3 Geometrische Klassifikation der Bewegungen im R 2 und R 3

Größe: px
Ab Seite anzeigen:

Download "3 Geometrische Klassifikation der Bewegungen im R 2 und R 3"

Transkript

1 3 Geometrische Klassifikation der Bewegungen im R 2 und R 3 Sei f : R n R n eine Bewegung Sie kann beschrieben werden in der Form Dabei ist T (f)(x) = A x f(x) = Ax + b mit A O(n) und b R n Definition: f heißt eigentlich, falls det A = + und uneigentlich, falls det A = Beispiele: a) Jede Spiegelung σ H an einer Hyperebene H ist eine uneigentliche Bewegung, denn T (σ H ) ist diagonalisierbar mit (n ) fachem Eigenwert und einfachem Eigenwert -, also M B (T (σ H )) = für eine geeignete Basis B, somit det(t (σ H )) = ( ) = b) Jede Translation τ ist eine eigentliche Bewegung, da T (τ) = id Mit Spiegelung sei fortan immer eine Hyperebenenspiegelung gemeint Definition: H R n sei eine Hyperebene und v T (H), v Dann nennt man f = τ v σ H eine Gleitspiegelung an der Hyperebene H Der Vektor v heißt Schub von f (3) Satz: a) Die Zusammensetzung f = τ σ einer Translation τ mit einer Spiegelung σ ist entweder eine Spiegelung oder eine Gleitspiegelung b) Eine Gleitspiegelung hat keinen Fixpunkt Beweis: a) Sei τ die Translation um den Vektor u und σ die Spiegelung an der Hyperebene H Zerlege u in der Form v +n mit v T (H) und n T (H) Dann ist f = τ v τ n σ H

2 Behauptung: σ H = τ n σ H mit H = 2 n + H H Beweis: ( ) σ H (x n) σ 2 H(x) = T (σ H )( V or n) = + n 2 2 Es folgt: σ H (x) 28 = σ H (x n) + n ( ) = σ 2 2 H (x) + n = τ n σ H (x) Also ist f = τ v σ H mit v T (H) = T (H ) Für v = ist f = σ H und für v ist f = τ v σ H, v T (H ) die Gleitspiegelung an H mit Schub v b) Sei f = τ v σ H, v T (H) Anschaulich: σ H (x) x v v σ H (f(x)) f(x) f(f(x)) H Rechnung: Wegen H = Fix(σ H ) und v T (H) ist T (σ H )(v) = v σ H (x + v) σ H (x) = T (σ H )(x + v x) = T (σ H )(v) = v, somit f(x) = σ H (x) + v = σ H (x + v) Es folgt f(f(x)) = σ H (σ H (x + v)) + v = x + v + v = x + 2v x und f(x) x A Bewegungen im R 2 : Die orthogonalen linearen Abbildungen ϕ : R 2 R 2 sind (siehe Kap IV): Die Drehungen um den Nullpunkt Die Spiegelungen einer Geraden durch Die Identität Also gibt es im R 2 folgende Bewegungen f id: () Translationen τ v, v (2) f = τ v δ, v R 2, δ id eine Drehung um den Nullpunkt (3) f = τ v σ, v R 2, σ Spiegelung an einer Geraden durch 2

3 Nach (3) ist τ v σ entweder eine Spiegelung oder eine Gleitspiegelung Definition: Sei p R 2 beliebig und < α < 2π Die Drehung um den Punkt p mit Drehwinkel α ist die Abbildung δ mit ( ) cos α sin α δ(p + x) = p + x für alle x R 2 ( ) cos α sin α Setze y = x Dann ist δ(p + x) = p + y δ(p + x) p y α x p + x ( cos α sin α Eigenschaften: Fix(δ = {p} und T (δ) = ( ) cos α sin α δ(p + x) = p + x x = x x = ( ) cos α sin α (32) Bemerkung: Ist δ : R 2 R 2, x x mit < α < 2π, so gilt: ϕ = (id δ ) : R 2 R 2 ist ein Isomorphismus und τ v δ ist die Drehung um den Punkt p = ϕ (v) mit Drehwinkel α Beweis: Wegen δ (x) x für alle x R 2 \{} folgt (id δ )(x) für alle x R 2 \{} und ϕ = id δ ist ein Isomorphismus Sei p := ϕ (v) Dann ist v = (id δ )(p) = p δ (p) und τ v δ (p + x) = δ (p) + δ (x) + v = p + δ (x) Damit ist τ v δ die Drehung um p mit Drehwinkel α ) : 3

