TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik

Größe: px
Ab Seite anzeigen:

Download "TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik"

Transkript

1 TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Boris Springborn, Martin von Gagern Projektive Geometrie, SS Lösungen zu Aufgabenblatt (. Juni ) Aufgabe. Spiegelungen im Klein-Modell Präsenzaufgaben In dieser Aufgabe soll gezeigt werden, dass sich die Spiegelung an einer Hyperebene h im Klein-Modell (bei geeigneter Wahl von A und p) durch folgende Funktion beschreiben lässt: f : RP n RP n f(x) = x pt Ax p T Ap p a) Erinnern Sie sich an die Definition einer Projektivspiegelung, wie sie im letzten Semester (in Aufgabe 5 auf Blatt ) eingeführt worden war. Verallgemeinern Sie diese Definition auf beliebige Dimensionen, also projektive Räume RP n. Für eine konsistente Bezeichnung sei eine solche Projektivspiegelung hier definiert durch einen Punkt p und eine Hyperebene h, jeweils dargestellt durch homogene Koordinaten. b) Es sei A die primale Matrix, die das Fundamentalgebilde einer hyperbolischen Geometrie in n Dimensionen beschreibt. Geben Sie eine möglichst einfache Matrix an, die hierfür geeignet ist. c) Unter welcher Voraussetzung stellt eine solche Projektivspiegelung eine Isometrie einer Cayley-Klein-Geometrie dar? Welche Beziehung zwischen p und h lässt sich daraus ableiten? Sie müssen Ihre Aussagen hier nicht beweisen. Im Folgenden sei p der Punkt, der sich so aus h ergibt. d) Wie kann man sich diese Beziehung zwischen p und h für die Spiegelung an einer Ebene im Klein-Modell eines dreidimentionalen hyperbolischen Raumes geometrisch (nicht algebraisch) vorstellen? e) Beweisen Sie, dass die oben angegebene Funktion f unabhängig von der Wahl des Repräsentanten ist. f) Welche einfache inzidenzgeometrische Aussage können sie über die relative Lage der Punkte p, x und f(x) treffen? g) Weisen Sie nach, dass x und f(x) stets auf der gleichen Seite der durch A repräsentierten Quadrik liegen. h) Beweisen Sie, dass die Funktion f tatsächlich die durch p und h definierte Projektivspiegelung darstellt, also eine hyperbolische Spiegelung an einer Hyperebene. i) Stellen Sie einen Zusammenhang her zwischen der Matrix A, die das Fundamentalgebilde repräsentiert, und dem Raum, in dem das Hyperboloid-Modell dargestellt wird. Welche andere Schreibweise für die Funktion f ergibt sich daraus? Welches Objekt im Hyperboloid-Modell entspricht dem durch A repräsentierten Fundamentalgebilde? j) Welche Formel beschreibt eine hyperbolische Punktspiegelung?

