1 Analytische Geometrie und Grundlagen

Größe: px
Ab Seite anzeigen:

Download "1 Analytische Geometrie und Grundlagen"

Transkript

1 $Id: vektor.tex,v /04/26 14:09:00 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.4 Anordnungseigenschaften Am Ende der letzten Sitzung hatten wir begonnen uns mit den konvexen Teilmengen des R d zu beschäftigen. Insbesondere hatten wir die Seiten einer solchen Menge definiert und angemerkt das es solche nur für spezielle konvexe Mengen gibt. Um diese speziellen konvexen Mengen einzuführen benötigen wir ein vorbereitendes Lemma. Die folgenden Aussagen sollten dabei aus der Analysis II bekannt sein, um uns an die Begriffe zu gewöhnen wollen wir sie aber ruhig einmal wiederholen. Lemma 1.18 (Grundeigenschaften konvexer Mengen) Sei d N gegeben. (a) Ist (C i ) i I eine Familie konvexer Teilmengen des R d, so ist auch der Durchschnitt i I C i konvex. (b) Zu jeder Teilmenge M R d gibt es eine kleinste konvexe Obermenge von M, nämlich co(m) := {C R d C R d ist eine konvexe Menge mit M C}, die sogenannte konvexe Hülle von M. (c) Jede konvexe Menge C R d ist auch zusammenhängend. Beweis: (a) Dies ist klar. (b) Dies ist eine Folgerung aus (a). (c) Dies ist klar wenn C = ist, wir können also C annehmen. Wähle dann ein z C. Für jedes Punkt a C ist die Strecke [z, a] als Bild der stetigen Abbildung f : [0, 1] [z, a]; t (1 t)z + ta zusammenhängend, und damit ist auch C = a C [z, a] zusammenhängend. Wir hatten eine Hyperebene H R d eine Stützhyperebene an eine konvexe Menge C R d in einem Randpunkt p C genannt, wenn p H ist und C ganz auf einer Seite von H liegt. Im Idealfall schneidet solch eine Stützhyperebene die Menge A nur im Punkt p, in diesem Fall nennt man p einen exponierten Punkt von A. In den uns interessierenden Situationen ist dies weiter genau dann der Fall wenn p ein Extremalpunkt oder eine Ecke von A ist. 6-1

2 Definition 1.12 (Ecken einer konvexen Menge) Sei A R d eine abgeschlossene konvexe Menge. Ein Punkt p A heißt eine Ecke von A wenn es keine zwei Punkte a, b A mit p a, b gibt so, dass p zwischen a und b liegt. Es soll also keine a, b A mit a b und kein t (0, 1) mit p = (1 t)a + tb gegen. Bei unserem Kreis B ist dann jeder Randpunkt von B eine Ecke von B, beim Quadrat A haben wir dagegen nur die vier offensichtlichen Ecken. Ein Strahl mit Startpunkt p hat genau eine Ecke nämlich p und insbesondere ist der Startpunkt eines Strahls eindeutig durch den Strahl festgelegt. Wir interessieren uns für konvexe Mengen die sich als konvexe Hülle endlich vieler Punkte schreiben lassen und wollen nun festhalten das diese stets viele Seiten haben. Satz 1.19 (Seiten eines Polyeders) Seien d N und p 0,..., p n R d endlich viele Punkte im R d. Weiter nehme an, dass die konvexe Hülle P := co({p 0,..., p n }) dieser Punkte nicht leeres Inneres hat, es gelte also P. Dann hat P nur endlich viele Seiten S 1,..., S m. Bezeichnet H i für jedes 1 i m die Seite von S i mit P H i so ist P = H 1... H m. Auf den schon etwas komplizierteren Beweis dieses Satzes wollen wir hier verzichten. Erinnern wir uns daran sich jeder Halbraum nach Lemma 17 durch eine lineare Ungleichung beschreiben läßt, so folgt insbesondere das sich die konvexe Menge P des Satzes als die Lösungsmenge eines linearen Ungleichungssystems schreiben läßt welches aus genau so viele Ungleichungen besteht wie es Seiten von P gibt. Will man diese Ungleichungen explizit bestimmen, wie zum Beispiel in Aufgabe (9), so müssen zunächst alle Seiten bestimmt werden, für jede der Seiten muss dann der korrekte Halbraum ermittelt werden und dieser schließlich durch eine Ungleichung angegeben werden. Betrachten wir als ein Beispiel das Dreieck D im R 2 mit den Eckpunkten p 0 = (0, 0), p 1 = (1, 0) und p 2 = (0, 1). Jede der drei Kanten ist dann eine Seite von D. Bezeichnet l ij für 0 i < j 2 die Verbindungsgerade von p i und p j so sind l 01 = {(x, y) R 2 y = 0}, l 02 = {(x, y) R 2 x = 0}, l 12 = {(x, y) R 2 x + y = 1}. Für jede dieser drei Gleichungen müssen wir das Gleichheitszeichen durch ein passendes Ungleichheitszeichen ersetzen, und zwar so das alle Punkte von D die entstehende Ungleichung erfüllen. Wir setzen hierzu jeweils den dritten Eckpunkt in die Ungleichung ein, also l 01 : 1 > 0, l 02 : 1 > 0 und l 23 : < 1 und wir erhalten D = {(x, y) R 2 y 0, x 0, x + y 1}. 6-2

