Wir betrachten zwei Hyperkreise und im n dimensionalen. Raume, die durch die beiden Hyperkugelpaare(1)
|
|
- Katarina Ziegler
- vor 7 Jahren
- Abrufe
Transkript
1 Differentioigeometrie der Kreisscharen III, von Soji NAKAJIMA in Hamburg, Deutschland. Wir betrachten zwei Hyperkreise und im n dimensionalen. Raume, die durch die beiden Hyperkugelpaare(1) dargestellt sind. Wir definieren mit u nd setzen voraus. Dann haben wir fur die Buscholtransformationen (1) zu berucksichtigen. Die c in (1) sind von den c in (1) vdllg unabhaiigige neue Grossen. Nattirlich haben wir Vektoren und Tensoren bezuglich der Bu. scheltransformationen von einerseits und von andererseits zu unterscheiden. Nun definieren wir zu A den reziproken Tensor A und zu A den reziproken Tensor A wie folgt: wobei (1) Vergl. Differentialgeometrie der Kreissoharen (II), The Tohoku Math. Journal, Bd. 31 (1929).
2 DIFFERENTIALGEOMETRIE DER KREISSOHAREN III. 211 Es gilt dann und In haben wir ein Grossensystem, bei dern beide Arten von Indizen vorkoinmen, einen,, gemischten gtensor, der sich nach (2) transformiert. Die Matrix (3) in dem eine lineare Beziehung der Form (4) besteht. Die Bedeutung von (4) ist aber die dass es eirie Hyperkugel gibt, auf der beide Hyperkreise im n dimensionalen Rauine liegen. Offenbar ist diese Bedingung gleichbedeutend mit der, dass ich beide Hyperkreise in zwei Punkten im n dimensionalen Raume s schneiden. Gilt (3) nicht, so sind die vier Hilfshyperkugeln linear unabhangig, und ihre Invarianten gegendber Mobiu stransforinationen sich sicher alle aus den skalaren Produkten bilden lassen. Diese sind aber alle durch die drei Tensoren A, A, S gegeben, von denen die ersten zwei wegen der Symmetrie Aƒ ƒà=aƒàƒ, AƒÊ=AƒÊ e aus drei, der letzte aus vier j Skalarprodukten bestehen. Insgesamt haben wir also 10 solche Skalarprodukte. Um Invarianten unserer Hyperkreise zu bekommen, haben wir aus ihnen solche Ausdriicke zu bilden, die gegeniiber (1) invariant ind. s Die Bildung der Invarianten der beiden Hyporkreise kommt also darauf hinaus, aus den Formeln(2) (2) VergL, Differentialgeometrie der Kreisscharen (II), The T8hoku Math. Journal, Bd. 31 (1929).
3 212 SOJI NAKAJIMA: and (2) die 8 Grossen cƒ ƒà, cƒêzu eliminieren. Wir warden also 10-8=2 Invarianten der Hyperkreise orwarten. Wir bilden nun den in ƒ und ƒà symcnetrischen Tensor (5) der nur indizen erster Art tragt. Statt der 7 Grossen AƒÊ, Sƒ fuhren wir nun drei Grossen Tƒ ƒà neben. Aƒ ƒà ein, damit haben wir 4 Grossen verloren. Da aber in den Transformationsformeln von Aƒ ƒàund Tƒ ƒà die c, garnicht vorkommen, entspricht dieser Verlustgerade der Elimination der 4 Grossen cƒê. Es bleibt die Aufgabe, dieinvarianten der gloichartigen Tensoren Aƒ ƒà, Tƒ ƒà zu bestimmen. Das entspricht aber gerade dem Problem der Invariantenbestirnmung zweier quadratischer Formen im Gebiet zweier Variabeln, wie sie in der Flachentheorie vorkommt. Der Gauss'schen und mittleren Krummung entsprechend haben wir die beiden Invarianten (6) wo T die Determinante Tƒ ƒà ist. Aus (5) ergibt rich (7) Somit hat man auch (8) Aus (8) ersieht man, dass die Invarianten in den Tensoren beider schel symmetrisch sind, trotz der Bevorzugung des ersten Buschels durch Einfuhrung von Tƒ ƒà bei ihrer Herleitung. Wir betrachten nun spezielle Falle von Hyperkreispaaren. (A). K=O. In diesem Falle gibt es durch jeden der beiden Hyperkreise eine Hyperkugel, die zu dem andern senkrecht ist. Denn es gibt nur dann eine Hyperkugel mit
