Lie Gruppen, SS 2010 Montag $Id: intro.tex,v /04/13 16:06:37 hk Exp hk $ Es wird etwas dauern bis wir in der Lage sind zu sagen was
|
|
- Hansl Frank
- vor 7 Jahren
- Abrufe
Transkript
1 $Id: intro.tex,v /04/13 16:06:37 hk Exp hk $ 1 Einleitung Es wird etwas dauern bis wir in der Lage sind zu sagen was Lie Gruppen eigentlich sind. Dagegen ist es sehr wohl möglich bereits einige konkrete Beispiele zu diskutieren, die sich dann später als Liegruppen herausstellen werden. Bevor wir dies tun, soll hier aber noch ein erster vager Eindruck vermittelt werden was Liegruppen sind, wo sie herkommen und warum sie überhaupt von Interesse sind. Es gibt mindestens zwei verschiedene zur Definition einer Liegruppe: 1. Als spezielle topologische Gruppen. Auch was eine topologische Gruppe eigentlich ist wollen wir hier noch nicht genau definieren, es handelt sich um eine Gruppe G bei der man sinnvoll von stetigen Abbildungen reden kann und bei der die Gruppenmultiplikation : G G G und die Inversenbilden 1 : G G stetige Abbildungen sind. Etwa haben wir im R n den Stetigkeitsbegriff der Grundvorlesungen und in der additiven Gruppe (R n, +) sind die Addition und die Inversenbildung x x sicherlich stetige Abbildungen. Ein etwas komplizierteres Beispiel ist die Gruppe GL n R der invertierbaren, reellen n n Matrizen. Wir können uns die Menge der n n Matrizen als R n2 denken, und können damit von Stetigkeit reden. Die Matrixmultiplikation n (ab) ij = a ik b kj (a, b GL n R, 1 i, j n) k=1 ist dann ein quadratisches Polynom in den 2n 2 Einträgen von a und b, also sicherlich stetig. Dass auch die Matrixinversion eine stetige Abbildung, werden wir etwas weiter unten einsehen. 2. Der zweite Zugang besteht darin Liegruppen als eine Verallgemeinerung der verschiedenen Matrixgruppen über R und C einzuführen. Liegruppen wurden im wesentlichen bereits im neunzehnten Jahrhundert eingeführt, und wie bei den meisten derartig alten Begriffen wirken die ursprünglichen Motivationen dieser Begriffe inzwischen etwas obskur. Es gibt drei verschiedene Fragestellungen die letztlich zum Begriff einer Liegruppe geführt haben. 1. Die Grundlagen der Geometrie im Stil des sogenannten Erlanger Programs. Hier werden geometrische Strukturen ausgehend von ihren Automorphismengruppen untersucht. Für geometrische Strukturen mit Stetigkeitseigenschaften sind diese Gruppen dabei Liegruppen. Ähnliche Fragestellungen werden durchaus noch immer untersucht, sind aber keine treibende Kraft für die Lietheorie mehr. 1-1
2 2. Der Versuch eine Galois Theorie für Differentialgleichungungen zu entwickeln. Hier wird eine gewöhnliche oder auch partielle Differentialgleichung mit Hilfe ihrer Automorphismengruppe untersucht. Betrachte etwa die (eindimensionale) Wärmeleitungsgleichung 2 u x = u 2 t. Automorphismen sind Transformationen die Lösungen dieser Gleichung wieder in Lösungen überführen. Eine Lösung der Gleichung ist eine geeignet differenzierbare Funktion u : U R definiert auf einer offenen Menge U R 2, die die Gleichung erfüllt. Identifizieren wir diese mit ihren Graphen, so sind Lösungen gewisse Teilmengen u R 3. Ein Automorphismus ist dann im wesentlichen ein Diffeomorphismus des R 3, der Lösungen in Lösungen überführt. Auch solche Fragen werden durchaus noch betrachtet, sind aber auch kein Hauptgebiet mehr. Während die Wärmeleitungsgleichung eine recht große Automorphismengruppe hat, haben die meisten Differentialgleichungen wenn überhaupt nur sehr wenige Automorphismen. 