Erweiterte Koordinaten

Größe: px
Ab Seite anzeigen:

Download "Erweiterte Koordinaten"

Transkript

1 Erweiterte Koordinaten Sei K n ein n dimensionaler affiner Raum Die erweiterten Koordinaten x des Punktes x K n sind Kn+ (Ist für alle K sinnvoll, weil in jedem Körper K wohldefiniert ist; in dieser Vorlesung kann man K = R annehmen) Rechnen ( ) ( Sie ) selbst: ( ) Was sind die erweiterten Koordinaten von 5,, 2 6 Antwort 2, 5 6, Zuerst sieht der Begriff Erweiterte Koordinaten künstlich aus: Wozu sollte man unten schreiben? Wir werden in der Theorie von Quadriken sehen, dass diese Schreibweise doch nützlich ist; hier werde ich zeigen, dass in einigen bereits erlernten Begriffen erweiterte Koordinaten ganz natürlich vorkommen

2 Bsp: Affine Kombinationen in den erweiterten Koordinaten Wiederholung Der Punkt x K n ist eine affine Kombination der Punkte x,,x k K n, wenn es Zahlen λ,,λ k K gibt mit λ + λ λ k = sodass x = λ x + + λ k x k ( ) Hier, in der affinen Kombination ( ), kann man statt x und statt x,,x k die erweiterten Koordinaten von x bzw x i einsetzen: ( ) ( Die ) Gleichung ( bleibt richtig: x x xk = λ + + λ k ), weil unten λ + + λ k = steht

3 Affinitäten Wiederholung Def Wiederholung Eine Affinität von K n ist eine Abbildung F : K n K n der Form F(x) = Bx + b, wobei B GL n (K) eine nichtausgeartete quadratische n n-matrix ist Wichtige Klasse von Affinitäten vom euklidischen Raum (R n,, ) bilden Isometrien, also die Abbildungen, die Abstände zwischen Punkten erhalten (siehe Vorl 7 LAAG I sowie Vorl 7) In der Tat, wenn, das Standard-Skalarprodukt ist (was in geeigneten Koordinaten immer der Fall ist), hat jede Isometrie die Form F(x) = Ox + b, wobei O eine orthogonale Matrix ist

4 Bsp Affinitäten in erweiterten Koordinaten Man kann jede Affinität Bx + b (eigentlich, jede affine Abbildung, wir werden aber nur Affinitäten benutzen) in der erweiterten Form schreiben: b x B x F = B B b n = Bx + b Erklärung: Ausrechnen ZB ist es einfach zu sehen, dass auf der letzten n + -ten Stelle des Produktes steht, weil die letzte Zeile von der erweiterten Matrix gleich ( ) ist Auf dem ersten Platz des x Produktes steht (b b n b ) = (b b n ) x + b wie in Bx + b; analog für jede Zeile

5 Abschnitt: Quadriken (in R n ) Wir arbeiten in R n mit Standard-Skalarprodukt und Standartkoordinaten x Def Die Lösungsmenge der Gleichung n n a ij x i x j + a i x i + a = i,j= i= heißt Quadrik (a ij,a i,a R A = (a ij ) wird vorausgesetzt ) Fragen: In welche beste Form kann man die Gleichung der Quadrik mit Hilfe einer Isometrie bzw affiner Transformation bringen? Gegeben eine Quadrik, wie kann man die beste Form der Quadrik finden, ohne die Transformation explizit anzugeben?

6 Gleichung der Quadrik in Matrix-Form Die Gleichung n n a ij x i x j + a i x i + a = i,j= i= kann man in der Matrix-Form a a n (x ) x a n a nn + (a a n) x + a = schreiben Ferner gilt: Man kann immer voraussetzen (obda), dass die Matrix A := (a ij ) symmetrisch isttatsächlich, wenn wir die Matrix A mit der Matrix 2 (A + At ) ersetzen (die offensichtlich symmetrisch ist), wird die Gleichung und deswegen die Lösungsmenge nicht geändert: x t Das ist Matrix Ax = (x t Ax) t Rechenregeln = x t A t x, und deswegen ist die ursprüngliche Gleichung dieselbe wie a a n a a n t (x x n) x + (a a n) x + a = a n a nn a n a nn

7 Erweiterte Matrix der Gleichung Man kann die Gleichung der Quadrik auch in der Form a /2 (x ) a a n a n a nn a /2 a n/2 a a n/2 ßÞ Ð Erweiterte (symmetrische) Matrix Erw Q Beweis: Einfach nachrechnen und die Gleichung (x ) a a n a n a nn x + (a a n) x = x + a = bekommen (Oder die äquivalente Gleichung n i,j= a ijx i x j + n i= a ix i + a = )

8 Rechnen Sie selbst: Schreiben Sie bitte die Gleichung x 2 2xy + 2y 2 + 4x + 6y + = in der (a) Matrixform; ((b)erweiterten ) ( ) Matrixform ( ) x x Antwort (a) (x y) + (4 6) 5 = 2 y y 2 x (b) (x y ) 2 3 y = 2 3 5

