Wie kann man die Normalform (bzgl. Affinen Transformationen) bestimmen, ohne die affine Abbildung bzw. Isometrie zu finden?
|
|
- Ingelore Holst
- vor 6 Jahren
- Abrufe
Transkript
1 Wie kann man die Normalform (bzgl. Affinen Transformationen) bestimmen, ohne die affine Abbildung bzw. Isometrie zu finden? Antwort in Dim 2: Sei Q eine Quadrik in R 2 gegeben durch a a 1n x 1 x 1 (x 1 x n)... + (a 1 a n). + a = 0. a n1... a nn x n x n Bezeichnung = det(erw Q ), δ = det(a), S = spur(a). Bemerkung Man kann für S immer S 0 annehmen, indem man die Gleichung der Quadrik mit 1 multipliziert. Satz 18 Angenommen S 0. Es gilt: * ist δ > 0 und < 0, dann ist die Quadrik eine Ellipse, * ist δ < 0 und 0, so ist die Quadrik eine Hyperbel. * ist δ = 0 und 0, so ist die Quadrik eine Parabel. * ist δ = 0 und = 0, so ist die Quadrik ein paralleles Geradenpaar. * ist = 0 und δ > 0, so ist die Quadrik gleich. * ist = 0 und δ < 0, so ist die Quadrik ein Geradenpaar mit Schnittpunkt. Bemerkung Nur die Vorzeichen von und δ werden benutzt
2 Frage Was passiert mit = det(erw Q ) und δ = det(a) nach einem affinen Isomorphismus F? Lemma 16: Sei F 1 = b + Bx. Q 1 := Bild F (Q). Dann ist Erw Q = a a 1n a 1 /2 b 1 B t B 0 B... B. b 1 b n 1 a n1... a nn a n/2 b n } {{ } a 1 /2 a n/2 a 0 t 1 B Erw t } {{ }} {{ } Erw Q B Erw Nach Lemma 16 ist Erw Q1 = B t Erw Erw QB Erw. Dann ist det(erw Q1 ) = det(berw t )det(erw Q)det(B Erw ) Weil det(c) = det(ct ) = det(b Erw ) 2. Also wird }{{} >0 das Vorzeichen von nicht geändert. Ähnlich: Weil A 1 = B t AB ist, ist det(a 1 ) = det(b) 2 }{{} >0 }{{} δ. Also wird das det(a) Vorzeichen von δ nicht geändert. Dann genügt es, Satz 18 nur für Gleichungen, die bereits in Normalform sind, zu beweisen
3 Quadrik Erw Q und δ Ellipse Hyperbel Parabel λ µ λ µ 1 ±1 λ paralleles Geradenpaar λ 0 Geradenpaar mit einem Schnittpunkt λ µ λ µ = λµ, δ = λµ = λµ, δ = λµ = λ, δ = 0 = 0, δ = 0 0 = λµ, δ = λµ 1 0 = 0, δ = λµ
4 Die Gleichung einer Quadrik durch 5 Punkte Satz 19 Seien X 1,...,X 5 5 verschiedene Punkte im R 2. Dann existiert eine Quadrik Q, die diese 5 Punkte enthält. Beweis. Die Gleichung der Quadrik sieht wie folgt aus: (x y) ( a 11 a 12 2 a 12 2 a 22 ) (x ) + a y 1 x + a 2 y + a = 0 a 11 x 2 + a 12 xy + a 22 y 2 + a 1 x + a 2 y + a = 0 Wenn die 5 Punkte ( ) ( ) x 1 y 1,..., x5 y 5 auf der Quadrik liegen, ist das folgende lineare Gleichungsystem erfüllt: x1 2 x 1 y 1 y 2 1 x 1 y 1 1 a 11 x 2 x 2 y 2 y 2 x 2 y 2 1 a x3 2 x 3 y 3 y x 3 y 3 1 a x4 2 x 4 y 4 y x 4 y 4 1 a 1 x5 2 x 5 y 5 y5 2 a 2 x 5 y 5 1 a 0 }{{} C dim(kern C ) = 6 dim(bild C ) }{{} 5 = 0. Nach der Dimensionsformel ist 1, also gibt es eine Lösung.
5 Warum sind Quadriken interessant 1. Vor 100 Jahren: Nach den Kepler schen Gesetzen sind die Bahnkurven von astronomischen Objekten Quadriken (z.b. sind Planetenorbits Ellipsen). Um Koordinaten seines Schiffs (auf See) auszurechnen, kann der Kapitän nur astronomische Objekte (+ präzise Uhr) benutzen. Die Geometrie von Quadriken spielte deswegen eine große Rolle in der Ausbildung von Kapitänen. 2. In der Analysis von Funktionen mehrerer Varänderlicher: Mehrdimensionale Taylor-Reihe (Ana II/III) Satz (Taylorentwicklung, Ana II) Sei f : R n R eine glatte Funktion (z.b. existieren die dritten partiellen Ableitungen }{{} mehrdimensionale Verallgemeinerung der Ableitung, wird in Ana II erklärt z 1 und sind stetig). Sei z =. ein Punkt. Dann gilt: z n n f n f(x) := f(z) + (z) (x i z i ) f (z)(x 2 i z i )(x j z j ) + Rest(x z) }{{} x i=1 i x i,j=1 i x j }{{} a 0 }{{}}{{} a t (x z) (x z) t mit Rest(x z) für x z A(x z) x z 2 0 Also, bis auf den Rest(x z) (welcher in der Nähe von z klein ist), ist jede Funktion eine quadratische Funktion von y := x z mit a 0 = f(z), a i = f (z) und A ij = 1 2 f.