3. Außerdem wurde die Lietheorie zur Untersuchung der sogenannten klassischen Gruppen verwendet, dies sind die üblichen Matrixgruppen über R und C, also etwa GL n C, SL n C, SO(n) und so weiter. Die sogenannte Lie-Theorie ist seit ihrer Einführung zu einem sehr umfangreichen Gebiet angewachsen, das auch vielfältige Anwendungen in der Mathematik, und sogar einige außerhalb der Mathematik hat. Eine vollständige Übersicht zu geben ist an dieser Stelle natürlich nicht möglich, aber wir wollen jetzt einige ausgewählte Punkte einfach auflisten. 1. Liegruppen treten oft als Automorphismengruppen gutartiger Strukturen auf. Zum Beispiel ist die Gruppe der biholomorphen Transformationen eines Gebiets U C n eine Liegruppe, die Bewegungsgruppe eines symmetrischen Raums ist eine Liegruppe und so weiter. 2. Liegruppe spielen eine wichtige Rolle in der Theorie allgemeiner lokalkompakter Gruppen, diese lassen sich durch Liegruppen approximieren. 3. Liegruppen treten als Gruppen von Symmetrien gewisser physikalischer Theorien auf. 4. Liegruppen dienen oft auch als ein Hilfsmittel zur Konstruktion diverser geometrischer Objekte, wie homogene Räume, symmetrische Räume und so weiter. 5. Die Darstellungstheorie von Matrixgruppen. 6. Außerdem dient die klassische Lie Theorie als Ausgangspunkt von Verallgemeinerungen in viele Richtungen, man kann algebraische Gruppen studieren, unendlichdimensionale Liegruppen, Liegruppen über allgemeineren Körpern, und vieles andere. 1-2
3 Nach diesen Vorbemerkungen wollen wir jetzt allmähnlich konkreter werden. In diesem einleitenden Paragraphen wollen wir wie schon gesagt noch keine geschlossene Theorie anstreben, sondern einige spezielle Beispiele diskutieren. Die allerersten Gruppen, die einem im Grundstudium begegnen sind neben den symmetrischen und alternierenden Gruppen die Matrixgruppen GL n K und SL n K über einem Körper K. Dabei war GL n K die Gruppe der invertierbaren n n-matrizen über K, und SL n K die Gruppe der n n- Matrizen über K mit Determinante 1. In unserem Kontext interessieren wir uns nur für die beiden speziellen Körper K = R und K = C. Wir wollen diesen Paragraphen daher mit der Untersuchung der Gruppe GL n K, K {R, C} eröffnen. Definitionsgemäß ist GL n K K n n eine Teilmenge der Menge K n n aller n n- Matrizen über K. Letztere Menge können wir uns genausogut als K n2 vorstellen, indem wir die n 2 Einträge einer n n-matrix in irgendeiner festen Reihenfolge hinschreiben. Damit wird K n n zum R n2 im Fall K = R und zum R 2n2 im Fall K = C. In beiden Fällen steht uns somit der ganze in Analysis I und II behandelte Apperat zur Verfügung. Differenzierbarkeit wird meist nur für auf offenen Teilmengen des R n definierte Funktionen eingeführt, und wir machen uns zunächst klar, dass GL n K eine solche offene Menge ist. Satz 1.1: Seien K {R, C} und n 1. Dann ist die Menge GL n K K n n offen. Beweis: Wir betrachten die Abbildung det : K n n K. Aufgrund der sogenannten Leibnitzformel der linearen Algebra, können wir die Determinante explizit als det a = π S n ( 1) π a 1π(1)... a nπ(n) (a K n n ) schreiben, d.h. det ist einfach ein Polynom vom Grad n über K in den n 2 Variablen aus a. Insbesondere ist die Determinante eine stetige Abbildung, und damit ist GL n K = det 1 (K\{0}) als Urbild einer offenen Menge unter einer stetigen Abbildung selbst offen. Unsere Gruppe GL n K ist also eine offene Teilmenge des K n n, wir können also beginnen nach der Differenzierbarkeit von auf GL n K definierten Funktionen zu fragen. Die beiden für uns wichtigsten dieser Funktionen sind die Multiplikation und die Inversenbildung. Satz 1.2: Seien K {R, C}, n 1. Dann gelten: (a) Die Matrixmultiplikation : K n n K n n K n n ist C (d.h. unendlich oft differenzierbar). 1-3
