkung. Ist F eine solche Hyperfläche, so gibt es eine symmetrische Matrix A R n,n, einen Vektor b R n und einen Skalar γ R derart, daß F die Lösungsmenge der Gleichung x t Ax + b t x + γ = 0 mit x t = (x 1,..., x n ) ist. Diese Gleichung läßt sich auch in der Form α k x k + α ij x i x j + β k x k + γ = 0 schreiben. 1 i<j n Hauptachsentransformation. Gegeben ein Hyperfläche F durch die Gleichung x t Ax + b t x + γ = 0 mit A = A t. Wir wählen eine orthogonale Matrix T = (t 1,..., t n ) derart, daß Ã = T 1 AT eine Diagonalmatrix ist. Es seien v = (µ 1,... µ n ) die Koordinaten eines Punktes P in R n in Bezug auf die durch die Spaltenvektoren von T gegebene Basis. Dann besteht T v aus den Koordinaten von P bezüglich der kanonischen Basis. P liegt auf der Hyperfläche, wenn gilt: 0 = (T v) t AT v + b t T v + γ = v t Ãv + b t v + γ = 0 mit b = ( β 1,..., β n ) = T t b, das heißt F ist die Lösungsmenge der Gleichung x t Ãx + b t x + γ = 0. Sind λ 1,..., λ n die Diagonalelemente von Ã, also die Eigenwerte von A, so kann man diese Gleichung in der Form λ k x k + β k x k + γ = 0

4 7 HYPERFLÄCHEN. ORDNUNG 4 schreiben. Da sicherlich nicht alle Eigenwerte gleich Null sind und die Multiplikation mit einem von Null verschiedenen Skalar die Lösungsmenge nicht ändert, kann man ohne Einschränkung λ 1 > 0 annehmen. Mittelpunktshyperflächen. Sind in dieser Situation alle Eigenwerte von Null verschieden, das heißt ist Rang A = Rang à = n, so ist eine weitere Vereinfachung möglich. Wir schreiben die eben angegebene Gleichung dann um in der Form λ k (x k + β k ) = λ k = 1 4 ( β k λ k ) γ = γ. und betrachten den Punkt M mit dem Koordinatenvektor m = ( β 1 β λ 1,..., n λ n ). Damit schreibt sich die Gleichung von F in der Form (x m) t Ã(x m) = γ. Es gilt: Ist P F, so ist gehört der Punkt P, der sich aus P durch Spiegelung an M ergibt, ebenfalls zu F: Ist v der Koordinatenvektor von P, so ist m (v m) = m v der Koordinatenvektor von P. Aus diesem Grund heißt M Mittelpunkt von F und F selbst Mittelpunktshyperfläche. Wir führen nun noch eine Verschiebung durch S : R n R n, v v m. Dann gilt w im F S 1 (w) = w + m F w t Ãw = γ. F wird also durch diese Verschiebung auf die durch die Gleichung x t Ãx = γ bestimmte Mittelpunktshyperfläche abgebildet, deren Mittelpunkt der Ursprung ist. Die Bestimmung des Mittelpunkts, falls er existiert, ist auch ohne vorherige Hauptachsentransformation möglich. Es sind m R n und γ so zu bestimmen, daß die Gleichung für alle x R n gilt. Damit muß sein Koeffizientenvergleich liefert (x m) t A(x m) + γ = x t Ax + b t x + γ m t Ax + m t Am + γ = b t x + γ. Am = 1 b also m t Am + γ = γ, m = 1 a 1 b γ = γ m t Am. Nun ist eine reelle symmetrische Matrix genau dann invertierbar, wenn alle ihre Eigenwerte von Null verschieden sind.

5 7 HYPERFLÄCHEN. ORDNUNG 5 Kleinere Ränge. Ist r = Rang A < n, so kann man die Hyperfläche zunächst so verschieben, dass sie Lösungsmenge einer Gleichung der Form r λ k x k = ˆβ k x k + ˆγ k=r+1 genügt. In diesem Fall ist es häufig günstig, eine weitere Verschiebung anzuschließen, die die ersten r Koordinaten unverändert lässt, aber auf der rechten Seite das konstante Glied zum Verschwinden bringt. Das ist allerdings nur möglich, wenn mindestens ein ˆβ k 0 ist. (Durchführung im allgemeinen Fall als Übungsaufgabe). 17. Juni 003 Durch Koordinatentransformation lässt sich also erreichen, dass eine gegebene Quadrik durch eine Gleichung in einer der folgenden Formen dargestellt wird: r λ k x k = γ r λ k x k = k=r+1 β k x k, wobei 1 r n; der Fall r = n kann für die zweite Gleichung nicht auftreten. Hier kann außerdem β r+1 0 angenommen werden. In diesem Fall ist noch eine weitere Vereinfachung möglich. Wir setzen v r+1 = β k e k und ˆv r+1 = k=r+1 1 v r+1 v r+1. Dann ergänzen wir e 1, e,..., e r, ˆv r+1 durch v r+1,..., v n zu einer Orthonormalbasis von R n. In Bezug auf diese Basis habe ein Punkt die Koordinaten (y 1, y,..., y n ), in Bezug auf die vorherige Basis ergibt sich der Koordinatenvektor zu vr+1 (e t 1 e... e r ˆv r+1... v n ) (e 1 e... e r ˆv r+1... v n ) y 1 y. y n = Damit ändert sich die linke der Seite der Gleichung bei dieser Basistransformation nicht. Rechts steht jedoch y 1 y 1 y y. y n y 1 y. y r. = ( v r ). y n = v r+1 y r+1.