4 (33) Satz: Es gibt im R 2 die folgenden 4 Typen von Bewegungen id Art Bezeichnung Fixpunktmenge eigentlich Translation Drehung φ Punkt uneigentlich Spiegelung Gerade Gleitspiegelung φ Dies ergibt sich mit 3 und 32 aus den obigen Überlegungen B Bewegungen im R 3 : Sei D R 3 eine Gerade Definition: Eine Drehung des R 3 um die Achse D ist eine Bewegung δ : R 3 R 3 derart, dass T (δ) eine Drehung ist und D = Fix(δ) D p α x y δ(p + x) = p + y, y = T (δ)(x) p + x 4

5 Sei f : R 3 R 3 eine beliebige Bewegung, dh f(x) = ϕ(x) + b, wobei T (f) = ϕ orthogonal ist und b R 3 Nach Kap IV gibt es 4 Typen von orthogonalen Abbildungen ϕ : R 3 R 3 : a) ϕ = id In diesem Fall ist f eigentlich, (i) f = id, falls b = (ii) f = τ eine Translation mit Fixf = φ, falls b b) ϕ ist eine Spiegelung an einer Ebene H durch In diesem Fall ist f uneigentlich und nach (3) gibt es zwei Möglichkeiten: (i) f ist die Spiegelung an einer Ebene H H und H = Fixf (ii) f ist eine Gleitspiegelung und Fixf = φ c) ϕ ist eine Drehung δ id um eine Achse D durch Dann ist f eigentlich Unterscheide zwei Fälle: (i) b D Dann ist Fix(f) eine Gerade D D und daher f (definitionsgemäß) eine Drehung δ um die Achse D Beweis: Für y D und x R 3 ist x δ (x), y = x δ (x), δ (y) = x, y δ (x), δ (y) =, da δ orthogonal Somit ist Bild (id δ ) D Wegen Kern (id δ ) = D ist dim Bild (id δ ) = 3 dim D = 2 = dim D und daher D = Bild (id δ ) Wegen b D gibt es somit ein x R 3 mit b = x δ (x), dh f(x) = δ (x) + b = x und Fixf φ Nach (22) ist daher T (Fixf) = Fix(δ ) = D und Fixf = D Gerade, D D (ii) b D Zerlege b = b + b 2 mit b D, b 2 D Dann ist nach (ii) δ = τ b2 ϕ eine Drehung δ um eine Achse D D und f(x) = δ(x) + b mit einem Vektor b D = T (D) Eine solche Abbildung nennt man Schraubung mit Achse D und Schub b T (D) Behauptung: f hat keinen Fixpunkt Beweis: Angenommen f(x) = δ (x) + b = x Schreibe x = u + v mit u D und v D Dann ist u + v = δ (u + v) + b = u + δ (v) + b 5

6 und b = v δ (v) Wegen v D ist δ(v) D, also auch b D, Widerspruch d) ϕ ist eine Drehspiegelung, dh ϕ = σ H δ, wobei δ eine Drehung mit Achse D H, = D H Dann ist f uneigentlich und ϕ = T (f) hat die Normalform cos α sin α < α < 2π Insbesondere ist kein Eigenwert von ϕ Daher hat f nach (22) genau einen Fixpunkt p Nach (29) ist dann f = (τ p σ H τ p )(τ p δ τ p ) = σ p+h (τ p δ τ p ) Behauptung: δ = τ p δ τ p ist eine Drehung um eine Achse D H = p + H Beweis: Wegen δ(x) = p + δ ( p) + δ (x) ist T (δ) = δ eine Drehung und wir sind im Fall c) Wähle v D Dann ist τ p δ τ p (p + v) = τ p δ (v) = τ p (v) = p + v und Fixδ φ Die Behauptung folgt aus c) Fazit: f = σ H δ, wobei σ H die Spiegelung an der Ebene H ist und δ eine Drehung um eine Achse D H Eine solche Abbildung heißt Drehspiegelung Fix(f) = {p} = D H Schematische Zusammenfassung: (34) Satz: Im R 3 gibt es genau 6 Typen von Bewegungen f id: 6