4 (b) Die Matrixinversion 1 : GL n K GL n K ist C. Beweis: (a) Wie schon eingangs festgehalten ist für alle a, b K n n, 1 i, j n die (i, j)-komponente des Produkts ab gerade (ab) ij = n k=1 a ikb kj, also ein quadratisches Polynom in den 2n 2 Variablen aus a und b. Insbesondere ist die Multiplikation damit unendlich oft differenzierbar. (b) Wir verwenden die sogenannte Cramersche Formel der linearen Algebra, die die Inverse einer n n-matrix explizit angibt. Für a GL n K, 1 i, j n gilt (a 1 i+j det aji ) ij = ( 1) det a, wobei a ji aus a durch Streichen der j-ten Zeile und der i-ten Spalte entsteht. Da die Determinante ein Polynom ist, ist dies eine rationale Funktion, also erst recht C. Wir wollen zunächst versuchen ein paar geometrische Grundtatsachen über GL n K einzusehen. Leider kann man sich diese Gruppe nicht so direkt vorstellen, schon GL 2 R ist ja etwas vierdimensionales. Trotzdem kann man noch so einiges sagen. Ein wichtiger Begriff der Analysisvorlesungen war das Konzept einer zusammenhängenden Menge, und wir wollen uns die Frage stellen ob GL n K eine zusammenhängende Menge ist? Die Antwort wird sich etwas unterscheiden je nachdem ob K = R oder K = C ist. Eine Menge A R n hieß zusammenhängend wenn man sie nicht als disjunkte Vereinigung zweier nicht leerer, in A offener Mengen schreiben kann. Es gibt auch noch einen etwas anderen Zusammenhangsbegriff der manchmal, aber nicht immer, in Analysis II/III eingeführt wird, der sogenannte Wegzusammenhang. Definition 1.1: Eine Menge A R n heißt wegzusammenhängend, wenn es für je zwei Punkte x, y A stets eine stetige Abbildung γ : [0, 1] A mit γ(0) = x und γ(1) = y gibt. Man nennt die Abbildung γ dann oft auch einen Weg von x nach y. Genauso kann man den Begriff auch in metrischen Räumen anstelle von Teilmengen des R n einführen, was wir hier aber noch nicht tun wollen. Wie schon angekündigt, kommen wir nun zur Frage des Zusammenhangs von GL n C und GL n R, und beginnen mit dem einfacheren Fall. Satz 1.3: Für jedes n 1 ist GL n C wegzusammenhängend. Beweis: Als einen ersten Schritt wollen jede Matrix a GL n C durch einen stetigen Weg in GL n C mit der n n Einheitsmatrix 1 verbinden. Dies ist am leichtesten wenn wir uns an die Jordannormalform aus der linearen Algebra erinnern. Sei a GL n C 1-4
5 gegeben. Dann gibt es eine Basis des C n so, dass a in dieser Basis die Form λ 1 ɛ 1 λ 2 ɛ 2 J = λ n 1 ɛ n 1 λ n mit λ 1,..., λ n C\{0}, ɛ 1,..., ɛ n 1 {0, 1} hat. Anders gesagt gibt es eine Matrix T GL n C mit a = T 1 JT. Die Zahlen λ 1,..., λ n C sind dabei die Eigenwerte von a, und da a invertierbar ist sind diese alle von Null verschieden. Die Menge C\{0} ist wegzusammenhängend, und damit gibt es für jedes 1 i n eine stetige Abbildung λ i : [0, 1] C\{0} mit λ i (0) = λ i und λ i (1) = 1. Damit ist für jedes 0 t 1 auch J(t) := λ 1 (t) (1 t)ɛ 1 λ 2 (t) (1 t)ɛ λ n 1 (t) (1 t)ɛ n 1 λ n (t) GL n C, und die hierdurch definierte Abbildung von [0, 1] nach GL n C ist stetig. Da wir die Stetigkeit der Matrixmultiplikation