6 7 HYPERFLÄCHEN. ORDNUNG 6 Schreiben wir wieder x für die Unbestimmten, so erhalten wir die Gleichung r λ k x k = β r+1 x r+1. Euklidische Normalformen Eine quadratische Gleichung mit n Unbekannten befindet sich in euklidischer Normalform, wenn sie eine der folgende Formen hat: (1) () (3) s x k α k s x k α k s x k α k r x k α k=s+1 k r x k α k=s+1 k r x k α k=s+1 k = 0, 0 r s s r n, 0 < r, = 1, 0 < s r n, = x r+1, 0 r s s r < n, 0 < r. Herstellung der euklidischen Normalform. In den vorherigen Überlegungen wurde gezeigt, dass jede Quadrik bei geeigneter Koordinatenwahl in einer der folgenden Formen dargestellt werden kann: (4) (5) r λ k x k = γ r λ k x k = β r+1 x r+1 Wir betrachten zunächst die Gleichung (??) mit γ = 0. Es sei s = #{k k {1,,..., r} λ k > 0 }. Falls nicht schon gegeben, so kann man durch Multiplikation mit -1 erreichen, dass es mindestens so viele positive wie negative Summanden gibt, also s r s erreichen. O.B.d.A. können wir λ 1, λ,... λ s > 0 annehmen. Dann setzen wir 1, k {1,,..., s} λ α k = k 1, k {s + 1,..., r} λ k und erhalten eine Gleichung der Form (??). Als nächstes sei eine Gleichung der Form (??) mit γ 0 vorgelegt. Dann führt Division durch γ auf r λ k γ x k = 1.

7 7 HYPERFLÄCHEN. ORDNUNG 7 Nun sei O.B.d.A. können wir annehmen und setzen s = #{k k {1,,..., r} λ k γ > 0 }. λ 1 γ, λ γ,..., λ s γ > 0 γ, k {1,,..., s} λ α k = k γ, k {s + 1,..., r} λ k woraus sich eine Gleichung der Form (??)ergibt. Der Fall s = 0 kann ausgeschlossen werden, weil sich dafür die leere Menge ergeben würde, die wir nicht als Quadrik ansehen wollen. Schließlich behandeln wir eine Gleichung der Form (??). Man kann annehmen, dass links mehr positive als negative Summanden stehen, was man notfalls durch Multiplikation mit -1 und Umbenennung der Parameter erreichen kann. Weiter führt eine Division durch β r+1 auf r λ k x k = x r+1. β r+1 Nun sei O.B.d.A. können wir annehmen und setzen s = #{k k {1,,..., r} λ k β r+1 > 0 }. λ 1 β r+1, λ β r+1,..., λ s β r+1 > 0 βr+1, k {1,,..., s} λ α k = k βr+1, k {s + 1,..., r} λ k woraus sich eine Gleichung der Form (??)ergibt.

8 7 HYPERFLÄCHEN. ORDNUNG 8 Klassifikation der Quadriken in der Ebene. Es sei n =. r s Gleichung algebraisch geometrisch 1 1 (??) 1 (??) (??) 1 1 (??) 1 (??) (??) 1 1 (??) x 1 x 1 x 1 x 1 x 1 x 1 x 1 = 0 x -Achse ( x x1 = 0 x ) ( x1 + x ) α α 1 α α 1 α Paar von Ursprungsgeraden + x α = 0 Ursprung symmetrisch zur x -Achse = 1 (x 1 α 1 ) (x 1 + α 1 ) = 0 Geradenpaar parallel x α + x α zur x -Achse im Abstand ±α 1 = 1 Hyperbel mit Hauptachse α 1 und Nebenachse α = 1 Ellipse mit den Achsen α 1, α = x Parabel

9 7 HYPERFLÄCHEN. ORDNUNG 9 Klassifikation der Quadriken im Raum. Es sei n = 3. r s Gleichung algebraisch geometrisch 1 1 (??) 1 (??) (??) 3 (??) 3 3 (??) 1 1 (??) 1 (??) (??) 3 1 (??) 3 (??) 3 3 (??) 1 1 (??) x 1 x 1 x 1 x 1 x 1 x 1 x 1 x 1 x 1 x 1 x 1 x 1 = 0 x x 3 -Ebene ( x x1 = 0 x ) ( x1 + x ) α α 1 α α 1 α Paar von Ebenen, + x α + x x α α + x + x 3 α α3 = 0 x 3 -Achse die sich in der x 3 -Achse schneiden symmetrisch zur x x 3 -Ebene = 0 elliptischer Doppelkegel = 0 Ursprung mit der x 3 -Achse als Achse = 1 Ebenenpaar parallel x α + x α x x 3 α α3 + x x α α + x + x 3 α α3 zur x x 3 -Ebene im Abstand ±α 1 = 1 hyperbolischer Zylinder = 1 elliptischer Zylinder = 1 zweischaliges Hyperboloid mit der x 1 -Achse als Achse = 1 einschaliges Hyperboloid = 1 Ellipsoid mit der x 3 -Achse als Achse = x parabolischer Zylinder

10 7 HYPERFLÄCHEN. ORDNUNG 10 1 (??) (??) x 1 x 1 x α + x α = x 3 hyperbolisches Paraboloid = x 3 elliptisches Paraboloid Definition. Eine Hyperbel heißt gleichseitig (oder rechtwinklig), wenn ihre Asymptoten zueinander orthogonal sind. Im Fall einer nicht-entarteten Hyperbel bedeutet dies, dass die Achsen gleichlang sind. Definition. Der Kreis durch die Seitenmitten eines Dreiecks heißt Feuerbachkreis (oder Neunpunktekreis) des Dreiecks. Satz. Ein Kegelschnitt, der die Ecken und den Höhenschnittpunkt eines nicht-rechtwinkligen Dreiecks enthält, ist eine gleichseitige Hyperbel mit dem Mittelpunkt auf dem Feuerbachschen Kreis des Dreiecks. Beweis. Es sei ein Dreieck mit den Ecken A, B, C gegeben; die Bezeichnungen seinen so gewählt, dass a = BC < b = CA < c = AB gilt. Ein cartesisches Koordinatensystem wird so gewählt, dass Fußpunkt der Höhe durch die Ecke C der Koordinatenursprung ist, die Ecke B auf der positiven x-achse und die Ecke C auf der positiven y-achse liegt. Dann haben die Ecken Koordinaten der Form A = ( q, 0), B = (p, 0), C = (0, h) mit h, p, q > 0. Für Höhenschnittpunkt H ist der Schnittpunkt der y-achse mit der Geraden durch die Ecke A, die senkrecht auf der Geraden BC steht und damit die Steigung p/h hat. Die Gleichung dieser Geraden ist y x + q = p h, woraus sich ( H = 0, p q ) h ergibt; die Voraussetzung, dass das Dreieck ABC nicht rechtwinklig ist, bedeutet H C. Die allgemeine Gleichung eines Kegelschnitts ist α 11 x + α 1 xy + α y + β 1 x + β y + γ = 0. Wenn der Kegelschnitt die Ecken und den Höhenschnittpunkt des beschriebenen Dreickes enthält, bestehen zwischen den Parametern die folgenden Beziehungen. α 11 q β 1 q + γ = 0, α 11 p + β 1 p + γ = 0, α h + β h + γ = 0, α p q h + β pq h + γ = 0.

