f : R 2 R 3 und erhält, über das Skalarprodukt, die symmetrische Bilinearform

Größe: px
Ab Seite anzeigen:

Download "f : R 2 R 3 und erhält, über das Skalarprodukt, die symmetrische Bilinearform"

Transkript

1 11. Riemannsche Geometrie II: Krümmung. In diesem Abschnitt betrachten wir variabe Biinearformen von R 2, d.h. Riemannsche Metriken von R 2. Es ist eine der großen Entdeckungen des 19. Jahrhunderts (durch Gauss, dass soche Riemannschen Metriken in sich gekrümmt sind. Dies hat Gauss mathematisch präzisiert und so eine der wichtigsten Invarianten der Geometrie definiert. Die Krümmung von Fächen. Fächen im Raum sind verschieden gekrümmt. Man kann versuchen diesen Begriff von Krümmung auch für die Krümmung von Riemannschen Geometrien auszunutzen. Dies geht nicht immer, aber man erhät dennoch übberraschenderweise ganz agemeine Aussage. Dies woen wir hier beschreiben. Sei g eine Riemannsche Metrik g : R 2 Bi(R 2, R, p g p, gegeben, d.h. eine variabe, symmetrische 2 2-Matrix. Wir beginnen mit Riemannschen Metriken, die von einer Einbettung induziert sind. In diesem Fa hat man eine Einbettung f : R 2 R 3 und erhät, über das Skaarprodukt, die symmetrische Biinearform g p (X,Y :=< (df p (X, (df p (Y >. Hier schreiben wir Vektoren mit großen Buchstaben und benutzen die Schreibweise <.,. > für das gewöhniche Skaarprodukt. Die Bidvektoren (df p (X iegen in R 3. Nun gibt es aber in R 3 auch noch das Vektorprodukt. Mit Hife dieses Vektorprodukts definiert man eine Abbidung ([ ] ( [ ] g : R 2 R 3 1 0, p (df p (df 0 p. 1 Intuitiv kodiert die Bewegung des Normaenvektors das Krümmungsverhaten der Fäche. Kaus Johannson, Geometrie

2 80. Geometrie N L(X X Der torkende Normaenvektor Man definiert deshab Definition. Die Gauss sche Krümmung der Riemannschen Metrik (R 2,b im Punkt p R 2 ist definiert durch K(p = detl wobei L = dg die sog. Weingarten Abbidung ist. Bemerkung. Die Definition ist forma noch nicht ganz sauber, da ja g : R 2 R 3 und so dg gar keine quadratische Matrix ist. Man müsste genauer den Normaenvektor noch zu 1 normieren. Dann wäre g eine Abbidung g : R 2 S 2 R 3 und die Dimensionen würden übereinstimmen. Probem. Diese Definition von Riemannschen Metriken des R 2 ist noch etwas unschön, denn sie geht ja über den Umweg der Einbettung der Riemannschen Metrik in $R 3. Diese Einbettung ist aber nur für gewisse Riemannsche Metriken und nicht für ae Metriken mögich. Weiter ist unkar, ob die Krümmung von der Art der Einbettung abhängt oder nicht. Ae diese Probeme werden sich aber in nichts aufösen, wenn wir erst einma wirkich verstanden haben, wie man detl berechnet. Berechnung der Determinante der Weingarten Abbidung. Wir müssen noch einma kurz den Begriff der Richtungsabeitung aus der Anaysis rekapituieren. Die Richtungsabeitung einer Funktion f in Richtung eines Vektors X ist gegeben durch: Xf = X f = a f x + b f y + c f z. Kaus Johannson, Geometrie

3 13 Riemannsche Geometrie II 81 Die Richtungsabeitung eines Vektorfedes Y in Richtung eines Vektors X ist gegeben durch: D X Y := [X p y 1,...,X p y n ] Dann rechnet man schne nach, dass L(X := D X N, wobei N das Vektorfed der Normaenvektoren ist. Der große Trick (von Gauss besteht nun darin fogende Modifikation von D X einzuführen: D X Y := D X Y + < L(X,Y > N N < L(X,Y > N _ D Y X D Y X Aufspatung von D X Y in tangentieen und normaen Antei Bemerkung. Es git < D X Y,N >=< D X Y,N > + < D X N,Y >= X < Y,N >= 0, d.h. D X Y ist tatsächich senkrecht zu N. Mit dieser Definition ergibt sich das erste überraschende Resutat (das man durch reines Nachrechnen erhät: Satz. det L =< D X D Y Y D Y D X Y D [X,Y ] Y,X >. Beweis. Für jede ineare Abbidung L : R 2 R 2 git [ ] < L(e1,e det L = det 1 > < L(e 2,e 1 > < L(e 1,e 2 > < L(e 2,e 2 > Es ist nämich L(e 1 die erste Spate der Matrix L und < L(e 1,e 1 > der erste Eingang des Vektors L(e 1 und somit der Eingang L 11 der Matrix L. Die Determinante ist aber unabhängig von der Wah der Basis. Deshab git für eine beiebige Basis X,Y ebenso [ ] < L(X,X > < L(Y,X > det L = det < L(X,Y > < L(Y,Y > =< L(X,X >< L(Y,Y > < L(Y,X >< L(X,Y > Kaus Johannson, Geometrie