6 Neuer (kurzer) Abschnitt: Transformationsgruppen (Einführung) Sei S M die Menge aller Bijektionen a von M auf sich (diese heißen oft Selbstabbildungen). S M ist eine Gruppe bzgl. Verkettungen, siehe Satz 3 Vorl. 4 LAAG I. Transformationsgruppe (informell) ist eine Untergruppe von S M, die irgendwelche Eigenschaften von Objekten aus M nicht verändert.
7 Affine Transformationen Zwei Definitionen: Ursprüngliche Def. (Vorl. 4) Eine affine Transformation, oder Affinität, (von M = R n ) ist eine Abbildung der Form f(x) = Ax +b, wobei A GL(n,R). Folgerung aus dem Fundamentalsatz der affinen Geometrie (Satz 12, Vorl. 6). Eine affine Transformation ist eine Bijektion f : R n R n, die Geraden auf Geraden abbildet.
8 Euklidische Transformationen Wiederholung. Euklidische Räume sind affine Räume über Vektorräumen mit Skalarprodukt. In dem Fall ist der Abstand zwischen zwei beliebigen Punkten erklärt durch: d(x,y) = in Rn xy = x y. Wie wir es in Vorl. 7 bewiesen haben, ist jeder Euklidischer Raum im Wesentlichen (R n,, standard ). a : R n R n heißt eine Isometrie, wenn für beliebige x,y R n gilt: d(x,y) = d(a(x),a(y)). Satz 14 Vorl. 7. Jede Isometrie von (R n,, standard ) hat die Form F O,b : V V, F O,b := Ox +b, wobei O eine orthogonale (n n) Matrix und b R n ist. ( )
9 Noch ein Bsp.: Ähnlichkeitstransformationen (in der Elementargeometrie) Schuldefinition: Ähnlichkeitsabbildungen sind Abbildungen, die die Gestalt von Figuren erhalten. Def. Wir betrachten R n mit dem Standard-Skalarprodukt,. Eine Bijektion a von R n heißt eine Ähnlichkeitstransformation, wenn es eine reelle Zahl k > 0 gibt, sodass für beliebige x,y R n gilt: d(a(x),a(y)) = k d(x,y). k heißt Ähnlichkeitsfaktor von a Ähnliche Dreiecke Bemerkung. Isometrien sind Ähnlichkeitstransformation mit k = 1. Folgerung. a(x) = Cx +c mit C = k O, wobei O O(n). Beweis. Die Abbildung ã mit ã(x) = 1 ka(x) ist eine Isometrie. Folgerung. (event. Hausaufgabe) Ähnlichkeitsabbildungen sind diejenigen Bijektionen, die gleichzeitig geradentreu (d.h. das Bild jeder Gerade ist eine Gerade) und winkeltreu (d.h. der Winkel zwichen den Geraden L 1 und L 2 ist gleich dem Winkel zwichen den Geraden Bild a (L 1 ) und Bild a (L 2 )) sind.
10 Alle oben genannten Transformationsgruppen kann man aus Untergruppen von Matrizengruppen darstellen Wir werden dies in dim 2 erklären und zuerst nur für Ähnlichkeitsabbildungen, obwohl die Dimension nicht wichtig ist: Wir betrachten die erweiterte Koordinaten ( x y ) Ersetzt x y 1. In diesen Koordinaten gilt: Da jede der oben genannte Transformationen (in dim 2) Verkettungen von den Abbildungen aus der Liste links ist, sind die oben genannten Gruppen von Transformationen (isomorph zu) Untergruppen von GL(n+1,R) }{{} =3
11 = Jede Transformation wird (in den erweiterten Koordinaten ) zu einer Matrizenmultiplikation mit einer Matrix der Form ko a 13 a , wobei O O(2). Wir haben diese Formel bereits vorher benutzt, siehe Hauptsätze der Theorie der Quadriken (Normalformen). Analog gilt: Matrizen der Form Ā = A a 13 a , wobei A GL(2,R) repräsentieren alle affinen Transformationen von R 2.