9 Beispiele in dim 2: Ausgeartete Quadriken: ist eine Quadrik: Die entsprechende Gleichung (eine von mehreren) x 2 + y 2 + = x (x y) y + = (x y ) x y = Ein Punkt ist eine Quadrik: ZB ist 2 die Lösungsmenge der Gleichung (x ) 2 + (y 2) 2 = Und diese Gleichung ist x 2 + y 2 2x 4y + 5 = x x (x y) +( 2 4) y y +5 = (x y ) 2 x y = 2 5 { x } Gerade ist eine Quadrik: ZB ist die Gerade sodass x = y die Lösungsmenge der Gleichung (x y) 2 = Und diese Gleichung ist x 2 2xy + y 2 = x (x y) y = (x y ) x y = y (Vereinigung { von) zwei Geraden ist eine Quadrik: ZB ist die x } { x } sodass x=y sodass x=-y die Lösungsmenge der y y Gleichung (x y)(x + y) = Und diese Gleichung ist x 2 y 2 = x (x y) y = (x y ) x y =

10 Nichtausgeartete Quadriken in dim 2 Ellipse: ax 2 + by 2 = c, wobei a >, b >, c > a x (x y) b y c = (x y ) a b x y = c Hyperbel: ax 2 by 2 = c, wobei a >, b > c a x (x y) b y c = (x y ) a b x y = c Parabel: ax 2 + by =, wobei a, b a x (x y) y +by = (x y ) a b/2 x y = b/2

11 Quadriken als Kegelschnitte

12

13 Doppel-Kegel ist eine Quadrik mit der Gleichung x 2 +y 2 tan 2 (θ)z 2 = Die Schnittmenge des Kegels mit der Ebene { x + sx + tx 2 sodass } s R 2 ist (als Punktmenge auf der Ebene in y + sy + ty 2 z + sz + tz 2 t Koordinaten s,t) die Menge (x + sx + tx 2 ) 2 + (y + sy + ty 2 ) 2 tan 2 (θ)(z + sz + tz 2 ) 2 = (x 2 + y 2 tan 2 (θ)z) 2 t 2 + 2(x x 2 + y y 2 tan 2 (θ)z z 2 ) ts + }{{}}{{} a a 2=a 2 ( s x x + y y tan 2 ) (θ)z z t + }{{} a 22 a 2 ( x 2 x + y 2 y tan 2 ) 2 (θ)z 2 z s + (x + y 2 tan 2 (θ)z) 2 = }{{}}{{} a 2 a Wir sehen, dass die Menge eine Quadrik ist Man kann zeigen, dass man jede nichtausgeartete Quadrik bekommen kann, in dem man eine geeignete Ebene (also, x, x, x 2 R 3 ) (x y 2 2 tan 2 (θ)z 2 2) }{{} wählt y z y z y 2 z 2

14 Was machen Affinitäten mit Quadriken? Sei F eine Affinität, sei Q eine Quadrik (in R n ) Frage Was ist Bild F (Q) einer Quadrik Q? Antwort (Lemma 3) Es ist eine Quadrik Beweis Da F eine Affinität ist, ist die Umkehrabbildung F auch eine Affinität, und hat deswegen die Form F (x) = Bx + b ( ) für ein b R n und eine nichtausgeartete n n Matrix B (In Vorl 8 haben wir sogar B und b ausgerechnet) Ist x Bild F (Q), so ist F (x) Q, also (b t b b n) + (x )B x B + + ßÞ Ð (F (x)) t =(Bx+b) t (a a n) x B + b b n ßÞ Ð F (x)=bx+b 2B t Ab + B t a a a n a n a nn b n ßÞ Ð F (x)=bx+b + a =, und deswegen t x + a t b + b t Ab + a x t B t AB x + ßÞ Ð ßÞ Ð ßÞ Ð A a a Bemerkung Dies ist die Formel für die Gleichung der Quadrik Bild F (Q) = ( ),

15 Formel ( ) für erweiterte Matrizen Erw Q = B t b b n a a n a n a nn a /2 a n/2 a a /2 a n/2 B B B t Beweis: Z B Ausrechnen Man kann dies auch direkt sehen b b n

16 Hauptsätze der Theorie der Quadriken (Normalformen) Satz 8 Man kann jede Quadrik mit Hilfe einer Isometrie in eine Quadrik mit der Gleichung (x ) λ λ k x + ( ßÞ Ð k a k+ a n) + a = überführen, sodass höchstens eins der a k+,,a n,a ungleich ist Satz 8 Man kann jede Quadrik mit Hilfe einer Isometrie in eine Quadrik mit der erweiterten Matrix rechts überführen (Höchstens eins der a k+,,a n,a ist ungleich ) Erw Q = x λ λ k a k+ 2 Bemerkung Da die Gleichungen f (x) = und λ f (x) =, wobei λ, gleiche Lösungsmengen haben, kann man noch eine Zahl, zb λ gleich setzen a k+ 2 an 2 an 2 a