4 82. Geometrie Nun ist aber: DX ( D Y Z D Y ( D X Z D [X,Y ] Z = (XY z 1,...,XY z n (Y Xz 1,...,Y Xz n ([X,Y ]z 1,...,[X,Y ]z n = 0 und somit (wegen der Definition D X Y = D X Y < L(X,Y > N: 0 = D X ( D Y Z D Y ( D X Z D [X,Y ] Z = D X ( D Y Z < L(Y,Z > N D Y ( D X Z < L(X,Z > N D [X,Y ] Z = D X D Y Z D X < L(Y,Z > N D Y D X Z D Y < L(X,Z > N D [X,Y ] Z =( D X D Y Z < L(X,D Y Z > N D Y < L(Y,Z > N ( D Y D X Z < L(Y,D X Z > N D Y < L(X,Z > N D [X,Y ] Z =D X D Y Z < L(X,D Y Z > N ( X(< L(Y,Z >N < L(Y,Z > L(X D Y D X Z+ < L(Y,D X Z > N + ( Y (< L(X,Z >N+ < L(X,Z > L(Y D [X,Y ] Z+ < L([X,Y ],Z > N =( D X D Y Z < L(Y,Z > L(X D Y D X Z+ < L(X,Z > L(Y D [X,Y ] Z + ( L(X,D Y Z > X < L(Y,Z > +L(Y,D X Z > +Y < L(X,Z > + < L([X,Y ],Z > N Die Summe aer Koeffizienten, die N nicht enthaten, as auch die Summe aer Koeffizienten, die N enthaten muss 0 sein. Hier ist die erste dieser Summen: Aso haben wir und so 0 = D X D Y Z L(Y,Z > L(X D Y D X Z + L(X,Z > L(Y D [X,Y ] Z D X D Y Z D Y D X Z D [X,Y ] Z =< L(Y,Z > L(X L(X,Z > L(Y < D X D Y Z D Y D X Z D [X,Y ] Z,X > < D X D Y Y D Y D X Y D [X,Y ] Y,X > Dies beweist den Satz. =< L(Y,Z >< L(X,X > < L(X,Z >< L(Y,X > =< L(Y,Y >< L(X,X > < L(X,Y >< L(Y,X > = det L Kaus Johannson, Geometrie

5 Die Riemannsche Krümmung. Definition. Der Ausdruck 13 Riemannsche Geometrie II 83 heißt Riemannsche Krümmung. R(X,Y Z := D X D Y Z D Y D X Z D [X,Y ] Z Die Riemannsche Krümmung (und somit die Gauss sche Krümmung hängt aso ab von der Riemannschen Metrik <.,. > und der Wah eines Zusammenhangs D X. Man rechnet schne nach, dass der obige Zusammenhang D X die fogenden Eigenschaften hat: (1 D X (Y + Z = D X Y + D X Z (2 D X+Y Z = D X Z + D Y Z (3 D fx Y = fd X Y (4 D X (fy = (XfY + fd X Y und weiter (5 D X Y D Y X = [X,Y ] (6 Z < X,Y >=< D Z X,Y > + < X,D Z Y > Ein socher Zusammenhang heißt Riemannscher Zusammenhang. Nun stet sich as zweite Überraschung heraus: Satz. Es gibt einen und nur einen Riemannschen Zusammenhang, für jede Riemannsche Metrik Beweis. Seien X 1,X 2 die Basisvektoren. Dann git g ij :=< X i,x j > und es sei (g 1 ij der ij-te Eingang der inversen Matrix. Wegen (5 und (6 fogt: 2 < D Xi X j,x k >= X i < X k,x j > +X j < X k,x i > +X k < X i,x j >, da [X i X j ] = 0. für ae i,j. Nun ist D X voständig gegeben, wenn D Xi X j = 2 k=1 Γ k ijx k Kaus Johannson, Geometrie