4 DIFFERENTIALGEOMETRIE DER KREISSOHAREN III. 213 (9) wenn die Detertminante des Gleichungsystems in den hotnogenen Grossen pa verschwindet, also wenn S=K=O Dieselbe Bedingung erhalt man auch fur den Fall der Existenz einer analogen Hyperkugel im zweiten Buschel. Umgekehrt folgt aus K=O, die Moglichkeit der Gleichung (9) und somit die Existenz von und analog von. (B). H=O. Fuhren wir Fur und zwei Paare normierter senkrechter Hilfshyperkugeln ein, so wird u nd Da H aus einer Summe von Quadraten Hyperkreise nur dann verschwinden, wenn besteht, kann es fur ist. Sa=0 Im Komplexen ist die geometrische Bedeutung von H=O die folgende: Durch jeden der Hyperkreise gibt es ein Paar von Hyperkugeln, die einen Scheitel des anderen Hyperkreises enthalten. Fur H=O bestehen die beiden Paare aus zueinander senkrechten Hyperkugeln. Solche Hyperkreispaare seien harmonisch genannt. Der Beweis ist bei Einfuhrung der Scheitel als Hilfskugeln leicht zu fiffiren. (C). Sa=0, so mit H=K=O. In diesem Falle ist nach (9) j ede Hyperkugel durch zu senkrecht, und umgekehrt auch Hyperkugel durch senkrecht zu. D). 2H-K=1. In diesem Fall schneiden sich die Hyperkreise. ( Denn durch ist die gemeinsame Orthogonalhyperkugel beider Hyperkreise gegeben.
5 214 SOJI NAKAJIMA: DIFFERENTIALGFEONETRIE DER KREISSOEiAREN. Sie schrumpft fur sich schneidende Hyperkreise auf einen Punkt. zusammen die Rechenregel fuhrt aber auf die behauptete Gleichung. Wenn wir anstatt (10) nehmen, Satz: dann folgt aus (A) der Satz: In dem Fall gibt es durch die t Hyperkreise eine Hyperkugel, die zu den andern senkrecht ist, wobei Si gemischte Tensoren zwischen (10) rind. Aus (B) (C) und (D), kann man die ahnlichen Satze beweison. Mai 1928
Definition: Euklidischer Raum mit Skalarprodukt. Die kanonische Basis von Einheitsvektoren sind paarweise orthogonal zueinander:
Definition: Euklidischer Raum mit Skalarprodukt Einsteinsche Summenkonvention (ES): über doppelt vorkommende Indizes wird summiert. Die kanonische Basis von Einheitsvektoren sind paarweise orthogonal zueinander:
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
Mehr2.2 Kollineare und koplanare Vektoren
. Kollineare und koplanare Vektoren Wie wir schon gelernt haben, können wir einen Vektor durch Multiplikation mit einem Skalar verlängern oder verkürzen. In Abbildung 9 haben u und v die gleiche Richtung,
Mehr3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153
3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
Mehr12 Übungen zu Gauß-Algorithmus
Aufgaben zum Vorkurs B S. 2 Übungen zu Gauß-Algorithmus 2x x 2 = 7x +, 5x 2 = 7 Aufgabe 6: Aufgabe 7: Aufgabe 8: Aufgabe 9: 2x x 2 = x +2x 2 = 2 2x x 2 = 7x +, 5x 2 =, 5 x 2x 2 = x +x 2 = 5 2x +x 2 = 4
MehrLineare Schieberegisterfolgen
Lineare Schieberegisterfolgen Sei K ein endlicher Körper. Man nehme zwei Vektoren x 0 a0 x n 1, a n 1 K n n 1 x n := a i x i und betrachte die lineare Abbildung : K n K n, die durch i=0, berechne x 0 x
Mehr++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1
Hauptachsentransformation. Einleitung Schneidet man den geraden Kreiskegel mit der Gleichung = + und die Ebene ++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen +2 + +dx+ey+f = 0. Die
MehrDEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )
Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon
MehrLineare Algebra für Physiker 11. Übungsblatt
Lineare Algebra für Physiker 11. Übungsblatt Fachbereich Mathematik SS 01 Prof. Dr. Matthias Schneider./. Juli 01 Dr. Silke Horn Dipl.-Math. Dominik Kremer Gruppenübung Aufgabe G1 (Minitest) (a) Welche
Mehr1 0 1, V 3 = M, und λ A = λa
Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a
Mehr. Name motiviert durch (hängt von Einbettung in höher dimensionalen Raum ab) folgendes Bild:
1.4 Vektoren Jeder Vektor (Vierer-Vektor) lebt an einem bestimmten Punkt der Raumzeit. Dieser lässt sich bei Krümmung nicht einfach verschieben. Betrachte deshalb Menge alle Vektoren an einem Punkt p =
MehrPolaren am Kreis. Helmut Frühinsfeld (aka ottogal) September x 2. , usw.) a 2. = a 1 b 1 + a 2 b 2 (1) a = 1 + a 2 2 (2) a 2 a.