12 Der projektive Raum P(V) und projektive Transformationen (V,+, ) sei ein Vektorraum (über K). Def. Der zu V gehörige projektive Raum P(V) ist definiert als die Menge aller 1-dimensionalen Untervektorräume von V. Ist dim(v) <, so setzt man dim(p(v)) := dim(v) 1. (Nach Def. ist P({ 0}) = und P({ 0}) = 1 wir können damit leben.) Bemerkung. Man hat eine kanonische Abbildung ( Projektion )V \{ 0} P(V),v L v := {λv λ K}.
13 Homogene Koordinaten Def. Sei V = K n+1. Dann sind die homogenen Koordinaten von v = (x 0,x 1,...,x n ) V \{ 0} definiert durch (x 0 : x 1 :... : x n ) := L v := {λv λ K}. Es gilt: L v = L v λ K\0 mit v = λv λ K\0 mit (x 0,...,x n) = (λx 0,...,λx n ). Die homogenen Koordinaten sind also nur bis auf einen gemeinsamen Faktor λ 0 aus K festgelegt.
14 Affine Koordinate auf P(V) Wir betrachten eine Hyperebene H in V, H = {a 0 +u u V H }, dim(v U ) = dim(v) 1, die nicht den 0-Punkt erhält. Dann wählen wir ein affines Koordinatensystem auf der Hyperebene (d.h. n + 1 Punkte a 0,...,a n s.d. die Vektoren a 0 a 1,..., a 0 a 1 eine Basis in V H bilden). Als Koordinaten der Geraden L( 0,x) P(V) mit x H definieren wir die Koordinaten von x (auf der Hyperebene) als die Koordinaten von L( 0, x). Diese Koordinaten sind dann für alle Punkte in P(V) ( = Geraden in V) definiert, die nicht zur Hyperebene H parallel sind. Die Richtungsvektoren der Geraden ( = Punkte von P(V)), für die die affinen Koordinaten nicht definiert sind, sind dann die Vektoren von V H. Die Menge dieser Punkte von P(V) heißt unendliche Hyperebene (bzgl. dieses Koordinatensystems). Bsp. Als Hyperebene in R n+1 nehmen wir {(x 0,...,x n ) x 0 = 1}. Als affine Basis auf H nehmen wir die Punkte a 0 = (1,0,...,0) t, a 1 = (1,1,0,...,0) t,..., a n = (1,0,...,0,1) t. In diesem Koordinatensystem sind die Koordinaten von (1,x 1,...,x n ) H gleich (x 1,...,x n ). Dann sind die affinen ( Koordinaten des Punktes (x 0 :... : x n ) P(R n+1 x ) gleich 1 x 0,..., xn x 0 ). Die unendliche Hyperebene besteht dann aus den Punkten von P(R n+1 ) der Form (0 : x 1 :... : x n ).
15 Eine Funktion f : K n+1 K heißt homogen mit Grad k Z, falls f(λx 0,...,λx n ) = λ k f(x 0,...,x n ) für alle (x 0,...,x n ) K n+1 und λ K. Bsp. Eine lineare Funktion f (K n+1 ) ist 1-homogen. f 2 ist 2 homogen. Bemerkung. Sei f eine homogene Funktion. Liegt (x 0,...,x n ) in der Lösungsmenge der Gleichung f(x) = 0, so liegen alle Punkte der Gerade K(x 0,...,x n ) in der Lösungsmenge der Gleichung f(x) = 0. Die Gleichung f(x) = 0 kann man also als eine Gleichung auf P(K n+1 ) verstehen.
16 Homogenisierung : Wie macht man aus einer nichthomogenen Funktionen auf der Hyperebene K n eine homogene Funktion auf K n+1 : Beispiele Sei (a,b,c) K 3 und (b,c) (0,0). Man betrachte in der affinen Ebene K 2 die Gerade mit der Gleichung bx +cy +a = 0. Die Gleichung ist inhomogen, wenn a 0. Setze x = x1 x 0 und y = x2 x 0 mit x 0 0. Dann folgt b x1 x 0 +c x2 x 0 +a = 0 und daher durch Multiplikation mit x 0 ax 0 +bx 1 +cx 2 = 0 ( ). Nach Def. ist (x 0 : x 1 : x 2 ) = ( 1 x 0 x 0 : 1 x 0 x 1 : 1 x 0 x 2 ) = (1 : x : y). Es ist also (y 0 : y 1 : y 2 ) P(K 3 ) genau dann eine Lösung von ( ), wenn (y 0 : y 1 : y 2 ) = (1 : x : y) mit einer Lösung (x,y) von ( ) gilt oder wenn (y 0 : y 1 : y 2 ) = (0 : c : b) ist.
17 Einige Objekte in der projektive Geometrie tragen die selben Namen wie in der affinen oder der linearen Geometrie Nichformale Regel: Wir benutzen den gleichen Namen für zwei geometrische Objekte in der projektiven (Punktenmengen in P(K n+1 )) und in der affinen (Punktenmengen in P(K n )) Geometrie, wenn in jedem affinen Koordinatensystem das projektive Objekt das affine Objekt ist. Wie werden die folgende Beispiele betrachten: (projektive) Geraden und (projektive) Quadriken.
