Sei ω eine symplektische Struktur auf U 2n. Satz 12. In einer Umgebung eines beliebigen Punktes x gibt es

Größe: px
Ab Seite anzeigen:

Download "Sei ω eine symplektische Struktur auf U 2n. Satz 12. In einer Umgebung eines beliebigen Punktes x gibt es"

Transkript

1 Satz von Darboux Sei ω eine symplektische Struktur auf U 2n. Satz 12. In einer Umgebung eines beliebigen Punktes x gibt es Koordinaten (x 1,..., x n, p 1,..., p n ), sodass ω = n i=1 dp i dx i. Ferner gilt: Für eine der Koordinaten (z.b. p 1 ) kann man eine Funktion H wählen, welche d x H 0 erfüllt, aber ansonsten beliebig ist. Jede symplektische Differentialform ist also lokal kanonisch. Bemerkung. Eine stärkere Aussage ist ebenfalls richtig: Wenn für Funktionen F 1,..., F k die Poisson-Klammer verschwindet, {F i, F j } = 0, und außerdem die Differentiale d x F i linear unabhängig sind, so kann man die Koordinaten (x, p) so wählen, dass p 1 = F 1,..., p k = F k. Wir werden diese stärkere Aussage im Spezialfall k = n auch benötigen und deswegen (für diesen Spezialfall) auch beweisen.

2 Lemma. Betrachte Funktionen F 1,..., F k (auf U n ) mit linear unabhängigen Differentialen d x F 1,...d x F k im Punkt x. Dann gibt es Koordinaten auf einer Umgebung des Punktes x, für die F 1 = x 1,..., F k = x k. Beweis: Dies folgt aus dem Satz über die Umkehrfunktion.

3 Wichtige Beobachtung. Die Funktion H ist konstant entlang des Flusses von X H. Tatsächlich ist: X H (H) = {H, H} = }{{} (Antisymmetrie) {H, H} = 0.

4 Noch eine wichtige Beobachtung: Die Matrix Ω 1. Sei Ω die Matrix von ω in Koordinaten (x 1,..., x 2n ). Man betrachte die Matrix Ω 1. Dann gilt: Beweis. Wir haben die Formel Ω 1 = ({x i, x j }). {G, H} = dgω 1 (dh) T in Vorlesung 7 (Teil 2) bekommen. Für die Koordinatenfunktionen x i ist dx i = (0,..., 1 i, 0,..., 0) = e T i. Es ist aus LA bekannt, und kann rechnerisch sofort hergeleitet werden, dass die (i, j)-stelle von Ω 1 gerade (e i ) T Ω 1 e j ist, woraus die Behauptung folgt.

5 Schritte des Beweises des Satzes von Darboux Beweis für dim 2n = 2. Wir nehmen eine beliebige Funktion H mit d x H 0( und betrachten die 1 Koordinaten aus dem Rektifizierungssatz mit X H =. Wir erinnern 0) uns, dass wir zur Konstruktion dieser Koordinaten die Transversalhyperebene (in Dimension 2: Gerade) betrachtet haben, welche wir G nennen. Man bemerke, dass d x (H G ) 0, also kann man H als Koordinate auf dieser Gerade betrachten und folglich sind unsere Koordinaten t, H. In diesen Koordinaten ist die Matrix von ω eine antisymmetrische Matrix, also ( ) 0 f Ω =. f 0 Da X H = Ω 1 (dh) T = ist f 1 und ω = dt dh. ( 0 1/f 1/f 0 ) ( ) 0 = 1 ( ) 1, 0

