6 Metrische Klassifikation der Quadriken
|
|
- Waltraud Melsbach
- vor 5 Jahren
- Abrufe
Transkript
1 6 Metrische Klassifikation der Quadriken A Wiederholung von Kap V, 5 Sei A = (a ij ) eine symmetrische n n Matrix. n x 1 q(x) := x t Ax = a ij x i x j, x =. i,j=1 ist dann ein quadratisches Polynom in den Unbestimmten x 1,...,x n. Man nennt q(x) die zu A gehörige quadratische Form. Fasse q(x) auf als Funktion q : R n R in den Variablen x 1,...,x n. Eine Linearform auf dem R n ist eine lineare Abbildung l : R n R; also ist l(x) = b 1 x b n x n mit Konstanten b 1,...,b n. M.a.W.: l(x) = b t x, wenn b = (b 1,...,b n ) t. Definition: Eine Teilmenge Q R n heißt Quadrik, wenn es eine quadratische Form q(x), eine Linearform l(x) und eine Konstante c gibt, so dass Q die Nullstellenmenge von q(x) + l(x) + c ist, d.h. (1) Q = {x R n q(x) + l(x) + c = } Schreibe auch (1) Q : q(x) + l(x) + c = oder in Matrizenschreibweise (1) Q : x t Ax + b t x + c =, A und b wie oben. Beispiele: a) Ellipse: E : x 1 a 1 + x a = 1; A = b) Parabel: P : x = 4dx 1; A = ( 1 a 1 ( 1 ), b = 1 a ), b = x n ( ), c = 1. ( ) d, c =. 1
2 c) Hyperbel: H : x 1 x a 1 a = 1; A = ( 1 a 1 1 a ), b = B Metrische Klassifikation der Quadriken im R n : ( ), c = 1. Aufgabe: Finde zu einer gegebenen Quadrik eine dazu kongruente mit möglichst einfacher Gleichung. Sei wie oben (1) Q : x t Ax + b t x + c = Eine Bewegung ϕ : R n R n ist insbesondere eine Affinität. Also ist nach V, 5.1 auch ϕ(q) R n eine Quadrik und es gilt (siehe Beweis von V, 5.1): ϕ(q) : ϕ 1 (x) t Aϕ 1 (x) + b t ϕ 1 (x) + c = Nach IV, 6.1 ist A orthogonal diagonalisierbar, d.h.: Es gibt ein T O(n), so dass D = T t AT eine Diagonalmatrix ist. Folglich ist ϕ : R n R n, x T t x eine Bewegung mit ϕ(x) = T t x, also ϕ 1 (x) = Tx (wg. T t = T 1 ). Es folgt ϕ 1 (x) t Aϕ 1 (x) = x t T t ATx = x t Dx, somit ϕ(q) : x t Dx + b t Tx + c =. Dabei ist b t Tx = λ 1 x λ n x n eine Linearform. Nach evtl. Variablentausch können wir annehmen: d 1... d r d r+1 D =... d s... Somit ist jede Quadrik kongruent zu einer Quadrik Q mit n Q : d 1 x d rx r d r+1x r+1... d sx s + λ k x k + c =: p(x) = k=1
3 mit d 1,...,d s >, < s n, c >. Quadratische Ergänzung ergibt: p(x) = r d i (x i + λ i d i ) s d j (x j λ j d j ) + n k=s+1 λ k x k + a Ist also τ : R n R n die Translation um den Vektor so ist p(τ 1 (x)) = r τ(q ) : r d i x i ( λ 1 d 1,..., λ r d r, λ r+1 d r+1,..., λ s d s,,..., ) t ; d i x i s s d j x j + d j x j + n k=s+1 n k=s+1 λ k x k + a und λ k x k + a =. Fazit: Jede Quadrik ist kongruent zu einer Quadrik Q mit einer Gleichung p(x) =, wobei p(x) = r s n d i x i d j x j + b k x k c k=s+1 mit c ; d 1,...,d s >, s > und r s n. Fallunterscheidung: 1 (1) b s+1 =... = b n = c = : Setze a i := d i, also d i = 1 : a i Q : x 1 a x r a r x r+1... x s a r+1 a s = ; a 1,...,a 1 >, s >, r s n () b s+1 =... = b n =, c > : a i := c d i, also d i c = 1 : a i Q : x 1 a x r a r x r+1... x s a r+1 a s (3) Nach evtl. Umnummerierung ist b s+1. = 1; a 1,...,a s >, x >, r s n 3