3 Von besonderen Interesse sind die abgeschlossenen konvexen Mengen die zum einen beschränkt und zum anderen von voller Dimension im R d sind, diese nennen wir konvexe Körper. Definition 1.13 (Konvexe Körper) Sei d N. Ein konvexer Körper ist eine kompakte, konvexe Menge C R d mit nicht leeren Inneren C. Dabei ist die Bedingung C gleichwertig dazu das C in keiner Hyperebene des R d enthalten ist, also wirklich ein d-dimensionales Objekt ist. Ein allgemeiner konvexer Körper hat in der Regel keine Seiten, diejenigen die in gewissen Sinne viele Seiten haben nennt man konvexe Polyeder, diese sind die Verallgemeinerungen der konvexen n-ecke in den Raum und in beliebige Dimension. Es gibt auch einen allgemeineren Polyederbegriff der auch nicht konvexe Polyeder umfasst, in dieser Vorlesung werden wir uns aber nur mit konvexen Polyedern beschäftigen. Definition 1.14 (Konvexe Polyeder) Sei d N gegeben. Ein konvexer Polyeder im R d ist ein konvexer Körper P R d, der sich als konvexe Hülle von endlich vielen Punkten schreiben läßt, es soll also x 1,..., x n R n mit P = co({x 1,..., x n }) geben. Die konvexe Hülle endlich vieler Punkte ist immer eine kompakte Menge, man kann also gleichwertig sagen das ein konvexer Polyeder die konvexe Hülle endlich vieler Punkte mit nicht leeren Inneren ist. Man kann nun Satz 19 erweitern und erhält eine weitere mögliche Beschreibung konvexer Polyeder. Satz 1.20 (Satz von Brun-Minkowski) Seien d N und P R d eine kompakte Menge mit P. Dann ist P genau dann ein konvexer Polyeder wenn es endlich viele Halbräume H 1,..., H m R d mit P = H 1... H m gibt. Sind die Halbräume H 1,..., H m minimal gewählt so sind ihre affinen Ränder genau die Seiten von P. Ist E R d eine minimal gewählte endliche Menge mit P = co(e) so ist E genau die Menge der Ecken von P. Für jede Seite H von P ist H P ein konvexer Polyeder in H dessen Eckenmenge genau E H ist. Auch hier wollen wir auf einen Beweis verzichten, dieser wird eventuell das Thema einer Reihe von Seminarvorträgen im kommenden Semester sein. Wir schauen uns einmal speziell die beiden bei uns relevanten Dimensionen d = 2 und d = 3 an. Im ebenen Fall d = 2 sind die konvexen Polyeder genau die konvexen n-ecke, und da ein konvexer Polyeder nicht in einer Geraden enthalten ist muss n 3 sein. Nach Eckenanzahl sind die Dreiecke also die kleinsten konvexen Polyeder in der Ebene. Seien a, b, c R 2 drei nicht kollineare Punkte und bezeichne λ 1, λ 2, λ 3 die baryzentrischen Koordinaten bezüglich der affinen Basis a, b, c des R 2. Nach Lemma 12 sind die baryzentrischen Koordinaten eines Punktes lineare Funktionen dieses Punktes und mit Satz 19 folgt D := co({a, b, c}) = {x R 2 λ i (x) 0 für i = 1, 2, 3}. Nach Aufgabe (10) ist H i := {x R 2 λ i (x) 0} dabei für i = 1, 2, 3 eine Halbebene und wir haben D = H 1 H 2 H 3 als Schnitt dreier Halbebenen geschrieben. Insbesonde- 6-3

4 re sind a, b, c die Ecken von D und a, b, b, c, c, a die Seiten von P. An dieser Stelle läßt sich auch bequem die Bedeutung der Vorzeichen der baryzentrischen Koordinaten ablesen. Die Seite a, b ist durch λ 3 = 0 gegeben und H 3 = {x R 2 λ 3 (x) 0} ist die Halbebene mit Rand a, b die c entält. Analoges gilt für die anderen beiden Seiten, die sieben Zusammenhangskomponenten von R 2 \( a, b b, c c, a ) sind also durch die Vorzeichen der baryzentrischen Koordinaten gegeben c a ++ b + im räumlichen Fall d = 3 wird die Situation komplizierter. Die Seiten eines konvexen Polyeders P im R 3 sind Ebenen und ist H eine Seite von P so ist H P ein Polyeder im R 2 also ein n-eck für irgendein n 3. Je nachdem welche Seite verwendet wird können verschiedene Werte von n auftreten. Diese n-ecke P H nennen wir auch die Flächen oder Seitenflächen von P, ihre Kanten heißen die Kanten von P. Einige dreidimensionale Beispiele sind im gleich folgenden Bild dargestellt: Tetraeder Würfel Oktaeder. 6-4

5 Für einen konvexen Polyeder im R 3 brauchen wir mindestens vier Ecken da die konvexe Hülle von höchstens drei Punkten in einer Ebene enthalten ist, die einfachsten konvexen Polyeder im R 3 sind also Mengen der Form S = co({x 0, x 1, x 2, x 3 }), wobei x 0, x 1, x 2, x 3 R 3 vier Punkte sind die nicht in einer Ebene liegen. Man nennt die Menge S ein Simplex, oder genauer ein 3-Simplex. Der Rand von S setzt sich aus vier Dreiecken zusammen, diese sind die Flächen von S und wenn diese alle gleichseitig sind so nennt man S auch einen Tetraeder, dass es solche tatsächlich gibt werden wir uns später einmal überlegen. Die Terminologie ist hier nicht ganz eindeutig, manchmal werden überhaupt alle konvexen Polyeder mit vier Ecken im R 3 als Tetraeder bezeichnet, wir werden aber nur die gleichseitigen Exemplare so nennen. Etwas komplizierter sind die Würfel, diese sind die konvexe Hülle ihrer acht Ecken und werden von sechs Quadraten berandet. Starten wir mit einem Würfel W, so bilden wir die sechs Mittelpunkte seiner Flächen, etwa x 1, x 2, x 3, x 4, x 5, x 6, und schließlich deren konvexe Hülle O := co({x 1, x 2, x 3, x 4, x 5, x 6 }). Man nennt O einen Oktaeder, dieser hat sechs Ecken und sein Rand setzt sich aus acht gleichseitigen Dreiecken zusammen. Alternativ kann man einen Oktaeder auch konstruieren indem zwei Pyramiden zusammengesetzt werden. Tetraedergerüst Würfelgerüst Oktaedergerüst Um solche dreidimensionalen konvexen Polyeder wirklich zu bauen werden oftmals sogenannte Gerüste verwendet. Man denkt sich den Polyeder längs geeigneter Kanten aufgeschnitten, faltet ihn in die Ebene auf und erhält ein Gerüst des Polyeders. Wenn wir nun etwa einen Tetraeder konstruieren wollen, so nehmen wir eine ausreichend starke aber noch gut biegbare Pappe, und zeichnen auf diese, wie oben links gezeigt, ein gleichseitiges Dreieck und setzen an jede seiner Seiten ein weiteres kongruentes gleichseitiges Dreieck. Dann wird dieses Gerüst ausgeschnitten, entsprechend hochgebogen und an den freien Kanten zusammengeklebt. Anschließend kann man es dann auch noch bemalen, in Fall des Tetrateders sollte jede Seite eine eigene Farbe kriegen. Entsprechend kann man bei anderen Polyedern vorgehen, die Gerüste für den Würfel und das Oktaeder sind oben gezeigt. Für alle bei uns vorkommenden konvexen Polyeder gibt es solche Gerüste, es ist allerdings nicht bekannt ob es für jeden konvexen Polyeder im R 3 immer ein passendes Gerüst gibt. Wir werden in einem späteren Kapitel noch etwas weiter auf die dreidimensionalen Polyeder eingehen. 6-5