7 Art Bezeichnung Fixpunktmenge Translation φ eigentlich Drehung Gerade Schraubung Spiegelung φ Gerade uneigentlich Gleitspiegelung φ Drehspiegelung Übungsaufgaben: Punkt ) a) Zeigen Sie, dass δ (x) = x + eine Drehung ist und bestimmen Sie Drehachse und Drehwinkel b) Zeigen Sie, dass das Produkt der Drehungen δ und δ 2 (x) = x eine Schraubung ist Bestimmen Sie die Achse und den Schub von δ δ 2 2) a) Zeigen Sie, dass δ(x) = x + 2 eine Drehung ist und bestimmen Sie die Achse von δ b) Zeigen Sie, dass das Produkt δ δ 3 von δ und δ 3 (x) = x eine Translation ist 3) Zeigen Sie: Das Produkt von 2 Drehungen um die gleiche Achse ist entweder eine Drehung oder die Identität 7

8 Lösungen x x x ) a) δ x 2 = x 2 = x 2 x =, =, also: 2 x 3 + Fix (δ ) = + R = D ist eine Gerade Nach (35) ist /2 δ eine Drehung um die Achse D = Spur = + 2 cos α cos α = b) Also ist α = 8 der Drehwinkel von δ x δ δ 2 x 2 = x = D 3 = R und D 3 3 x x 2 + x ist die Drehung um die Achse x x 2 + Daher ist δ δ 2 die Schraubung um die Achse D 3 mit Schub x x 2) a) δ x 2 = x = x x 2 x =, x 2 = 8

9 Also: Fix δ = + R = D ist eine Gerade, somit ist δ eine Drehung mit Achse D x x b) δ(δ 3 x 2 ) = x 2 + ist eine Translation 2 3) Seien δ und δ 2 Drehungen um die Achse D det(t (δ δ 2 ) = det(t (δ ) T (δ 2 )) = det(t (δ )) det(t (δ )) = = Also ist δ δ 2 eine eigentliche Bewegung Ferner ist D Fix (δ δ 2 ); insbesondere ist Fix (δ δ 2 ) φ Nach (35) ist daher δ δ 2 entweder eine Drehung oder die Identität 9

4 Orthogonale Endormorphismen

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

Mehr

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

13 Lineare Abbildungen

13 Lineare Abbildungen 13 Lineare Abbildungen Grob gesprochen sind lineare Abbildungen bei Vektorräumen dasselbe wie Homomorphismen bei Gruppen, nämlich strukturerhaltende Abbildungen. Auch in diesem Kapitel seien V, W Vektorräume.

Mehr

7 Lineare Abbildungen und Skalarprodukt

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

Mehr

Lineare Algebra I 14. Tutorium Lineare Abbildungen und Matrizen

Lineare Algebra I 14. Tutorium Lineare Abbildungen und Matrizen Lineare Algebra I 4 Tutorium Lineare Abbildungen und Matrizen Fachbereich Mathematik WS / Prof Dr Kollross 7 Februar Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Bewegungen im ) Als Bewegung

Mehr

Drehachse und Drehwinkel

Drehachse und Drehwinkel Drehachse und Drehwinkel Jede Drehung Q im R 3 besitzt eine Drehachse, d.h. lässt einen Einheitsvektor u invariant, und entspricht einer ebenen Drehung um einen Winkel ϕ in der zu u orthogonalen Ebene.

Mehr

Jede symmetrische Bilinearform b definiert eine quadratische Form q durch. q(x) := b(x, x).

Jede symmetrische Bilinearform b definiert eine quadratische Form q durch. q(x) := b(x, x). 1 Kapitel 1 Clifford-Algebren 1 Innere Produkte Sei k {R, C}, V stets ein endlich-dimensionaler k-vektorraum. Fehlende Beweise finden sich in der Literatur ([Art1], [Bou1], [Brie], [Cohn]). Definition.