4 Durch eine geeignete Bewegung werden b s+,...,b n und c beseitigt :. Sei b = b s+1. b n, v s+1 = 1 b b; v 1 = e 1,..., v s = e. Dann gilt v i, v j = für 1 i j s+1 und v i = 1, i = 1,..., s+1. Daher kann man (v 1,...,v s+1 ) zu einer Orthonormalbasis (v 1,...,v n ) von R n ergänzen. Es existiert daher eine Bewegung ϕ : R n R n mit v i e i, i = 1,...,n und es ist ϕ 1 (x) = x 1 e x s e s + x s+1 v s x n v n = (x 1,...,x s,,..., ) t x ϕ(q) ϕ 1 (x) Q p(ϕ 1 (x)) =, also ϕ(q) : = p(ϕ 1 (x)) = r d i x i s d j x j + bt ϕ 1 (x) + c b t ϕ 1 (x) = b, ϕ 1 (x) = b v s+1, x 1 e x s e s + x s+1 v s x n v n = b x s+1 v s+1, v s+1 = b x s+1 Nach Division der Gleichung durch b und Wurzelziehen ergibt sich für ϕ(q) die Darstellung r x s x i j ϕ(q) : a x i a s+1 + c = j Ersetze noch x s+1 durch x s+1 + c und mache so c zu Null. Schließlich ist Q kongruent zu einer Quadrik mit Gleichung r x s i x j = x s+1 Wir fassen zusammen: (6.1) Satz: a i a j Jede Quadrik Q R n ist kongruent zu einer Quadrik mit einer Gleichung der folgenden Form (metrische Normalform): (1) r x i a i s x j a j =, r s, < s n, a i >, i = 1,...,s 4
5 () r x i a i s x j a j = 1, r s, < s n, a i >, i = 1,...,s (3) r x i a i s x j a j = x s+1, < r s < n, a i >, i = 1,..., s Die a 1,...,a s heißen die Halbachsen von Q. Für den R erhält man nach (3.1) genauer: (6.) Korollar: Jede nichtleere Quadrik Q R ist zu einer der Folgenden kongruent: I Gleichungen mit zwei quadratischen Termen (Rang(A)=) 1. Beide quadratische Terme haben das gleiche Vorzeichen (deta > ) a) x a + y b = 1 b) x a + y b = Ellipse mit den Halbachsen a, b Typ () mit r = Q = {(x, y)} ein Punkt Typ (1) mit r = oder s =. Die Vorzeichen sind verschieden a) x a y b = 1 Hyperbel mit den Halbachsen a, b Typ () mit r = s = 1 b) x a y = sich schneidendes Geradenpaar y = ± x a durch ( Typ (1) mit r = s = 1 II Gleichungen mit nur einem quadratischen Term (Rang(A)=1) 1. Der lineare Term verschwindet nicht ) y = mx, m Parabel Typ (3) 5
6 . Der lineare Term verschwindet a) x a = 1 Paralleles Geradenpaar x = ±a Typ () b) x = (Doppel-)Gerade x = Typ (1) Im Fall n = 3 erhält man die folgenden Normalformen: (6.3) Korollar: Im R 3 gibt es die folgenden Kongruenzklassen von Quadriken Q : I Drei quadratische Terme (Rang(A)=3) 1. Alle mit dem gleichen Vorzeichen a) x a + y b + z c = 1 Ellipsoid mit den Halbachsen a, b, c Schnitt mit den Koordinatenebenen x =, y =, z = ergibt Ellipsen b) x a + y b + z c = Nullpunkt Abbildung 1: Ellipsoid 6
7 . Es treten verschiedene Vorzeichen auf a) x a + y b z c = 1 Einschaliges Hyperboloid Horizontale Schnitte: z = λ: x + y = 1 + λ Ellipsen a b c x = : y z = 1 Hyperbel b c y = : x z = 1 Hyperbel a c Abbildung : Einschaliges Hyperboloid 7
8 b) x a + y b z c = Elliptischer Doppelkegel Horizontale Schnitte: z = : -Punkt z = λ : Ellipsen Vertikale Schnitte: x = : zwei sich im Nullpunkt y = : schneidende Geraden ( y z b c )(y + z) = b c Abbildung 3: Elliptischer Doppelkegel c) x a y b + z c = 1 Zweischaliges Hyperboloid Vertikale Schnitte: x = : Hyperbel y = : Hyperbel Horizontale Schnitte: z = γ : γ < c: γ = c: Punkt γ > c: Ellipse symmetrisch zur x-y-ebene z = Abbildung 4: Zweischaliges Hyperboloid 8
9 II Gleichungen mit genau zwei quadratischen Termen (Rang(A)=) 1. Linearer Term vorhanden a) x a + y b = z Elliptisches Paraboloid Vertikale Schnitte: x =, y = : Parabeln z = y, b z = x a Horizontale Schnitte: z = γ: γ < c: γ = c: Punkt γ > c: Ellipsen symmetrisch zur x-y-ebene z = Abbildung 5: Elliptisches Paraboloid b) x a y b = z Sattelfläche Horizontale Schnitte: z = γ: Hyperbeln (Geradenpaar) in verschiedene Richtungen geöffnet für γ < und γ > Vertikale Schnitte: x = c, y = c: Parabeln Abbildung 6: Sattelfläche 9
10 . Linearer Term verschwindet a) x a + y b = 1 Elliptischer Zylinder Horizontale Schnitte: x + y a = 1: immer dieselbe b Ellipse Abbildung 7: Elliptischer Zylinder b) x a y b = 1 Hyperbolischer Zylinder Horizontale Schnitte: x y a = 1: immer dieselbe b Hyperbel Abbildung 8: Hyperbolischer Zylinder 1