6 1.5 Abstände und Winkel Bisher haben wir nur affine Geometrie getrieben also noch keine Längen oder Winkel verwendet. In diesem Abschnitt wollen wir uns anchauen wie man diese in Termen von Begriffen der Grundvorlesungen einführen kann. Wir beginnen dabei mit dem Abstandsbegriff, Winkel stellen sich als etwas komplizierter heraus. Grundlegend ist der Begriff des Skalarprodukts zweier Vektoren im R 2 oder im R 3 beziehungsweise allgemeiner im R d. Sind d N und x, y R d so ist ihr Skalarprodukt als x y := x t y = (x 1... x d ) y 1. y d = x 1 y x d y d gegeben. Dies ist in der linearen Algebra das Urbeispiel einer symmetrischen Bilinearform gewesen. Das Skalarprodukt ist positiv definit, d.h. für jedes x R d \{0} gilt x x = x x 2 d > 0. Basierend auf dem Skalarprodukt wurde dann die Länge, oder Norm, eines Vektors x als x := x x = x x 2 d definiert und der Abstand zweier Punkte a, b R d wird dann als die Länge des durch sie gegebenen Richtungsvektors definiert, also ab := b a = (b 1 a 1 ) (b d a d ) 2. Eine entscheidende Eigenschaft des Skalarprodukts ist die sogenannte Cauchy-Schwartz Ungleichung, d.h. für alle x, y R d gilt x y x y wobei genau dann Gleichheit besteht wenn x und y linear abhängig sind. Cauchys Beweis dieser Ungleichung beruht auf der Formel ( d ) ( d ) ( d ) 2 = x i y i + (x i y j x j y i ) 2. x 2 i j=1 y 2 j Um diese einzusehen müssen wir nur die rechte Seite ausmultiplizieren ( d ) 2 x i y i + (x i y j x j y i ) 2 = x i x j y i y j + (x 2 i yj 2 +x 2 jyi 2 2x i x j y i y j ) = d x 2 i yi i,j d x i x j y i y j + = 1 i,j d (x 2 i y 2 j + x 2 jy 2 i 2x i x j y i y j ) x 2 i y 2 j = ( d x 2 i ) ( d j=1 y 2 j ). 6-6

7 Dies zeigt ( x y ) 2 x 2 y 2 wobei genau dann Gleichheit besteht wenn x i y j = x j y i beziehungsweise x i y i = xiy j x j y i = 0 für alle 1 i, j d gilt und dies bedeutet genau das die d 2-Matrix (x y) Rang höchstens Eins hat, dass also x und y linear abhängig sind. Wegen x y x y folgt weiter x y x y wobei genau dann Gleichheit besteht wenn x = 0 ist oder es ein t R mit t 0 und y = tx gibt. Weiter ist dann x+y 2 = x+y x+y = x 2 + y 2 +2 x y x 2 + y 2 +2 x y = ( x + y ) 2, d.h. wir haben die Dreiecksungleichung x j y j x + y x + y wobei genau dann Gleichheit besteht wenn x y = x y ist, wenn also x = 0 oder y = tx für ein t R 0 gilt. Für drei Punkte a, b, c R d folgt hieraus ac = c a = (c b) + (b a) c b + b a = ab + bc wobei genau dann Gleichheit besteht wenn b = c ist oder es ein t R 0 mit b a = t (c b). Letzteres ist genau dann der Fall wenn b [a, c] ist. Ist nämlich b = c so gilt sofort v [a, c] und gibt es ein t 0 mit b a = t(c b) = tc tb so ist (1+t)b = a+tc also b = t a + t ( 1 + t b = 1 t ) a t t 1 + t b mit 0 t 1 + t < 1. Ist umgekehrt b [a, c] so gibt es ein t [0, 1] mit b = (1 t)a + tc und im Fall t = 1 ist sofort b = c während wir im anderen Fall t 1 haben und dann sind t/(1 t) 0 und b a = t(c a) = t t t (1 t)(c a) = (c ((1 t)a + tc)) = (c b). 1 t 1 t 1 t Sind also insbesondere a, b, c nicht kollinear, so ist ac < ab + bc, dies ist ursprüngliche Bedeutung der Bezeichnung Dreiecksungleichung, dass in einem Dreieck die Länge jeder Seite echt kleiner als die Summe der anderen beiden Seitenlängen ist. Der Längenbegriff ermöglicht es uns auch die Grundoperation des Abtragens einer Strecke einzuführen. Hiermit ist das folgende gemeint. Gegeben seien d N, drei Punkte a, b, c R d und ein Strahl S mit Startpunkt a. Dann gibt es genau einen Punkt x S mit ax = bc, man sagt dann auch das die Strecke [a, x] durch Abtragen der Strecke [b, c] im Punkt a in Richtung S entsteht. Dies ist leicht zu sehen, wir wissen 6-7