6 Induktionsbeweis für beliebige Koordinaten Wir betrachten die beliebige Funktion H mit d x H 0 und die Transversalhyperebene G zur X H. OBdA ist H(x) = 0. Mit Hilfe dieser Transversalhyperebene konstruieren wir die Koordinaten t, H, y 2,..., y 2n wie im Rektifizierungssatz. Dann betrachen wir t als eine Funktion in der Umgebung von x und betrachten das Vektorfeld X x. Wie im Beweis für Dim 2 zeigt man, dass {t, H} = 1, folglich kommutieren die Vektorfelder X t, X H wegen Eigenschaft 5 der Poisson-Klammer. Wir betrachten jetzt die Version des Rektifizierungssatzes mit 2 kommutierenden Vektorfelder, als Anfangshyperebene nehmen wir den Schnitt G {y H(y) = 0}. in Koordinaten t, H, y 2,..., y 2n ist das die Menge {t = 0, H = 0}. Die Matrix von ω hat die Gestalt Ω 2n 2 (y) 0 0

7 Die Matrix von ω hat die Gestalt Ω 2n 2 (y) 0 0 Die Matrix Ω 2n 2 ist nichtausgeartet und die entsprechende 2-Differentialform ist geschlossen (als Einschränkung einer geschlossenen Form). Deswegen kann man nach Induktionsvoraussetzung die Koordinaten y 3,...y 2n so auswählen, dass die Differentialform kanonische Form hat. Folglich hat auch ω kanonische Form.

8 Noch eine Version des Satzes von Darboux Def. Die Funktionen F 1,..., F k auf (U 2n, ω) sind in Involution, oder kommutieren, wenn {F i, F j } = 0. Satz 22. Die Funktionen F 1,..., F n (auf U 2n, ω) seien in Involution. Die Differentiale d x F i im Punkt x seien linear unabhängig. Dann kann man die Koordinaten (x, p) so wählen, dass p 1 = F 1,..., p n = F n und die kanonische Form ω = dp dx ist. Beweis. Wir betrachten die Vektorfelder X Fi. Diese kommutieren (weil [X Fi, X Fj ] = X {Fi,F j } = 0) und sind linear unabhängig in x (weil X Fi (x) = Ω 1 (d x F i ) T, Ω 1 nichtausgeartet und d x F i linear unabhängig ist). Dann kommutieren auch die Flüsse von X Fi und es gibt Koordinaten t 1,..., t n, y 1,..., y n, sodass y i Koordinaten auf einer n-dimensionalen Hyperebene sind, die zu allen X Fi transversal ist. Wir betrachten die Einschränkungen der F i auf die Ebene. Diese haben im Punkt x linear unabhängige Differentiale, weshalb wir die Funktionen F 1,..., F n als Koordinaten auf der Hyperebene ansehen können. Da die Funktionen F i konstant entlang der Flüsse von X Fi sind, haben wir die Koordinaten t 1,..., t n, p 1 = F 1,..., p n = F n.

9 In diesen Koordinaten hat die Matrix Ω 1 die Form ( ) Ω 1 λ(p) 1 =. 1 0 Hier λ ist eine n n-(antisymmetriesche)-matrix sodass die Komponenten nur von der Koordinaten p abhängen. Wir erklären dies: Die Komponenten ( Ω 1) ij mit i n und j = k + n n + 1 sind {t i, F k } = X Fk t i = { 1 für i = k 0 sonst Wegen Antisymmetrie sind die Komponenten mit i = k + n n + 1 und j n gleich { 1 für i = k {F k, t i } = {t i, F k } = 0 sonst Da Flüss von X Fi die symplektische Form erhält, hängen alle Komponente von Ω, und deswegen auch Komponente von Ω 1 nicht von t i ab; deswegen hängt die Matrix λ nur von p ab.