11 c) x a y b = zwei sich schneidende Ebenen ( x y a b )(x + y ) = a b d) x a + y b = Abbildung 9: Sich schneidende Ebenen z-achse III Gleichungen mit nur einem quadratischen Term 1. Linearer Term vorhanden y = mx Parabolischer Zylinder Abbildung 1: Parabolischer Zylinder 11
12 . Linearer Term verschwindet a) x a = 1 x = a x = ±a zwei parallele Ebenen Abbildung 11: Parallele Ebenen b) x = y-z-ebene x = C Praktisches Vorgehen beim Aufsuchen von Normalformen einer Quadrik (1) Q : x t Ax + b t x + c = 1. Schritt: Vereinfachung des quadratischen Teils x t Ax. a) Bestimme das charakteristische Polynom von A und dessen Nullstellen λ 1,...,λ n (λ i = λ j für i j möglich). b) Bestimme eine Orthonormalbasis (v 1,...,v n ) von R n bestehend aus Eigenvektoren v i zum Eigenwert λ i, i = 1,...,n. c) Bilde die Matrix S mit den Spalten v 1,...,v n, sowie S t. Dann ist S orthogonal, d.h. S t = S 1. Es folgt λ 1 S t AS = S 1 AS =... Diagonalmatrix. λ n 1
13 Sei ϕ : R n R n, x y = S t x = S 1 x(x = Sy). Dann ist ϕ eine Bewegung und () Q ϕ(q) : λ 1 y λ n y n + b t Sy + c = Nicht vergessen: Auch der lineare Term b t x muss transformiert werden!! Beispiel: (1) Q : 9x 1 + 4x 1x + 36x 118x 1 4x 55 = ( ) ( ) 9 1 λ 9 1 A = χ 1 36 A (λ) = det = λ 1 λ 36 65λ + 9 mit Nullstellen ( λ 1 = 45, λ ) =. ( ) ( ) ( ) x1 45E A = ; = hat die Lösung ( ) x 3 w 1 =. Also ist w 4 1 Eigenvektor zum Eigenwert λ 1 = 45; ( ) 4 w = w 3 1, also ist w Eigenvektor zum Eigenwert λ =. w 1 = w = ( 9 ) + 16 = 5 : v 1 := ( 1w 5 1, v := ) 1w 5( und ) ( ) S = 1 ; S = S t = 1 x1 y1 ; = S, d.h x y x 1 = 1(3y 5 1 4y ), x = 1(4y y ). Einsetzen in (1): ϕ(q) : 45y1 + y 118(3y 5 1 4y ) 4(4y y ) 55 =, also () ϕ(q) : 45y 1 + y 9y 1 + 8y 55 = Bemerkung: Im Fall b = braucht S zur Bestimmung des Typs nicht berechnet werden, sondern nur λ 1,...,λ n. Will man aber wissen, wo die Hauptachsen der ursprünglichen Quadrik liegen, so muß S doch bestimmt werden.. Schritt: Führe in der vereinfachten Gleichung () noch quadratische Ergänzung durch (siehe Beweis von 6.1). Im Beispiel: Q : 45y1 + y 9y 1 + 8y 55 = : 5 Q : 9(y1 y 1 + 1) + 4(y + 4y + 4) 36 = : 36 Q (y : 1 1) + (y +) = Q z1 : 4 + z 9 = 1 mit z 1 = y 1 1, z = y + ; a 1 =, a = 3 13
14 Also ist ( Q eine ) Ellipse mit den Halbachsen und 3. Der Mittelpunkt von 1 Q ist und Q = S t Q. Es folgt: ( ) ( ) 1 11 Der Mittelpunkt von Q ist S = 1. Die Eigenvektoren von 5 A geben die Richtung der Hauptachsen von Q vor: Die Hauptachsen von Q sind somit die Geraden ( ) R v 5 1 und 1 ( ) 11 + Rv 5 Beispiel im R 3 : (1) Q : 5x 1 + 7x + 6x 3 4x 1 x 3 4x x 3 x 1 + x 8x = 5 A = 7 χ a (λ) = λ 3 18λ + 99λ 16 6 Alle Koeffizienten von χ A (λ) (bis auf den höchsten) sind durch 3 teilbar. Fazit: Hat χ A eine ganzzahlige Nullstelle, so ist diese durch 3 teilbar. Probiere deshalb λ = 3: χ A (3) = = : λ 1 = 3 Polynomdivision: χ A (λ) : (λ 3) = λ 15λ + 54 mit den Nullstellen λ = 6 und λ 3 = 9. Bestimme Eigenvektoren zu λ 1, λ und λ 3 : 9 3E 3 A = 4 4 w 1 = 3 1 Eigenvektor zu λ 1 = 3, w 1 = 3. Setze daher v 1 := ist 14
15 Analoge Rechnungen ergeben: v = 1 ist Eigenvektor zu λ = v 3 = 1 1 ist Eigenvektor zu λ 3 = 9 und 3 (v 1, v, v 3 ) ist eine Orthonormalbasis von R 3. 1 Die zugehörige Matrix ist S = 1 1, somit S t AS = 3 1 y 1 x 1 Setze y = y = S t x, somit x = Sy. Es folgt y x x 1 = 1 3 (y 1 y + y 3 ); x = 1 3 (y 1 + y + y 3 ); x 3 = 1 3 (y 1 + y y 3 ) 3 Einsetzen in (1) ergibt wegen S t AS = 6 : 9 Q : 3y1 + 6y + 9y3 3 (y 1 y + y 3 ) + 3 (y 1 + y + y 3 ) 8 3 (y 1 + y y 3 ) = 3y1 + 6y + 9y y y 3 = 9 : 6 Q : Q : y 1 + (y + y + 1) + 3 (y 3 + y 3 + 1) = = 1 y1 ( ) + (y + 1) + (y 3 + 1) = 1 1 ( 3 ) Also ist Q ein Ellipsoid mit den Halbachsen, 1 und