18 Projektive Geraden in P(K 3 ) Eine projektive Gerade G P(K 3 ) ist die Nullstellenmenge in P(K 3 ) einer Gleichung ax 0 +bx 1 +cx 2 = 0 mit (a,b,c) (0,0,0). Es ist also G = {(x 0 : x 1 : x 2 ) P(K 3 ) ax 0 +bx 1 +cx 2 = 0}. Ist b = c = 0, so ist G die unendlich ferne Gerade P 1 := {(x 0 : x 1 : x 2 ) P(K 3 ) x 0 = 0}. Die übrigen Geraden in P(K 3 ) erhält man, wie im Bsp. oben beschrieben, durch Homogenisierung und durch Hinzufügen des unendlich fernen Punktes (0 : c : b) P 1 (K). Ist c 0, so ist U = {(x 0,x 1,x 2 ) ( K 3 ax 0 +bx 1 +cx 2 = 0} ein Untervektorraum von K 3 mit Basis 1 0, 0 ) c und es ist G = P(U). a b
19 Beispiel. Wir betrachten im R 2 die parallelen Geraden x +y 2 = 0,x +y = 0,x +y +3 = 0. (Hier benutze ich noch eine historische Standard-Bezeichnung P(K 3 ) = P 2 (K).)
20 Projektive Geraden in beliebiger Dimension Sei V ein K- Vektorraum. Für jede 0 enthaltende Ebene E = {tv +su t,s K} (wobei u,v linear unabhängig sind) definiere ich die projektive Gerade als die Menge G = {x P(V) x E} = P(E). (Die Punkte von P(E) sind die 0 enthaltenden Geraden in E. Eine 0 enthaltende Gerade ist ein Punkt von G g.d.w. sie in H liegt.) Bemerkung. Wir betrachen ein affines Koordinatensystem, sodass die entsprechende Hyperebene H nicht zu G parallel ist. Dann können wir o.b.d.a. annehmen, dass u,v H sind. Die projektive Gerade G = {x P(V) x E} entspricht dann {tv +su t +s = 1}, also einer Geraden auf H. (Wenn H zu G parallel ist, liegen alle Punkte von G auf der unendlichen Hyperebene.)
21 Projektive Unterräume in P(V) Def. Eine Teilmenge X P(V) heißt projektiver Unterraum, falls X = P(U) mit einem Untervektorraum U von V gilt. Es ist dann X eine projektive Gerade in P(V), falls dim(x) = 1 eine projektive Hyperebene in P(V), falls dim(x) = dim(p(v)) 1 und dim(v) <. Beispiele. Man nennt den kleinsten projektiven Unterraum von P(V), der i I X i enthält, den Verbindungsraum i I X i (das ist ein Analogon der Hülle). Es ist
22 Weitere Beispiele zur Homogenisierung Analog konstruiert man zu einer Hyperebene X = {(x 1,...,x n ) K n a 1 x a n x n +b = 0} durch Homogenisierung ihrer definierenden Gleichung den Abschluss X = {(y 0 : y 1 :... : y n ) P(K n+1 ) by 0 +a 1 y a n y n = 0}. (in P(K n+1 ). Man setze x i = y i y 0 für alle i = 1,...,n.) Analog erhält man durch Homogenisierung den projektiven Abschluss von Quadriken, Kegelschnitten, etc.
23 Projektivitäten Def. Seien V, W zwei (n + 1)-dimensionale K-Vektorräume. Dann heißt eine bijektive Abbildung ϕ : P(V) P(W) eine Projektivität, falls es eine bijektive K lineare Abbildung Bemerkung. Wir haben oben die folgende Bezeichnung benutzt: ϕ(p) = Bild ϕ (KP).