10 In diesen Koordinaten hat die Matrix Ω 1 die Form Ω 1 = ( ) λ(p) Wir ändern jetzt die Koordinaten sodass in neuen Koordinaten (x, p) die kanonische Form dp dx hat. Wir suchen die neuen Koordinaten in der folgenden Form: (x, p) = (x 1 = t 1 + u 1 (p),..., x n = t n + u n (p), p 1,..., p n ). Man merke zuerst dass (für beliebigen glatten Funktionen u die Abbildung (t, p) (x, p) ein lokaler Diffeomorphismus ist. Wegen {p i, p j } 0 und Linearität von Poisson-Klammer gilt: im neuen Koordinatensystem die Komponente von der Matrix Ω 1 mit den folgenden Formeln gegeben sind { 1 für i = k für i n, j = k + n > n wie wir es wünschen { 0 sonst 1 für i = k für j n, i = k + n > n wie wir es wünschen 0 sonst für i n, j n λ ij + u j p i u i p j wir wollen dass sie = 0 Wir bekommen deswegen das PDE-Gleichungssystem λ(p) ij + u j p i u i p j = 0 auf unbekannten Funktionen u(p) i ; es bleibt uns zu zeigen dass das System eine Lösung haben; dabei werden wir die Bedingung, dass ω geschlossen ist, benutzen.

11 Ω 1 = ( ) λ(p) Wir müssen Existenz einer Lösung des PDE-Systems λ(p) ij + u j u i = 0 zeigen p i p j Zuerst bemerke, dass die Matrix Ω = ( Ω 1) ( ) 1 ( ) 1 λ(p) = = λ(p) Da ω geschlossen ist, ist auch die 2-Differentialform auf U R n (p) λ := i<j λ(p) ij dp i dp j geschlossen. Nach Poincare-Lemma (wird auf der nächsten Folie wiederholt und bewiesen) existiert dann lokal eine 1-Differentialform u := u(p) i dp i sodass du = λ λ ij = u j p i u i p j ist. Wir sehen dass diese Bedingung mit dem PDE-Systems oben übereinstimmt; daher gibt es eine Lösung des Systems und damit ist Satz 22 bewiesen (wir müssen noch Poincare-Lemma beweisen)

12 Poincare-Lemma Poincare-Lemma. Sei ω eine geschlossene k-differentialorm. Dann gibt es lokal eine k 1-Differentialform f sodass df = ω. Bemerkung. Spezialfall k = 1 haben wir bereits bewiesen. Wir werden jetzt den Spezialfall k = 2 zeigen; Beweis kann man für beliebiges k verallgemeinern. Beweis. Sei ω eine 2-Differentialform mit dω = 0. Wir arbeiten lokal, in einem Ball. Wir definieren 1-Differentialform α gegeben durch α p (ξ) = 1 0 ω tp (p, tξ)dt. Glattheit ist offensichtlich. Wir merken auch dass α p (p) = 1 0 ω tp(p, tp)dt = 0.

13 Wir betrachten jetzt einen Vektorfeld ξ definiert durch ξ(x) = x p ξ. Man merke dass in Punkten von Form tp wir die Gleichung ξ(tp) = tξ haben, deswegen kann man die Formel für α(p) wie folgt umschreiben: α p (ξ) = 1 0 ω tp (p, ξ)dt. Dass ist Integral von Funktion ω tp (p, ξ) entlang der Verbindungsstecke zwichen 0 und p, und deswegen gilt x p (α x (ξ)) = ω x (p, ξ). ( ) In der Formel oben versteht man x als einen Vektorfeld (deren componenten in Punkt x gleich (x 1,..., x n ) sind) und α x (ξ) als eine Funktion, deren Wert in Punkt x die Zahl α x (ξ) ist. Die Formel ( ) ist dann der (Newton-)Satz über der Stammfunktion t f (s)ds = f (t). 0

14 Wir brauchen noch die Leibnitz-Formel L X (α(y )) = (α(l X Y )) + L X (α) (Y ). Ähnliche Formeln haben wir bereits früher in Vorlesung über Poisson-Klammern bewiesen mit Hilfe des Rektifizierungssatzes. Man merke auch dass L x ξ = [x, ξ] = 0 und deswegen L x (α(ξ)) = L X (α) (ξ).