Mehr

Analytische Geometrie

Analytische Geometrie 21 Vorlesungen über Analytische Geometrie für Lehramtstudierende der Schulformen Grund-, Mittel- und Realschule Jens Jordan Universität Würzburg, Wintersemster 2015/16 Hier kommt noch ein schönes Bildchen

Mehr

09. Lineare Abbildungen und Koordinatentransformationen

09. Lineare Abbildungen und Koordinatentransformationen 09. Lineare Abbildungen und Koordinatentransformationen Definition. Seien V und W Vektorräume. Unter einer linearen Abbildung versteht man eine Abbildung F : V W, v F v w mit folgender Eigenschaft: F λ

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

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

D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j

D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 0 Tom Ilmanen Musterlösung 2. Falls b := (v,,v n ) eine Orthonormalbasis von V ist, dann lassen sich die Komponenten von einem Vektor v = n i= t i v i bezüglich

Mehr

Kapitel V. Affine Geometrie

Kapitel V. Affine Geometrie Kapitel V Affine Geometrie 1 Affine Räume Betrachte ein lineares Gleichungssystem Γ : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 + + a mn x n = b

Mehr

3.3. Drehungen und Spiegelungen

3.3. Drehungen und Spiegelungen 3.3. Drehungen und Spiegelungen Drehungen und Spiegelungen in der Ebene Die Multiplikation einer komplexen Zahl z = x + i y (aufgefaßt als Punkt oder Ortsvektor der Ebene) mit der Zahl w = e ( ) = i φ

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

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

Mehr

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

Invariantentheorie. Bewegungen

Invariantentheorie. Bewegungen Prof. Dr. H. Brenner Osnabrück WS 2012/2013 Invariantentheorie Vorlesung 21 In den folgenden Vorlesungen werden wir die endlichen Untergruppen G SL 2 (C) und ihre Invariantenringe klassifizieren. Dieses

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 10 Bewegungen Wir haben schon mehrfach die Würfelgruppe betrachtet, also die Gruppe der eigentlichen Symmetrien an einem Würfel.

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

Mathematik und Logik

Mathematik und Logik Mathematik und Logik 9. Übungsaufgaben 2007-01-23 1. Beweisen Sie geometrisch, daß die Addition von Vektoren in der Ebene assoziativ ist. Beweis. Man zeichnet die entsprechenden Parallelogramme. 2. Der

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 34 Die Diagonalisierbarkeit von Isometrien im Komplexen Satz 34.1. Es sei V ein endlichdimensionaler C-Vektorraum

Mehr

4 Lineare Abbildungen

4 Lineare Abbildungen 17. November 2008 34 4 Lineare Abbildungen 4.1 Lineare Abbildung: Eine Funktion f : R n R m heißt lineare Abbildung von R n nach R m, wenn für alle x 1, x 2 und alle α R gilt f(αx 1 ) = αf(x 1 ) f(x 1

Mehr

Konvexe Mengen. Kanglin,Chen. Universität Bremen, Proseminar WS 04/05

Konvexe Mengen. Kanglin,Chen. Universität Bremen, Proseminar WS 04/05 Konvexe Mengen Kanglin,Chen Universität Bremen, Proseminar WS 04/05 Satz. (Satz von Kirchberger) Sei P, Q E n kompakt und nicht leer. Dann gilt: P, Q sind durch eine Hyperebene streng trennbar. Für jede

Mehr

Kapitel II Lineare Algebra und analytische Geometrie Stand 9. Januar 2011

Kapitel II Lineare Algebra und analytische Geometrie Stand 9. Januar 2011 Kapitel II Lineare Algebra und analytische Geometrie Stand 9 Januar 011 7 Bewegungen Wir betrachten jetzt Affinitäten in n unter Einbeziehung der Abstandsmessung Die Abstandsmessung in n beruht auf einem

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

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME

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

Mehr

Klassifikation ebener affiner Abbildungen

Klassifikation ebener affiner Abbildungen Klassifikation ebener affiner Abbildungen Die Analyse und Klassifikation der affinen Abbildungen der Ebene ist ein hervorragendes Beispiel für das, was Freudenthal lokales Ordnen nennt. Die affinen Abbildungen

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

Prüfung Lineare Algebra 2

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

Mehr

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

6. Normale Abbildungen

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

Mehr

4 Eigenwerte und Eigenvektoren

4 Eigenwerte und Eigenvektoren 4 Eigenwerte und Eigenvektoren Sei V {0} ein K Vektorraum und f : V V K linear. Definition: Ein Eigenwert von f ist ein Element λ K, für die es einen Vektor v 0 in V gibt, so dass f(v) = λ v. Sei nun λ

Mehr

Algebra I. Prof. Dr. M. Rost. Übungen Blatt 4 (WS 2015/16) 1. Abgabetermin: Donnerstag, 19. November.