11 7 HYPERFLÄCHEN. ORDNUNG 11 Die ersten beiden Gleichungen, aufgefasst als lineares Gleichungssystem mit den Unbekannten α 11 und β 1, liefern mit Hilfe der Cramerschen Regel die beiden anderen ergeben α 11 = γ pq, β 1 = γ(q p) pq α = γ pq, β = γ(h + pq) hpq Die jeweiligen Determinanten sind pq(p + q) = pqc beziehungsweise pq(h pq)/h; die erste ist sicher von Null verschieden, die zweite verschwindet nicht, weil das Dreieck als nicht-rechtwinklig vorausgesetzt ist. Damit wird die allgemeine Kegelschnittgleichung spezialisiert zu γ pq x + α 1 xy + γ pq y + γ(q p) pq oder nach Multiplikation mit dem Hauptnenner hpq: ;. x + γ(h + pq) y + γ = 0 hpq γhx + α 1 hpqxy + γhy + γh(p q)x γ(h + pq) + γhpq = 0. Es sind nun zwei Fälle zu unterscheiden. 1. γ = 0: Die Gleichung lautet dann nur noch α 1 hpqxy = 0. Der Ursprung liegt auf dem Kegelschnitt und der Parameter α 1 kann nicht verschwinden, da man sonst keinen Kegelschnitt hätte. Damit lässt sich die Gleichung weiter reduzieren auf xy = 0 und damit haben wir nur einen Kegelschnitt, die entartete Hyperbel, die aus den aufeinander senkrecht stehenden Koordinatenachsen besteht; in Bezug auf das Dreieck handelt es sich dabei um die Dreiecksseite BC (als Gerade aufgefasst) und die dazu senkrechte Höhe.. γ 0: Dann kann man die Gleichung durch γ dividieren und zur Abkürzung α = α 1 hpq/γ setzen, wodurch sie die Form hx + αxy + hy + h(p q)x (h + pq)y + hpq = 0 erhält. Die zugehörige Matrix hat die Spur Null, damit ist das charakteristische Polynom rein quadratisch: t h α und man hat zwei Eigenwerte mit gleichem Betrag, aber unterschiedlichem Vorzeichen, wodurch eine (möglicherweise entartete) gleichseitige Hyperbel beschrieben ist.

12 7 HYPERFLÄCHEN. ORDNUNG 1 Der Mittelpunkt (m 1, m ) wird so bestimmt, dass bei Ersetzung von (x, y) durch (x + m 1, y + m ) die linearen Glieder der Gleichung verschwinden. Die Substitution führt zu h(x+m 1 ) +α(x+m 1 )(y+m )+h(y+m ) +h(p q)(x+m 1 ) (h +pq)(y+m )+hpq = 0. Der lineare Term in x liefert der in y hm 1 + αm + h(p q) = 0, αm 1 + hm h pq = 0. Aus diesen Gleichungen wird α eliminiert, in dem man die erste mit m 1, die zweite mit m multipliziert und dann beide Gleichungen addiert: hm 1 h(p q)m 1 + hm (h + pq)m = 0. Dividiert man diese Gleichung noch durch h, so erkennt man, dass die Koordinaten des Mittelpunkts der Hyperbel der Gleichung x p q x + y h + pq y = 0 h genügen. Das ist die Gleichung eines Kreises. Ein Kreis ist durch drei Punkte bestimmt. Die Koordinaten der Mittelpunkte der Seiten des Dreiecks [AB] : ( p q, 0), [BC] : (p, h ), [CA] : ( q, h ) erfüllen diese Gleichung, also handelt es sich um den Feuerbachschen Kreis. Definition. Zwei Geraden schneiden sich uneigentlich, wenn sie parallel, aber verschieden sind. Satz. Zu drei paarweise windschiefen Geraden gibt es genau eine Quadrik, die sie enthält. Die erzeugte Quadrik ist die Vereinigung aller Geraden, die alle drei Erzeugenden eigentlich oder uneigentlich schneiden. Diese Geraden sind ebenfalls paarweise windschief. Spezialfall 1. Es seien die Geraden g = {(λ, 0, 0) : λ R}, h = {(0, µ, 1) : µ R}, k = {(1, 1, ν) : ν R} gegeben. Einsetzen in die allgemeine Gleichung einer Quadrik α 11 x 1 + α 1 x 1 x + α x + α 13 x 1 x 3 + α 3 x x 3 + α 33 x 3 + β 1 x 1 + β x + β 3 x 3 + γ = 0 liefert α 11 λ + β 1 λ + γ = 0 für alle λ, also α 11 = 0, β 1 = 0, γ = 0.

13 7 HYPERFLÄCHEN. ORDNUNG 13 Damit reduziert sich die allgemeine Gleichung auf: α 1 x 1 x + α x + α 13 x 1 x 3 + α 3 x x 3 + α 33 x 3 + β x + β 3 x 3 = 0. Weiteres Einsetzen liefert α µ + α 3 µ + α 33 + β µ + β 3 = 0 und die Gleichung reduziert sich weiter auf α = 0, β = α 3, β 3 = α 33 α 1 x 1 x + α 13 x 1 x 3 + α 3 x x 3 + α 33 x 3 α 3 x α 33 x 3 = 0. Einsetzen der Punkte der Geraden k liefert nun: α 1 + α 13 ν + α 3 ν + α 33 ν α 3 α 33 ν = 0 Damit ergibt sich als Gleichung der gesuchten Quadrik: α 33 = 0, α 13 + α 3 = 0, α 1 = α 3. α 1 α 1 x α 1 x 1 x 3 + α 1 x x 3 α 1 x = 0 x 1 x x 1 x 3 + x x 3 x = 0 Von der geometrischen Situation her liegt die Vermutung nahe, dass es sich um einen Mittelpunktskegelschnitt mit dem Mittelpunkt (1/,1/,1/) handelt. Dies wird durch die Substitutionen x 1 x 1 + 1/, x x + 1/, x x + 1/ verifiziert: (x 1 + 1/)(x + 1/) (x 1 + 1/)(x 3 + 1/) + (x + 1/)(x 3 + 1/) (x + 1/) = x 1 x x 1 x 3 + x x 3 1/. Damit erhalten wir durch Ursprungsverschiebung die Gleichung 4x 1 x 4x 1 x 3 + 4x x 3 = 1. Die zugehörige Matrix ist Das charakteristische Polynom P = t 3 1t + 16 = (t + 4)(t ) liefert die Eigenwerte (doppelt) und -4, also ergibt sich die euklidische Normalform x 1 + x 4x 3 = 1. Die Hauptachsentransformation führt auf ein einschaliges Hyperboloid. Das gilt allgemein für drei paarweise windschiefe Geraden, deren Richtungsvektoren linear unabhängig sind, also eine Basis von R 3 bilden.