17 Folgerung Bis auf Isometrie, ist jede Quadrik in R 2 (mit Standard-Skalarprodukt) Ellipse, Hyperbel, Parabel, Punkt, Gerade, zwei Geraden, oder Beweis der Folgerung: Nach Satz 8 sieht die Gleichung einer Quadrik nach einer geeigneten Isometrie wie folgt aus (λ >, µ > ): (x y) λ µ x y (x y) λ µ x y λ x (x y) µ y λ x (x y) µ y + c = λx 2 + µy 2 = c entspricht + c = λx 2 µy 2 = c entspricht + c = λx 2 = c entspricht + c x y c = c > c < c c = Punkt Ellipse Hyperbel Zwei nichtparallele Gerade c = Punkt c > c < Zwei parallele Gerade = λx 2 c = eine Gerade = cy entspricht c Parabel

18 Satz 9 Man kann jede Quadrik mit Hilfe einer Affinität in eine Quadrik der Form (x ) ± ± x + ( ßÞ Ð k a k+ a n) + a = überführen, sodass höchstens eins der a k+,,a n,a ungleich ist (man kann es sogar gleich ± machen) x Man kann jede Quadrik mit Hilfe einer affinen Abbildung in eine Quadrik mit der rechts stehenden erweiterten Matrix überführen (wobei höchstens eins der a k+ a ungleich ist) Erw Q = a k+ 2 a k+ 2 an 2 an 2 a

19 Folgerung Bis auf Anwendung einer affinen Abbildung, ist jede Quadrik in R 2 ein Kreis, die Standard-Hyperbel x 2 y 2 =, die Standard-Parabel y = x 2, Punkt, Gerade, zwei Geraden [(x y)(x + y) = oder x 2 = ], oder (Beweis wie bei der Folgerung aus dem Satz 8)

20 Wiederholung: Diagonalisierung symmetrischer Matrizen über R Wiederholung: A heißt symmetrisch, falls A t = A Wiederholung Satz 39 Vorl 7 LAAG I Ist A symmetrisch, so gibt es eine orthogonale Matrix O, sodass O AO diagonal ist (Symmetrische Matrizen über R sind diagonalisierbar mit Hilfe von orthogonalen Transformationen) In Vorl 7 LAAG I haben wir gesehen, dass man auch die Reihenfolge von Diagonalelementen der Diagonalmatrix O AO beliebig wählen λ kann; also für geeignete Matrix O gilt: O AO = λ k Bemerkung: Nicht vergessen, dass für orthogonale Matrizen O = O t gilt

21 Idee des Beweises von Satz 8: Wir werden die Gleichung der Quadrik schrittweise (mit Hilfe von Isometrien) verbessern Beweis Man betrachte die Isometrie F, sodass F durch F (x) = + Ox = Ox gegeben ist, wobei O orthogonal ist Nach Lemma 3 ist Q := Bild F (Q) eine Quadrik, deren Gleichung x t O t AO x + 2Ot A b +O t a t ßÞ Ð ßÞÐ x + a t b +a = x ßÞÐ t O t AO ßÞ Ð A A ßÞ Ð ßÞ Ð a a Nach Satz 39 LAAG I kann man O so wählen, dass A = λ λ k x + a t O x + a ßÞÐ = ist ( a ) t Dann betrachte man die Affinität F, sodass F die Translation F (x) = b + x ist Diese ist auch eine Isometrie Nach Lemma 3 ist Bild F (Q ) eine Quadrik, deren Gleichung x t Id t A Id x + 2Id t A b + Id t t a x + ( a ) t b + a = x t A x + 2A b + (a t t ) x + a t b + a = ßÞ Ð ßÞ Ð ßÞ Ð A a a ist Da A wie oben ist, können wir b so wählen, dass ßÞ Ð a ßÞ Ð a a = ( } {{ } a k+ a n ) (für i k setze b i = a i 2λ i, sonst b i = ) k

22 Ist k = n, oder (a k+,,a n ) = ( ), so sind wir fertig Wenn (a k+,,a n ) ( ) ist, betrachte man eine (n k) (n k) orthogonale Matrix O n k, sodass (für ein λ R) gilt λ O n k = a k+ a n Existenz: Mit Gram-Schmidt schem Verfahren kann man eine orthonormale Basis (o,,o k+n ) finden, sodass o proportional zu ist Dann ist Matrix O n k, sodass O n k e i = o i orthogonal (da die Basis orthonormal ist), und sie überführt ein a k+ Vielfaches von e in einen Vektor, der zu proportional ist a n a k+ a n

23 Man betrachte die Isometrie F 2 von R n mit F 2 gegeben durch F 2 (x) = + x Nach Lemma 3 ist O n k ßÞ Ð Das ist eine orthgonale Matrix, zb O Q 2 := Bild F2 (Q ) eine Quadrik mit der Gleichung (x ) ( a n k a n) O t n k λ λk O t n k x ßÞ Ð (x ) x t Oa=λx t e k+ =λe t k+ x λ λk x + a = + ( λ ) ßÞ Ð ßÞ Ð k n k x + a = O n k x +