schon eingesehen haben, erhalten wir den stetigen Weg γ : [0, 1] GL n C; t T 1 J(t)T von a = T 1 JT nach T 1 J(1)T = T 1 T = 1. Dies zeigt das wir jede Matrix aus GL n C stetig mit der Einheitsmatrix verbinden können. Dass sich überhaupt je zwei a, b GL n C miteinander verbinden lassen, ist eine einfache Folgerung. Seien nämlich a, b GL n C gegeben. Wie bereits gezeigt gibt es dann eine stetige Abbildung γ : [0, 1] GL n C mit γ(0) = ab 1 und γ(1) = 1. Erneut da die Matrixmultiplikation stetig ist, ist auch δ : [0, 1] GL n C; t γ(t) b stetig mit δ(0) = (ab 1 )b = a und δ(1) = 1 b = b. Hier haben wir an zwei Stellen K = C verwendet. Zum einen um eine Jordannormalform zu haben, und zum anderen für den Wegzusammenhang von K\{0}. Für K = R ist die Lage etwas komplizierter, zum Beispiel ist ja schon GL 1 R = R\{0} nicht zusammenhängend. Tatsächlich ist GL n R für kein n 1 zusammenhängend, wir können nämlich ganz direkt eine Zerlegung von GL n R in zwei disjunkte offene Mengen hinschreiben. Eine Matrix a GL n R hat entweder positive oder negative Determinante, und daher betrachten wir die beiden Mengen GL + n R := {a GL n R det a > 0}, GL n R := {a GL n R det a < 0}. 1-5
6 Dass diese beiden Mengen offen sind, folgt aus der Stetigkeit der Determinante, es sind ja GL + n R = det(r 1 >0 ), GL n R = det(r 1 <0 ) jeweils das Urbild einer offenen Menge unter einer stetigen Abbildung. Weiter ist GL n R die disjunkte Vereinigung von GL + n R und GL n R und diese beiden Mengen sind auch nicht leer. Damit ist GL n R nicht zusammenhängend. Allerdings ist GL n R fast zusammenhängend, die beiden Mengen GL ± n R werden sich gleich als wegzusammenhängend heraustellen. Satz 1.4: Sei n 1. Dann sind GL + n R und GL n R wegzusammenhängend. Beweis: Wir gehen genau wie im Beweis des Satz 3 vor, nur sind die Details diesmal etwas komplizierter. Wir starten wieder mit einer Matrix a GL + n R, und wollen a durch einen stetigen Weg mit 1 verbinden. Diesen Weg werden wir diesmal allerdings nicht auf einen Schlag angeben, sondern ihn stückweise konstruieren. Im R n können wir a durch eine Basistransformation auf die Form J = A 1 ɛ 1 A 2 ɛ ɛt 2 A t 1 ɛ t 1 A t bringen, wobei ɛ 1,..., ɛ t 1 {0, 1} sind, und für jedes 1 i t entweder A i = (a i ) mit a i R\{0} oder ( ) 1 A i = mit a i, b i R, a i 0 ist. Analog zum Beweis des Satz 3 reicht es J in GL + n R mit 1 zu verbinden. Wie im Beweis von Satz 3 können wir die ɛ i durch einen stetigen Weg auf 0 bringen. Für jedes 1 i t für das A i eine 2 2-Matrix ist, können wir ebenso b i = 0 erreichen. Dann verbleibt ( ) A 1 i = a i a i 1-6 b i
7 und der stetige Weg ( a sin t cos t A i(t) = a cos t sin t ), 0 t π 2 verbindet dies mit ( a A i = Dies ist natürlich so gemeint, dass wir Wege der obigen Form in jedes unserer Kästchen einsetzen, und diese dann wieder zu ein großen Matrix zusammensetzen. Damit können wir annehmen, dass J Diagonalform hat. Jedes Element in R\{0} läßt sich durch einen stetigen Weg in R\{0} entweder mit 1 oder mit 1 verbinden, d.h. wir können weiter annehmen, dass auf der Diagonale von J nur Einträge 1 oder 1 stehen. Der bisher konstruierte Weg verläuft ganz in GL n R und beginnt mit einer Matrix mit positiver Determinante. Da die Determinante auf dem Weg niemals Null werden kann, hat nach dem Zwischenwertsatz auch das Ende des Weges, also die Matrix J eine positive Determinante. Wegen det J > 0 ist die Anzahl der 1 Einträge