Polaren am Kreis Helmut Frühinsfeld aka ottogal September 017 1 Vorbemerkungen Wir verwenden ein kartesisches x 1, x -Koordinatensystem. Zu jedem Punkt Xx 1 x gehört der Ortsvektor OX = Analog hat Aa 1
MehrLineare 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
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
MehrDas Skalarprodukt zweier Vektoren
Beim Skalarprodukt zweier Vektoren werden die Vektoren so multipliziert, dass sich ein Skalar eine Zahl ergibt. Die Berechnung des Skalarproduktes ist ziemlich einfach, aber die weiteren Eigenschaften
MehrLernunterlagen Vektoren in R 2
Die Menge aller reellen Zahlen wird mit R bezeichnet, die Menge aller Paare a 1 a 2 reeller Zahlen wird mit R 2 bezeichnet. Definition der Menge R 2 : R 2 { a 1 a 2 a 1, a 2 R} Ein Zahlenpaar a 1 a 2 bezeichnet
MehrDualitätssätze der linearen Optimierung
Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =
Mehr4.3 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
MehrOrthonormalbasis. Orthogonalentwicklung
Orthonormalbasis Eine Orthogonal- oder Orthonormalbasis des R n (oder eines Teilraums) ist eine Basis {v,..., v n } mit v i = und v i, v j = für i j, d. h. alle Basisvektoren haben Norm und stehen senkrecht
Mehr3.5 Duale Vektorräume und Abbildungen
3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
MehrAufgaben zu Kapitel 20
Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Verständnisfragen Aufgabe 20 Sind die folgenden Produkte Skalarprodukte? (( R ) 2 ( R 2 )) R : v w,, v v 2 w w 2 (( R ) 2 ( R 2 )) R : v w, 3 v v 2 w w + v
Mehr6.3 Hauptachsentransformation
Im Wintersemester 6/7 wurde in der Vorlesung Höhere Mathematik für Ingenieurstudiengänge der folgende Algorithmus zur Hauptachsentransformation besprochen: 63 Hauptachsentransformation Die Matrizen, die
MehrKlausur Lineare Algebra I & II
Prof. Dr. G. Felder, Dr. Thomas Willwacher ETH Zürich, Sommer 2010 D MATH, D PHYS, D CHAB Klausur Lineare Algebra I & II Bitte ausfüllen! Name: Vorname: Studiengang: Bitte nicht ausfüllen! Aufgabe Punkte
MehrL3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...
L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt
MehrKapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)
Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen
Mehr9. Übung zur Linearen Algebra II -
9. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 00. Aufgabe 33 (i) Beweise oder widerlege: In einem euklidischen VR gilt x + y = x + y x y (Satz von Pythagoras).
MehrANALYTISCHE GEOMETRIE EINE EINFÜHRUNG IN GEOMETRIE UND LINEARE ALGEBRA
* ANALYTISCHE GEOMETRIE EINE EINFÜHRUNG IN GEOMETRIE UND LINEARE ALGEBRA DR. GUNTER PICKERT PROFESSOR AN DER UNIVERSITÄT GIESSEN MIT 77 ABBILDUNGEN 7., DURCHGESEHENE UND ERWEITERTE AUFLAGE LEIPZIG 1976
MehrAusgangsfrage: gegeben Vektorraum, wieviele Komponenten hat. allgemein: ein Vektorraum mit, heisst 'Unterraum' von. ist ein Unterraum von V.
L2.3 Basis und Dimension Ausgangsfrage: gegeben Vektorraum, wieviele Komponenten hat Formaler: was ist die 'Dimension' von Sei Definition: 'Span' 'lineare Hülle' = alle möglichen Linearkombination der
MehrL3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...