5 Quadriken. K = { R 2 ax 2 + bxy + cy 2 + dx + ey + f = 0} wobei a, b, c, d, e, f reelle Zahlen sind mit (a, b, c) (0, 0, 0).
5 Quadriken Kegelschnitte Ein Kegelschnitt ist eine Teilmenge K R 2, welche durch eine quadratische Gleichung in zwei Unbestimmten beschrieben werden kann: x K = { R 2 ax 2 + bxy + cy 2 + dx + ey + f =
MehrZiel: Wir wollen eine gegebene Quadrik auf eine einfache Form transformieren, aus der sich ihre geometrische Gestalt unmittelbar ablesen lässt.
49 Quadriken 49.1 Motivation Quadriken (vgl. Def. 48.2) stellen eine wichtige Klasse geometrischer Objekte dar, mit Anwendungen in Computergrafik, Bildverarbeitung, Visualisierung, Physik u. a. Ziel: Wir
Mehr6.3 Hauptachsentransformation
Im Wintersemester 6/7 wurde in der Vorlesung Höhere Mathematik für Ingenieurstudiengänge der folgende Algorithmus zur Hauptachsentransformation besprochen: 63 Hauptachsentransformation Die Matrizen, die
MehrEuklidische Normalformen der dreidimensionalen Quadriken
Euklidische Normalformen der dreidimensionalen Quadriken Es existieren 17 verschiedene Typen räumlicher Quadriken mit folgenden Normalformen: Euklidische Normalform der dreidimensionalen Quadriken 1-1
MehrFlächen zweiter Ordnung
1 Flächen zweiter Ordnung Definition: Eine Fläche zweiter Ordnung ist die Gesamtheit aller Punkte, deren Ortsvektoren x der Gleichung x T A x + p T x + f = 0 genügen, wobei x 1 x = x x 3, A = Ausführliche
Mehr8 Tangenten an Quadriken
8 Tangenten an Quadriken A Geraden auf Quadriken: Sei A 0 eine symmetrische n n Matri und Q : t A + b t + c = 0 eine nicht leere Quadrik im R n, b R n, c R. g = p + R v R n ist die Gerade durch p mit Richtung
MehrT := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass
I. a) Es sei (G, ) eine abelsche Gruppe mit neutralem Element e G. Zeigen Sie, dass U := {g G g 3 = e G } eine Untergruppe von G ist. b) In der symmetrischen Gruppe S 4 definieren wir analog zu a) die
Mehr43911: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 2015 Lösungsvorschlag
Dr. Erwin Schörner 439: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 5 Lösungsvorschlag I.. Für n N mit n ist das inhomogene lineare Gleichungssystem in den n Unbekannten x,..., x n mit den n Gleichungen
MehrLineare Algebra II (SS 13)
Lineare Algebra II (SS 13) Bernhard Hanke Universität Augsburg 03.07.2013 Bernhard Hanke 1 / 16 Selbstadjungierte Endomorphismen und der Spektralsatz Definition Es sei (V,, ) ein euklidischer oder unitärer
MehrLina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen
Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - en Kommentare an HannesKlarner@FU-Berlinde FU Berlin SS 1 Dia- und Trigonalisierbarkeit Aufgabe (1) Gegeben seien A = i i C 3 3 und B = 1
MehrLineare Algebra II 11. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des
MehrInhaltsverzeichnis INHALTSVERZEICHNIS 1
INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 43 Polynome in mehreren Variablen und Nullstellenmengen Als eine Anwendung der Diagonalisierbarkeit von symmetrischen
Mehr7.1 Bewegungen und Polynome zweiten Grades
Kapitel 7 Quadriken Eine Quadrik ist die Nullstellenmenge eines Polynoms in mehreren Variablen, die nur quadratisch, linear oder in gemischten Gliedern, d.h. Produkten zweier verschiedener Variablen auftreten.