24 Jetzt betrachte die Isometrie F 3, sodass F 3 die Translation F (x) = b + x ist, mit b = ( } {{ } b k+ b n ) Ist ein a i, so k können wir b so wählen, dass a = (ZB b a = ( )) b }{{} i i te Stelle Satz 8 ist bewiesen Um Satz 9 zu beweisen, müssen wir noch die µ x passende Skalierung x machen, die offensichtlich eine µ n affine Abbildung ist, um die von Null verschiedenen Koeffizienten gleich ± zu machen

25 Bsp zu Beweis von Satz 8 Wir betrachten die Quadrik in R 3 Nach Algorithmus im Beweis von Satz 8 sollen wir zuerst die Matrix diagonalisieren (mit Hilfe von orthogonalen Matrizen) In LAAG I haben wir gelernt, dass die Basis in welcher die Matrix Diagonalgestalt hat, aus Eigenvektoren besteht Das charakteristische Polynom ist, die Nullstellen davon sind, und die entsprechenden Eigenvektoren sind (die sind automatisch zueinander orthogonal, da die Eigenwerte verschieden sind; ich habe sie zusätzlich normiert damit sie eine orthonormale Basis bilden)

26 Als orthogonale Transformationsmatrix erhält man dann O In dem neuen Koordinatensystem x = Oy sieht die Gleichung nach Lemma 3 und ausrechnen wie folgt aus: Wir müssen noch den zweiten Eintrag in a gleich machen: Da sehen wir, dass nach der Parallelverschiebung = der Quadrik die Normalform hat z z 2 z 3 y y 2 + y 3 die Gleichung

27 Wie kann man die Normalform (bzgl Affinen Transformationen) bestimmen, ohne die affine Abbildung bzw Isometrie zu finden? Antwort in Dim 2: Sei Q eine Quadrik in R 2 gegeben durch a a n (x ) x + (a a n) x + a = a n a nn Bezeichnung = det(erw Q ), δ = det(a), S = spur(a) Bemerkung Man kann S immer S machen, indem man die Gleichung der Quadrik mit multipliziert Satz 2 Angenommen S Es gilt: * ist δ > und <, dann ist die Quadrik eine Ellipse, * ist δ < und, so ist die Quadrik eine Hyperbel * ist δ = und, so ist die Quadrik eine Parabel * ist δ = und =, so ist die Quadrik ein paralleles Geradenpaar * ist = und δ >, so ist die Quadrik gleich * ist = und δ <, so ist die Quadrik ein Geradenpaar mit Schnittpunkt Bemerkung Nur die Vorzeichen von und δ werden benutzt

28 Frage Was passiert mit = det(erw Q ) und δ = det(a) nach einem affinen Isomorphismus F? Lemma 3: Sei F = b + Bx Q := Bild F (Q) Dann ist Erw Q = B t b b n ßÞ Ð a a n a n a nn a /2 a n/2 a a /2 a n/2 B Erw t ßÞ Ð Erw Q Also, Erw Q = BErw t Erw QB Erw Dann ist det(erw Q ) = B B B t b b n ßÞ Ð B Erw det(berw t )det(erw Q)det(B Erw ) Weil det(c) = det(ct ) = det(b Erw ) 2 Also wird }{{} > das Vorzeichen von nicht geändert Ähnlich: Weil A = B t AB ist, ist det(a ) = det(b) 2 }{{} > }{{} δ Also wird das det(a) Vorzeichen von δ nicht geändert Dann genügt es, Satz 2 nur für Gleichungen, die bereits in Normal-Form stehen, zu beweisen

29 Quadrik Erw Q und δ Ellipse λ µ = λµ, δ = λµ Hyperbel λ µ = λµ, δ = λµ Parabel λ ± = λ, δ = λ =, δ = λ µ = λµ, δ = λµ λ µ =, δ = λµ paralleles Geradenpaar Geradenpaar mit einem Schnittpunkt

30 Die Gleichung der Quadrik durch 5 Punkte Satz 2 Seien X,,X 5 5 verschiedene Punkte in R 2 Dann existiert eine Quadrik Q die diese 5 Punkte enthält Beweis (nur Existenz): Die Gleichung der Quadrik sieht wie folgt aus: a a 2 (x y) a 2 x 2 + a 2 a 22 y x + a 2 y + a = a x 2 + a 2 xy + a 22 y 2 + a x + a 2 y + a = Wenn die 5 Punkte x y,, x5 y 5 auf der Quadrik liegen, ist das folgende lineare Gleichungsystem erfüllt: x 2 x y y 2 x y x 2 x 2 y 2 y 2 x 2 y 2 x3 2 x 3 y 3 y3 2 x 3 y 3 x4 2 x 4 y 4 y4 2 x 4 y 4 x 2 5 x 5 y 5 y 2 5 x 5 y 5 ßÞ Ð C a a 2 a 22 a a 2 a dim(kern C ) = 6 dim(bild C ) }{{} 5 = Nach Dimensionsformel ist, also gibt es eine Lösung