in J gerade, und wir können diese Einträge daher zu Paaren zusammenfassen. Schließlich verbindet man für jedes dieser Paare durch ( ) cos t sin t B(t) :=, 0 t π sin t cos t die Matrix B(0) = 1 mit B(π) = 1. Zusammensetzen derartiger Wege ergibt letztlich einen Weg in GL + n R von der Matrix a zur Einheitsmatrix 1. Der allgemeine Fall läßt sich jetzt wie in der komplexen Situation behandeln. Seien a, b GL + n R oder a, b GL n R. In beiden Fällen ist ab 1 GL + n R und damit existiert eine stetige Abbildung γ : [0, 1] GL + n R mit γ(0) = ab 1 und γ(1) = 1. Durch δ(t) := γ(t) b ergibt sich dann eine stetige Abbildung [0, 1] nach GL + n R oder GL n R mit δ(0) = a und δ(1) = b. 1 ). 1-7
$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
Mehr3 Topologische Gruppen
$Id: topgr.tex,v 1.2 2010/05/26 19:47:48 hk Exp hk $ 3 Topologische Gruppen Als letztes Beispiel eines topologischen Raums hatten wir die Zariski-Topologie auf dem C n betrachtet, in der die abgeschlossenen
MehrDiagonalisierbarkeit symmetrischer Matrizen
¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrExponentialabbildung für Matrizen und Systeme von Differentialgleichungen
Proseminar Lineare Algebra SS10 Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen Simon Strahlegger Heinrich-Heine-Universität Betreuung: Prof. Dr. Oleg Bogopolski Inhaltsverzeichnis:
Mehr4 Funktionenfolgen und normierte Räume
$Id: norm.tex,v 1.48 2017/06/14 15:16:10 hk Exp $ $Id: jordan.tex,v 1.26 2017/06/16 10:59:58 hk Exp $ 4 Funktionenfolgen und normierte Räume 4.7 Kompakte Mengen Zum Abschluss dieses Kapitels behandeln
Mehr3. Zusammenhang. 22 Andreas Gathmann
22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
Mehr2 Riemannsche Flächen
$Id: flaechen.tex,v 1.5 2016/11/10 16:04:56 hk Exp $ 2 Riemannsche Flächen 2.1 Definition und erste Beispiele Riemannscher Flächen Am Ende der letzten Sitzung hatten wir schließlich den Begriff einer Riemannschen
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
Mehr5 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
MehrImplizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen
Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,
Mehr1 Umkehrfunktionen und implizite Funktionen
Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13
Mehr1 Rechnen mit 2 2 Matrizen
1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 10.12.2013 Alexander Lytchak 1 / 15 Motivation Für das Verständis affiner Teilräume eines Vektorraums sind Translationen
Mehr$Id: det.tex,v /01/13 14:27:14 hk Exp $ 8.2 Definition und Grundeigenschaften der Determinante D 2. oder A = D r
$Id: dettex,v 126 2017/01/13 14:27:14 hk Exp $ 8 Determinanten 82 Definition und Grundeigenschaften der Determinante In der letzten Sitzung haben wir die Determinante einer allgemeinen n n-matrix definiert
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
MehrFachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt
Mehr( ) Lineare Gleichungssysteme
102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 006/07 en Blatt 3.0.006 Einführung in die Matrizenrechnung Zentralübungsaufgaben
MehrMathematik 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
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
MehrCopyright, Page 1 of 5 Die Determinante
wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist
MehrEXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME
EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