24 Projektivitäten in homogenen Koordinaten Wir betrachten P(K n+1 ) und die homogenen Koordinaten (x 0 : x 1 :... : x n ) auf P(K n+1 ). Da man jede nichtausgeartete lineare Abbidung ϕ : K n+1 K n+1 mit einer nichtausgearteten (n+1) (n+1)-matrix beschreiben kann, kann man auch jede Projektivität ϕ : P(K n+1 ) P(K n+1 ) mit Hilfe einer Matrix beschreiben. In Koordinaten bedeutet das (wenn A die Matrix von φ ist): n n φ(x 0 :... : x n ) = a 0j x j :... : a nj x j j=0 (d.h. wir multiplizieren A mit dem Vektor (x 0,...,x n ) t und dann homogenisieren wir das Ergebnis). Bemerkung: Die Matrizen A und const A entsprechen der gleichen Projektivität. Es ist einfach zu sehen, dass wenn zwei Matrizen der gleichen Projektivität entsprechen, sie dann zueinander proportional sind. Also ist die Gruppe der Projektivitäten die Menge GL n (K)/, wobei die Äquivalenzrelation auf GL n (K) wie folgt gegeben ist: A B g.d.w. die Matrizen A und B zueinander proportional sind. Die Gruppenoperation in der Menge aller Projektivitäten von P(K n+1 ) ist die Verkettung. In der Sprache der Matrizen entspricht sie j=0
25 Projektivitäten in affinen Koordinaten Wir betrachten P(K n+1 ) und die affine Koordinaten aus dem Bsp. oben, mit der Hyperebe H = {(x 0,...,x n ) x 0 = 0} und dem affinen Koordianatensystem (1,0,...,0), (1,1,0,...,0), (1,0,...,1). Dann sind die affinen Koordinaten des Punktes (x 0 :... : x n ) gleich (x 1,...,x n ) t. Die nichtausgeartete lineare Abbidung ϕ : K n+1 K n+1 habe die (nichtausgeartete) (n+1) (n+1)-matrix A. In diesem affinen Koordinatensystem wird ϕ wie folgt beschrieben: ( a10 + n j=1 ϕ(x 1,...,x n ) = a 1jx j a 00 + n j=1 a,..., a n n0 + j=1 a ) njx j 0jx j a 00 + n j=1 a. 0jx j Diese Formel ist nur dür diejenigen (x 1,...,x n ) definiert, für welche ϕ(x) nicht auf der unendlichen Hyperebene liegt.
26 Bemerkung. Wir haben gesehen: Ist H = P(U) eine projektive Hyperebene in P(V), so kann man A := P(V)\H als einen affinen Raum mit zugehörigem Vektorraum U vestehen, und es ist A = H. Frage: Was geschieht dabei mit einer projektiven Quadrik in P(V)? Antwort. Da lineare nichtausgeartete Abbildungen Quadriken auf Quadriken abbilden und die Eigenschaft einer Funktion, homogen zu sein, erhalten, bilden Projektivitäten (projektiven) Quadriken auf (projektiven) Quadriken ab. (Man kann die selbe Antwort auch in affinen Koordinaten erhalten. In diesem Fall muss man die Formel ( a10 + n j=1 ϕ(x 1,...,x n ) = a 1jx j a 00 + n j=1 a,..., a n n0 + j=1 a ) njx j 0jx j a 00 + n j=1 a 0jx j in Definition der Quadrik stecken).
27 Beispiel. Sei Q = {(x 0 : x 1 : x 2 ) P(R 3 ) x 2 0 +x2 1 +x2 2 = 0}. (1) Sei H = {(x 0 : x 1 : x 2 ) P(R 3 ) x 0 = 0} und ψ : R 2 P(R 2 )\H, (x 1,x 2 ) (1 : x 1 : x 2 ). Dann ist Q H = und Urbild ψ (Q) = {(x 1,x 2 ) R 2 x1 2 +x2 2 1 = 0} ist ein Kreis. Ersetzt man R durch C, so besteht Q H aus zwei Punkten. (2) Sei H = {(x 0 : x 1 : x 2 ) P(R 3 ) x 1 = 0}. Dann besteht Q H aus zwei Punkten und für ψ : R 2 P(R 3 )\H, (x 0,x 2 ) (x 0 : 1 : x 2 ) ist Urbild ψ (Q) = {(x 0,x 2 ) R 2 x0 2 x2 2 1 = 0} eine Hyperbel. (3) Sei H = {(x 0 : x 1 : x 2 ) P(R 3 ) x 0 +x 1 = 0}. Dann ist Q H ein Punkt und für ψ : R 2 P(R 3 )\H, (x 1,x 2 ) ((1 x 1 ) : x 1 : x 2 ) ist Urbild ψ (Q) = {(x 1,x 2 ) R 2 x2 2 +2x 1 1 = 0} eine Parabel. (Die Substitution x 1 = z ergibt 1 2 x2 2 z 1 = 0.) (Je nachdem, was man als unendlich ferne Hyperebene auszeichnet, erhält man aus Q folgende drei affine Kurven: Kreis, Hyperbel, Parabel)
28 Noch einmal die selbe Behauptung. Kreis, Hyperbel und Parabel sind projektiv äquivalent, d.h. die zugehörigen projektiven Kurven gehen durch eine Projektivität ϕ : P(R 3 ) P(R 3 ) ineinander über. Beweis. Durch (x 0 : x 1 : x 2 ) (x 1 : x 0 : x 2 ) geht die projektive Quadrik mit der Gleichung (ii) in die projektive Quadrik mit der Gleichung (i) über. Durch (x 0 : x 1 : x 2 ) (x 0 +x 2 : x 1 : x 0 x 2 ) erhält man aus Gleichung (iii) die Gleichung (i).