31 Warum sind Quadriken interessant Vor Jahren: Nach Kepler schen Gesetzen sind die Bahnkurven von astronomischen Objekten Quadriken (zb sind Planetenorbite Ellipsen) Um Koordinaten seines Schiffs (in der See) auszurechnen, kann Kapitän nur astronomische Objekte (+ präzise Uhr) benutzen; Geometrie von Quadriken spielte deswegen große Rolle in Ausbildung der Kapitäne 2 In Analysis von Funktionen von mehreren Variablen: Mehrdimensionale Taylor-Reihe (Ana II/III) Satz (Taylorentwicklung, Ana II) Sei f : R n R eine glatte Funktion (zb existieren die dritten partiellen Ableitungen }{{} mehrdimensionale Verallgemeinerung von Ableitung; wird in Ana II erklärt und sind stetig) Sei z = z ein Punkt Dann gilt: ßÞÐ a n z n f f (x) := f (z) + (z) (x i z i ) + 2 f (z)(x 2 i z i )(x j z j ) + Rest(x z) x i= i x i,j= i x j ßÞ Ð ßÞ Ð a t (x z) n ßÞ Ð (x z) t A(x z) mit Rest(x z) x z 2 für x z Also, bis zum Rest(x z) (welcher in der Nähe von z klein ist), ist jede Funktion eine quadratische Funktion von y := x z mit a = f (z), a i = f x i (z) und A ij = 2 f 2 x i x j

32 Klausur Die Klausur findet am 27 von 9-, HS 4 Physik (JENOPTIK-Hörsaal), Helmholtzweg 5 statt Übliche Regel (Nichts ist erlaubt; Ausweis mitbringen; Papier wird gegeben) Wie in der Probe-Klausur kann die 3te Aufgabe ( Hausaufgabe ) eine beliebige Hausaufgabe sein; nicht nur Beweishausaufgabeaufgabe Die Liste von Sätze, deren Beweis abgefragt werden kann, stelle ich in ein paar Tage in Netz Teilweise haben Sie diese Liste seit der Probe-Klausur Dieselbe Regeln/Listen gelten auch für die Wiederholungsklausur

33 Zulassung Die Liste von zugelassene Leute bekomme ich von den Übungsleitern am Mittwoch; und trage die Zulassung in Fridolin ein Sie sollen dann von Fridolin eine Nachricht bekommen, bzw Sie können sich selber einlogen und die Zulassunginformation abrufen Falls Sie damit nicht einverstanden sind (also, falls der Übungsleiter zb nicht alle Punkte anerkannt hat bzw wegen Krankheit oder andere wichtige Gründe nicht abgegebene Blätter aus der Wertung nicht Rausgenohmen hat), klären Sie es bitte zuerst mit dem Übungsleiter Die Summe aller Hausaufgabenpunkte ist (wenn ich keinen Rechenfehler gemacht habe) ist = 64; also Zulassungsgrenze ist 6 64 = 98 Punkte Die Teilnehmer der Montagsgruppe sollen nach Möglichkeit in dieser Woche auch in eine andere Übungsgruppe gehen (um das letzte Blatt zu besprechen)

34 Was werden Sie später in der Mathematik-Studium benutzen Gruppen, Ringen, Körper, Polynome Zahlentheorie; Geometrie Matrixkalkül (Multiplizieren/Invertieren/Diagonalizieren) und Determinanten Überall, insb Analysis III Strategien von Beweisen; Theorienaufbau Überall

35 Ankündigung In WS organisiere ich zwei Proseminare für Lehramt-Studierende: Graphentheorie 2 Lösen von mathematischen Problemen mit Hilfe von physikalischen Argumenten Sie sind eingeladen

36 Viel Erfolg!!!

Erweiterte Koordinaten

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

Mehr

Wiederholung. Lemma 16 Ist A symmetrisch, so gibt eine eine orthogonale Matrix O, s.d. O 1 AO diagonal ist.

Wiederholung. Lemma 16 Ist A symmetrisch, so gibt eine eine orthogonale Matrix O, s.d. O 1 AO diagonal ist. Wiederholung Lemma 6 Ist A smmetrisch, so gibt eine eine orthogonale Matrix O, sd O AO diagonal ist Wiederholung Lemma 6 Ist A smmetrisch, so gibt eine eine orthogonale Matrix O, sd O AO diagonal ist (Smmetrische

Mehr

Wie kann man die Normalform (bzgl. Affinen Transformationen) bestimmen, ohne die affine Abbildung bzw. Isometrie zu finden?