6 84. Geometrie gegeben ist. Wir müssen aso nur noch zeigen dass die Christoffe Symboe Γ k ij eindeutig durch die Riemannsche Metrik gegeben sind. Aber die obige Geichung ergibt 2 k Γ k jig kr = X i g rj + X j g ri X r g ij. Somit Dies beweist den Satz. Γ k ij = 1 2 r grj + g ri + g } ij x r (g 1 kr. Soweit zur Definition der Riemannschen Krümmung. Die obigen Formen machen Sinn nicht nur für Riemannsche Metrike von R n, sondern für noch agemeinere Räume. Dies behanden wir hier nicht, dies ist Sache der Differentiageometrie. Man kann Krümmungen wirkich für konkret gegebene Riemannsche Metriken berechnen. Im Anhang zeigen berechnen wir die Krümmung der hyperboischen Ebene. Schon für diese sehr einfache Riemannschen Metrik ist die Rechnung sehr aufwendig und man erhät mit den Rechnungen im Anhang eine Ahnung wie schne die Rechnungen enorm umfangreich werden, wenn die Riemannschen Metriken einigermaßen kompiziert werden - wie etwa in der Agemeinen Reativitätsthorie. Agemeine Reativitätstheorie. Die Riemannsche Geometrie spiet eine wichtige Roe in der Agemeinen Reativitätstheorie von Einstein. Dort ist die Riemannsche Metrik des Universums gegeben durch die Massenverteiung. Es fogt, dass der physikaische Raum um so mehr gekrümmt ist je höher die Massenkonzentration ist (aso am höchsten in der Nähe eines schwarzen Loches. Genauer autet die reevante Einstein Geichung: Ricci Krümmung := k Rk ikj = R ij = 8π(T ij 1 2 g ijt, wobei T ij der sog. Energietensor ist (er beschreibt die Gesamtverteiung der Energie im Universum - und in Einsteins Theorie ist ja Energie = Masse, wegen E = mc 2 und siehe Anhang 1 für die Definition von Rijk. Die Krümmungen des physikaischen Raumes erkären wiederum die Abenkung des Lichtes durch die Sonne (und anderen Sternen. Für weitere wichtige Konsequenzen konsutiere man die einschägige Literatur (z.b. [R.M. Wad, Genera Reativity, Univ. Chicago Press] oder [S.W. Hawking & G.F.R. Eis, The arge scae structure of space-time, Cambridge Monographs]. Man wird dort sehen, dass Rechnungen äusserst schwierig und Lösungen der Einstein Geichung nur schwer zu finden sind. Kaus Johannson, Geometrie

7 13 Riemannsche Geometrie II 85 Anhang 1. Berechnung der Riemannschen Krümmung. Die Riemannsche Krümmung hängt nur von der Riemmanschen Metrik und der Wah eines Zusammenhangs ab. Der Riemannsche Zusammenhang ist aber durch die Riemannsche Metrik eindeutig gegeben. Aso muss im Prinzip die Riemannsche Krümmung aein aus der Riemannschen Metrik berechenbar sein. Hier woen wir zeigen wie das geht. Zunächst seien X i = die kanonischen Basisvektoren. Dann definiere man Koeffizienten Rijk durch R(X i,x j X k = RijkX. Nun ist R(X i,x j X k = D Xj D Xi X k D Xi D Xj X k ( ( =D Xj Γ ikx D Xi Γ jkx = = = = s ( DXj ( Γ ik X DXi ( Γ jk X ( Γ ikd Xj X + Γ ik X ( ( Γ ik Γ s jx s ( Γ jk Γ s ix s + s s ( Γ jkγ s i + Γ s ik Γ ikγ s j Γ jkd Xi X + Γ jk X Γ s jk X s Γ ik X Γ jk X Aso R s ijk = Γ ikγ s j Γ jkγ s i + Γ s ik Γ s jk. und somit R ijks := < R(X i,x j X k,x s > = < R ijkx,x s > = R ijkg s Anhang 2. Die Krümmung der hyperboischen Ebene. Die hyperboische Geometrie ist gegeben durch [ ] [ ] [ ] g11 g g := 12 x 2 = 2 0 g 21 g 22 0 x 2, g 1 x 2 = x 2. 2 Die Riemannsche Krümmung ist gegeben durch K 12 = R 1212 g 11 g 22. Kaus Johannson, Geometrie