Mehr++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1
Hauptachsentransformation. Einleitung Schneidet man den geraden Kreiskegel mit der Gleichung = + und die Ebene ++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen +2 + +dx+ey+f = 0. Die
MehrKlausur HM I F 2004 HM I : 1
Klausur HM I F 004 HM I : Aufgabe (5 Punkte): Für welche n gilt die folgende Aussage? ( n ) det n! n 0 (n )! () Führen Sie den Beweis mit Hilfe der vollständigen Induktion. Lösung: Beweis per Induktion
MehrVorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)
Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 15: Eigenwerte und -vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 5. November 2009) Diagonalisierbarkeit
Mehra, b, c bezeichnen nicht mehr Halbachsen von Ellipsen oder Hyperbeln. Für Hyperbeln und Ellipsen wurden spezielle Koordinatensysteme benutzt!
5 Kegelschnitte und Hauptachsentransformation 5.1 Allgemeine Kegelschnittgleichung ax + by + cxy + dx + ey + f = 0 ) Die Buchstaben a, b, c sind relle Zahlen, die nicht gleichzeitig Null sind: a, b, c)
MehrQuadriken. Quadriken und Hauptachsentransformation. Lineare Algebra I, WS 10/11 Ingo Blechschmidt 13. März 2011
Hier eine kurze Erklärung zu der. Als Grundlage diente teilweise eine Beschreibung von Markus Göhl vom Sommersemester 00. Quadriken Definition. Eine Quadrik ist die Nullstellenmenge eines quadratischen
MehrTutorium 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 +
MehrMusterlösungen 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,
MehrEinige Lösungsvorschläge für die Klausur zur Vorlesung
Prof Klaus Mohnke Institut für Mathematik Einige Lösungsvorschläge für die Klausur zur Vorlesung Lineare Algebra und analtische Geometrie II* - SS 7 Aufgabe Im R mit dem Standardskalarprodukt ist die folgende
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag 9.6 $Id: quadrat.tex,v. 9/6/9 4:6:48 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6. Symmetrische Matrizen Eine n n Matrix heißt symmetrisch wenn
MehrKapitel 14. Geometrie Eine kurze Einführung in die affine Geometrie
Kapitel 14 Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften vonr 3 interessieren, so stört manchmal dieausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise
MehrBrüche, Polynome, Terme
KAPITEL 1 Brüche, Polynome, Terme 1.1 Zahlen............................. 1 1. Lineare Gleichung....................... 3 1.3 Quadratische Gleichung................... 6 1.4 Polynomdivision........................
Mehr6 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,
Mehr7 Lineare Abbildungen und Skalarprodukt
Mathematik II für inf/swt, Sommersemester 22, Seite 121 7 Lineare Abbildungen und Skalarprodukt 71 Vorbemerkungen Standard Skalarprodukt siehe Kap 21, Skalarprodukt abstrakt siehe Kap 34 Norm u 2 u, u
Mehr12. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013
O. Alaya, S. Demirel M. Fetzer, B. Krinn M. Wied. Gruppenübung zur Vorlesung Höhere Mathematik Wintersemester / Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshinweise zu den Hausaufgaben: Aufgabe H 4. Hauptachsentransformation
Mehr6 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
MehrTypische Klausuraufgaben 1.