Algebra I. Prof. Dr. M. Rost. Übungen Blatt 4 (WS 2015/16) 1. Abgabetermin: Donnerstag, 19. November. Algebra I Prof. Dr. M. Rost Übungen Blatt 4 (WS 2015/16) 1 Abgabetermin: Donnerstag, 19. November http://www.math.uni-bielefeld.de/~rost/a1 Erinnerungen an die Vorlesung: Im Folgenden werden manchmal einige

Mehr

2.3.4 Drehungen in drei Dimensionen

2.3.4 Drehungen in drei Dimensionen 2.3.4 Drehungen in drei Dimensionen Wir verallgemeinern die bisherigen Betrachtungen nun auf den dreidimensionalen Fall. Für Drehungen des Koordinatensystems um die Koordinatenachsen ergibt sich 1 x 1

Mehr

7 Orthogonale und unitäre Matrizen

7 Orthogonale und unitäre Matrizen $Id: orthogonal.tex,v.6 2/7/ 4::3 hk Exp $ $Id: mdiffb.tex,v.3 2/7/ 4::5 hk Exp hk $ 7 Orthogonale und unitäre Matrizen 7.2 Drehungen Wir wollen uns jetzt mit Drehungen im dreidimensionalen Raum beschäftigen.

Mehr

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

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

Mehr

r i w i (siehe (3.7)). r i v, w i = 0.

r i w i (siehe (3.7)). r i v, w i = 0. Orthogonales Komplement und Orthogonalprojektion Wir betrachten weiterhin einen euklidischen Vektorraum V,,. (6.13) Def.: Ist M V, so heißt das orthogonale Komplement von M. (6.14) Fakt. (i) M ist Untervektorraum

Mehr

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w = 1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition

Mehr

Symmetrien. Transformationen. Affine und euklidische Räume

Symmetrien. Transformationen. Affine und euklidische Räume Symmetrien Transformationen Der Gruppenbegriff entwickelte sich aus dem Begriff der Transformationsgruppe. In dieser Form tauchen auch die meisten Gruppen in der Mathematik, Physik, Chemie, Kristallographie,

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

Drehung. Die orthogonale n n-matrix 1 0. c s. Zeile j. s c

Drehung. Die orthogonale n n-matrix 1 0. c s. Zeile j. s c Drehung Die orthogonale n n-matrix Q i,j... Zeile i c s... Zeile j s c... mit c = cos ϕ und s = sin ϕ beschreibt eine Drehung um den Winkel ϕ in der x i x j -Ebene des R n. Drehung - Drehung Die orthogonale

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

3 Der Körper der komplexen Zahlen

3 Der Körper der komplexen Zahlen 3 Der Körper der kompleen Zahlen Nicht jede quadratische Gleichung hat eine reelle Lösung + p + q = (p, q R) Beispiel: Für alle R ist und daher + 1 Abhilfe: Man erweitert R zu einem größerem Körper C,

Mehr

6. Übungsblatt Aufgaben mit Lösungen

6. Übungsblatt Aufgaben mit Lösungen 6. Übungsblatt Aufgaben mit Lösungen Exercise 6: Find a matrix A R that describes the following linear transformation: a reflection with respect to the subspace E = {x R : x x + x = } followed by a rotation

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

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

Aufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).

Aufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a). Aufgabe Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = Es gilt det(λa = (λ n det(a det I n = n? Nein (außer für n = Es gilt deti n = det(ab = det A det B? Ja det(a =

Mehr

Klausur zu. Lineare Algebra II. Viel Erfolg! Fachbereich Mathematik WS 2012/13 Dr. habil. Matthias Schneider. Bonus Note. Aufgabe

Klausur zu. Lineare Algebra II. Viel Erfolg! Fachbereich Mathematik WS 2012/13 Dr. habil. Matthias Schneider. Bonus Note. Aufgabe Klausur zu Lineare Algebra II Fachbereich Mathematik WS 0/3 Dr. habil. Matthias Schneider Aufgabe 3 4 5 6 7 Bonus Note Punktzahl 4 3 3 3 3 0 erreichte Punktzahl Es sind keine Hilfsmittel zugelassen. Die

Mehr

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE Wiederholungsblatt Elementargeometrie im SS 01 bei Prof. Dr. S. Goette LÖSUNGSSKIZZE Die Lösungen unten enthalten teilweise keine vollständigen Rechnungen. Es sind aber alle wichtigen Zwischenergebnisse

Mehr

13. Lineare Algebra und Koordinatenwechsel.

13. Lineare Algebra und Koordinatenwechsel. 3. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation der lineare

Mehr

5. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI), AngGeo und UI

5. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI), AngGeo und UI Fachbereich Mathematik Prof Dr K Ritter Dr M Slassi M Fuchssteiner SS 9 9 Mai 9 5 Übungsblatt zur Mathematik II für BI, MaWi, WI(BI, AngGeo und UI Gruppenübung Aufgabe G (a Betrachten Sie die Vektoren

Mehr

Klausur HM I H 2005 HM I : 1

Klausur HM I H 2005 HM I : 1 Klausur HM I H 5 HM I : 1 Aufgabe 1 4 Punkte): Zeigen Sie mit Hilfe der vollständigen Induktion: n 1 1 + 1 ) k nn k n! für n. Lösung: Beweis mittels Induktion nach n: Induktionsanfang: n : 1 ) 1 + 1 k

Mehr

Wie misst man Symmetrie?

Wie misst man Symmetrie? Wie misst man Symmetrie? Was ist Symmetrie? Beispiele Bewegungen Friesgruppen Verallgemeinerungen Was ist Symmetrie denn eigentlich? Kann man sie überhaupt messen? Symmetrie = Gleichmaß August Ferdinand

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 (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

13. Vorlesung. Lineare Algebra und Koordinatenwechsel.

13. Vorlesung. Lineare Algebra und Koordinatenwechsel. 3. Vorlesung. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation

Mehr

Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Lösungsvorschlag

Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner SS 0 Blatt 9 9060 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach Lösungsvorschlag a Die gegebene Matrix

Mehr

10 Untermannigfaltigkeiten

10 Untermannigfaltigkeiten 10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und

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

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

4 Lineare Abbildungen und Matrizen

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

Mehr

11. Vorlesung. Lineare Algebra und Sphärische Geometrie.

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

Mehr

i j m f(y )h i h j h m

i j m f(y )h i h j h m 10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem

Mehr

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

7.2 Die adjungierte Abbildung

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

Mehr

Definition und gemeinsame Eigenschaften der Symplektischen und Orthogonalen Geometrie

Definition und gemeinsame Eigenschaften der Symplektischen und Orthogonalen Geometrie Universität Duisburg-Essen, Campus Essen, Fachbereich Mathematik, IEM AG Zahlentheorie Definition und gemeinsame Eigenschaften der Symplektischen und Orthogonalen Geometrie Proseminar Algebra WS 2008/2009,

Mehr

Serie 12: Eigenwerte und Eigenvektoren

Serie 12: Eigenwerte und Eigenvektoren D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie : Eigenwerte und Eigenvektoren Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom 7 und 9 Dezember Finden Sie für folgende

Mehr

2.5 Diskrete Bewegungsgruppen I: die Punktgruppe,

2.5 Diskrete Bewegungsgruppen I: die Punktgruppe, Diskrete Geometrie (Version 3) 20. November 2011 c Rudolf Scharlau 133 2.5 Diskrete Bewegungsgruppen I: die Punktgruppe, Friesgruppen In diesem Abschnitt ist wie bisher ein euklidischer (Vektor-)Raum E

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 0/06 Lineare Algebra und analytische Geometrie I Vorlesung... und ein guter Lehrer kann auch einem schlechten Schüler was beibringen Beziehung zwischen Eigenräumen Wir

Mehr

Aus dem Beispiel lässt sich ablesen (und auch beweisen, siehe Mathematikvorlesung): Die Einheitsvektoren des Koordinatensystems K sind die Spalten der

Aus dem Beispiel lässt sich ablesen (und auch beweisen, siehe Mathematikvorlesung): Die Einheitsvektoren des Koordinatensystems K sind die Spalten der 7 Aus dem Beispiel lässt sich ablesen (und auch beweisen, siehe Mathematikvorlesung): Folgerung: Drehmatrizen haben die Determinante. Folgerung: Drehmatrizen sind orthogonale Matrizen, das heißt D = D

Mehr

Exkurs: Klassifikation orthogonaler 2 2-Matrizen.

Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Aussage: Es gilt: (a) Jede orthogonale 2 2 Matrix A mit det(a) = 1 hat das Aussehen cos(α) sin(α) D(α) = sin(α) cos(α), wobei α [0,2π[. Ist sin(α) 0, so

Mehr

44 Orthogonale Matrizen

44 Orthogonale Matrizen 44 Orthogonale Matrizen 44.1 Motivation Im euklidischen Raum IR n haben wir gesehen, dass Orthonormalbasen zu besonders einfachen und schönen Beschreibungen führen. Wir wollen das Konzept der Orthonormalität

Mehr

3 Vektorräume abstrakt

3 Vektorräume abstrakt Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare

Mehr

Lineare Algebra II 8. Übungsblatt

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

Mehr

3 Definition: 1. Übungsblatt zur Vorlesung Lineare Algebra I. im WS 2003/2004 bei Prof. Dr. S. Goette

3 Definition: 1. Übungsblatt zur Vorlesung Lineare Algebra I. im WS 2003/2004 bei Prof. Dr. S. Goette 1. Übungsblatt zur Vorlesung Abgabe Donnerstag, den 30.10.03 1 Finden 2 Sei Sie reelle Zahlen a, b, c, so dass a (2, 3, 1) + b (1, 2, 2) + c (2, 5, 3) = (3, 7, 5). (V,, ) ein euklidischer Vektorraum. Zeigen

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

Ausgewählte Lösungen zu den Übungsblättern 9-10 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt

Mehr

m 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23

m 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23 Kapitel 5 Eigenwerte 5. Definition und Beispiele Wir sehen uns ein System dreier schwingender Kugeln der Massen m, m und m 3 an, die durch Federn aneinander gekoppelt sein sollen. m k m k 3 m 3 x ( t x

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

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

Mehr

Vektorprodukt. Institut für Mathematik Humboldt-Universität zu Berlin & &

Vektorprodukt. Institut für Mathematik Humboldt-Universität zu Berlin & & Vektorprodukt Institut für Mathematik Humboldt-Universität zu Berlin 18.02.2004 & 17.02.2005 & 11.07.2005 zu den Vorlesungen Lineare Algebra und analytische Geometrie I (L) im WS 2003/2004, Mathematik

Mehr

Drehung um einen Punkt um Winkel α.

Drehung um einen Punkt um Winkel α. Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D

Mehr

Hauptklausur. Lineare Algebra. (BaM-LA1, L3M-AG) Prof. Dr. Martin Möller // Jonathan Zachhuber. WiSe 2016/17 // 20. Februar 2017

Hauptklausur. Lineare Algebra. (BaM-LA1, L3M-AG) Prof. Dr. Martin Möller // Jonathan Zachhuber. WiSe 2016/17 // 20. Februar 2017 Hauptklausur Lineare Algebra (BaM-LA1, L3M-AG) Prof. Dr. Martin Möller // Jonathan Zachhuber WiSe 2016/17 // 20. Februar 2017 Kontrollieren Sie, ob Sie alle 6 Aufgabenblätter erhalten haben, und geben

Mehr

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Def. Eine Gleitspiegelung ist eine Spiegelung an einer Geraden (Spiegelachse) verknüpft mit einer Translation parallel zu dieser

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

Lineare Algebra II, Teil 2

Lineare Algebra II, Teil 2 Lineare Algebra II, Teil 2 HP Butzmann Vorlesung im FSS 0 Inhaltsverzeichnis Orthogonale Abbildungen 2 2 Die Jordansche Normalform 23 Kapitel Orthogonale Abbildungen Erinnerung. Es sei V ein R-Vektorraum.