8 86. Geometrie Wir berechnen jetzt K 12 in zwei Schritten: 1. Schritt. Berechnung der Christoffe Symboe Es ist g 11 = g 22 = x 2 2 = 0, x 1 x 1 x 1 g 11 = g 22 = x 2 2 = 2x 3 2 x 2 x 2 x 2 und die Christoffe Symboe sind gegeben durch: Γ 1 11 = 1 2 Γ 2 11 = 1 2 Γ 1 12 = 1 2 Γ 2 12 = 1 2 Γ k ij = 1 2 m gjm g 12 = g 21 = 0 = 0, x 1 x 1 x 1 g 12 = g 21 = 0 = 0 x 2 x 2 x 2 + g mi ij g mk = 1 gjk + g ki ij x 2 2 x m 2 x k g11 + g x 2 2 = 0, Γ 1 21 = 1 g11 + g x 2 2 = 1 x 1 x 1 x 1 2 x 2 x 1 x 1 x 2 g12 + g x 2 2 = + 1, Γ 2 21 = 1 g12 + g x 2 2 = 0 x 1 x 1 x 2 x 2 2 x 2 x 1 x 2 g21 + g x 2 2 = 1, Γ 1 22 = 1 g21 + g x 2 2 = 0 x 1 x 2 x 1 x 2 2 x 2 x 2 x 1 g22 + g x 2 2 = 0, Γ 2 22 = 1 g22 + g x 2 2 = + 1. x 1 x 2 x 2 2 x 2 x 2 x 2 x 2 2. Schritt. Berechnung der Krümmung Aso R s ijk = Γ ikγ s j Γ jkγ s i + Γ s ik Γ s jk = Γ 1 ikγ s j1 + Γ 2 ikγ s j2 Γ 1 jkγ s i1 Γ 2 jkγ s i2 + Γ s ik R = Γ 1 11Γ Γ 2 11Γ 2 22 Γ 1 21Γ 2 11 Γ 2 21Γ x 2 Γ 2 11 = 0 x x x = x 2 2. Γ s jk x 1 Γ 2 21 Nach diesen Vorbereitungen können wir jetzt die Riemannsche Krümmung wie fogt ausrechnen: R ijij = Rijig j = Rijig 1 1j + Rijig 2 2j R 1212 = R121g R121g 2 22 = 0 + R121g 2 22 = x 2 2 x 2 2 = x 4 2 K 12 = R 1212 = x 4 2 g 11 g 22 x 2 2 x 2 2 = 1. Kaus Johannson, Geometrie

9 13 Riemannsche Geometrie II 87 Bemerkung. Aso ist die Krümmung der hyperboischen Ebene (R 2,g mit g ij = x 2 2, i = j 0, i j konstant = -1. Man rechnet schne nach, dass dagegen die Krümmung der Eukidischen Ebene (R 2,g mit 1, i = j g ij = 0, i j konstant = 0 ist. Somit gibt es keine gobae oder okae Isometrie zwischen diesen beiden Geometrien (es gibt aso keinen wirkich akkuraten Eukidischen Atas der hyperboischen Ebene, obwoh sich natürich die hyperboische Ebene ebenso wie die sphärische Kuge in keinen Bereichen immer mehr der Eukidischen Ebene annähert. Das Materia dieses Abschnitts ist im großen und ganzen aus [M. docarmo, Riemannian Geometry] und [N. Hicks, Notes on Differentia Geometry] Kaus Johannson, Geometrie

Mathematische Probleme, SS 2013 Donnerstag $Id: convex.tex,v /10/22 15:58:28 hk Exp $

Mathematische Probleme, SS 2013 Donnerstag $Id: convex.tex,v /10/22 15:58:28 hk Exp $ $Id: convex.tex,v.2 203/0/22 5:58:28 hk Exp $ 3 Konvexgeometrie 3.2 Die patonischen Körper Ein patonischer Körper von Typ (n, m) ist ein konvexer Poyeder dessen Seitenfäche ae geichseitige n-ecke und in

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein

Mehr

PP - Physikalisches Pendel Blockpraktikum Frühjahr 2005

PP - Physikalisches Pendel Blockpraktikum Frühjahr 2005 PP - Physikaisches Pende Bockpraktikum Frühjahr 2005 Regina Schweizer, Aexander Seizinger, Tobias Müer Assistent Heiko Eite Tübingen, den 14. Apri 2005 1 Theoretische Grundagen 1.1 Mathematisches Pende

Mehr

Serie 10: Inverse Matrix und Determinante

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

Mehr

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D. Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion

Mehr

a) Zeigen Sie, dass sich für eine lange Spule die magn. Flussdichte in der Mitte mit der Näherungsformel berechnen lässt.

a) Zeigen Sie, dass sich für eine lange Spule die magn. Flussdichte in der Mitte mit der Näherungsformel berechnen lässt. Aufgaben Magnetfed einer Spue 83. In einer Spue(N = 3, =,5m), die in Ost-West-Richtung iegt, wird eine Magnetnade gegen die Nord-Süd-Richtung um 11 ausgeenkt. Berechnen Sie die Stärke des Stromes in 5

Mehr

Blatt 5. - Lösungsvorschlag

Blatt 5. - Lösungsvorschlag Fautät für Physi der LMU München Lehrstuh für Kosoogie, Prof Dr V Muhanov Übungen zu Kassischer Mechani (T) i SoSe Batt 5 - Lösungsvorschag Aufgabe 5 Binäres Sternsyste a) Wieviee Freiheitsgrade hat das

Mehr

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1) 34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)

Mehr

1 Singulärwertzerlegung und Pseudoinverse

1 Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung A sei eine Matrix mit n Spalten und m Zeilen. Zunächst sei n m. Bilde B = A A. Dies ist eine n n-matrix. Berechne die Eigenwerte von B. Diese

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen

Mehr

6. Rechnen mit Matrizen.

6. Rechnen mit Matrizen. 6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem

Mehr

Mathematische Erfrischungen III - Vektoren und Matrizen

Mathematische Erfrischungen III - Vektoren und Matrizen Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Skalarprodukte (Teschl/Teschl Kap. 13)

Skalarprodukte (Teschl/Teschl Kap. 13) Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +

Mehr

Kapitel 5 KONVERGENZ

Kapitel 5 KONVERGENZ Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

Diskrete und Schnelle Fourier Transformation. Patrick Arenz

Diskrete und Schnelle Fourier Transformation. Patrick Arenz Diskrete und Schnelle Fourier Transformation Patrick Arenz 7. Januar 005 1 Diskrete Fourier Transformation Dieses Kapitel erläutert einige Merkmale der Diskreten Fourier Transformation DFT), der Schnellen

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

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

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

Mehr

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010 Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und

Mehr

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

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

Mehr

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Proseminar Lineare Algebra SS10 Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Natalja Shesterina Heinrich-Heine-Universität ASymmetrische Polynome Definition 1 Sei n

Mehr

Vorwort 6 1 Der TI-Nspire CX CAS 7

Vorwort 6 1 Der TI-Nspire CX CAS 7 Inhatsverzeichnis 3 Inhatsverzeichnis Vorwort 6 1 Der TI-Nspire CX CAS 7 1.1 Der Hauptbidschirm............................... 8 1.2 Die Bidschirmeemente des TI-Nspire CX CAS................ 9 1.3 Das

Mehr

Mathematischer Vorkurs Lösungen zum Übungsblatt 5

Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 c.v.meister@skmail.ikp.physik.tu-darmstadt.de Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und

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

ein geeignetes Koordinatensystem zu verwenden.

ein geeignetes Koordinatensystem zu verwenden. 1.13 Koordinatensysteme (Anwendungen) Man ist immer bemüht, für die mathematische Beschreibung einer wissenschaftlichen Aufgabe ( Chemie, Biologie,Physik ) ein geeignetes Koordinatensystem zu verwenden.

Mehr

Flächen und ihre Krümmungen

Flächen und ihre Krümmungen Flächen und ihre Krümmungen Teilnehmer: Levi Borodenko Anna Heinrich Jochen Jacobs Robert Jendersie Tanja Lappe Manuel Radatz Maximilian Rogge Käthe-Kollwitz-Oberschule, Berlin Käthe-Kollwitz-Oberschule,

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

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0. Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales

Mehr

Kapitel 11. Bilinearformen über beliebigen Bilinearformen

Kapitel 11. Bilinearformen über beliebigen Bilinearformen Kapitel 11 Bilinearformen über beliebigen Körpern Wir können in diesem Kapitel rasch vorgehen, weil die meisten Konzepte im Zusammenhang mit Sesquilinearformen bereits eingeführt wurden. In diesem Abschnitt

Mehr

1 Vektoren, Vektorräume, Abstände: 2D

1 Vektoren, Vektorräume, Abstände: 2D Vektoren, Vektorräume, Astände: D Definition: Die Menge aller (geordneten Paare reeller Zahlen (oder allgemeiner: Elemente eines elieigen Körpers, als Spalten geschrieen, ezeichnen wir als Vektoren: R

Mehr

Länge, Skalarprodukt, Vektorprodukt

Länge, Skalarprodukt, Vektorprodukt Länge, Skalarprodukt, Vektorprodukt Jörn Loviscach Versionsstand: 20. April 2009, 19:39 1 Überblick Ein Vektorraum muss nur eine Minimalausstattung an Rechenoperationen besitzen: die Addition zweier Vektoren

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

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

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

Mehr

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

Drehimpulse in der Quantenmechanik. Drehimpulse kommen in der Natur nur in Einheiten von ½ ħ vor!