29 Kollineationen Def. Eine bijektive Abbildung ϕ : P(V) P(W) heißt Kollineation, wenn das Bild einer projektive Geraden G durch die Punkte P,Q P(V) die projektive Gerade durch die Punkte ϕ(p),ϕ(q) P(W) ist. Satz 20. Es gilt: (i) Zu je zwei Punkten P,Q P(V) mit P Q gibt es genau eine projektive Gerade G, die P und Q enthält. (ii) Ist ϕ : P(V) P(W) eine Projektivität, so ist ϕ eine Kollineation. Beweis. (i) Es ist P = Kv 1 und Q = Kv 2 mit v 1, v 2 V \ 0. Da P Q ist, folgt, dass v 1 und v 2 linear unabhängig sind. Es ist also g = P(U) mit U = {tv 1 +sv 2 t,s K} := die gesuchte projektive Gerade. (ii) Es ist ϕ(g) = P( ϕ(u)). Daraus folgt die zweite Behauptung. Aus dem Haupsatz der affinen Geometrie folgt, dass jede Kollineation eine Projektivität ist. (Das kann man zeigen. Wir werden dies jetzt nicht tun. Event. Hausaufgabe.)
Definition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
MehrNeues Thema: Inversion am Kreis (Kreisspiegelung)
Neues Thema: Inversion am Kreis (Kreisspiegelung) Wir arbeiten in ( R 2,, standard ). Def. Betrachte einen Kreis um O vom Radius r > 0. Inversion (bzgl. des Kreises) ist eine Abbildung I O,r : R 2 \ {O}
Mehr3.3 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.
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt 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
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrWie kann man beweisen, dass (H, ) eine Gruppe ist?
Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )
Mehr6 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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrMathematik 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
Mehr9.2. 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
Mehr2.1 Codes: einige Grundbegriffe
Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrLineare Algebra - alles was man wissen muß
Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrAusgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von
Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik Lineare Algebra zusammengestellt von Sabine Giese, Josef Heringlehner, Birgit Mielke, Hans Mielke und Ralph-Hardo Schulz 98 Aufgaben,
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrÜbungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS
Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage
MehrComputer Vision SS 2011. Skript
Computer Vision SS 211 Skript (Work in Progress) Simon Hawe & Martin Kleinsteuber Skript: Manuel Wolf Inhaltsverzeichnis 1 Einführung 1 1.1 Was ist ein Bild?................................. 1 1.2 Wie
MehrMinimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie
Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern
MehrLineare Algebra und Computer Grafik
Lineare Algebra und Computer Grafik Vorlesung an der Hochschule Heilbronn (Stand: 7 Mai ) Prof Dr V Stahl Copyright 6 by Volker Stahl All rights reserved Inhaltsverzeichnis Vektoren 4 Vektoren und Skalare
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrAlgebraische Kurven. Vorlesung 26. Die Schnittmultiplizität
Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht
MehrKapitel 0. Einführung. 0.1 Was ist Computergrafik? 0.2 Anwendungsgebiete
Kapitel 0 Einführung 0.1 Was ist Computergrafik? Software, die einen Computer dazu bringt, eine grafische Ausgabe (oder kurz gesagt: Bilder) zu produzieren. Bilder können sein: Fotos, Schaltpläne, Veranschaulichung
MehrFrohe Weihnachten und ein gutes neues Jahr!
Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
MehrGeometrische Mannigfaltigkeiten
Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
MehrGeometrische Maße oder,... wie kann man quantitative Aussagen über geometrische Objekte erhalten?
In der euklidischen Geometrie der Mittelstufe ging es zumeist um geometrische Konstruktionen und um qualitative Aussagen über geometrische Objekte in Bezug zueinander. Möchte man, insbesondere im dreidimensionalen
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 8 Projektive Invarianz und das kanonische Kamerapaar Kanonisches Kamerapaar aus gegebener Fundamentalmatrix Freiheitsgrade
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 7 Projektionen und Rückprojektionen Der Punkt Die Gerade Die Quadrik Die Ebene Zusammenhang Kalibriermatrix - Bild des absoluten
MehrQuelle/Referenz für dieses Kapitel: Springborn [2, Lectures 28/29] hx a,vi
8 Möbiusgeometrie Quelle/Referenz für dieses Kapitel: Springborn [2, Lectures 28/29] 17.+21. Juni 2013 8.1 Spiegelung an einer Sphäre Jede Hyperebene H R n kann in der Form H = {x 2 R n : hx werden, wobei
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrH. Gruber, R. Neumann. Erfolg im Mathe-Abi. Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen
H. Gruber, R. Neumann Erfolg im Mathe-Abi Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen Inhaltsverzeichnis Inhaltsverzeichnis Analysis Von der
MehrCodes und Codegitter. Katharina Distler. 27. April 2015
Codes und Codegitter Katharina Distler 7. April 015 Inhaltsverzeichnis 1 Codes 4 Codegitter 14 Einleitung Die folgende Seminararbeit behandelt das Konzept von Codes und Codegittern. Da sie bei der Informationsübertragung
MehrGleichungen - Aufgabenstellung und Lösungsstrategien
Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung
MehrSeminararbeit für das SE Reine Mathematik- Graphentheorie
Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis
MehrLineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung
Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen
MehrInvariantentheorie. Vorlesung 5. Invariantenringe zu Untergruppen
Prof. Dr. H. Brenner Osnabrück WS 2012/2013 Invariantentheorie Vorlesung 5 Invariantenringe zu Untergruppen Proposition 5.1. Es sei R G R eine Operation einer Gruppe G auf einem kommutativen Ring durch
Mehr4. Übungsblatt Matrikelnr.: 6423043
Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrLiteratur zu geometrischen Konstruktionen
Literatur zu geometrischen Konstruktionen Hadlock, Charles Robert, Field theory and its classical problems. Carus Mathematical Monographs, 19. Mathematical Association of America, Washington, D.C., 1978.