Mehr4 Funktionenfolgen und normierte Räume
$Id: norm.tex,v 1.57 2018/06/08 16:27:08 hk Exp $ $Id: jordan.tex,v 1.34 2018/07/12 20:08:29 hk Exp $ 4 Funktionenfolgen und normierte Räume 4.7 Kompakte Mengen Am Ende der letzten Sitzung hatten wir zwei
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Körper, Ringe und Gruppen
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 2006/07 en Blatt 6 27.11.2006 Körper, Ringe und Gruppen Z13 Gruppen Seien GL
MehrAnalysis II 14. Übungsblatt
Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau
Mehr9. Polynom- und Potenzreihenringe
64 Andreas Gathmann 9. Polynom- und Potenzreihenringe Bevor wir mit der allgemeinen Untersuchung von Ringen fortfahren, wollen wir in diesem Kapitel kurz zwei sehr wichtige weitere Beispiele von Ringen
MehrHomotopien und Schleifen
Abschnitt 8 Homotopien und Schleifen Homotopie Wir betrachten nun das Deformieren einer Abbildung in eine andere. 8.1 Definition. Seien X, Y topologische Räume und f 0, f 1 : X Y stetige Abbildungen. Eine
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung
Mehr2 Extrema unter Nebenbedingungen
$Id: lagrangetex,v 18 01/11/09 14:07:08 hk Exp $ $Id: untermfgtex,v 14 01/11/1 10:00:34 hk Exp hk $ Extrema unter Nebenbedingungen Lagrange-Multiplikatoren In der letzten Sitzung hatten wir begonnen die
Mehr1 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
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
Mehr5 Die Liealgebra einer Liegruppe
$Id: liealg.tex,v 1.5 2010/09/03 07:51:34 hk Exp hk $ 5 Die Liealgebra einer Liegruppe Wir sind noch immer mit der Konstruktion der Liealgebra zu einer Liegruppe G beschäftigt. In der letzten Sitzung hatten
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
Mehr1 Eingebettete Untermannigfaltigkeiten des R d
$Id: unter.tex,v 1.5 2014/04/28 14:01:50 hk Exp $ $Id: diff.tex,v 1.2 2014/04/28 14:24:56 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d Am Ende der letzten Sitzung hatten wir die Tangentialvektoren
MehrInvertierbarkeit von Matrizen
Invertierbarkeit von Matrizen Lineare Algebra I Kapitel 4 24. April 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
Mehr9 Lineare Algebra 2 (SS 2009)
9 Lineare Algebra 2 (SS 2009) Vorbemerkung: Das Einsetzen von quadratischen Matrizen in Polynome. Im folgenden sei R ein kommutativer Ring und R[T] der Polynomring mit Koeffizienten in R (dies ist wieder
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
Mehr3 Topologische Gruppen
$Id: topgr.tex,v 1.4 2010/05/31 08:41:53 hk Exp hk $ 3 Topologische Gruppen Nachdem wir jetzt gezeigt haben das Quotienten G/H topologischer Gruppen wieder topologische Gruppen sind, wollen wir das Ergebnis
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrKAPITEL 6. Algebra Gruppen
KAPITEL 6 Algebra 6.. Gruppen Bekannt sind die Kongruenzklassen, bijektive Abbildungen, Permutationen. Wir hatten in diesen Fällen eine Verknüpfung auf einer Menge. (Addition bzw. Multiplikation bei den
Mehr1 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
Mehr1 Algebraische Strukturen
1 Algebraische Strukturen 1.1 Innere Verknüpfungen 1.1.1 Grundbegriffe und Beispiele In der Analysis wie auch in der linearen Algebra kommen verschiedene Arten von Rechenoperationen vor, bei denen man
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,
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
Mehr9 Differentialrechnung für Funktionen in n Variablen