Drehimpulse in der Quantenmechanik. Drehimpulse kommen in der Natur nur in Einheiten von ½ ħ vor! Drehipuse in der Quantenechanik In der Atophysik spiet der Drehipus eine entrae, entscheidende Roe. Für Potentiae it Vr) Vr), Zentrapotentiae ist der Drehipus eine Erhatungsgröße. Der Drehipus hat die

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

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

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

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

Mehr

Ferienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte

Ferienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte Technische Universität München, Fakultät für Physik Ferienkurs - ineare Algebra Hanna Schäfer 03. März 04 0. inearität. f : M N, x : y = f(x) Merkinhalte. f(x + λy) = f(x) + λf(y), x, y V, λ K 3. ineare

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

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

Mehr

4.1 Definition. Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn. = y 1. = y 2. xfy 1. xfy 2

4.1 Definition. Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn. = y 1. = y 2. xfy 1. xfy 2 4.1 Definition Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn xfy 1 xfy 2 = y 1 = y 2 Y heißt Zielbereich oder Zielmenge von f. Statt (x, y) f oder xfy schreibt man y = f(x). Vollständige

Mehr

Verallgemeinerte Dreiecksungleichungen Michael Kapovich

Verallgemeinerte Dreiecksungleichungen Michael Kapovich Verallgemeinerte Dreiecksungleichungen Michael Kapovich Wir alle wissen, dass eine gerade Linie die kürzeste Verbindung von einem Punkt zu einem anderen Punkt ist. Dieses Wissen scheint in den Jahrmillionen

Mehr

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

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

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

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

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel

Mehr

Michelson-Versuche ohne Lorentz-Kontraktion

Michelson-Versuche ohne Lorentz-Kontraktion Miheson-Versuhe ohne Lorentz-Kontraktion Horst P. H. Meher, Potsdam Zusammenfassung Der Miheson-Versuh (MV) und seine zahreihen Wiederhoungen sowie Varianten und Modifikationen iefern mit ihren Nuresutaten

Mehr

Theoretische Physik 1, Mechanik

Theoretische Physik 1, Mechanik Theoretische Physik 1, Mechanik Harald Friedrich, Technische Universität München Sommersemester 2009 Mathematische Ergänzungen Vektoren und Tensoren Partielle Ableitungen, Nabla-Operator Physikalische

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 206 Lineare Algebra und analytische Geometrie II Vorlesung 33 Das Kreuzprodukt Eine Besonderheit im R 3 ist das sogenannte Kreuzprodukt, das zu zwei gegebenen Vektoren

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 9 Basiswechsel Wir wissen bereits, dass in einem endlichdimensionalen Vektorraum je zwei Basen die gleiche Länge

Mehr

40 Lokale Extrema und Taylor-Formel

40 Lokale Extrema und Taylor-Formel 198 VI. Differentialrechnung in mehreren Veränderlichen 40 Lokale Extrema und Taylor-Formel Lernziele: Resultate: Satz von Taylor und Kriterien für lokale Extrema Methoden aus der linearen Algebra Kompetenzen:

Mehr

Thema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema

Thema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema Thema 12 Differentialrechnung, Partielle Ableitungen, Differenzierbarkeit, Taylor-Formel, Lokale Extrema In diesem Kapitel befassen wir uns mit der Ableitung von Funktionen f : R m R n. Allein die Schreibweise

Mehr

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

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

Mehr

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

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

Mehr

Spektralzerlegung des Laplace-Operators auf Liegruppen und kompakten symmetrischen Räumen

Spektralzerlegung des Laplace-Operators auf Liegruppen und kompakten symmetrischen Räumen Spektralzerlegung des Laplace-Operators auf Liegruppen und kompakten symmetrischen Räumen Anna Engels Seminar Riemannsche Geometrie und Spektraltheorie SS 003 Zusammenfassung Ich will erklären, wie man