Typische Klausuraufgaben 1. 1. Sei f : V V ein Endomorphismus. Sei v 1 Eigenvektor zu f mit Eigenwert λ 1, sei v 2 Eigenvektor zu f mit Eigenwert λ 2. Zeige: Ist auch v 1 + v 2 ein Eigenvektor zu f, so
Mehr3.3 Klassifikation quadratischer Formen auf R n
3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen
Mehr1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen
Hannover, den 7. Februar 2002 Aufgabe. Übungsblatt: Lineare Algebra II Abgabe: 8./9.4.2002 in den Übungsgruppen (2, 2, 3 Punkte) Der Vektorraum V = C[, ] sei mit dem üblichen Skalarprodukt f, g = f(t)g(t)
MehrMusterlösung zur Serie 10
D-MATH, D-PHYS, D-CHAB Lineare Algebra II FS 1 Prof. Giovanni Felder, Thomas Willwacher Musterlösung zur Serie 1 1. a) Zur Erinnerung: Eine Äquivalenzrelation auf einer Menge M ist eine Relation, die die
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Eigenvektoren
Mehr6 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,
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
MehrQuadratische Formen. und. Symmetrische Matrizen
Quadratische Formen und Symmetrische Matrizen 1 Ouverture: Lineare Funktionen von R n nach R 1 2 Beispiel: n = 2 l : (x 1, x 2 ) T 0.8x 1 + 0.6x 2 = < x, g > mit g := (0.8, 0.6) T. Wo liegen alle x = (x
MehrErweiterte 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
Mehr5.4 Hauptachsentransformation
. Hauptachsentransformation Sie dient u.a. einer möglichst einfachen Darstellung von Kegelschnitten und entsprechenden Gebilden höherer Dimension mittels einer geeigneten Drehung des Koordinatensystems.
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 009 Dienstag 3.6 $Id: quadrat.tex,v.4 009/06/3 4:55:47 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6.3 Quadratische Funktionen und die Hauptachsentransformation
MehrKapitel V. Räumliche Geometrie. 1. Drehungen
Kapitel V Räumliche Geometrie 1. Drehungen Punkte in R 3 sind durch 3 Koordinaten (x 1,x 2,x 3 ) bestimmt. Wir benützen die Matrix-Schreibweise x 1 x = x 2 x 3 Eine Drehung um die Koordinatenachse x 3
MehrDie allgemeine quadratische Gleichung mit zwei Unbekannten. DET (λ 1 ) 3. p = 1. Strategie und grundlegende Definitionen
Die allgemeine quadratische Gleichung mit zwei Unbekannten 1. Strategie und grundlegende Definitionen 2. Die elliptischen Fälle 1, 2 und 3 3. Der parabolische Fall 4 4. Die entarteten Fälle 5 und 6 5.
MehrMathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen
Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β
Mehr43911: Lineare Algebra/Geometrie Prüfungstermin Herbst 2015 Lösungsvorschlag
Dr. Erwin Schörner 49: Lineare Algebra/Geometrie Prüfungstermin Herbst 5 Lösungsvorschlag I.. a Die in Abhängigkeit vom Parameter t R für t t A t t t R und b R t + t t + t zu betrachtende Menge F t { x
MehrKlausur zur Vorlesung Lineare Algebra B im SS 2002 an der Universität Hannover
Dozent: Prof. Dr. Wolfgang Ebeling Übungsleiter: Dr. Detlef Wille Klausur zur Vorlesung Lineare Algebra B im SS an der Universität Hannover Joachim Selke 9. Februar Lineare Algebra B SS Klausur zur Vorlesung
MehrAufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009
I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe
Mehr4 Ein wenig analytische Geometrie. 4.1 Einige Grundgebilde der projektiven Geometrie Geraden in homogenen Koordinaten
4 Ein wenig analytische Geometrie 4.1 Einige Grundgebilde der projektiven Geometrie 4.1.1 Geraden in homogenen Koordinaten (a) Im Raum/Ebene in Parameterform Siehe Figur-4-1-1-a (ohne X g = P Q) P ( p),
MehrKlausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 8
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 204): Lineare Algebra und analytische Geometrie 8 8. (Herbst 202, Thema 3, Aufgabe 4) Bestimmen Sie die euklidische Normalform der Quadrik Q, gegeben
MehrVorkurs Mathematik WiSe 2017/18
Vorkurs Mathematik WiSe 2017/18 S. Bernstein, S. Dempe, M. Helm Fakultät für Mathematik und Informatik Die Vorlesungen und Tutorien des Vorkurses wurden als Teil des Brückenkurses I teilweise durch das
MehrEigenwerte 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
MehrLösungen zu Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Sommer 4 Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT. [ Punkte] Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in
Mehr1 Analytische Geometrie und Grundlagen