8 bereits das der Strahl S sich in der Form S = a + R 0 u mit einem Richtungsvektor u R d \{0} schreiben läßt. Für jedes t R mit t 0 haben wir dabei für x := a + tu ax = x a = tu = t u, also ist genau dann ax = bc wenn t = ab / u gilt. Weiter können wir das Skalarprodukt zur Definition des Senkrechtstehens verwenden. Sind x, y R d zwei Vektoren, so nennen wir x und y senkrecht aufeinander, beziehungsweise orthogonal zueinander, wenn x y = 0 gilt, wir schreiben dann auch x y. Haben wir zwei Teilmengen A, B R d so schreiben wir A B, wenn x y für alle x A, y B gilt. Außerdem verwenden wir für a R d, B R d die Abkürzung a B beziehungsweise B a für {a} B. 6-8

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.8 017/04/4 15:51:58 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.3 Sätze über Geraden in der Ebene In der letzten Sitzung hatten wir die Sätze von Ceva und Menelaos bewiesen. Wir

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.36 2018/04/24 14:50:37 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.3 Sätze über Geraden in der Ebene Wir beschäftigen uns gerade mit dem Schwerpunkt eines Dreiecks, gegeben sind

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.39 2018/05/03 14:55:15 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.5 Abstände und Winkel Nachdem wir uns am Ende der letzten Sitzung an den Orthogonalitätsbegriff der linearen

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.4 2017/04/13 14:48:29 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.1 Affine Geometrie im R d Wir hatten einen affinen Teilraum A des R d als eine Teilmenge der Form A = a + U definiert,

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.22 2017/05/15 15:10:33 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.5 Abstände und Winkel In der letzten Sitzung haben wir einen orientierten Winkelbegriff zwischen Strahlen mit

Mehr

Mathematische Probleme, SS 2016 Freitag $Id: convex.tex,v /05/13 14:42:55 hk Exp $

Mathematische Probleme, SS 2016 Freitag $Id: convex.tex,v /05/13 14:42:55 hk Exp $ $Id: convex.tex,v.28 206/05/3 4:42:55 hk Exp $ 3 Konvexgeometrie 3. Konvexe Polyeder In der letzten Sitzung haben wir begonnen uns mit konvexen Polyedern zu befassen, diese sind die Verallgemeinerung der

Mehr

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

Mathematische Probleme, SS 2013 Montag $Id: convex.tex,v /10/22 15:58:28 hk Exp $ $Id: convex.tex,v 1.12 2013/10/22 15:58:28 hk Exp $ 3 Konvexgeometrie 3.1 Konvexe Polyeder Wir hatten einen konvexen Polyeder P im R n als die konvexe Hülle von endlich vielen Punkten definiert, wobei

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.43 2018/05/15 16:07:13 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.5 Abstände und Winkel Am Ende der letzten Sitzung hatten wir begonnen zwei weitere Aussagen über Winkel zu beweisen,

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.21 2017/05/13 16:28:55 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.5 Abstände und Winkel In der letzten Sitzung haben wir einen orientierten Winkelbegriff zwischen Strahlen mit

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen Mathematische Probleme, SS 208 Dienstag 0.4 $Id: vektor.tex,v.30 207/07/7 08:09:23 hk Exp hk $ Analytische Geometrie und Grundlagen In dieser Vorlesung wollen wir uns mit Fragen der sogenannten Elementargeometrie

Mehr

mit. Wir definieren (Skalarprodukt = Winkel).

mit. Wir definieren (Skalarprodukt = Winkel). 1 Grundidee des Simplexverfahrens (von George Dantzig): Man bestimmt eine beliebige Ecke (Extremalpunkt) einer Lösungsmenge eines Ungleichungssystems. Nun geht man an den Kanten vom Punkt entlang und kontrolliert

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.31 2018/04/10 15:11:07 hk Exp hk $ 1 Analytische Geometrie und Grundlagen 1.1 Affine Geometrie im R d Wir beschäftigen uns gerade mit den affinen Teilräumen des R d, diese erlauben

Mehr

Mathematische Probleme, SS 2019 Donnerstag $Id: dreieck.tex,v /04/12 17:03:16 hk Exp $

Mathematische Probleme, SS 2019 Donnerstag $Id: dreieck.tex,v /04/12 17:03:16 hk Exp $ $Id: dreieck.tex,v 1.53 2019/04/12 17:03:16 hk Exp $ 1 Dreiecke 1.1 Rechtwinklige Dreiecke Wir beschäftigen uns gerade mit den primitiven pythagoräischen Tripeln. Haben wir ein solches Tripel, also teilerfremde

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.24 2017/05/18 11:18:04 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.6 Bewegungen und Kongruenzbegriffe In diesem Abschnitt wollen wir die Automorphismengruppe der euklidischen

Mehr

8. Konvexe Polytope. Tobias Boelter. Mittwoch, 5. März TopMath Frühlingsschule

8. Konvexe Polytope. Tobias Boelter. Mittwoch, 5. März TopMath Frühlingsschule 1 / 31 8. Konvexe Tobias Boelter TopMath Frühlingsschule Mittwoch, 5. März 2014 2 / 31 Es können auch nicht konvexe untersucht werden, wir beschränken uns hier aber auf konvexe. Mit einem Polytop ist hier