14 7 HYPERFLÄCHEN. ORDNUNG 14 Spezialfall. g = {(λ, 0, 0) : λ R}, h = {(0, µ, 1) : µ R}, k = {(ν, ν, ϕ) : ν R}, ϕ 0, 1. α 11 x 1 + α 1 x 1 x + α x + α 13 x 1 x 3 + α 3 x x 3 + α 33 x 3 + β 1 x 1 + β x + β 3 x 3 + γ = 0 g : α 11 λ + β 1 λ + γ = 0 α 11 = β 1 = γ = 0 h : α µ + α 3 µ + α 33 + β µ + β 3 = 0 α = 0, β = α 3, β 3 = α 33 Zwischenergebnis: α 1 x 1 x + α 13 x 1 x 3 + α 3 x x 3 + α 33 x 3 α 3 x α 33 x 3 = 0 k : α 1 ν +α 13 νϕ+α 3 νϕ+α 33 ϕ α 3 ν α 33 ϕ = 0 α 1 = α 33 = 0, α 13 = α 3 1 ϕ ϕ. Damit ergibt sich α 3 1 ϕ ϕ x 1x 3 + α 3 x x 3 α 3 x = 0. Da nun α 3 nicht Null sein kann, kann man durch α 3 dividieren und mit ϕ multiplizieren, womit sich die Gleichung (1 ϕ)x 1 x 3 + ϕx x 3 ϕx = 0 ergibt. Das ist die Gleichung einer Quadrik. Es geht nun daraum, den Typ zu bestimmen. Zur Hauptachsentransformation haben wir die Matrix ϕ A = 0 0 ϕ 1 ϕ ϕ 0 zu betrachten. Mit der Sarrusschen Regel berechnet man das charakteristische Polynom zu t 3 + t((1 ϕ) + ϕ ) = t(t (1 ϕ) ϕ ). Damit ergeben sich die Eigenwerte 0, ψ = sqrt(1 ϕ) + ϕ und ψ. Die Eigenvektoren zu den Eigenwerten ψ, ψ und 0 (in dieser Reihenfolge berechnet man als die Spalten der Matrix S = 1 φ φ 1 ψ ψ φ ψ φ φ φ 1 ψ ψ ψ R 3,3. Schreibt man die Gleichung der gefundenen Quadrik in der Form x t Ax + b t x = 0

15 7 HYPERFLÄCHEN. ORDNUNG 15 so liefert die Substitution x = Sx die Gleichung die äquivalent ist zu ψx 1 ψx ϕ ψ x ϕ 1 + ψ x ϕ(ϕ 1) x 3 = 0, ψ Eine Ursprungsverschiebung liefert (x 1 ϕ ψ ) (x ϕ ϕ(ϕ 1) ψ ) = x ψ 3. x 1 x ϕ(ϕ 1) = x ψ 3. Setzt man nun ϕ(ϕ 1) α =, ψ so ergibt sich wobei eventuell noch eine Vertauschung der Variablen x 1 und x notwendig ist die euklidische Normalform also ein hyperbolisches Paraboloid. x 1 α x α = x 3, Als nächstes ist zu zeigen, dass die durch die Gleichung (1 ϕ)x 1 x 3 + ϕx x 3 ϕx = 0 gegebene Quadrik die disjunkte Vereinigung aller Geraden ist, die alle drei Erzeugenden eigentlich oder uneigentlich schneiden. Zuerst bemerkt man, dass in diesem Fall keine zu einer Erzeugenden parallele Gerade die beiden anderen Erzeugenden schneiden kann (aus der Anschauung, Beweis mit Hilfe der analytischen Geometrie als Übungsaufgabe). Es sind also nur Geraden l zu betrachten, die alle drei Erzeugenden wirklich schneiden. Für eine solche Gerade wird wieder ein Punkt (α, 0, 0) g als Aufpunkt gewählt. Aus der der Tatsache, dass l auch die Gerade h schneidet, ergibt sich für den Richtungsvektor wieder die Form α β 1 Damit haben die Punkte von l Koordinaten der Form ((1 ρ)α, ρβ, ρ). Aus der Existenz des Schnittpunktes von l und k folgt die Existenz von ρ und ν, derart dass gilt. ((1 ρ)α, ρβ, ρ) = (ν, ν, ϕ). Damit berechnet man ρ = ϕ und β = ν/ϕ = (1 ϕ)α/ϕ. Setzt man nun in der Gleichung der Quadrik x 1 = (1 ρ)α, x = ρ(1 ϕ)α/ϕ, x 3 = ρ, so ergibt sich (1 ϕ)(1 ρ)αρ + ϕρ (1 ϕ)α (1 ϕ)α ρ ϕρ ϕ ϕ =