L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt
MehrLineare 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
MehrL5 Matrizen I: Allgemeine Theorie
L5 Matrizen I: Allgemeine Theorie Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen - Beschreibung von Lorenz-Transformationen
MehrMathematisches Kaleidoskop II Materialien Teil 3. Dr. Hermann Dürkop
Mathematisches Kaleidoskop II Materialien Teil 3 Dr. Hermann Dürkop E-Mail: info@ermanus.de .3.3 Noch zwei Isomorphie-Beispiele Beispiel : Wir betrachten die Symmetrien eines nichtquadratischen Rechtecks.
MehrMatrizentheorie. von F. R. Gantmacher. Mit 11 Abbildungen
Matrizentheorie von F. R. Gantmacher Mit 11 Abbildungen 0 w VEB Deutscher Verlag der Wissenschaften Berlin 1986 Inhalt Erster Teil: Allgemeine Theorie Matrizen und Matrizenoperationen Definition der Matrix.
MehrLösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1
D-MAVT Lineare Algebra II FS 8 Prof. Dr. N. Hungerbühler Lösungen Serie. Welche der folgenden Vektoren sind Eigenvektoren der Matrix? (a) (,, ). Ein Vektor v ist Eigenvektor von A :=, falls Av ein skalares
Mehr5. Krümmung Der Riemann sche Krümmungstensor
5 Krümmung 51 Der Riemann sche Krümmungstensor Gegeben sei eine Riemann sche Mannigfaltigkeit (M,, ) mit Levi-Civita-Zusammenhang D Der Riemann sche Krümmungstensor von M bezüglich D ist die Abbildung
MehrLineare Gleichungen. Mathematik-Repetitorium. 3.1 Eine Unbekannte. 3.2 Zwei oder drei Unbekannte. 3.3 Allgemeine lineare Gleichungssysteme
Lineare Gleichungen 3.1 Eine Unbekannte 3.2 Zwei oder drei Unbekannte 3.3 Allgemeine lineare Gleichungssysteme Lineare Gleichungen 1 Vorbemerkung zu Kapitel 1 Gleichungen (Unbekannte) (Variablen, Parameter)
MehrEigenwerte (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 =
MehrTensoren auf einem Vektorraum
ANHANG A Tensoren auf einem Vektorraum In diesem Anhang werden einige Definitionen und Ergebnisse betreffend Tensoren ohne Anspruch auf mathematische Strenge zusammengestellt. Das Ziel ist, den modernen
Mehr\"UBER DIE BIVEKTOR\"UBERTRAGUNG
TitleÜBER DIE BIVEKTORÜBERTRAGUNG Author(s) Hokari Shisanji Journal of the Faculty of Science Citation University Ser 1 Mathematics = 北 要 02(1-2): 103-117 Issue Date 1934 DOI Doc URLhttp://hdlhandlenet/2115/55900
Mehr, 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 =
MehrDifferentialgeometrie von Kurven und Flächen
Differentialgeometrie von Kurven und Flächen Inhaltsverzeichnis:. Hilfsmittel Fritzsche 2. Parametrisierte Kurven Ballnus, 29.0. 3. Ebene Krümmung Ballnus, 05.. 4. Raumkurven Stergiou, 2.. 5. Globale Eigenschaften
MehrAnalysis II. Vorlesung 48. Die Hesse-Form
Prof. Dr. H. Brenner Osnabrück SS 2015 Analysis II Vorlesung 48 Die Hesse-Form Wir sind natürlich auch an hinreichenden Kriterien für das Vorliegen von lokalen Extrema interessiert. Wie schon im eindimensionalen
MehrFlächen, Gauß-Krümmung, erste und zweite Fundamentalform, theorema egregium
Flächen, Gauß-Krümmung, erste und zweite Fundamentalform, theorema egregium A. Hartmann (alexander.hartmann@stud.uni-goettingen.de. April Ziel dieses Vortrags ist eine Einführung in einige Grundbegriffe
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16
Name, Vorname Matrikel-Nr. Aufg. Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 25/6 Bearbeiten Sie bitte
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
Mehr6. f : Abb(R, R) R mit ϕ f(ϕ) := ϕ(1) Hinweis:f :V W über K bedeutet Abbildung f zwischen den Vektorräumen V und W über demselben
Aufgabe 74. Untersuchen Sie die folgenden Abbildungen auf Linearität. 1. f : R 2 R 2 mit (x, y) f(x, y) := (3x + 2y, x) 2. f : R R mit x f(x) := ϑx + ζ für feste ϑ, ζ R 3. f : Q 2 R mit (x, y) f(x, y)
Mehr' Naeh einem Vortrage, gehalten am 9. September 1913 an der Jahresversammlung. IV athematische Begriffsbildungen zur Gravitationstheorie, 1) Von
IV athematische Begriffsbildungen zur Gravitationstheorie, 1) Von MARCEL GROSSMANN. Der mathematische Grundgedanke der Einstein'schen Gravitationstheorie, ein Gravitationsfeld zu charakterisieren durch