Wie kann man die Normalform (bzgl. Affinen Transformationen) bestimmen, ohne die affine Abbildung bzw. Isometrie zu finden? Wie kann man die Normalform (bzgl. Affinen Transformationen) bestimmen, ohne die affine Abbildung bzw. Isometrie zu finden? Antwort in Dim 2: Sei Q eine Quadrik in R 2 gegeben durch a 11... a 1n x 1 x

Mehr

Abschnitt: Diagonalisierung von Endomorphismen

Abschnitt: Diagonalisierung von Endomorphismen Abschnitt: Diagonalisierung von Endomorphismen Wiederholung: Endomorphismus von V ist eine lineare Abbildung von V nach V. Frage: f sei ein Endomorphismus. In welcher Basis ist die darstellende Matrix

Mehr

Affine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3...

Affine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3... Affine Hülle Wiederholung. Der Vektor x K n ist eine lineare Kombination der Vektoren x,...,x k K n, wenn es Zahlen λ,...,λ k K gibt mit x = λ x +... + λ k x k. Def. Gibt es solche Zahlen λ,...,λ k K mit

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 12

Technische Universität München Zentrum Mathematik. Übungsblatt 12 Technische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 12 Hausaufgaben Aufgabe 12.1 Sei f : R 3 R 3 gegeben durch f(x) :=

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

6 Metrische Klassifikation der Quadriken

6 Metrische Klassifikation der Quadriken 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

Mehr

Klausurenkurs zum Staatsexamen (SS 2014): Lineare Algebra und analytische Geometrie 8

Klausurenkurs 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

Mehr

43911: Lineare Algebra/Geometrie Prüfungstermin Frühjahr 2015 Lösungsvorschlag

43911: 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

Mehr

Affine Eigenschaften ( stets K = R)

Affine Eigenschaften ( stets K = R) Affine Eigenschaften ( stets K = R) Def. 15 Sei M eine Teilmenge eines affinen Raums A über V (über K). Eine Eigenschaft der Menge M heißt affin, wenn für jede Affinität F : A A 1 die Bildmenge {F(a)wobei

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

Abschnitt: Diagonalisierung von Endomorphismen

Abschnitt: Diagonalisierung von Endomorphismen Abschnitt: Diagonalisierung von Endomorphismen Wiederholung: Endomorphismus von V ist eine lineare Abbildung von V nach V. Frage: f sei ein Endomorphismus. In welcher Basis ist die darstellende Matrix

Mehr

1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen

1. 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)

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

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

Mehr

Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT

Lösungen 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

Mehr

Quadratische Matrizen

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

Mehr

1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen

1. 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

Mehr

Plan für Heute/Morgen

Plan für Heute/Morgen Plan für Heute/Morgen Kongruenzsätze: aus der Schule wissen wir die SSS, SWS, und SSW Kongruenzsätze für Dreiecke: Wir wollen diese Sätze im Rahmen unseres Modells (wenn Punkte die 2 Tupel von reellen

Mehr

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w = 1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition

Mehr

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen) Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung

Mehr

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit

Analysis 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

Mehr

Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4.

Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4. Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4. Aufgabe 2.1 (8 Punkte) Es sei K ein Körper, n N, V ein 2n-dimensionaler K -Vektorraum und U

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium 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 +

Mehr

und Unterdeterminante

und Unterdeterminante Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,

Mehr

und Unterdeterminante

und Unterdeterminante Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 MUSTERLÖSUNG Name: Studiengang: Aufgabe 1 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter die Aufgabenstellung

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

Höhere Mathematik II für die Fachrichtung Physik

Höhere Mathematik II für die Fachrichtung Physik Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz SS 5 4.5.5 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt

Mehr

I (u +v)+w = u +(v +w) II u +v = v +u III Es existiert ein 0 V, s. d. 0+v = v IV Es existiert ein v V, s. d. v +v = 0

I (u +v)+w = u +(v +w) II u +v = v +u III Es existiert ein 0 V, s. d. 0+v = v IV Es existiert ein v V, s. d. v +v = 0 Def. Sei (K,+, ) ein Körper. Eine Wiederholung: (Hauptdefinition Menge V mit Abbildungen der LAAG1:) Vektorraum ist eine + : V V V Menge V mit zwei Abbildungen : K V V + : V V V, : R V heißt ein Vektorraum

Mehr

Lineare 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. 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

Mehr

Wiederholung: lineare Abbildungen

Wiederholung: lineare Abbildungen Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) =

Mehr

9 Eigenwerte und Eigenvektoren

9 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

Mehr

9 Eigenwerte und Eigenvektoren

9 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

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik 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

Mehr

Einige Lösungsvorschläge für die Klausur zur Vorlesung

Einige 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

Mehr

Lineare Algebra II 11. Übungsblatt

Lineare 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

Mehr

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (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 =

Mehr

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 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

Mehr

2. Klausur zur Linearen Algebra II

2. Klausur zur Linearen Algebra II Technische Universität Dortmund Fakultät für Mathematik Platznummer: Sommersemester 7.9.7. Klausur zur Linearen Algebra II Name: Vorname: Matrikelnummer: Studiengang: Wichtige Informationen: Prüfen Sie