16 7 HYPERFLÄCHEN. ORDNUNG 16 = ρ ϕ (αϕ αρϕ αϕ + αρϕ + αρϕ αρϕ αϕ + αϕ ) = 0. Das bedeutet, dass die Gerade l ganz in der Fläche liegt. Um zu zeigen, dass jeder Punkt der Fläche in genau einer dieser Geraden liegt, ist nachzuweisen, dass zu jedem Punkt P = (λ, µ, ν) der Fläche genau ein Paar (α, ρ) R existiert, derart dass gilt (λ, µ, ν) = ((1 ρ)α, ρ (1 ϕ)α, ρ). ϕ Es handelt sich um drei Gleichungen mit zwei Unbekannten. Aus der Betrachtung der dritten Koordinate folgt ρ = ν. Nun ist eine Fallunterscheidung notwendig. 1. ρ = ν 1: Die erste Koordinate liefert dann Damit berechnet man α = (1 ϕ)α ρ ϕ Da der Punkt P in der Quadrik liegt, gilt λ 1 ρ. (1 ϕ)λ = ν ϕ(1 ν). λν = ϕµ ϕµν 1 ϕ. Damit ergibt sich für die rechte Seite der vorherigen Gleichung der gewünschte Wert µ.. ρ = ν = 1: Die zweite Koordinate liefert nun eindeutig α = ϕµ 1 ϕ. Aus der Gleichung der Quadrik folgt für ν = 1 notwendig λ = 0; damit liefern die gefundenen Werte für α und ρ wirklich eine Lösung des Gleichungssytems. Nun ist noch zu zeigen, dass die Geraden l paarweise windschief, das heißt, ihre Richtungsvektoren paarweise linear unabhängig sind. Die Richtungsvektoren sind bestimmt durch den Parameter α. Zwei Vektoren der Form ( α, β, 1) und ( α, β, 1) können aber nur dann linear abhängig sein, wenn α = α gilt. Damit ist für den Spezialfall alles bewiesen. Es geht nun wieder darum, den allgemeinen Fall dreier paarweise windschiefer Geraden mit linear abhängigen Richtungsvektoren, für die man o.b.d.a. u, v und u + v annehmen kann, darauf zurückzuführen. Man hat also Geraden g = {â + λu : λ R}, h = {ˆb + µv : µ R}, k = {ĉ + ν(u + v) : ν R}.

17 7 HYPERFLÄCHEN. ORDNUNG 17 Die Richtungsvektoren liegen in einer Ebene. Wir betrachten die dazu senkrechte Ebene E, die die Gerade k enthält. Sie hat die Parameterstellung E = {ĉ + ν(u + v) + ρ(u v) : (ν, ρ) R }. Anschaulich ist klar, dass die Geraden g und h die Ebene E schneiden müssen. Analytisch folgt das daraus, das die Tripel u, u + v, u v beziehungsweise v, u + v, u v linear unabhängig sind, also eindeutig bestimmte Tripel (ν 1, ρ 1, λ) und (ν, ρ, µ) R 3 existieren, für die gilt: ĉ + ν 1 (u + v) + ρ 1 (u v) = â + λu, ĉ + ν (u + v) + ρ (u v) = ˆb + µv. Im folgenden wird a = â + λu, der Durchstoßpunkt der Geraden g durch die Ebene E, als Aufpunkt für die Gerade g und b = ˆb + µv, der Durchstoßpunkt der Geraden h durch die Ebene E, als Aufpunkt für die Gerade h genommen. Nun wird gezeigt, dass die Verbindungsgerade dieser beiden Durchstoßpunkte nicht parallel zu der Geraden k ist. Dies erfordert die Existenz eines Paares (σ, ν) R mit σ(ĉ + ν 1 (u + v) + ρ 1 (u v)) + (1 σ)(ĉ + ν (u + v) + ρ (u v)) = ĉ + ν(u + v). Diese Gleichung lässt sich reduzieren auf (σν 1 + (1 σ)ν )(u + v) + (σρ 1 + (1 σ)ρ )(u v) = ν(u + v). Wegen der linearen Unabhängigkeit der Vektoren u + v kann eine solche Gleichung nur bestehen, wenn σρ 1 + (1 σ)ρ = 0 ist. Das liefert σ = ρ ρ ρ 1, wobei allerdings ρ ρ 1 sein muss. Ist das der Fall, so ergibt sich das noch gesuchte ν zu Hilfssatz. Sind ν = σν 1 + (1 σ)ν. g = {a + λu : λ R}, h = {b + µv : µ R}. windschiefe Geraden, so sind die Vektoren u, v, b a linear unabhängig. Beweis durch Widerspruch. Annahme: die Vektoren u, v, b a seien linear abhängig. Wegen der linearen Unabhängigkeit der Vektoren u und v muss dann gelten: b a = λ 0 u + µ 0 v. Damit wird gezeigt: a + Span{u, v} = b + Span{u, v}.

18 7 HYPERFLÄCHEN. ORDNUNG 18 : a + λu + µv = b + (λ λ 0)u + (µ µ 0 )v b + Span{u, v}. : b + λu + µv = a + (λ + λ 0)u + (µ + µ 0 )v a + Span{u, v}. Wegen g a + Span{u, v} und h b + Span{u, v} würden die Geraden g und h damit in einer Ebene liegen, im Widerspruch dazu, dass sie als windschief vorausgesetzt sind. Wäre nun ρ = ρ 1, so hätte man b a = (ν ν 1 )(u + v) und damit eine lineare Abhängigkeit der Vektoren u, v und b a im Widerspruch zum Hilfssatz. Damit liegen die Verbindungsgerade der Durchstoßpunkte und die Gerade k in einer Ebene, der Ebene E, sind aber nicht parallel. Also haben sie eine Schnittpunkt c, der als Aufpunkt für die Gerade k wird, und man findet ein ϕ R mit c a = ϕ(b a). Nun wird die Affinität F : R 3 R 3 betrachtet, die gegeben ist durch Sie bildet ab: F (λ, µ, ν) = a + λu + µv + ν(b a). (λ, 0, 0) a + λu g, (0, µ, 1) b + µv h, (ν, ν, ϕ) c + ν(u + v) k. Bezeichnet S die invertierbare Matrix mit den Spaltenvektoren u, v, b a, so hat man F (x) = Sx + a und F 1 (y) = S 1 (y a) = T (y a), wobei T = S 1 gesetzt ist. Sei nun Q die Quadrik, die die Geraden {(λ, 0, 0)}, {(0, µ, 1)}, {(ν, ν, ϕ)} enthält; sie sei durch die Gleichung x t Ax + d t x = 0 beschrieben. Dann gilt y F (Q) F 1 (y) = T (y a) Q (T (y a)) t AT (y a) + d t x = 0. Weiter berechnet man (T (y a)) t AT (y a) + d t x = (y a) t T t T S(y a) + d t x = = y t T t AT y + (d T t AT a) t x + a t T t AT a. Also ist auch F (Q) eine Quadrik, und zwar die einzige mit den angegebenen Eigenschaften.