MehrDidaktik 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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I Wintersemester 3/ Aufgabenblatt 6. Januar Präsenzaufgaben
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 6 4. Mai 2010 Definition 69. Der Vektor f 3 x 2 (x 1, x 2, x 3 ) f 2 x 3 (x 1, x 2, x 3 ) f 1 x 3 (x 1, x 2, x 3 ) f 3 x 1 (x 1, x 2, x 3 ) f 2 x
Mehr10 Unitäre Vektorräume
10 Unitäre Vektorräume Pink: Lineare Algebra 2014/15 Seite 98 10 Unitäre Vektorräume Die Theorie komplexer Vektorräume mit Skalarprodukt folgt denselben Linien wie die Theorie reeller Vektorräume mit Skalarprodukt;
MehrLänge, 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
Mehr6. Vorlesung. Rechnen mit Matrizen.
6. Vorlesung. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt
MehrKapitel 22. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel Aufgaben Verständnisfragen Aufgabe. Gegeben sind kartesische Tensoren r ij k, s ij und t ij. Welche der folgenden Größen sind koordinateninvariant? s ii, s ij t jk, s ij t ji, r ijj, s ij t jk
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt
MehrAus dem Beispiel lässt sich ablesen (und auch beweisen, siehe Mathematikvorlesung): Die Einheitsvektoren des Koordinatensystems K sind die Spalten der
7 Aus dem Beispiel lässt sich ablesen (und auch beweisen, siehe Mathematikvorlesung): Folgerung: Drehmatrizen haben die Determinante. Folgerung: Drehmatrizen sind orthogonale Matrizen, das heißt D = D
MehrWas fehlt derzeit im Internet? Sicherlich eine verständliche Einführung in Tensoren.
Was fehlt derzeit im Internet? Sicherlich eine verständliche Einführung in Tensoren. Mehr von PLARTHIN gibt's im Internet auf http://plarthin.wordpress.com Literatur: - deutsche Wikipedia - Spacetime and
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
MehrL5.6 Symmetrische, hermitesche, orthogonale und unitäre Matrizen (Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen)
L5.6 Symmetrische, heresche, orthogonale und unitäre Matrizen (Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen) In diesem Kapitel kommen Matrizen in Zusammenhang Skalarprodukt vor.
MehrKlausur 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
MehrTrägheitstensor einer kontinuierlichen Massenverteilung
Trägheitstensor einer kontinuierlichen Massenverteilung Satz: Es gilt wieder: (vergleiche 10.2) Geschw. eines Volumenelements bei bezüglich Ursprung v. IS. Analog zu (3.1), (3.3): (3) in (2): Wähle Ursprung
MehrQuadratische Formen. und. Symmetrische Matrizen
Quadratische Formen und Symmetrische Matrizen 1 Ouverture: Lineare Funktionen von R n nach R 1 2 Beispiel: n = 2 l : (x 1, x 2 ) T 0.8x 1 + 0.6x 2 = < x, g > mit g := (0.8, 0.6) T. Wo liegen alle x = (x
MehrVektorräume und Lineare Abbildungen
Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um
Mehrsolche Permutationen. Für n von 1 bis 8 ergeben sich folgende Zahlen: [ ]
5A Permutationen Symmetrien geometrischer Figuren beschreibt man mathematisch durch Vertauschungen einer gewissen Anzahl von Punten, welche die Gesamtfigur unverändert lassen Beispiel : Drehungen und Spiegelungen
MehrProf. Dr. Elmar Grosse-Klönne Institut für Mathematik
Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik Lineare Algebra Analytische Geometrie I* Übungsaufgaben, Blatt Musterlösungen Aufgabe. Es seien A, B, C Teilmengen einer Menge X. Zeige: i A B C =
MehrS c h u l b i b l i o t h e k
S c h u l b i b l i o t h e k Eine Schüler und Lehrerhandreichung aus dem Math-College zur Einführ ung in die Di f fer enz ia lrec hnu ng unter Anwendung eines Computeralgebrasystems Eine Einführung in
MehrLineare Algebra II 11. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des
MehrTechnische 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) :=
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 39 Definitheit von Bilinearformen Wir möchten die symmetrischen Bilinearformen über den reellen Zahlen klassifizieren.