Mehr

1 Analytische Geometrie und Grundlagen

1 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

Mehr

5 Schnitt, Verbindung und Erzeugung affiner Unterräume: Fortsetzung

5 Schnitt, Verbindung und Erzeugung affiner Unterräume: Fortsetzung Kapitel II Lineare Algebra und analytische Geometrie 5 Schnitt, Verbindung und Erzeugung affiner Unterräume: Fortsetzung Wann liegt ein Punkt auf einem affinen Unterraum? Wann haben zwei affine Unterräume

Mehr

A = A A

A = A A Musterlösung - Aufgabenblatt 8 Aufgabe 1 Gegeben ist das Polytop P = conv {±e i ± e j : 1 i, j 3, i j} = conv {e 1 + e 2, e 1 e 2, e 1 + e 2, e 1 e 2, e 1 + e 3, e 1 e 3, e 1 + e 3, e 1 e 3, e 2 + e 3,

Mehr

Insbesondere sind nach dieser Definition also auch die leere Menge und einpunktige Teilmengen konvex.

Insbesondere sind nach dieser Definition also auch die leere Menge und einpunktige Teilmengen konvex. Konvexe Mengen 2 Wie am Ende des vorigen Kapitels bereits erwähnt, ist die notwendige Gradientenbedingung aus Satz 1.4.6 für konvexe Zielfunktionen auch hinreichend. Diese Tatsache mag als erste Motivation

Mehr

Abitur 2016 Mathematik Geometrie V

Abitur 2016 Mathematik Geometrie V Seite http://www.abiturloesung.de/ Seite Abitur Mathematik Geometrie V Betrachtet wird der abgebildete Würfel A B C D E F G H. Die Eckpunkte D, E, F und H dieses Würfels besitzen in einem kartesischen

Mehr

Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer

Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie Sommersemester 2009 Franz Pauer INSTITUT FÜR MATHEMATIK, UNIVERSITÄT INNSBRUCK, TECHNIKERSTRASSE 13, 6020

Mehr

Teil I. Lineare Optimierung

Teil I. Lineare Optimierung Teil I Lineare Optimierung 5 Kapitel 1 Grundlagen Definition 1.1 Lineares Optimierungsproblem, lineares Programm. Eine Aufgabenstellung wird lineares Optimierungsproblem oder lineares Programm genannt,

Mehr

$Id: anageo.tex,v /01/18 21:24:38 hk Exp hk $

$Id: anageo.tex,v /01/18 21:24:38 hk Exp hk $ $Id: anageo.tex,v 1.3 9/1/18 1:4:38 hk Exp hk $ II. Lineare Algebra 1 Analytische Geometrie 1.1 Das Skalarprodukt v w u p Wir wollen noch eine weiteres Ergebnis der eben durchgeführten Überlegung festhalten.

Mehr

9 Vektorräume mit Skalarprodukt

9 Vektorräume mit Skalarprodukt 9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden

Mehr

Mathematische Probleme, SS 2018 Dienstag $Id: dreieck.tex,v /06/12 14:54:26 hk Exp $

Mathematische Probleme, SS 2018 Dienstag $Id: dreieck.tex,v /06/12 14:54:26 hk Exp $ $Id: dreieck.tex,v 1.47 018/06/1 14:54:6 hk Exp $ Dreiecke.3 Einige spezielle Punkte im Dreieck Am Ende der letzten Sitzung hatten wir eingesehen, dass sich die drei Winkelhalbierenden eines Dreiecks in

Mehr

6.1 Topologische Grundbegriffe

6.1 Topologische Grundbegriffe 6.1 Topologische Grundbegriffe Längen und Abstände Elemente des Raumes R n interpretieren wir alternativ als Vektoren oder als Punkte. Wir benutzen je nach Bedarf Zeilen- oder Spaltenvektoren. Den n-dimensionalen

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.34 018/04/19 14:11:43 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.3 Sätze über Geraden in der Ebene Wir beschäftigen uns gerade mit Aussagen über ebene Geraden und haben einige

Mehr

3.4 Kombinatorische Äquivalenz und Dualität von Polytopen

3.4 Kombinatorische Äquivalenz und Dualität von Polytopen 222 Diskrete Geometrie (Version 3) 12. Januar 2012 c Rudolf Scharlau 3.4 Kombinatorische Äquivalenz und Dualität von Polytopen Dieser Abschnitt baut auf den beiden vorigen auf, indem er weiterhin den Seitenverband

Mehr

1 Dreiecke. 1.3 Teilungsverhältnisse. Mathematische Probleme, SS 2019 Montag $Id: dreieck.tex,v /04/16 09:08:06 hk Exp $

1 Dreiecke. 1.3 Teilungsverhältnisse. Mathematische Probleme, SS 2019 Montag $Id: dreieck.tex,v /04/16 09:08:06 hk Exp $ $Id: dreieck.tex,v 1.54 2019/04/16 09:08:06 hk Exp $ 1 Dreiecke 1.3 Teilungsverhältnisse Wir kommen nun zum Begriff des Teilungsverhältnis und allgemeiner des Verhältnis zweier Strecken AB und CD. Eine

Mehr

Mathematische Probleme, SS 2019 Montag 6.5. $Id: dreieck.tex,v /05/07 10:51:36 hk Exp $

Mathematische Probleme, SS 2019 Montag 6.5. $Id: dreieck.tex,v /05/07 10:51:36 hk Exp $ $Id: dreieck.tex,v 1.61 019/05/07 10:51:36 hk Exp $ 1 Dreiecke 1.7 Einige spezielle Punkte im Dreieck m Ende der letzten Sitzung hatten wir eingesehen, dass sich die drei Winkelhalbierenden eines Dreiecks

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

Oktaeder. Bernhard Möller. 22. Dezember 2010

Oktaeder. Bernhard Möller. 22. Dezember 2010 Oktaeder Bernhard Möller. Dezember 00 Ein Oktaeder ist ein regelmäßiges Polyeder, dessen Oberfläche aus acht kongruenten, gleichseitigen Dreiecken besteht. Jedes Oktaeder kann einem Würfel so einbeschrieben