15 Satz von Liouville Teil 1 Satz 23. Sei U 2n offen. Die Funktionen H := F 1,..., F n haben die folgenden Eigenschaften: 1. Sie kommutieren 2. Für die Werte c 1,..., c n sind in allen Punkten einer Zusammenhangskomponente der Menge {x F 1 (x) = c 1,..., F n (x) = c n } die Differentiale d x F 1,..., d x F n linear unabhängig. 3. Diese Zusammenhangskomponente ist kompakt. Dann gilt: Die Zusammenhangskomponente ist isomorph zu einem Torus R n /Z n und die Einschränkung des Flusses von H auf den Torus ist linear, also Φ X H t (x 1,..., x n ) = (x 1 + c 1 t,..., x n + c n (t)). Dabei sind x 1,..., x n die koordinaten auf R n, die Koordinaten (x 1 mod 1,..., x n mod 1) induzieren.

16 Schritte des Beweises des Satzes von Liouville Def. Die Wirkung (Aktion, Operation) einer Gruppe G auf einer Menge ist ein Homomorphismus α : G {Menge von Bijektionen dieser Menge auf sich selbst}. Z.B. operiert die Matrizengruppe GL(n) auf R n wie folgt: Die Abbildung α ordnet einer Matrix ihre entsprechende lineare Abbildung zu. In unserem Beweis ist G = (R n, +). Die Wirkung konstruiert man mit Hilfe von Flüssen von Vektorfeldern X Fi. Da die Zusammenhangskomponente der Menge {x F 1 (x) = c 1,..., F n (x) = c n }, auf welcher wir arbeiten, kompakt ist, ist die Wirkung wohldefiniert. Diese Gruppe operiert transitiv: Zu je zwei Punkten x, y der Zusammenhangskomponente gibt es ein Element g R n, sodass α g (y) = y.

17 Stabilisator Def. Die Gruppe G operiere auf M. Der Stabilisator des Elements x ist die Teilmenge Es gilt: G x G, G x := {g G α g (x) = x}. Der Stabilisator ist eine Untergruppe. Ist α g (x) = y, dann ist S x = g 1 S y g. In unserem Fall ist G kommutativ, also S x = S y. Die Zusammenhangskomponente der Menge {x F 1 (x) = c 1,..., F n (x) = c n }, auf welcher wir arbeiten, ist dann isomorph zu R n /S x, wobei der Isomorphismus mit der Gruppenwirkung vertauscht (kommutiert). In unserem Fall ist S x ein Gitter, also eine Menge {k 1 v k n v n k 1 Z und v i R n }, wo v 1,..., v n eine Basis des R n ist. Bemerkung. Dieser Teil ist am schwierigsten zu beweisen. Aus diesen Aussagen folgt der Satz von Liouville.

ALGEBRAISCHE VARIETÄTEN. gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten: (1) Die

ALGEBRAISCHE VARIETÄTEN. gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten: (1) Die ALGEBRAISCHE VARIETÄTEN MARCO WEHNER UND MAXIMILIAN KREMER 1. Strukturgarben Sei V k n. Wir wollen nur gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten:

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

Affine Geometrie (Einfachere, konstruktive Version) Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit

Mehr

Konvexe Funktionen und Legendre-Transformation

Konvexe Funktionen und Legendre-Transformation Konvexe Funktionen und Legendre-Transformation Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x, y auch stets deren Verbindungsstrecke xy = {x +t xy 0 t 1} = {(1 t)x +ty 0 t 1} enthält.

Mehr

Die Dimension eines Vektorraumes

Die Dimension eines Vektorraumes Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je

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

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

1 Formen und äußeres Differential

1 Formen und äußeres Differential 1 Formen und äußeres Differential Wir betrachten den n-dimensionalen reellen Raum R n = { x = x 1,...,x n ) : x i R für i = 1,...,n }. Definition 1.1 Ein Tangentialvektor an R n im Punkt x R n ist ein

Mehr

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen 11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des

Mehr

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,

Mehr

7 Vektorräume und Körperweiterungen

7 Vektorräume und Körperweiterungen $Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume

Mehr

Folgerungen aus dem Auflösungsatz

Folgerungen aus dem Auflösungsatz Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und

Mehr

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i.