Mehr

( ) Lineare Gleichungssysteme

( ) Lineare Gleichungssysteme 102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv

Mehr

8 Extremwerte reellwertiger Funktionen

8 Extremwerte reellwertiger Funktionen 8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R

Mehr

Nichteuklidische Geometrien und gekrümmte Räume

Nichteuklidische Geometrien und gekrümmte Räume Nichteuklidische Geometrien und gekrümmte Räume Es begann mit dem Problem der Landvermessung... Carl Friedrich Gauß (1777-1855): Theorie gekrümmter Flächen Landesvermessung des Königreichs Hannover Entdeckung

Mehr

Wirtschaftsmathematik Formelsammlung

Wirtschaftsmathematik Formelsammlung Wirtschaftsmathematik Formelsammlung Binomische Formeln Stand März 2015 (a + b) 2 = a 2 +2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) (a b) =a 2 b 2 Fakultät (Faktorielle) n! =1 2 3 4 (n 1) n Intervalle Notation

Mehr

Allgemeine Relativitätstheorie, was ist das?

Allgemeine Relativitätstheorie, was ist das? , was ist das? 1905 stellte Albert Einstein die Spezielle Relativitätstheorie auf Beim Versuch die Gravitation im Rahmen der Speziellen Relativitätstheorie zu beschreiben stieß er allerdings schnell auf

Mehr

Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen

Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig Senska

Mehr

Das Konzept der Raumzeit-Krümmung

Das Konzept der Raumzeit-Krümmung Das Konzept der Raumzeit-Krümmung Franz Embacher Fakultät für Physik der Universität Wien Vortrag auf der Jahrestagung der Wiener Arbeitsgemeinschaft für Astronomie Wien, 14. November 2015 Das Konzept

Mehr

Stetige Funktionen, Binomischer Lehrsatz

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

Mehr

Musterlösungen zur Linearen Algebra II Übungsklausur

Musterlösungen zur Linearen Algebra II Übungsklausur Musterlösungen zur Linearen Algebra II Übungsklausur Aufgabe. Sei A R 3 3. Welche der folgenden Aussagen sind richtig? a Ist det(a =, dann ist A eine orthogonale Matrix. b Ist A eine orthogonale Matrix,

Mehr

MC-Serie 11: Eigenwerte

MC-Serie 11: Eigenwerte D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel

Mehr

35 Stetige lineare Abbildungen

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

Mehr

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

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0. Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ

Mehr

11. Vorlesung Wintersemester

11. Vorlesung Wintersemester 11. Vorlesung Wintersemester 1 Ableitungen vektorieller Felder Mit Resultat Skalar: die Divergenz diva = A = A + A y y + A z z (1) Mit Resultat Vektor: die Rotation (engl. curl): ( rota = A Az = y A y

Mehr

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche" Punkte mit inhomogenen K

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche Punkte mit inhomogenen K Kapitel IV Projektive Geometrie In diesem Kapitel wird eine kurze Einführung in die projektive Geometrie gegeben. Es sollen unendlich ferne Punkte mit Hilfe von homogene Koordinaten eingeführt werden und

Mehr

Definition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und

Definition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und 7. Coxeter Graphen Um die endlichen Spiegelungsgruppen zu klassifizieren, wollen wir ihnen nun Graphen zuordnen, die die Gruppen bis auf Isomorphie eindeutig bestimmen. Im Folgenden sei wie vorher Π Φ

Mehr

Lineare Abbildungen. i=0 c ix i n. K n K m

Lineare Abbildungen. i=0 c ix i n. K n K m Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht

Mehr

Komplexe Zahlen und konforme Abbildungen

Komplexe Zahlen und konforme Abbildungen Kapitel 1 Komplexe Zahlen und konforme Abbildungen 1.0 Geometrie der komplexen Zahlen Die Menge C der komplexen Zahlen, lässt sich mithilfe der bijektiven Abbildung C := {x + iy : x,y R}, C z = x + iy

Mehr

Vom Spannungstensor zum Impulsstrom

Vom Spannungstensor zum Impulsstrom Vom Spannungstensor zum Impulsstrom Physikalische Grundpraktika FU-Berlin Quelle: Skript zur Mechanik, Herrmann Welche Größe wird durch den Pfeil symbolisiert? Wie hängt die Größe (formal) mit anderen