MehrSatz 25 A sei eine (n n)-matrix über K
Satz 25 Satz 25 A sei eine (n n)-matrix über K Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen Eigenwerten λ 1,...,λ m. Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen
MehrSchlussrechnung, Modellbildung und Interpolation
Schlussrechnung, Modellbildung und Interpolation Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 13, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 1 Einleitung Schlussrechnungen
Mehr4. Kapitel 3D Engine Geometry
15.11.2007 Mathematics for 3D Game Programming & Computer Graphics 4. Kapitel 3D Engine Geometry Anne Adams & Katharina Schmitt Universität Trier Fachbereich IV Proseminar Numerik Wintersemester 2007/08
MehrComputer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17
Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),
Mehrax 2 + bx + c = 0, (4.1)
Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die
MehrVorlesung. Komplexe Zahlen
Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems
MehrBeispiel zur Lösung eines Gleichungssystems : 6 y + z = 15 0 6 1. 15 12 x + 3 y 3 z = 15 12 3 3. 15 2 x 3 y = 4 2 3 0.
Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 5 0 6 5 2 x + 3 y 3 z = 5 2 3 3 5 2 x 3 y = 4 2 3 0 4 z2 /3 z : 3 2 x 3 y = 4 2 3 0 4 4 x + y z = 5 4 5 6 y + z = 5 0 6 5 z2 + 2 z 2 x 3 y = 4 2
MehrDefinition und Eigenschaften Finiter Elemente
Definition und Eigenschaften Finiter Elemente 1 Das letzte Mal Im letzten Vortrag haben wir zum Schluss das Lemma von Lax Milgram präsentiert bekommen, dass ich hier nocheinmal in Erinnerung rufen möchte:
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg,
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg, Literatur Richard Hartle and Andrew Zisserman. Multiple View Geometr in computer vision, Cambridge Universit Press, 2 nd Ed., 23. O.D.
Mehr11 Normalformen von Matrizen
11 Normalformen von Matrizen Wir wenden uns in diesem Kapitel noch einmal der Untersuchung linearer Abbildungen auf endlichdimensionalen Vektorräumen und deren Darstellung mittels Matrizen zu Speziell
MehrAufgaben des MSG-Zirkels 10b Schuljahr 2007/2008
Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Alexander Bobenko und Ivan Izmestiev Technische Universität Berlin 1 Hausaufgaben vom 12.09.2007 Zahlentheorie 1 Aufgabe 1.1 Berechne die (quadratischen)
MehrHarm Pralle. Codierungstheorie WS 2005/06. Institut Computational Mathematics Technische Universität Braunschweig
Harm Pralle Codierungstheorie WS 2005/06 Institut Computational Mathematics Technische Universität Braunschweig II Literatur: A. Beutelspacher und U. Rosenbaum. Projektive Geometrie. Vieweg, Wiesbaden
MehrDiskrete Mathematik für Informatiker
Diskrete Mathematik für Informatiker Markus Lohrey Universität Siegen Wintersemester 2014/2015 Lohrey (Universität Siegen) Diskrete Mathematik Wintersem. 2014/2015 1 / 344 Organisatorisches zur Vorlesung
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG
¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht
MehrOptimierung 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
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrAnwengungen geometrischer Abbildungen Kongruenz- und Ähnlichkeitsabbildung
Anwengungen geometrischer Abbildungen Kongruenz- und Ähnlichkeitsabbildung Amina Duganhodzic Proseminar: Mathematisches Problemlösen Unter der Leitung von Privat Dozentin Dr. Natalia Grinberg 26. Juni
MehrProjektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:
Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrLineare Algebra und analytische Geometrie II (Unterrichtsfach)
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
Mehr( ) als den Punkt mit der gleichen x-koordinate wie A und der
ETH-Aufnahmeprüfung Herbst 05 Mathematik I (Analysis) Aufgabe [6 Punkte] Bestimmen Sie den Schnittwinkel α zwischen den Graphen der Funktionen f(x) x 4x + x + 5 und g(x) x x + 5 im Schnittpunkt mit der
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik 008 Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe 1: ( VP) x Gegeben ist die Funktion f mit f(x). x Bilden Sie die Ableitung von f und fassen Sie diese so weit wie
MehrKapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe
Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:
MehrDAS ABI-PFLICHTTEIL Büchlein