$Id: vektor.tex,v 1.44 2018/05/17 14:11:13 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.6 Bewegungen und Kongruenzbegriffe Wir untersuchen gerade die Spiegelung an einer Hyperebene h R d. Ist ein
MehrVorkurs Mathematik 2016
Vorkurs Mathematik 2016 Natürliche Zahlen Der grundlegende Zahlenbereich ist die Menge der natürlichen Zahlen N = {1, 2, 3,...}. In vielen Fällen ist es sinnvoll die Zahl 0 mit einzubeziehen: N 0 = N [
Mehr1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen
Hannover, den 0. April 2006. Übungsblatt: Lineare Algebra II Abgabe: 24./25.4.2006 in den Übungsgruppen ( ) 2 5 a) Zeigen Sie, dass A = und B = 2 ( 7 6 invertierbare Matrix T an mit T AT = B. b) Zeigen
Mehr11 Eigenwerte und Eigenvektoren
11 Eigenwerte und Eigenvektoren Wir wissen bereits, dass man jede lineare Abbildung ϕ : K n K n durch eine n n-matri A beschreiben kann, d.h. es ist ϕ() = A für alle K n. Die Matri A hängt dabei von der
MehrQuadriken. Quadriken und Hauptachsentransformation. Lineare Algebra II, WS 11/12 Ingo Blechschmidt 27. Februar 2012
Hier eine kurze Erklärung zu der. Als Grundlage diente größtenteils eine Beschreibung von Markus Göhl vom Sommersemester 00. Quadriken Definition. Eine Quadrik ist die Nullstellenmenge eines quadratischen
Mehr43911: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 2014 Lösungsvorschlag
Dr. Erwin Schörner 49: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 4 Lösungsvorschlag I.. Für einen R Vektorraum V der Dimension dim V n mit n N ist die lineare Abbildung f : V V mit der Eigenschaft
Mehr3 Geometrische Klassifikation der Bewegungen im R 2 und R 3
3 Geometrische Klassifikation der Bewegungen im R 2 und R 3 Sei f : R n R n eine Bewegung Sie kann beschrieben werden in der Form Dabei ist T (f)(x) = A x f(x) = Ax + b mit A O(n) und b R n Definition:
MehrUniversität Bielefeld Sommersemester Lineare Algebra 2 Übungsblatt 1
Übungsblatt 1 Abgabe bis 10:00 Uhr am Donnerstag, den 19. April 2018, im Postfach Ihrer Tutorin bzw. Ihres Tutors. Es sei K ein beliebiger Körper. Seien V und W endlich-dimensionale K-Vektorräume, mit
MehrKapitel 5. Eigenwerte. Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
MehrKlausur zu. Lineare Algebra II. Viel Erfolg! Fachbereich Mathematik WS 2012/13 Dr. habil. Matthias Schneider. Bonus Note. Aufgabe
Klausur zu Lineare Algebra II Fachbereich Mathematik WS 0/3 Dr. habil. Matthias Schneider Aufgabe 3 4 5 6 7 Bonus Note Punktzahl 4 3 3 3 3 0 erreichte Punktzahl Es sind keine Hilfsmittel zugelassen. Die
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrKontrollfragen und Aufgaben zur 4. Konsultation
1 Technische Universität Ilmenau Fakultät für Mathematik und Naturwissenschaften Institut für Mathematik Dr. Jens Schreyer und Prof. Dr. Michael Stiebitz Kontrollfragen und Aufgaben zur 4. Konsultation
MehrProbeprüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Frühling 018 Probeprüfung Lineare Algebra I/II für D-MAVT Die Prüfung dauert 10 Minuten. Sie dient der Selbstevaluation. Die Musterlösungen folgen. Die Multiple Choice
MehrAnalytische Geometrie
21 Vorlesungen über Analytische Geometrie für Lehramtstudierende der Schulformen Grund-, Mittel- und Realschule Jens Jordan Universität Würzburg, Wintersemster 2015/16 Hier kommt noch ein schönes Bildchen
MehrKapitel 21. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel Aufgaben Verständnisfragen Aufgabe. Welche der nachstehend genannten Abbildungen sind quadratische Formen, welche quadratische Funktionen: a f(x = x 7x + x + x x x b f(x = x 6x + x x + c f(x =
MehrKapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
MehrLösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:
Lineare Algebra D-MATH, HS 04 Prof. Richard Pink Lösung zu Serie. [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: a) F (X) := X 5 X in R[X] und C[X]. b) F (X) := X 4 +X 3 +X in
MehrHenning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich
Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es
Mehr13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN
13. ABBILDUNGEN in EUKLIDISCHEN VEKTORRÄUMEN 1 Orthogonale Abbildungen im R 2 und R 3. Eine orthogonale Abbildung ist eine lineare Abbildung, die Längen und Orthogonalität erhält. Die zugehörige Matrix
MehrLineare Algebra. 13. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 3. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 29, 27 Erinnerung Satz. Axiomatischer Zugang, Eigenschaften der Determinante. Die Abbildung det :