Mehr

Matrizen und Determinanten

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

Mehr

5 Erwartungswerte, Varianzen und Kovarianzen

5 Erwartungswerte, Varianzen und Kovarianzen 47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,

Mehr

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende

Mehr

WÄRMELEITFÄHIGKEIT UND ELEKTRISCHE LEITFÄHIGKEIT VON METALLEN

WÄRMELEITFÄHIGKEIT UND ELEKTRISCHE LEITFÄHIGKEIT VON METALLEN INSIU FÜR ANGEWANDE PHYSIK Physikaisches Praktikum für Studierende der Ingenieurswissenschaften Universität Hamburg, Jungiusstraße WÄRMELEIFÄHIGKEI UND ELEKRISCHE LEIFÄHIGKEI VON MEALLEN Eineitung In diesem

Mehr

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

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

Mehr

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung 43 Permutationen Definition Eine Permutation der Elementen {,, n} ist eine bijektive Abbildung σ : {,,n} {,,n} Es ist leicht zu sehen, dass die Hintereinanderführung zweier Permutationen ergibt wieder

Mehr

13. Funktionen in einer Variablen

13. Funktionen in einer Variablen 13. Funktionen in einer Variablen Definition. Seien X, Y Mengen. Eine Funktion f : X Y ist eine Vorschrift, wo jedem Element der Menge X eindeutig ein Element von Y zugeordnet wird. Wir betrachten hier

Mehr

Gruber I Neumann. Erfolg im Mathe-Abi. Prüfungsaufgaben Hessen GTR / CAS. Übungsbuch für den Leistungskurs mit Tipps und Lösungen

Gruber I Neumann. Erfolg im Mathe-Abi. Prüfungsaufgaben Hessen GTR / CAS. Übungsbuch für den Leistungskurs mit Tipps und Lösungen Gruber I Neumann Erfog im Mathe-Abi Prüfungsaufgaben Hessen GTR / CAS Übungsbuch für den Leistungskurs mit Tipps und Lösungen Vorwort Vorwort Dieses Übungsbuch ist spezie auf die Anforderungen des zentraen

Mehr

Mathematik II Frühjahrssemester 2013

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

Mehr

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

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

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

Mehr

2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.

2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R. Übung 6 1) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 + bx 2 + c mit a, b, c R und nennen diesen V. Die Vektoren f 1 (x) = 2x 4 + 2x 2 + 2 und f 2 (x) = 3x 4 + x 2 + 4 sind in diesem Vektorraum

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

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

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

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische

Mehr

4.5 Schranken an die Dichte von Kugelpackungen

4.5 Schranken an die Dichte von Kugelpackungen Gitter und Codes c Rudolf Scharlau 19. Juli 2009 341 4.5 Schranken an die Dichte von Kugelpackungen Schon in Abschnitt 1.4 hatten wir die Dichte einer Kugelpackung, speziell eines Gitters bzw. einer quadratischen

Mehr

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli.

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli. Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Hier

Mehr

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Kapitel 3 Lineare Gleichungssysteme 3.1. Einleitung Beispiel 1 3 Kinder haben eingekauft. Franz hat 4 Lakritzen, 2 Schokoriegel und 5 Kaugummis

Mehr

Praktikum Hierarchische Steuerungssysteme. Versuch HSS-3. Verteilte Optimierung

Praktikum Hierarchische Steuerungssysteme. Versuch HSS-3. Verteilte Optimierung Praktikum Hierarchische Steuerungssysteme Versuch HSS-3 Verteite Optimierung Verantworticher Hochschuehrer: Prof. Dr. Ing. habi. P. Li Versuchsverantworticher: Dr. Ing. S. Hopfgarten Name, Vorname, Matr.-Nr.

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare

Mehr

Vektoren, Vektorräume

Vektoren, Vektorräume Vektoren, Vektorräume Roman Wienands Sommersemester 2010 Mathematisches Institut der Universität zu Köln Roman Wienands (Universität zu Köln) Mathematik II für Studierende der Chemie Sommersemester 2010

Mehr

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme 52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte

Mehr

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

D-ERDW, D-HEST, D-USYS Mathematik II FS 15 Dr. Ana Cannas. Serie 9: Satz von Stokes und Divergenzsatz

D-ERDW, D-HEST, D-USYS Mathematik II FS 15 Dr. Ana Cannas. Serie 9: Satz von Stokes und Divergenzsatz D-ERDW, D-HEST, D-USYS Mathematik II FS 15 Dr. Ana Cannas Serie 9: Satz von Stokes und Divergenzsatz Bemerkungen: Die Aufgaben der Serie 9 bilden den Fokus der Übungsgruppen vom 28./30. April. 1. Berechnen

Mehr