Mehr

1 Dreiecke. 1.6 Ähnliche Dreiecke. Mathematische Probleme, SS 2019 Donnerstag 2.5. $Id: dreieck.tex,v /05/03 14:05:29 hk Exp $

1 Dreiecke. 1.6 Ähnliche Dreiecke. Mathematische Probleme, SS 2019 Donnerstag 2.5. $Id: dreieck.tex,v /05/03 14:05:29 hk Exp $ $Id: dreieck.tex,v 1.60 2019/05/03 14:05:29 hk Exp $ 1 Dreiecke 1.6 Ähnliche Dreiecke Wir hatten zwei Dreiecke kongruent genannt wenn in ihnen entsprechende Seiten jeweils dieselbe Länge haben und dann

Mehr

3 Polytope. 3.1 Polyeder

3 Polytope. 3.1 Polyeder 28 3 Polytope 3.1 Polyeder Polytope in der Ebene und im Raum standen neben Kreis und Kugel schon während der griechischen Antike im Mittelpunkt des mathematischen (und philosophischen) Interesses. Durch

Mehr

Symmetrien. Transformationen. Affine und euklidische Räume

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

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 7

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr 5, Thema, Aufgabe ) Sei V ein reeller Vektorraum. a) Wann nennt man eine Teilmenge U

Mehr

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie

Mehr

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x

Mehr

Mathematische Probleme, SS 2017 Donnerstag 1.6. $Id: dreieck.tex,v /06/01 11:41:57 hk Exp $ 2.1 Dreiecksberechnung mit Seiten und Winkeln

Mathematische Probleme, SS 2017 Donnerstag 1.6. $Id: dreieck.tex,v /06/01 11:41:57 hk Exp $ 2.1 Dreiecksberechnung mit Seiten und Winkeln Mathematische Proleme SS 2017 Donnerstag 1.6 $Id: dreieck.texv 1.31 2017/06/01 11:41:57 hk Exp $ 2 Dreiecke 2.1 Dreieckserechnung mit Seiten und Winkeln Am Ende der letzten Sitzung hatten wir eine weitere

Mehr

2 Dreiecke. 2.3 Einige spezielle Punkte im Dreieck. Mathematische Probleme, SS 2017 Donnerstag 15.6

2 Dreiecke. 2.3 Einige spezielle Punkte im Dreieck. Mathematische Probleme, SS 2017 Donnerstag 15.6 $Id: dreieck.tex,v 1.35 017/06/15 13:19:44 hk Exp $ Dreiecke.3 Einige spezielle Punkte im Dreieck In diesem Abschnitt wollen wir die sogenannten speziellen Punkte im Dreieck, also den Schwerpunkt, die

Mehr

8 Euklidische und unitäre Vektorräume. Skalarprodukte Orthogonalität Matrizen

8 Euklidische und unitäre Vektorräume. Skalarprodukte Orthogonalität Matrizen 8 Euklidische und unitäre Vektorräume Skalarprodukte Orthogonalität Matrizen 8 Euklidische und unitäre Vektorräume Skalarprodukte Orthogonalität Matrizen In diesem Kapitel werden nur endlich dimensionale

Mehr

GEOMETRIE DER POLYEDER

GEOMETRIE DER POLYEDER GEOMETRIE DER POLYEDER Das Polyeder P sei gegeben durch P = x R n Ax b. Definition. (i) Die Hyperebene H = x R n c T x = d,c, heißt Stützhyperebene von P, falls die Ungleichungc T x d redundant ist bzgl.

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 7

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr, Thema, Aufgabe 4) Im R seien die beiden Ebenen E : 6 x + 4 y z = und E : + s + t 4 gegeben.

Mehr

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw. Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen

Mehr

Der Eulersche Polyedersatz

Der Eulersche Polyedersatz Der Eulersche Polyedersatz Def Die Anzahl der k Seiten eines konvexen Polytops P bezeichnen wir mit f k (P) oder kurz mit f k. Das n Tupel (f 0,f 1,...,f n 1 ) Z n heißt dann der f Vektor des (n dimensionalen)

Mehr

4 Holomorphie-Konvexität. Definition Satz. 42 Kapitel 2 Holomorphiegebiete

4 Holomorphie-Konvexität. Definition Satz. 42 Kapitel 2 Holomorphiegebiete 42 Kapitel 2 Holomorphiegebiete 4 Holomorphie-Konvexität Wir wollen weitere Beziehungen zwischen Pseudokonvexität und affiner Konvexität untersuchen. Zunächst stellen wir einige Eigenschaften konvexer

Mehr

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 7

Klausurenkurs zum Staatsexamen (WS 2016/17): Lineare Algebra und analytische Geometrie 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 6/7): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr 5, Thema, Aufgabe ) Sei V ein reeller Vektorraum. a) Wann nennt man eine Teilmenge U

Mehr

Lineare Algebra II Lösungen der Aufgaben 42 und 43

Lineare Algebra II Lösungen der Aufgaben 42 und 43 D Blottière SS 7 P Schützdeller Universität Paderborn Lineare Algebra II Lösungen der Aufgaben 4 und 43 Aufgabe 4 : Bemerkungen : Es sei V ein n-dimensionaler Vektorraum über einem Körper K und β : V V

Mehr

Vektorrechnung. 10. August Inhaltsverzeichnis. 1 Vektoren 2. 2 Grundlegende Rechenoperationen mit Vektoren 3. 3 Geometrie der Vektoren 5