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i. Kapitel Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften von R 3 interessieren, so stört manchmal die Ausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

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

Mehr

Erweiterte Koordinaten

Erweiterte Koordinaten Erweiterte Koordinaten Sei K n ein n dimensionaler affiner Raum Die erweiterten Koordinaten des Punktes x x n K n sind x x n Kn+ (Das ist für alle K sinnvoll, weil in jedem Körper K wohldefiniert ist In

Mehr

4 Affine Koordinatensysteme

4 Affine Koordinatensysteme 4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner

Mehr

Lineare Algebra I Klausur. Klausur - Musterlösung

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

Mehr

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau 312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind

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

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

Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke

Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke Konvexe Mengen Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke xy = {x + t xy 0 t 1} = {(1 t)x + ty 0 t 1} enthält. konvex nicht konvex Lemma

Mehr

2 Euklidische Vektorräume

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

Mehr

Quadratische Matrizen

Quadratische Matrizen Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch

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

Lineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A.

Lineare Hülle. span(a) := λ i v i : so dass k N, λ i R und v i A. Lineare Hülle Def A sei eine nichtleere Teilmenge des Vektorraums (V,+, ) Die lineare Hülle von A (Bezeichung: span(a)) ist die Menge aller Linearkombinationen der Elemente aus A { k } span(a) := λ i v

Mehr

1.5 Duales Gitter und Diskriminantengruppe

1.5 Duales Gitter und Diskriminantengruppe Gitter und Codes c Rudolf Scharlau 24. April 2009 27 1.5 Duales Gitter und Diskriminantengruppe Dieser Abschnitt ist im wesentlichen algebraischer Natur: Es spielt keine Rolle, dass unsere Gitter in einem

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

Lineare Algebra I Zusammenfassung

Lineare Algebra I Zusammenfassung Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition

Mehr

Differentialformen Äußere Ableitung Abbildungen Konverse Poincaré Lemma. Die Äußere Ableitung. Felix Retter

Differentialformen Äußere Ableitung Abbildungen Konverse Poincaré Lemma. Die Äußere Ableitung. Felix Retter 25.06.2008 Inhaltsangabe Differentialformen Äußere Ableitung Abbildungen Konverse Poincaré Lemma Die p-form Sei P ein Punkt in E n. Der n-dimensionale lineare Raum L = L p wird dann gebildet von n a i

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

Kapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen

Kapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen Kapitel 10. Lineare Abbildungen Definition linearer Abbildungen Eigenschaften und Beispiele Alle linearen Abbildungen R n V Bild von Unterräumen Vorschau: Lineare Abbildungen Wer Vektorräume studiert,

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden

Mehr

Seminar: Summen von Quadraten & K-Theorie WS 2013/14

Seminar: Summen von Quadraten & K-Theorie WS 2013/14 Vektorbündel über topologischen Räumen Seminarvortrag von C. Dahlhausen am 06. November 2013. Hinweise auf Fehler und Korrekturen bitte an dahl.de@web.de. Im folgenden sei X stets ein topologischer Raum.

Mehr

Geometrische Mannigfaltigkeiten

Geometrische 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

Mehr

Algebra I, WS 04/05. i 0)

Algebra I, WS 04/05. i 0) G. Nebe, M. Künzer Algebra I, WS 04/05 Lösung 5 Aufgabe 20. 1 Wir haben einen Normalteiler C 3 = 1, 2, 3. Es ist mit C 2 := 1, 2 der Schnitt C 3 C 2 = 1, und folglich aus Ordnungsgründen S 3 = C 3 C 2.

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

SS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.

SS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden

Mehr

Vorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen.

Vorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Vorlesung 4 Universität Münster 13. September 2007 1 Kartesische Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Seien M und N zwei Mengen. Dann bezeichnen wir mit M N das (kartesische) Produkt

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

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

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R

Mehr

55 Lokale Extrema unter Nebenbedingungen

55 Lokale Extrema unter Nebenbedingungen 55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :

Mehr

1 Eingebettete Untermannigfaltigkeiten des R d

1 Eingebettete Untermannigfaltigkeiten des R d $Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die

Mehr

Caputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen

Caputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen Seminar Fraktionale Differentialgleichungen Prof. Dr. P.E. Kloeden, WS1000/2001 Caputo fraktionale Differentialgleichungen Lars Grüne, 25.1.2001 Basierend auf Fractional Differential Equations, Theory

Mehr

ϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).

ϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ). 1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ

Mehr

Formale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz

Formale Grundlagen 2008W. Vorlesung im 2008S  Institut für Algebra Johannes Kepler Universität Linz Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Vektoren in der Ebene Zwei Punkten P, Q in der Ebene

Mehr

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.

Mehr

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1). Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)

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

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

Wie 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? 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, )

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

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

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

Mehr

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω 5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,

Mehr

Varianz und Kovarianz

Varianz und Kovarianz KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]

Mehr

Satz 16 (Multiplikationssatz)

Satz 16 (Multiplikationssatz) Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.

Mehr

3 Vektorbündel und das Tangentialbündel

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

Mehr

Satz 18 (Satz von der totalen Wahrscheinlichkeit)

Satz 18 (Satz von der totalen Wahrscheinlichkeit) Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe 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]

Mehr

4 Elementare Vektorraumtheorie

4 Elementare Vektorraumtheorie 4. ELEMENTARE VEKTORRAUMTHEORIE 51 4 Elementare Vektorraumtheorie Im folgenden sei K stets ein Körper. Definition. (i) Eine homogene Gleichung in den Unbekannten ξ 1,..., ξ n ist ein Ausdruck der Gestalt

Mehr

Einführung in die mathematische Logik

Einführung in die mathematische Logik Prof. Dr. H. Brenner Osnabrück SS 2016 Einführung in die mathematische Logik Vorlesung 12 Wir haben bisher nur von Axiomensystemen im Sinne einer beliebigen Ausdrucksmenge Γ L S gesprochen, die im Allgemeinen

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 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

4. Vektorräume und Gleichungssysteme

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

Mehr

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

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

Mehr

Lineare Algebra 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

Übungen zu Partielle Differentialgleichungen, WS 2016

Übungen zu Partielle Differentialgleichungen, WS 2016 Übungen zu Partielle Differentialgleichungen, WS 2016 Ulisse Stefanelli 16. Januar 2017 1 Beispiele 1. Betrachten Sie die Beispiele von nichtlinearen PDG und Systemen, die wir im Kurs diskutiert haben,

Mehr

Mathematik und Logik

Mathematik und Logik Mathematik und Logik 5. Übungsaufgaben 2006-11-21 1. Beweisen Sie, daß die Aussage allgemeingültig ist. A = A Beweis. Dies ist ein Spezialfall von (((A = B) = B) = B) = (A = B), was wir wie folgt beweisen.

Mehr

KONSTRUKTION VON MASSEN

KONSTRUKTION VON MASSEN KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer

Mehr

16 Vektorfelder und 1-Formen

16 Vektorfelder und 1-Formen 45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung

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

8. Kleinsche Geometrie I: Hyperbolische Geometrie. Das Erlanger Programm.

8. Kleinsche Geometrie I: Hyperbolische Geometrie. Das Erlanger Programm. 8. Kleinsche Geometrie I: Hyperbolische Geometrie Nach den bisherigen Ergebnissen müssen wir uns nun um die Gruppe PSL 2 C kümmern. Das Studium dieser Gruppe wird uns in dieser Vorlesung zu einem neuen

Mehr

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,

Mehr

Affine und projektive Räume

Affine und projektive Räume Affine und projektive Räume W. Kühnel Literatur hierzu: G.Fischer, Analytische Geometrie, 7. Aufl., Vieweg 2001 Zur Motivation: Wenn man in einem Vektorraum die Elemente nicht als Vektoren, sondern als