Mehr

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum Kapitel II Lineare Algebra und analytische Geometrie 6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum geometrischen

Mehr

Bonusmaterial Euklidische und unitäre Vektorräume Geometrie in höheren Dimensionen

Bonusmaterial Euklidische und unitäre Vektorräume Geometrie in höheren Dimensionen Bonusmaterial Euklidische und unitäre Vektorräume Geometrie in höheren Dimensionen Orthogonale und unitäre Endomorphismen Wir untersuchen nun lineare Abbildungen in euklidischen und unitären Vektorräumen

Mehr

Lineare Algebra. 1 Lineare Abbildungen

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

Mehr

{ id, falls sgn(σ) = 1, τ, falls sgn(σ) = 1,

{ id, falls sgn(σ) = 1, τ, falls sgn(σ) = 1, Aufgabe I1 (4 Punkte) Es seien (G, ) und (H, ) Gruppen a) Wann heißt eine Abbildung Φ : G H ein Gruppenhomomorphismus? b) Es seien Φ, Ψ : G H zwei Gruppenhomomorphismen Zeigen Sie, dass eine Untergruppe

Mehr

Mathematik II Frühjahrssemester 2013

Mathematik II Frühjahrssemester 2013 Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik

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

gegeben: G sei endliche Gruppe, jede Untergruppe von G sei ein Normalteiler zu zeigen: je zwei Elemente teilerfremder Ordnung kommutieren

gegeben: G sei endliche Gruppe, jede Untergruppe von G sei ein Normalteiler zu zeigen: je zwei Elemente teilerfremder Ordnung kommutieren Stefan K. 4.Übungsblatt Algebra I Aufgabe 1 gegeben: G sei endliche Gruppe, jede Untergruppe von G sei ein Normalteiler von G zu zeigen: je zwei Elemente teilerfremder Ordnung kommutieren Beweis: Seien

Mehr

5.3 Darstellungsmatrizen affiner Abbildungen

5.3 Darstellungsmatrizen affiner Abbildungen 5.3 Darstellungsmatrizen affiner Abbildungen Definition 5.3.1. Seien A und B endlich-dimensionale ARs mit dim A n, dim B m und KS E : (p 0,..., p n ) von A und KS F : (q 0,..., q m ) von B. Sei α : A B

Mehr

Seite 1. sin 2 x dx. b) Berechnen Sie das Integral. e (t s)2 ds. (Nur Leibniz-Formel) c) Differenzieren Sie die Funktion f(t) = t. d dx ln(x + x3 ) dx

Seite 1. sin 2 x dx. b) Berechnen Sie das Integral. e (t s)2 ds. (Nur Leibniz-Formel) c) Differenzieren Sie die Funktion f(t) = t. d dx ln(x + x3 ) dx Seite Aufgabe : a Berechnen Sie das Integral b Berechnen Sie das Integral +x x+x dx. π sin x dx. c Differenzieren Sie die Funktion ft = t e t s ds. Nur Leibniz-Formel a + x x + x dx = d dx lnx + x dx =

Mehr

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Inhaltsverzeichnis INHALTSVERZEICHNIS 1 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4

Mehr

1 Matrizenrechnung zweiter Teil

1 Matrizenrechnung zweiter Teil MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten

Mehr

6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar.

6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar. Um zu zeigen, dass die irreduziblen Teiler eines reellen Polynoms höchstens den Grad 2 haben, fassen wir nun (x γ) und (x γ) zusammen und stellen fest, dass (x (a + b i))(x ((a b i)) = x 2 2a + (a 2 +

Mehr

Lösungen zu den Hausaufgaben zur Analysis II

Lösungen zu den Hausaufgaben zur Analysis II Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin

Mehr

Einige Ergebnisse der euklidischen Geometrie

Einige Ergebnisse der euklidischen Geometrie 1 Teil I Einige Ergebnisse der euklidischen Geometrie In Teil I setzen wir den euklidischen Raum als bekannt voraus (aus der Schule oder aus der Vorlesung Lineare lgebra und nalytische Geometrie). Da wir

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

Affine Eigenschaften ( stets K = R)

Affine Eigenschaften ( stets K = R) Affine Eigenschaften ( stets K = R) Def. 15 Sei M eine Teilmenge eines affinen Raums A über V (über K). Eine Eigenschaft der Menge M heißt affin, wenn für jede Affinität F : A A 1 die Bildmenge {F(a)wobei

Mehr