$Id: diff.tex,v.7 29/7/2 3:4:3 hk Exp $ $Id: ntaylor.tex,v.2 29/7/2 3:26:42 hk Exp $ 9 Differentialrechnung für Funktionen in n Variablen 9.6 Lagrange Multiplikatoren Die Berechnung von Maxima und Minima
MehrDer Fundamentalsatz der Algebra
Der Fundamentalsatz der Algebra Vortragsausarbeitung im Rahmen des Proseminars Differentialtopologie Benjamin Lehning 17. Februar 2014 Für den hier dargelegten Beweis des Fundamentalsatzes der Algebra
Mehr1 Einleitung. Lie Gruppen, SS 2010 Mittwoch $Id: intro.tex,v /04/16 16:18:41 hk Exp hk $
$Id: intro.tex,v.4 200/04/6 6:8:4 hk Ex hk $ Einleitung Wir wollen weiterhin die allgemeine lineare Grue GL n K über den reellen und den komlexen Zahlen untersuchen. Der nächste Schritt den wir hierzu
MehrAnalysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit
A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrÜbungen zu Matrixgruppen
Übungen zu Matrixgruppen Andreas Cap Sommersemester 2018 Kapitel 1: Einleitung Analysis und Matrizen (1 Seien G und H Gruppen und sei ϕ : G H ein Homomorphismus. Zeigen Sie, dass das Bild Im(ϕ eine Untergruppe
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrIn 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)
Mehr4 Funktionenfolgen und normierte Räume
$Id: norm.tex,v 1.9 2011/06/01 15:13:45 hk Exp $ $Id: jordan.tex,v 1.3 2011/06/01 15:30:12 hk Exp hk $ 4 Funktionenfolgen und normierte Räume 4.5 Normierte Räume In der letzten Sitzung hatten wir den Begriff
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
Mehr9 Lineare Differentialgleichungen
$Id: lineartex,v 3 //8 ::37 hk Exp hk $ 9 Lineare Differentialgleichungen 9 Homogene lineare Differentialgleichungen Wir beschäftigen uns gerade mit den homogenen linearen Differentialgleichungen, also
Mehr1 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
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehr1 Liesche Gruppen: Grundlegendes und Beispiele
1 Liesche Gruppen: Grundlegendes und Beispiele In dieser Vorlesung verstehen wir unter einer differenzierbaren Mannigfaltigkeit einen Hausdorff- Raum mit abzählbarer Basis und mit einem maximalen C -Atlas.
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrAnalysis II. 8. Klausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge
Mehr9 Lineare Differentialgleichungen
Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 $Id: linear.tex,v.4 2/2/ :7:45 hk Exp hk $ 9 Lineare Differentialgleichungen 9.3 Differentialgleichungen mionstanten Koeffizienten Während sich allgemeine
MehrAllgemeines über Lie-Algebren
Kapitel I Allgemeines über Lie-Algebren Sophus Lie 1842 1899 Wilhelm Killing 1847 1923 Elie Cartan 1869 1951 Hermann Weyl 1885 1955 1 Einleitung Die meisten Studierenden sind wohl vertrauter mit Beispielen
MehrMathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2016/
Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 206/207 20.03.207 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:...................................................................
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
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
MehrÜbungen zur Analysis II
Übungen zur Analysis II Prof. Dr. C. Löh/M. Blank Blatt 10 vom 3. Dezember 011 Aufgabe 1 (Beispiel für eine Kurve). Sei γ : R R 3 t (cos t, sin t, t). 1. Zeigen Sie, dass γ eine reguläre parametrisierte
Mehr11. Vorlesung. Lineare Algebra und Sphärische Geometrie.