Vektorrechnung. 10. August Inhaltsverzeichnis. 1 Vektoren 2. 2 Grundlegende Rechenoperationen mit Vektoren 3. 3 Geometrie der Vektoren 5 Vektorrechnung 0. August 07 Inhaltsverzeichnis Vektoren Grundlegende Rechenoperationen mit Vektoren 3 3 Geometrie der Vektoren 5 4 Das Kreuzprodukt 9 Vektoren Die reellen Zahlen R können wir uns als eine

Mehr

Euklidische und unitäre Vektorräume

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

Mehr

Mathematische Probleme, SS 2016 Dienstag $Id: convex.tex,v /05/24 15:01:13 hk Exp $

Mathematische Probleme, SS 2016 Dienstag $Id: convex.tex,v /05/24 15:01:13 hk Exp $ $Id: convex.tex,v 1.29 2016/05/24 15:01:13 hk Exp $ 3 Konvexgeometrie 3.2 Die platonischen Körper Am Ende der letzten Sitzung hatten wir die sogenannten platonische Körper eingeführt, ein platonischer

Mehr

Musterlösung - Aufgabenblatt 7. Aufgabe 1

Musterlösung - Aufgabenblatt 7. Aufgabe 1 Musterlösung - Aufgabenblatt 7 Aufgabe Sei C R n eine nicht-leere abgeschlossene und konvexe Menge. Wir wollen zeigen, dass C als der Durchschnitt ihrer stützenden Halbräume dargestellt werden kann, d.h.

Mehr

5.7 Lineare Abhängigkeit, Basis und Dimension

5.7 Lineare Abhängigkeit, Basis und Dimension 8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n

Mehr

Lemma 10. Die Menge Aff (K n ) aller Affinitäten von K n ist eine Gruppe bezüglich der Verkettung. Beweis. (vgl. Lemma 39 LAAG I sowie

Lemma 10. Die Menge Aff (K n ) aller Affinitäten von K n ist eine Gruppe bezüglich der Verkettung. Beweis. (vgl. Lemma 39 LAAG I sowie Lemma 10. Die Menge Aff (K n ) aller Affinitäten von K n ist eine Gruppe bezüglich der Verkettung. Beweis. (vgl. Lemma 39 LAAG I sowie Noch ein Beispiel aus Vorl. 1, Seite 10) Zuerst zeigen wir, dass jede

Mehr

Vorlesung Lineare Optimierung (Sommersemester 2010)

Vorlesung Lineare Optimierung (Sommersemester 2010) 1 Vorlesung Lineare Optimierung (Sommersemester 2010) Kapitel 6: Die Geometrie der Linearen Optimierung Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Juni 2010) Gliederung 2 Das

Mehr

Der n-dimensionale Raum

Der n-dimensionale Raum Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand

Mehr

Länge, Skalarprodukt, Geradengleichungen

Länge, Skalarprodukt, Geradengleichungen Länge, Skalarprodukt, Geradengleichungen Jörn Loviscach Versionsstand: 9. April 2010, 18:48 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.youtube.com/joernloviscach

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Ingenieure II, SS 9 Dienstag $Id: jordantex,v 8 9// 4:48:9 hk Exp $ $Id: quadrattex,v 9// 4:49: hk Exp $ Eigenwerte und die Jordansche Normalform Matrixgleichungen und Matrixfunktionen Eine

Mehr

Abitur 2011 G8 Musterabitur Mathematik Geometrie VI

Abitur 2011 G8 Musterabitur Mathematik Geometrie VI Seite http://www.abiturloesung.de/ Seite Abitur G8 Musterabitur Mathematik Geometrie VI In einem kartesischen Koordinatensystem ist ein Würfel W der Kantenlänge gegeben. Die Eckpunkte G ( ) und D ( ) legen

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 36 Dreiecke In dieser und der nächsten Vorlesung stehen Dreiecke im Mittelpunkt. Unter einem Dreieck verstehen

Mehr

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition) Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz

Mehr

1.5 Kongruenz und Ähnlichkeit

1.5 Kongruenz und Ähnlichkeit 19 1.5 Kongruenz und Ähnlichkeit Definition Sei A n der affine Standardraum zum Vektorraum R n. Eine Abbildung F : A n A n heißt Isometrie, falls d(f (X), F (Y )) = d(x, Y ) für alle X, Y A n gilt. Es

Mehr

Zahlen und metrische Räume

Zahlen und metrische Räume Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,

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

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

Kapitel 14. Geometrie Eine kurze Einführung in die affine Geometrie

Kapitel 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

Mehr

Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra

Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra A. Filler[-3mm] Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra, Teil 8 Folie 1 /27 Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra 8. Das Skalarprodukt, metrische

Mehr

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }. 154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =

Mehr

Lineare Algebra II 8. Übungsblatt

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

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 016 Lineare Algebra und analytische Geometrie II Vorlesung 37 Neben den drei Eckpunkten eines Dreieckes gibt es noch weitere charakteristische Punkte eines Dreieckes wie

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 03.12.2013 Alexander Lytchak 1 / 16 Wiederholung und Beispiele Der Spaltenrang einer Matrix ist gleich ihrem Zeilenrang.

Mehr

Ebene Elementargeometrie

Ebene Elementargeometrie Ebene Elementargeometrie Im Folgenden unterscheiden wir neben Definitionen (Namensgebung) und Sätzen (nachweisbaren Aussagen) so genannte Axiome. Axiome stellen der Anschauung entnommene Aussagen dar,

Mehr

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009 I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe

Mehr

Triangulierungen von Punktmengen und Polyedern

Triangulierungen von Punktmengen und Polyedern Triangulierungen von Punktmengen und Polyedern Vorlesung im Sommersemester 2000 Technische Universität Berlin Jörg Rambau 17.05.2000 Sekundärpolytop und 6 bistellare Operationen In diesem Kapitel werden

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

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

Aufgabenpool. Woche 1 Aussagenlogik. Woche 2 Mengen und Funktionen. Lineare Algebra und Geometrie I SS 2015

Aufgabenpool. Woche 1 Aussagenlogik. Woche 2 Mengen und Funktionen. Lineare Algebra und Geometrie I SS 2015 Lineare Algebra und Geometrie I SS 05 Woche Aussagenlogik Aufgabenpool Aufgabe #.5 Die Aussage A sei 5 > 9, die Aussage B sei Gerhard Schröder ist eine Frau. Vervollständigen Sie die folgende Wahrheitstabelle.