DAS ABI-PFLICHTTEIL Büchlein für Baden-Württemberg Alle Originalaufgaben Haupttermine 004 0 Ausführlich gerechnete und kommentierte Lösungswege Mit vielen Zusatzhilfen X π Von: Jochen Koppenhöfer und Pascal
MehrBachelorarbeit: E-Learning-Modul zum Thema Kegelschnitte
Bachelorarbeit: E-Learning-Modul zum Thema Kegelschnitte Roman Gächter 27. Februar 2008 Inhaltsverzeichnis 1 Vorwort 3 2 Oberfläche 4 2.1 Einführung................................ 4 2.2 Geometrie und
MehrInduktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010
Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver
MehrKlausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth
Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung Mathematik Klausuraufgaben zur Mathematik - von Wolfgang Langguth Aufgabenstellungen
MehrDie Weierstraßsche Funktion
Die Weierstraßsche Funktion Nicolas Weisskopf 7. September 0 Zusammenfassung In dieser Arbeit führen wir die Weierstraßsche Funktion ein und untersuchen einige ihrer Eigenschaften. Wir zeigen, dass jede
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrReelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013
Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
MehrGNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor
GNS-Konstruktion und normale Zustände 1 Rückblick Wir betrachten von-neumann-algebren M B(H), d.h. Unteralgebren mit 1 H M, die in der schwachen Operatortopologie (und damit in jeder der anderen) abgeschlossen
MehrMatrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen.
Matrixalgebra mit einer Einführung in lineare Modelle Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@statuni-muenchende 25 August 24 Vielen Dank an Christiane Belitz, Manuela Hummel und
MehrFraktale Geometrie: Julia Mengen
Fraktale Geometrie: Julia Mengen Gunnar Völkel 1. Februar 007 Zusammenfassung Diese Ausarbeitung ist als Stoffsammlung für das Seminar Fraktale Geometrie im Wintersemester 006/007 an der Universität Ulm
MehrKlausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth
Hochschule für Technik und Wirtschaft des Saarlandes University of Applied Sciences Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung
MehrOPTIMIERUNG I. Christian Clason. Fakultät für Mathematik Universität Duisburg-Essen
OPTIMIERUNG I Vorlesungsskript, Sommersemester 2014 Christian Clason Stand vom 1. Juli 2014 Fakultät für Mathematik Universität Duisburg-Essen INHALTSVERZEICHNIS I GRUNDLAGEN 1 theorie der linearen ungleichungen
MehrLie-Gruppen. Andreas Gastel. Duisburg, Sommersemester 2011
Lie-ruppen Andreas astel Duisburg, Sommersemester 2011 Dieses Skript ist eine nicht besonders gut korrektur-gelesene Version der Vorlesung. Quelle sind unter anderem die Kapitel I und V des Buches Topology
MehrMathematik Berufskolleg zur Erlangung der Fachhochschulreife
Mathematik Berufskolleg zur Erlangung der Fachhochschulreife INHALTSVERZEICHNIS. GRUNDLAGEN. DAS KOORDINATENSYSTEM. DARSTELLUNG VON GERADEN. SEITENVERHÄLTNISSE IM RECHTWINKLIGEN DREIECK 4. WEITERE GERADENGLEICHUNGEN
Mehr11. Primfaktorzerlegungen
78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
MehrComputer-Graphik I Transformationen & Viewing
lausthal Motivation omputer-raphik I Transformationen & Viewing Man möchte die virtuelle 3D Welt auf einem 2D Display darstellen. Zachmann lausthal University, ermany zach@in.tu-clausthal.de. Zachmann
MehrFakultät für Mathematik und Informatik. Seminar über angewandte Analysis. Sommersemester 2007. Der Kreissatz von Gerschgorin
Fakultät für Mathematik und Informatik Lehrgebiet angewandte Mathematik Prof. Dr. H. Linden Dipl.-Math. H.-J. Schäfer Seminar über angewandte Analysis Sommersemester 2007 Der Kreissatz von Gerschgorin
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
Mehr3. Zusammenhang. 22 Andreas Gathmann
22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept
MehrVorkurs Mathematik Übungen zu Differentialgleichungen
Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)
MehrSolvency II und die Standardformel
Fakultät Mathematik und Naturwissenschaften Institut für Mathematische Stochastik Solvency II und die Standardformel Festkolloquium 20 Jahre (neue) Versicherungsmathematik an der TU Dresden Sebastian Fuchs
MehrComputer Graphik. Mitschrift von www.kuertz.name
Computer Graphik Mitschrift von www.kuertz.name Hinweis: Dies ist kein offizielles Script, sondern nur eine private Mitschrift. Die Mitschriften sind teweilse unvollständig, falsch oder inaktuell, da sie
Mehr