6 Metrische Klassifikation der Quadriken

6 Metrische Klassifikation der Quadriken 6 Metrische Klassifikation der Quadriken A Wiederholung von Kap V, 5 Sei A = (a ij ) eine symmetrische n n Matrix. n x 1 q(x) := x t Ax = a ij x i x j, x =. i,j=1 ist dann ein quadratisches Polynom in

Mehr

Klausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 8

Klausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 8 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 204): Lineare Algebra und analytische Geometrie 8 8. (Herbst 202, Thema 3, Aufgabe 4) Bestimmen Sie die euklidische Normalform der Quadrik Q, gegeben

Mehr

Lineare Algebra II 11. Übungsblatt

Lineare Algebra II 11. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des

Mehr

Lineare Algebra II (SS 13)

Lineare Algebra II (SS 13) Lineare Algebra II (SS 13) Bernhard Hanke Universität Augsburg 03.07.2013 Bernhard Hanke 1 / 16 Selbstadjungierte Endomorphismen und der Spektralsatz Definition Es sei (V,, ) ein euklidischer oder unitärer

Mehr

6.3 Hauptachsentransformation

6.3 Hauptachsentransformation Im Wintersemester 6/7 wurde in der Vorlesung Höhere Mathematik für Ingenieurstudiengänge der folgende Algorithmus zur Hauptachsentransformation besprochen: 63 Hauptachsentransformation Die Matrizen, die

Mehr

1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen

1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen Hannover, den 7. Februar 2002 Aufgabe. Übungsblatt: Lineare Algebra II Abgabe: 8./9.4.2002 in den Übungsgruppen (2, 2, 3 Punkte) Der Vektorraum V = C[, ] sei mit dem üblichen Skalarprodukt f, g = f(t)g(t)

Mehr

++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1

++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1 Hauptachsentransformation. Einleitung Schneidet man den geraden Kreiskegel mit der Gleichung = + und die Ebene ++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen +2 + +dx+ey+f = 0. Die

Mehr

5 Quadriken. K = { R 2 ax 2 + bxy + cy 2 + dx + ey + f = 0} wobei a, b, c, d, e, f reelle Zahlen sind mit (a, b, c) (0, 0, 0).

5 Quadriken. K = { R 2 ax 2 + bxy + cy 2 + dx + ey + f = 0} wobei a, b, c, d, e, f reelle Zahlen sind mit (a, b, c) (0, 0, 0). 5 Quadriken Kegelschnitte Ein Kegelschnitt ist eine Teilmenge K R 2, welche durch eine quadratische Gleichung in zwei Unbestimmten beschrieben werden kann: x K = { R 2 ax 2 + bxy + cy 2 + dx + ey + f =

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag 9.6 $Id: quadrat.tex,v. 9/6/9 4:6:48 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6. Symmetrische Matrizen Eine n n Matrix heißt symmetrisch wenn

Mehr

6 Hauptachsentransformation

6 Hauptachsentransformation 6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten

Mehr

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1 UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive

Mehr

4 Ein wenig analytische Geometrie. 4.1 Einige Grundgebilde der projektiven Geometrie Geraden in homogenen Koordinaten

4 Ein wenig analytische Geometrie. 4.1 Einige Grundgebilde der projektiven Geometrie Geraden in homogenen Koordinaten 4 Ein wenig analytische Geometrie 4.1 Einige Grundgebilde der projektiven Geometrie 4.1.1 Geraden in homogenen Koordinaten (a) Im Raum/Ebene in Parameterform Siehe Figur-4-1-1-a (ohne X g = P Q) P ( p),

Mehr

1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen

1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen Hannover, den 0. April 2006. Übungsblatt: Lineare Algebra II Abgabe: 24./25.4.2006 in den Übungsgruppen ( ) 2 5 a) Zeigen Sie, dass A = und B = 2 ( 7 6 invertierbare Matrix T an mit T AT = B. b) Zeigen

Mehr

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

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

Mehr

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

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

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +

Mehr

43911: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 2015 Lösungsvorschlag

43911: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 2015 Lösungsvorschlag Dr. Erwin Schörner 439: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 5 Lösungsvorschlag I.. Für n N mit n ist das inhomogene lineare Gleichungssystem in den n Unbekannten x,..., x n mit den n Gleichungen

Mehr

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse

Mehr

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 7

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 6/7): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr 5, Thema, Aufgabe ) Sei V ein reeller Vektorraum. a) Wann nennt man eine Teilmenge U

Mehr

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - en Kommentare an HannesKlarner@FU-Berlinde FU Berlin SS 1 Dia- und Trigonalisierbarkeit Aufgabe (1) Gegeben seien A = i i C 3 3 und B = 1

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

7 Lineare Abbildungen und Skalarprodukt

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

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 7

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr 5, Thema, Aufgabe ) Sei V ein reeller Vektorraum. a) Wann nennt man eine Teilmenge U

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

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

Ziel: Wir wollen eine gegebene Quadrik auf eine einfache Form transformieren, aus der sich ihre geometrische Gestalt unmittelbar ablesen lässt.

Ziel: Wir wollen eine gegebene Quadrik auf eine einfache Form transformieren, aus der sich ihre geometrische Gestalt unmittelbar ablesen lässt. 49 Quadriken 49.1 Motivation Quadriken (vgl. Def. 48.2) stellen eine wichtige Klasse geometrischer Objekte dar, mit Anwendungen in Computergrafik, Bildverarbeitung, Visualisierung, Physik u. a. Ziel: Wir

Mehr

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

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

Mehr

4.2 Die adjungierte Abbildung

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

Mehr

Musterlösung zur Serie 10

Musterlösung zur Serie 10 D-MATH, D-PHYS, D-CHAB Lineare Algebra II FS 1 Prof. Giovanni Felder, Thomas Willwacher Musterlösung zur Serie 1 1. a) Zur Erinnerung: Eine Äquivalenzrelation auf einer Menge M ist eine Relation, die die

Mehr

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

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

Mehr

11 Eigenwerte und Eigenvektoren

11 Eigenwerte und Eigenvektoren 11 Eigenwerte und Eigenvektoren Wir wissen bereits, dass man jede lineare Abbildung ϕ : K n K n durch eine n n-matri A beschreiben kann, d.h. es ist ϕ() = A für alle K n. Die Matri A hängt dabei von der

Mehr

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Hauptachsentransformation: Eigenwerte und Eigenvektoren Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung