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
Mehr3. Trägheitstensor. Starrkörperdynamik Prof. Dr. Wandinger. 2. Der starre Körper
3. Trägheitstensor Im Beispiel der rollenden Scheibe hängt der Drall linear von der Winkelgeschwindigkeit ab. Bei der Berechnung des Dralls treten Integrale über die Geometrie des starren örpers auf. Es
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
MehrKurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif
14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte
Mehr10.2 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
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
Mehr4 Determinanten. 4.1 Eigenschaften der Determinante. ME Lineare Algebra HT
ME Lineare Algebra HT 2008 86 4 Determinanten 4. Eigenschaften der Determinante Anstatt die Determinante als eine Funktion IC n n IC durch eine explizite Formel zu definieren, bringen wir zunächst eine
MehrLineare Algebra und analytische Geometrie
Lineare Algebra und analytische Geometrie von Günther Eisenreich Mit 107 Abbildungen und 2 Tabellen 3., erweiterte und berichtigte Auflage Akademie Verlag Inhaltsverzeichnis A. Allgemeine Vorbemerkungen
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 15 Unterräume und Dualraum Untervektorräume eines K-Vektorraumes stehen in direkter Beziehung zu Untervektorräumen
MehrTechnische Universität München
Technische Universität München Michael Schreier Ferienkurs Lineare Algebra für Physiker Vorlesung Montag WS 2008/09 1 komplexe Zahlen Viele Probleme in der Mathematik oder Physik lassen sich nicht oder
MehrL5 Matrizen I. Matrix: (Plural: Matrizen)
L5 Matrizen I Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen - Beschreibung von Lorenz-Transformationen (spezielle
Mehr(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2
Vektoren Mit der Vektorrechnung werden oft geometrische Probleme gelöst. Wenn irgendwelche Aufgabenstellungen geometrisch darstellbar sind, z.b. Flugbahnen oder Abstandsberechnungen, dann können sie mit
Mehr(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
MehrEinführung in den Symmetriebegriff und gruppentheoretische Grundlagen
Einführung in den Symmetriebegriff und gruppentheoretische Grundlagen Stephanie Artmeier WS 0/ Inhaltsverzeichnis Einführung... Gruppen.... Beispiel gleichseitiges Dreieck... 3. Darstellung von Gruppen...
Mehr5.4 Hauptachsentransformation
. Hauptachsentransformation Sie dient u.a. einer möglichst einfachen Darstellung von Kegelschnitten und entsprechenden Gebilden höherer Dimension mittels einer geeigneten Drehung des Koordinatensystems.
MehrMathematik-1, Wintersemester Vorlesungsplan, Übungen, Hausaufgaben
Mathematik-1, Wintersemester 2014-15 Vorlesungsplan, Übungen, Hausaufgaben Vorlesungen: Lubov Vassilevskaya Übungen: Dr. Wilhelm Mons, Lubov Vassilevskaya http://www.math-grain.de/ Inhaltsverzeichnis 1.
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,
MehrGeometrische Algebra
Geometrische Algebra Florian Jung Institut für Physik, WA THEP Universität Mainz Klausurtagung des Graduiertenkollegs Bullay, 13. September 2006 Florian Jung: Geometrische Algebra 1 / 24 Gliederung Grundlagen
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
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
MehrHilfsblätter Lineare Algebra
Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,
MehrI.1.3 b. (I.7a) I.1 Grundbegriffe der Newton schen Mechanik 9
I. Grundbegriffe der Newton schen Mechanik 9 I..3 b Arbeit einer Kraft Wird die Wirkung einer Kraft über ein Zeitintervall oder genauer über die Strecke, welche das mechanische System in diesem Zeitintervall
MehrLineares Gleichungssystem - Vertiefung
Lineares Gleichungssystem - Vertiefung Die Lösung Linearer Gleichungssysteme ist das "Gauß'sche Eliminationsverfahren" gut geeignet - schon erklärt unter Z02. Alternativ kann mit einem Matrixformalismus
MehrLineare 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.
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Hier
Mehr