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

10.2 Linearkombinationen

10.2 Linearkombinationen 147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition

Mehr

Elementare Geometrie Vorlesung 13

Elementare Geometrie Vorlesung 13 Elementare Geometrie Vorlesung 13 Thomas Zink 7.6.2017 1.Vektoren Es sei E eine Ebene. Eine Translation T : E E wird auch als Vektor bezeichnet. Wenn O, A E, so gibt es genau einen Vektor T, so dass T

Mehr

Mathematische Probleme, SS 2013 Donnerstag $Id: dreieck.tex,v /04/18 15:03:29 hk Exp hk $

Mathematische Probleme, SS 2013 Donnerstag $Id: dreieck.tex,v /04/18 15:03:29 hk Exp hk $ $Id: dreieck.tex,v 1.6 2013/04/18 15:03:29 hk Exp hk $ 1 Dreiecke 1.5 Einige spezielle Punkte im Dreieck Wir hatten gerade begonnen uns mit den speziellen Punkten im Dreieck zu beschäftigen. Dabei beschränken

Mehr

1 Der Simplex Algorithmus I

1 Der Simplex Algorithmus I 1 Nicoletta Andri 1 Der Simplex Algorithmus I 1.1 Einführungsbeispiel In einer Papiermühle wird aus Altpapier und anderen Vorstoffen feines und grobes Papier hergestellt. Der Erlös pro Tonne feines Papier

Mehr

Analysis III, WS 2011/2012 Montag $Id: masse.tex,v /10/31 15:48:07 hk Exp $

Analysis III, WS 2011/2012 Montag $Id: masse.tex,v /10/31 15:48:07 hk Exp $ $Id: masse.tex,v 1.8 2011/10/31 15:48:07 hk Exp $ 2 Maßräume 2.2 Meßbare Abbildungen Der nächste Grundbegriff sind die meßbaren Abbildungen. Erinnern Sie sich daran das wir eigentlich einen Integralbegriff

Mehr

Kapitel 5. Vektorräume mit Skalarprodukt

Kapitel 5. Vektorräume mit Skalarprodukt Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der

Mehr

5 Sphärische Trigonometrie

5 Sphärische Trigonometrie $Id: sphaere.tex,v 1.23 2017/07/10 14:46:08 hk Exp $ 5 Sphärische Trigonometrie 5.2 Sphärische Dreiecksberechnung In der letzten Sitzung haben wir begonnen uns mit sphärischer Trigonometrie zu beschäftigen.

Mehr

Analytische Geometrie I

Analytische Geometrie I Analytische Geometrie I Rainer Hauser Januar 202 Einleitung. Geometrie und Algebra Geometrie und Algebra sind historisch zwei unabhängige Teilgebiete der Mathematik und werden bis heute von Laien weitgehend

Mehr

5.1 Affine Räume und affine Abbildungen

5.1 Affine Räume und affine Abbildungen 402 LinAlg II Version 1.2 21. Juli 2006 c Rudolf Scharlau 5.1 Affine Räume und affine Abbildungen Ein affiner Raum besteht aus zwei Mengen P und G zusammen mit einer Relation der Inzidenz zwischen ihnen.

Mehr

5 Teilmengen von R und von R n

5 Teilmengen von R und von R n 5 Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,...,x n ) : x i R} = R }... {{ R }. n mal Für x R ist x der Abstand zum Nullpunkt. Die entsprechende Verallgemeinerung

Mehr

Lineare Optimierung und Simplex-Algorithmus

Lineare Optimierung und Simplex-Algorithmus Lineare Optimierung und Simplex-Algorithmus Problemstellung Beispiel : Unser Unternehmen verfügt über drei Maschinen A, B, C, mit denen zwei verschiedene Produkte P, P2 hergestellt werden. Die Maschinen

Mehr

Seminar Einführung in die Kunst mathematischer Ungleichungen

Seminar Einführung in die Kunst mathematischer Ungleichungen Seminar Einführung in die Kunst mathematischer Ungleichungen Geometrie und die Summe von Quadraten Clara Brünn 25. April 2016 Inhaltsverzeichnis 1 Einleitung 2 1.1 Geometrie allgemein.................................

Mehr

Vektoren, Vektorräume

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

Mehr

Rechnen mit Vektoren. 1. Vektoren im Koordinatensystem Freie Vektoren in der Ebene

Rechnen mit Vektoren. 1. Vektoren im Koordinatensystem Freie Vektoren in der Ebene Rechnen mit 1. im Koordinatensystem 1.1. Freie in der Ebene 1) Definition Ein Vektor... Zwei sind gleich, wenn... 2) Das ebene Koordinatensystem Wir legen den Koordinatenursprung fest, ferner zwei zueinander

Mehr

Kapitel V. Affine Geometrie

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

Mehr

WS 2010/ Januar Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch

WS 2010/ Januar Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch WS 2010/2011 14. Januar 2011 Geometrie mit Übungen Übungsblatt 9, Musterlösungen Aufgabe 33. Es werden Kreise in der Euklidischen

Mehr

Aufgaben zum Wochenende (1)

Aufgaben zum Wochenende (1) Aufgaben zum Wochenende (1) 1. Schreiben Sie das Polynom (x 1) 5 geordnet nach Potenzen von x auf. (Binomialkoeffizienten!). Welche Bedingung müssen a, b, c erfüllen, damit die Lösungsmenge der Bestimmungsgleichung

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter

Mehr