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
MehrKapitel V. Affine Geometrie
Kapitel V Affine Geometrie 1 Affine Räume Betrachte ein lineares Gleichungssystem Γ : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 + + a mn x n = b
MehrAufgaben zu Kapitel 18
Aufgaben zu Kapitel 8 Aufgaben zu Kapitel 8 Verständnisfragen Aufgabe 8. Gegeben ist ein Eigenvektor v zum Eigenwert λ einer Matrix A. (a) Ist v auch Eigenvektor von A? Zu welchem Eigenwert? (b) Wenn A
MehrOrientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops
15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den
MehrAnwendung v. symmetrischen Matrizen: Hauptachsentransformation
Zusammenfassung: Eigenwerte, Eigenvektoren, Diagonalisieren Eigenwertgleichung: Bedingung an EW: Eigenwert Eigenvektor charakteristisches Polynom Für ist ein Polynom v. Grad, Nullstellen. Wenn EW bekannt
MehrSeite 1. sin 2 x dx. b) Berechnen Sie das Integral. e (t s)2 ds. (Nur Leibniz-Formel) c) Differenzieren Sie die Funktion f(t) = t. d dx ln(x + x3 ) dx
Seite Aufgabe : a Berechnen Sie das Integral b Berechnen Sie das Integral +x x+x dx. π sin x dx. c Differenzieren Sie die Funktion ft = t e t s ds. Nur Leibniz-Formel a + x x + x dx = d dx lnx + x dx =
MehrKapitel 5 : Eigenwerte und Eigenvektoren
Kapitel 5 : Eigenwerte und Eigenvektoren 5.1 Definition und allgemeine Eigenschaften Definition 5.1 Sei A eine quadratische (n n)-matrix. λ C heißt Eigenwert von A, wenn ein Vektor x C n mit x 0 existiert,
MehrLösung 8: Quadratische Formen, Sylvesters Trägheitssatz
D-MATH Lineare Algebra II FS 207 Dr. Meike Akveld Lösung 8: Quadratische Formen, Sylvesters Trägheitssatz. Wir erinnern an den Hauptachsensatz: Jede von 0 verschiedene quadratische Form Q auf R 3 ist bis
Mehr6 Symmetrische und hermitesche Matrizen
Mathematik für Physiker II, SS 7 Freitag 3.6 $Id: quadrat.tex,v.3 7/6/3 :8:3 hk Exp $ 6 Symmetrische und hermitesche Matrizen 6. Symmetrische und hermitesche Matrizen Wir kommen jetzt zu den symmetrischen
Mehr8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet:
8. EIGENWERTTHEORIE I 139 8 Eigenwerttheorie I Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: K[x] = Abb[N, K] = {P ; P = a n x n + a n 1 x n 1 + + a 0 ; a
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 2 2. (Frühjahr 29, Thema 3, Aufgabe 3) Gegeben sei die reelle 3 3 Matrix 4 2 A = 2 7 2 R 3 3. 2 2 a)
MehrVorkurs Mathematik Übungen zu linearen Gleichungssystemen
Vorkurs Mathematik Übungen zu linearen Gleichungssystemen Lineare Gleichungssysteme lösen Aufgabe. Lösen sie jeweils das LGS A x = b mit ( ( a A =, b = b A =, b = 6 Aufgabe. Berechnen Sie für die folgenden
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
MehrAusgewählte Lösungen zu den Übungsblättern 9-10
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt
MehrLineare Differentialgleichungen
Technische Universität München Thomas Reifenberger Vorlesung, Kapitel 4 Repetitorium Analysis I für Physiker Analysis I Lineare Differentialgleichungen 1 Das Matrixexponential Definition 1.1 Sei A C n
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Darstellungsmatrizen 2 2 Diagonalisierbarkeit
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrAufgaben zu Kapitel 21
Aufgaben zu Kapitel Aufgaben zu Kapitel Verständnisfragen Aufgabe. Welche der nachstehend genannten Abbildungen sind quadratische Formen, welche quadratische Funktionen: a f(x = x 7x + x + x x x b f(x
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrAussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrLineare Algebra und Numerische Mathematik D-BAUG. Winter 2013 Prof. H.-R. Künsch. , a R. det(a) = 0 a = 1.
b Musterlösung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice) Gegeben sei die folgende Matrix Winter 3 Prof. H.-R. Künsch A = a a) deta) = genau dann wenn gilt x a =. a =. ), a R. x
Mehr40 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:
Mehr3 Lineare Algebra I/II
49 3 Lineare Algebra I/II Ursprünglich gab es parallel zu den Analysis-Vorlesungen zu Beginn des Mathematik-Studiums eine Vorlesung mit dem Titel Analytische Geometrie, bei der dann im Laufe der Zeit die
MehrMathematische Probleme, SS 2015 Montag $Id: quadratisch.tex,v /06/22 12:08:41 hk Exp $
Mathematische Probleme, SS 15 Montag 6 $Id: quadratischtex,v 111 15/06/ 1:08:41 hk Exp $ 4 Kegelschnitte 41 Quadratische Gleichungen In der letzten Sitzung hatten wir die Normalform (1 ɛ )x + y pɛx p =
Mehr