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist

Mehr

6.3 Hauptachsentransformation

6.3 Hauptachsentransformation Im Wintersemester 6/7 wurde in der Vorlesung Höhere Mathematik für Ingenieurstudiengänge der folgende Algorithmus zur Hauptachsentransformation besprochen: 63 Hauptachsentransformation Die Matrizen, die

Mehr

Henning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich

Henning 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

Mehr

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. 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 =

Mehr

5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit

5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit ME Lineare Algebra HT 2008 99 5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit 5.1 Ein Beispiel zur Motivation Als einfachstes Beispiel eines dynamischen Systems untersuchen wir folgendes Differentialgleichungssystem

Mehr

T := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass

T := {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

Mehr

7.3 Unitäre Operatoren

7.3 Unitäre Operatoren Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren

Mehr

Basisprüfung. 18. August 2015

Basisprüfung. 18. August 2015 Lineare Algebra I/II D-MATH, HS 4/FS 5 Prof Richard Pink Basisprüfung 8 August 25 [6 Punkte] Betrachte den reellen Vektorraum R 3 zusammen mit dem Standardskalarprodukt, und die Vektoren 9 3 v := 6, v

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte

Mehr

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen) Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f(v) = u} (Andere Bezeichnung: f(v) wird in Analysis-Vorlesung

Mehr

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 43 Polynome in mehreren Variablen und Nullstellenmengen Als eine Anwendung der Diagonalisierbarkeit von symmetrischen

Mehr

7.2 Die adjungierte Abbildung

7.2 Die adjungierte Abbildung 7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)

Mehr

Quadriken. Quadriken und Hauptachsentransformation. Lineare Algebra I, WS 10/11 Ingo Blechschmidt 13. März 2011

Quadriken. 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

Mehr

Aufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie:

Aufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie: Aufgabe I (4 Punkte Gegeben seien die Matrix und die Menge Zeigen Sie: H := L := {A R 4 4 A HA = H} a L ist bezüglich der Matrizenmultiplikation eine Gruppe b Die Matrizen der Form ( E O, O B wobei E R

Mehr

fj 2 = f n f n+1. fj 2 = 0 2 = 0 = 0 1 = f 0 f 1. f 2 j = f n f n+1 +fn+1 = (f n +f n+1 )f n+1 = f n+2 f n+1 = f n+1 f (n+1)+1.

fj 2 = f n f n+1. fj 2 = 0 2 = 0 = 0 1 = f 0 f 1. f 2 j = f n f n+1 +fn+1 = (f n +f n+1 )f n+1 = f n+2 f n+1 = f n+1 f (n+1)+1. Stroppel Musterlösung 4..4, 8min Aufgabe 3 Punkte) Sei f n ) n N die Fibonacci-Folge, die durch f :=, f := und f n+ := f n +f n definiert ist. Beweisen Sie durch vollständige Induktion, dass für alle n

Mehr

(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.

(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet. L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 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

Mehr

Anwendung v. symmetrischen Matrizen: Hauptachsentransformation

Anwendung v. symmetrischen Matrizen: Hauptachsentransformation Anwendung v. symmetrischen Matrizen: Hauptachsentransformation Einleitende Bemerkungen: Gl. für Kreis: Gl. für Elllipse: (gestauchter Kreis) Gl. für Kugel: Gl. für Elllipsoid: (gestauchter Kugel) Diese

Mehr

Lineare Algebra 2. Lösung zu Aufgabe 7.2:

Lineare Algebra 2. Lösung zu Aufgabe 7.2: Technische Universität Dortmund Sommersemester 2017 Fakultät für Mathematik Übungsblatt 7 Prof. Dr. Detlev Hoffmann 15. Juni 2017 Marco Sobiech/ Nico Lorenz Lineare Algebra 2 Lösung zu Aufgabe 7.1: (a)

Mehr

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops

Orientierung 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

Mehr

Karlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning

Karlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning Karlsruher Institut für Technologie (KIT) WS 22/3 Institut für Analysis 28..23 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Höhere Mathematik I für die Fachrichtung Physik 4. Übungsblatt (letztes Blatt)

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

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1. Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x

Mehr

Anwendung v. symmetrischen Matrizen: Hauptachsentransformation

Anwendung 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

Mehr

Wiederholung und Plan:

Wiederholung und Plan: Wiederholung und Plan: Ziel: alle linearen f : V U zu beschreiben, wobei V,U Vektorräume sind, sd dim(v) = n

Mehr

Neues Thema: abstrakte Algebra: Gruppen- und Körpertheorie

Neues Thema: abstrakte Algebra: Gruppen- und Körpertheorie Neues Thema: abstrakte Algebra: Gruppen- und Körpertheorie Def. Eine Gruppe besteht aus einer nicht leeren Menge G und einer Abbildung : G G G (wir werden a b oder ab statt (a,b) schreiben; die Abbildung

Mehr

Drehung um einen Punkt um Winkel α.