Mehr

Direktes Bild und Inverses Bild von D-Moduln

Direktes Bild und Inverses Bild von D-Moduln Direktes Bild und Inverses Bild von D-Moduln Konrad Voelkel 3. Juli 2009 Abstract Seien stets X, Y Top, f : X Y stetig und F Sh /X sowie G Sh /Y. Wir untersuchen nun, wie sich, mittels f, F als Garbe auf

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

Vektorräume und Lineare Abbildungen

Vektorräume und Lineare Abbildungen Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit

Mehr

Lineare Gleichungsen + Lineare Funktionen

Lineare Gleichungsen + Lineare Funktionen 29. Mai 2006 Gliederung 1 2 Anmerkungen Bitte nummeriert die Zeilen! Bitte benutzt eine Büroklammer! Bitte nicht abschreiben! Anmerkungen Bitte nummeriert die Zeilen! Bitte benutzt eine Büroklammer! Bitte

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

Vortrag 11: Der Satz von Mordell-Weil

Vortrag 11: Der Satz von Mordell-Weil Vortrag 11: Der Satz von Mordell-Weil Max Daniel 30. Januar 2013 Inhaltsverzeichnis 1 Höhenfunktionen auf elliptischen Kurven 2 2 Ausblick 7 Einleitung Sei E/K eine über einem Zahlkörper K definierte elliptische

Mehr

Beziehungen zwischen Vektorräumen und ihren Dimensionen

Beziehungen zwischen Vektorräumen und ihren Dimensionen Beziehungen zwischen Vektorräumen und ihren Dimensionen Lineare Algebra I Kapitel 9 20. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz

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

detdϕ(x,y) = 1 für alle (x,y) Ω.

detdϕ(x,y) = 1 für alle (x,y) Ω. 3. TANGENTIALBÜNDEL 7 3. Tangentialbündel 3.1. Tangentialräume der Untermannigfaltigkeit im R n. In dieser Abschnitt wiederholen wir die Untermannigfaltigkeit im R n und ihre Tangentialräume aus Analysis

Mehr

Lösungen zu Übungsblatt 9

Lösungen zu Übungsblatt 9 Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da

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

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

MAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.

MAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss. 1. Konvexität in der absoluten Ebene In einem Dreieck in der Euklidischen Ebene hat die Strecke zwischen zwei Seitenmittelpunkten die halbe Länge der dritten Seite. In der absoluten Ebene hat man eine

Mehr

Eine Erweiterung des Lê-Saito-Theorems

Eine Erweiterung des Lê-Saito-Theorems s Eine s Oklahoma State University Kaiserslautern, 6. Januar 2012 Definition Ein Polynom f C[x 1,..., x n ] ist homogen vom Grad d, wenn f (λ x 1,..., λ x n ) = λ d f (x 1,..., x n ) für alle λ C. Ableiten

Mehr

PRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF.

PRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF. Zuname: Vorname: Matrikelnummer: PRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF. (GITTENBERGER) Wien, am 5. Februar 2013 (Ab hier freilassen!) Arbeitszeit: 100 Minuten 1) 2) 3) 4) 5) 1)(8

Mehr

1. Gruppen. 1. Gruppen 7

1. Gruppen. 1. Gruppen 7 1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.

Mehr

Stochastik I. Vorlesungsmitschrift

Stochastik I. Vorlesungsmitschrift Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................

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

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

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

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen. 1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild

Mehr

Vorlesung. Funktionen/Abbildungen

Vorlesung. Funktionen/Abbildungen Vorlesung Funktionen/Abbildungen 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über

Mehr

2. Stetigkeit und Differenzierbarkeit

2. Stetigkeit und Differenzierbarkeit 2. Stetigkeit Differenzierbarkeit 9 2. Stetigkeit Differenzierbarkeit Wir wollen uns nun komplexen Funktionen zuwenden dabei zunächst die ersten in der Analysis betrachteten Eigenschaften untersuchen,

Mehr

Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln

Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln Michael Kniely November 2009 1 Vorbemerkungen Definition. Sei n N +, ϕ(n) := {d [0, n 1] ggt (d, n) = 1}. Die Abbildung ϕ : N + N + heißt

Mehr