Mehr

43911: Lineare Algebra/Geometrie Prüfungstermin Herbst 2015 Lösungsvorschlag

43911: Lineare Algebra/Geometrie Prüfungstermin Herbst 2015 Lösungsvorschlag Dr. Erwin Schörner 49: Lineare Algebra/Geometrie Prüfungstermin Herbst 5 Lösungsvorschlag I.. a Die in Abhängigkeit vom Parameter t R für t t A t t t R und b R t + t t + t zu betrachtende Menge F t { x

Mehr

Probeprüfung Lineare Algebra I/II für D-MAVT

Probeprüfung Lineare Algebra I/II für D-MAVT Prof. N. Hungerbühler ETH Zürich, Frühling 018 Probeprüfung Lineare Algebra I/II für D-MAVT Die Prüfung dauert 10 Minuten. Sie dient der Selbstevaluation. Die Musterlösungen folgen. Die Multiple Choice

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 7

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr, Thema, Aufgabe 4) Im R seien die beiden Ebenen E : 6 x + 4 y z = und E : + s + t 4 gegeben.

Mehr

Lineare Algebra und Geometrie II, Übungen

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

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4.

Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4. Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4. Aufgabe 2.1 (8 Punkte) Es sei K ein Körper, n N, V ein 2n-dimensionaler K -Vektorraum und U

Mehr

Kapitel 14. Geometrie Eine kurze Einführung in die affine Geometrie

Kapitel 14. Geometrie Eine kurze Einführung in die affine Geometrie Kapitel 14 Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften vonr 3 interessieren, so stört manchmal dieausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise

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

5.4 Hauptachsentransformation

5.4 Hauptachsentransformation . Hauptachsentransformation Sie dient u.a. einer möglichst einfachen Darstellung von Kegelschnitten und entsprechenden Gebilden höherer Dimension mittels einer geeigneten Drehung des Koordinatensystems.

Mehr

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

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

Mehr

Flächen zweiter Ordnung

Flächen zweiter Ordnung 1 Flächen zweiter Ordnung Definition: Eine Fläche zweiter Ordnung ist die Gesamtheit aller Punkte, deren Ortsvektoren x der Gleichung x T A x + p T x + f = 0 genügen, wobei x 1 x = x x 3, A = Ausführliche

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 43 Polynome in mehreren Variablen und Nullstellenmengen Als eine Anwendung der Diagonalisierbarkeit von symmetrischen

Mehr

2 Ähnlichkeit von Matrizen, Eigenwerte und Eigenvektoren

2 Ähnlichkeit von Matrizen, Eigenwerte und Eigenvektoren 2 ÄHNLICHKEIT VON MATRIZEN, EIGENWERTE UND EIGENVEKTOREN 1 19. Mai 2000 2 Ähnlichkeit von Matrizen, Eigenwerte und Eigenvektoren Motivation. Es seien: V ein K-Vektorraum mit dim V = n < und F End V, Φ,

Mehr

a) Ein Gruppenhomomorphismus von G nach H ist eine Abbildung Φ : G H, sodass für alle g 1, g 2 G die Gleichung Φ(g 1 g 2 ) = Φ(g 1 ) Φ(g 2 )

a) Ein Gruppenhomomorphismus von G nach H ist eine Abbildung Φ : G H, sodass für alle g 1, g 2 G die Gleichung Φ(g 1 g 2 ) = Φ(g 1 ) Φ(g 2 ) I. (4 Punkte) Es seien (G, ) eine Gruppe mit neutralem Element e G und (H, ) eine weitere Gruppe. a) Geben Sie die Definition eines Gruppenhomomorphismus Φ : G H an und beweisen Sie, dass für solch einen

Mehr

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

Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT Prof. N. Hungerbühler ETH Zürich, Sommer 4 Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT. [ Punkte] Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in

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

2. Isotropie. Beweis: (i) (ii): β U ist nicht ausgeartet. U U = {0} (ii) (iii): β U ist nicht ausgeartet. Da β nicht ausgeartet ist, gilt U = U:

2. Isotropie. Beweis: (i) (ii): β U ist nicht ausgeartet. U U = {0} (ii) (iii): β U ist nicht ausgeartet. Da β nicht ausgeartet ist, gilt U = U: 2. Isotropie Im folgenden sei V ein K-Vektorraum der Dimension n. Es sei q eine quadratische Form darüber und β die zugehörige symmetrische Bilinearform. Zudem gelte in K: 1 + 1 0. Notation 2.0: Wir nennen

Mehr

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden? Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist

Mehr

Lösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen

Lösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen Technische Universität Berlin Sommersemester 2008 Institut für Mathematik 18 Juli 2008 Prof Dr Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Klausur zur Linearen Algebra II Aufgabe 1 (1+1+1 Punkte)

Mehr

7.3 Unitäre Operatoren

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

Mehr

5 Diagonalisierbarkeit

5 Diagonalisierbarkeit 5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj

Mehr

Mathematik I für MB/ME

Mathematik I für MB/ME Mathematik I für MB/ME Fachbereich Grundlagenwissenschaften Prof Dr Viola Weiÿ Wintersemester 25/26 Übungsaufgaben Serie 4: Lineare Unabhängigkeit, Matrizen, Determinanten, LGS Prüfen Sie, ob die folgenden

Mehr

Euklidische Normalformen der dreidimensionalen Quadriken

Euklidische Normalformen der dreidimensionalen Quadriken Euklidische Normalformen der dreidimensionalen Quadriken Es existieren 17 verschiedene Typen räumlicher Quadriken mit folgenden Normalformen: Euklidische Normalform der dreidimensionalen Quadriken 1-1

Mehr

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016, Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren

Mehr

6 Symmetrische und hermitesche Matrizen

6 Symmetrische und hermitesche Matrizen Mathematik für Physiker II, SS Freitag 4.6 $Id: quadrat.tex,v.8 /6/4 4:44:39 hk Exp hk $ 6 Symmetrische und hermitesche Matrizen 6. Prä-Hilberträume Wir sind gerade mit der Diskussion der sogenannten Ausgleichsgerade

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

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

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

Klausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 1

Klausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 1 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 1 1.1 (Herbst 2005, Thema 1, Aufgabe 1) Bestimmen Sie alle reellen Lösungen des folgenden linearen