Drehung um einen Punkt um Winkel α. Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (Teschl/Teschl 14.2) Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

Mehr

Lineare Algebra I für Mathematiker Lösungen

Lineare Algebra I für Mathematiker Lösungen Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation

Mehr

6 Eigenwerte und Eigenvektoren

6 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,

Mehr

m 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23

m 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23 Kapitel 5 Eigenwerte 5. Definition und Beispiele Wir sehen uns ein System dreier schwingender Kugeln der Massen m, m und m 3 an, die durch Federn aneinander gekoppelt sein sollen. m k m k 3 m 3 x ( t x

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische 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

Mehr

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016, Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren

Mehr

(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.

(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet. L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Anwendungen in der Physik: Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors - Normalmoden

Mehr

5 Diagonalisierbarkeit

5 Diagonalisierbarkeit 5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj

Mehr

Lösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen

Lösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen Technische Universität Berlin Sommersemester 2008 Institut für Mathematik 18 Juli 2008 Prof Dr Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Klausur zur Linearen Algebra II Aufgabe 1 (1+1+1 Punkte)

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 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

Mehr

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Vorlesung 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

Mehr

1 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 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

Mehr

Universität Bielefeld Sommersemester Lineare Algebra 2 Übungsblatt 1

Universität 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

Mehr

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen

Lina 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

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg.

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg. Übungsaufgaben 13. Übung: Woche vom 23. 1.-27. 1. 2017 (Lin.Alg. II): Heft Ü 3: 1.1.3; 1.1.7 (a,b); 1.1.8; 1.1.11; 3.4.3 (b); 1.3.3 (c); 1.2.3 (b,d); Hinweis 1: 3. Test (Integration, analyt. Geom.) ist

Mehr

Analytische Geometrie

Analytische 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

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

Exkurs: Klassifikation orthogonaler 2 2-Matrizen.

Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Aussage: Es gilt: (a) Jede orthogonale 2 2 Matrix A mit det(a) = 1 hat das Aussehen cos(α) sin(α) D(α) = sin(α) cos(α), wobei α [0,2π[. Ist sin(α) 0, so

Mehr

L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren. Gegeben. Gesucht: Diagonalform: Finde und! Definition: Eigenvektor, Eigenwert

L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren. Gegeben. Gesucht: Diagonalform: Finde und! Definition: Eigenvektor, Eigenwert L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors

Mehr

KAPITEL 8. Normalformen. 1. Blockmatrizen. ,C K m 2 n 1. X = K (m 1+m 2 ) (n 1 +n 2 ) K L. und Y = M N Blockmatrizen mit.

KAPITEL 8. Normalformen. 1. Blockmatrizen. ,C K m 2 n 1. X = K (m 1+m 2 ) (n 1 +n 2 ) K L. und Y = M N Blockmatrizen mit. KAPITEL 8 Normalformen Definition 8.1 (Blockmatrizen). Sind 1. Blockmatrizen A K m 1 n 1,B K m 1 n 2,C K m 2 n 1 und D K m 2 n 2 so nennet man die Matrix X = ( A B C D ) K (m 1+m 2 ) (n 1 +n 2 ) eine Blockmatrix

Mehr

Diplomvorprüfung LA H 06 VD : 1

Diplomvorprüfung LA H 06 VD : 1 Diplomvorprüfung LA H 6 VD : Aufgabe : (3 + + = 6 Punkte) Gegeben sei die Matrix A = a) Bestimmen Sie die Eigenwerte von A b) Bestimmen Sie alle Eigenvektoren der Matrix A c) Ist die Matrix A invertierbar?

Mehr

Wiederholungsserie II

Wiederholungsserie II Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095

Mehr

Lineare Algebra II Lösungen der Klausur

Lineare Algebra II Lösungen der Klausur Prof Dr K Doerk 673 Jens Mandavid Christian Sevenheck Lineare Algebra II Lösungen der Klausur (a Diese Aussage ist richtig, sie stimmt nämlich für k = Sei nämlich n N beliebig und bezeichne N die Menge

Mehr

Ein Produkt ist Null, wenn einer der Faktoren gleich Null ist. Die beiden Eigenwerte sind demnach. λ 1 = 0, λ 2 = 2i. 1 i

Ein Produkt ist Null, wenn einer der Faktoren gleich Null ist. Die beiden Eigenwerte sind demnach. λ 1 = 0, λ 2 = 2i. 1 i TU Dresden Fakultät Mathematik Institut für Numerische Mathematik Lösung zur Aufgabe (b des Übungsblattes Ermitteln Sie on der folgenden Matrix alle (komplexen Eigenwerte und zu jedem Eigenwert einen zugehörigen

Mehr

3 Determinanten, Eigenwerte, Normalformen

3 Determinanten, Eigenwerte, Normalformen Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF

TECHNISCHE 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

Mehr

Kapitel 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 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

Mehr