11. Vorlesung. Lineare Algebra und Sphärische Geometrie. In dieser Vorlesung behandeln wir eine geometrische Anwendung der linearen Algebra. Insbesondere betrachten wir orthogonale Abbildungen. 1. Orthogonale
MehrLIE GRUPPEN EMANUEL SCHEIDEGGER
LIE GRUPPEN EMANUEL SCHEIDEGGER Zusammenfassung. Definition einer Lie-Gruppe, Beispiele, invariante Vektorfelder, Lie-Klammer, Lie-Algebra (einer Lie-Gruppe), 1. Definition und erste Beispiele Wir beginnen
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89
9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89 Beweis. Der Beweis erfolgt durch vollständige Induktion. Angenommen wir hätten den Satz für k 1 gezeigt. Dann ist wegen auch Damit ist f(g(y), y) = 0 0 = D y
MehrLineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen
Lineare Algebra I Tutorium Inverse Matrizen und Gruppen Fachbereich Mathematik WS / Prof Dr Kollross November Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Die zweite Variante des Gauß-Algorithmus)
MehrUmkehrfunktion. g (y) = f (x) 1, x = g(y), Umkehrfunktion 1-1
Umkehrfunktion Ist für eine stetig differenzierbare n-variate Funktion f : D R n die Jacobi-Matrix f (x ) für einen Punkt x im Innern des Definitionsbereiches D R n nicht singulär, so ist f lokal invertierbar,
MehrWir verallgemeinern jetzt den Begriff bilinear zu multilinear. Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante.
118 36 Determinanten Wir verallgemeinern jetzt den Begriff bilinear zu multilinear Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante 361 Definition (alternierend, symmetrisch,
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
Mehr5 Der Transzendenzgrad
$Id: trgrad.tex,v 1.7 2009/05/13 13:23:45 hk Exp $ $Id: algab.tex,v 1.2 2009/03/24 14:45:49 hk Exp hk $ 5 Der Transzendenzgrad Jetzt können wir endlich die, schon mehrfach angekündigte, Eindeutigkeit des
Mehr4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.
4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrKarlsruher Institut für Technologie (KIT) SS 2013 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie KIT SS 2013 Institut für Analysis 06.05.2013 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Höhere Mathematik II für die Fachrichtung Physik 4. Übungsblatt Aufgabe 1 Bestimmen
Mehrfür alle a, b, x, y R.
Algebra I 13. April 2008 c Rudolf Scharlau, 2002 2008 33 1.5 Ringe Definition 1.5.1 Ein Ring ist eine Menge R zusammen mit zwei Verknüpfungen + und, genannt Addition und Multiplikation, für die folgendes
MehrMatrizen: Theorie und Anwendungen
Einführungsvortrag der Lehrerfortbildung am 23 September 2009 Markoff-Ketten, Call-Center und Google s PageRank: Zur Theorie und Anwendungen von Matrizen von Harm Pralle Institut für Mathematik Technische
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)
Mehr2 Differenzierbare Mannigfaltigkeiten
$Id: diff.tex,v 1.6 2014/05/12 09:25:07 hk Exp hk $ 2 Differenzierbare Mannigfaltigkeiten 2.1 Topologische Räume In der letzten Sitzung haben wir begonnen den Kompaktheitsbegriff in allgemeinen topologischen
Mehri j m f(y )h i h j h m
10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem
MehrDefinition 1 Sei π ein Element aus der symmetrischen Gruppe S n der Permutationen aller natürlichen Zahlen von 1 bis n.
1 Die Determinante Definition 1 Sei π ein Element aus der symmetrischen Gruppe S n der Permutationen aller natürlichen Zahlen von 1 bis n. a) Ein Fehlstand von π ist ein Paar (i, j) mit 1 i < j n und π(i)
MehrBeispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist
127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte
MehrLösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung
D-MATH Lineare Algebra I/II HS 07/FS 08 Dr Meike Akveld Lösung 3: Sylvesters Trägheitssatz & Singulärwertzerlegung Wir wissen, dass eine Basis B von R n existiert, sodass p [β Q ] B I I q 0 n p q gilt
Mehr$Id: korper.tex,v /05/10 12:25:27 hk Exp $
$Id: korper.tex,v 1.17 2012/05/10 12:25:27 hk Exp $ 4 Körper In der letzten Sitzung hatten wir den Körperbegriff eingeführt und einige seiner elementaren Eigenschaften vorgeführt. Insbesondere hatten wir
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
MehrHistorisches zur Gruppentheorie
Historisches zur Gruppentheorie Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 20 Gruppen: Abstrakte Definition Eine Gruppe
Mehr