Mehr

Kontrollfragen und Aufgaben zur 4. Konsultation

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

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 8

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 8 Dr. Erwin Schörner Klausurenkurs zum Staatseamen (SS 205): Lineare Algebra und analtische Geometrie 8 8. (Herbst 202, Thema 3, Aufgabe 4) Bestimmen Sie die euklidische Normalform der Quadrik Q, gegeben

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

43911: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 2014 Lösungsvorschlag

43911: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 2014 Lösungsvorschlag Dr. Erwin Schörner 49: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 4 Lösungsvorschlag I.. Für einen R Vektorraum V der Dimension dim V n mit n N ist die lineare Abbildung f : V V mit der Eigenschaft

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

Musterlösungen zur Linearen Algebra II Weihnachtszettel

Musterlösungen zur Linearen Algebra II Weihnachtszettel Musterlösungen zur Linearen Algebra II Weihnachtszettel Aufgabe. Welche der folgenden Matrizen 3 0 0 A = 0 4, B = 3, C = 0 0 0 6 0 0 0 sind über R und welche über C diagonalisierbar? Bestimmen Sie dazu

Mehr

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

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

Mehr

6 Symmetrische und hermitesche Matrizen

6 Symmetrische und hermitesche Matrizen Mathematik für Physiker II, SS 7 Freitag 3.6 $Id: quadrat.tex,v.3 7/6/3 :8:3 hk Exp $ 6 Symmetrische und hermitesche Matrizen 6. Symmetrische und hermitesche Matrizen Wir kommen jetzt zu den symmetrischen

Mehr

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

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

Mehr

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

Kapitel 11 Eigenwerte und Eigenvektoren

Kapitel 11 Eigenwerte und Eigenvektoren Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare

Mehr

3 Bilinearformen und quadratische Formen

3 Bilinearformen und quadratische Formen 3 Bilinearformen und quadratische Formen Sei V ein R Vektorraum. Definition: Eine Bilinearform auf V ist eine Abbildung s : V V R, welche linear in beiden Variablen ist, d.h.: Für u, v, w V und λ, µ R

Mehr

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 15: Eigenwerte und -vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 5. November 2009) Diagonalisierbarkeit

Mehr

Mathematische Probleme, SS 2019 Donnerstag $Id: dreieck.tex,v /04/12 17:03:16 hk Exp $

Mathematische Probleme, SS 2019 Donnerstag $Id: dreieck.tex,v /04/12 17:03:16 hk Exp $ $Id: dreieck.tex,v 1.53 2019/04/12 17:03:16 hk Exp $ 1 Dreiecke 1.1 Rechtwinklige Dreiecke Wir beschäftigen uns gerade mit den primitiven pythagoräischen Tripeln. Haben wir ein solches Tripel, also teilerfremde

Mehr

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

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

Mehr

Mathematik I. Vorlesung 18. Vielfachheiten und diagonalisierbare Abbildungen. µ λ = dim(eig λ (ϕ))

Mathematik I. Vorlesung 18. Vielfachheiten und diagonalisierbare Abbildungen. µ λ = dim(eig λ (ϕ)) Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 18 Vielfachheiten und diagonalisierbare Abbildungen Satz 18.1. Es sei K ein Körper und es sei V ein endlichdimensionaler K- Vektorraum.

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (Teschl/Teschl 14.2) Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =

Mehr

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β

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

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

Lineare Algebra für Physiker 11. Übungsblatt

Lineare Algebra für Physiker 11. Übungsblatt Lineare Algebra für Physiker 11. Übungsblatt Fachbereich Mathematik SS 01 Prof. Dr. Matthias Schneider./. Juli 01 Dr. Silke Horn Dipl.-Math. Dominik Kremer Gruppenübung Aufgabe G1 (Minitest) (a) Welche

Mehr

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015

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

Mehr

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

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

Mehr

Kapitel 21. Aufgaben. Verständnisfragen. Rechenaufgaben

Kapitel 21. Aufgaben. Verständnisfragen. Rechenaufgaben Kapitel Aufgaben Verständnisfragen Aufgabe. Welche der nachstehend genannten Abbildungen sind quadratische Formen, welche quadratische Funktionen: a f(x = x 7x + x + x x x b f(x = x 6x + x x + c f(x =

Mehr

Klausurenkurs zum Staatsexamen (WS 2013/14): Lineare Algebra und analytische Geometrie 7

Klausurenkurs zum Staatsexamen (WS 2013/14): Lineare Algebra und analytische Geometrie 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 3/4): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr, Thema 3, Aufgabe 4) Im R 3 seien die beiden Ebenen E : 6x+4y z = und E : +s +t 4 gegeben.

Mehr

Klausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 7

Klausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 4): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr, Thema 3, Aufgabe 4) Im R 3 seien die beiden Ebenen E : 6x+4y z = und E : +s +t 4 gegeben.

Mehr

Kapitel 3 Quadratische Formen und symmetrische Matrizen

Kapitel 3 Quadratische Formen und symmetrische Matrizen Kapitel 3 Quadratische Formen und symmetrische Matrizen 3.1 Skalarprodukte und Normen Das übliche Skalarprodukt für Vektoren aus dem R ist folgendermassen erklärt: ( ) ( ) x1 x v w = := x 1 x +y 1 y. y

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 42 Normale Endomorphismen Nach Satz 34.1 besitzt eine Isometrie über C eine Orthonormalbasis aus Eigenvektoren

Mehr

Modulteilprüfung Geometrie (BaM-GS), Probeklausur

Modulteilprüfung Geometrie (BaM-GS), Probeklausur HRZ-Benutzername: Modulteilprüfung Geometrie (BaM-GS), Probeklausur Dr. Patrik Hubschmid // SoSe 2013, 4. Juli 2013 Kontrollieren Sie, ob Sie alle Blätter (8 einschlieÿlich zweier Deckblätter) erhalten

Mehr

Brückenkurs Mathematik. Mittwoch Freitag

Brückenkurs Mathematik. Mittwoch Freitag Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs

Mehr

Musterlösung Donnerstag - Determinanten und Eigenwerte

Musterlösung Donnerstag - Determinanten und Eigenwerte Musterlösung Donnerstag - Determinanten und Eigenwerte 6. März Aufgabe : Zum Aufwärmen () Zeige, dass eine nilpotente Endomorphismus nur die Null als Eigenwert hat. Hinweis: Ein Endomorphismus heißt nilpotent,

Mehr