2 Lösung: a) Die Projektivspiegelung, die durch die Hyperebene h und den Punkt p definiert ist, bildet einen Punkt x auf seinen Spiegelpunkt x wie folgt ab:. Konstruiere g = x p, die Verbindungsgerade von x mit p.. Bestimme q = h g, den Schnittpunkt dieser Geraden mit der Hyperebene h.. Wähle x auf g so, dass (x, x; p, q) harmonisch liegen. b) Benötigt wird eine reelle und nicht-degenerierte Quadrik. Das einfachste Beispiel hierfür ist die Einheitsspähre S n. Sie wird dargestellt durch die Diagonalmatrix... R(n+) (n+) c) Eine projektive Abbildung (und somit auch eine Projektivspiegelung) ist genau dann eine Isometrie, wenn sie das Fundamentalgebilde der Geometrie auf sich selbst abbildet. Das ist genau dann der Fall, wenn p der Pol von h ist, also [h] = [Ap] gilt. Der Beweis Hierzu wurde letztes Semester geführt. d) Das Klein-Modell modelliert den hyperbolischen Raum durch das Innere des Einheitsballs. Eine Ebene, die im Inneren dieses Balls verläuft, hat einen Pol, der außerhalb liegt. Dazu wird die Ebene mit dem Rand des Balls geschnitten, und in dem so entstandenen Schnittkreis ein Kegel tangential an den Einheitsball gelegt. Die Spitze dieses Kegels ist der Pol der Ebene. e) Beweis durch einfaches Durchrechnen: ( ) f(λx) = λx pt A(λx) p T Ap p = λx Ax λpt p T Ap p = λ x pt Ax p T Ap p = λf(x) [f(x)] f) f(x) ist eine Linearkombination von x und p und muss daher auf deren Verbindungsgerade liegen. Man kann auch die Determinante [x, p, f(x)] betrachten und erkennen, dass diese aufgrund der linear abhängigen Spalten stets ist. p, x und f(x) liegen also stets kollinear. g) Ein Punkt x liegt genau dann auf der Quadrik, wenn x T Ax = ist. Dementsprechend liegt ein Punkt abseits der Quadrik, wenn x T Ax ist. Man kann sich mit Stetigkeitsargumenten leicht überlegen, dass das Vorzeichen des Ausdrucks x T Ax Auskunft über die Seite gibt, auf der x im Bezug auf A liegt, wobei die konkrete Interpretation von der Wahl des Repräsentanten für A abhängt. Es ist also zu zeigen, dass das Vorzeichen von f(x) T Af(x) das gleiche ist wie das von x T Ax. ( f(x) T Af(x) = x T Ax pt Ax p T ) Ax p T Ap pt Ax + p T p T Ap Ap ( p = x T T Ax ) ( p T Ax ) Ax p T + Ap p T = x T Ax Ap Das Vorzeichen bleibt also eindeutig erhalten. h) Hier müssen die Schritte aus Teilaufgabe a) algebraisch reproduziert werden.. Alle Punkte auf der Verbindungsgeraden g = x p (mit Ausnahme des Punktes p selbst) sind Linearkombinationen der Form x + λp.. Ein Punkt q liegt auf der Hyperebene h, wenn das Skalarprodukt h, q = ist. Da q auch auf g liegt, kann man es als Linearkombination schreiben. h, q = Ap, x + λp = p T Ax + λp T Ap = λ = pt Ax p T Ap q = x + λp = x pt Ax p T Ap p

3 . Um das Doppelverhältnis zu berechnen, kann man p und x als projektive Basis der Geraden auffassen. Die Punkte q und f(x) lassen sich dann als Linearkombinationen daraus darstellen. λ λ p = x = q = f(p) = Das Doppelverhältnis (x, f(x); p, q) = (, λ;, λ) = kennt man entweder, oder kann man schnell nachrechnen. [x, p][f(x), q] (x, f(x); p, q) = [x, q][f(x), p] = λ λ ( ) (λ λ) λ λ = = λ ( λ) ( ) λ = Damit ist gezeigt, dass der Punkt f(x) = x + λp tatsächlich das Ergebnis einer Spiegelung an der Hyperebene h ist. i) Die Matrix A ist genau die Matrix des Skalarprodukts, R n,. Daher kann man die Funktion auch schreiben als f(x) = x p, x R n, p p, p R n, Die Punkte der Einheitssphäre im Klein-Modell entsprechen den Geraden, die zusammen den Lichtkegel im R n, bilden. Das ist die übliche Entsprechung von projektiven Punkten und linearen eindimensionalen Unterräumen, da das Klein-Modell projektiv ist, das Hyperbolid-Modell hingegen nicht. Man kann auch sagen, dass sich die Einheitssphäre, die das Klein-Modell einfasst, als Schnitt des Lichtkegels mit der Projektionsebene x n+ = ergibt. j) Punktspiegelungen sind wie Spiegelungen an Hyperebenen auch als Projektivspiegelungen mit einem Pol-Polare- Paar zu beschreiben. Es gilt daher die gleiche Formel. Der einzige Unterschied ist der, dass der Punkt p im Inneren der Sphäre liegt, während die dazu polare Hyperebene h außerhalb verläuft.

4 Hausaufgaben Aufgabe. Spiegelketten Die Funktion f n : R p,q f n (v) = v v, n R p,q n, n R p,q beschreibt für beliebige Signaturen (p, q) eine Abbildung, die im Rahmen dieser Aufgabe als Spiegelung bezeichnet werden soll. a) Weisen Sie nach, dass die Abbildung f n eine Bijektion ist. b) Fassen Sie die Abbildung zunächst linear und nicht projektiv auf. Geben Sie eine Formel an, die die Menge aller Fixpunkte der Abbildung f n beschreibt. Welche Rolle spielt der Vektor n in dieser Sichtweise? c) Weisen Sie nach, dass die Abbildung f n orthogonalität erhält, also orthogonale Vektoren wieder auf orthogonale Vektoren abbildet. d) Weisen Sie nach, dass die Abbildung f n teil der orthogonalen Gruppe O(p, q) ist, dass sie also den Wert von Skalarprodukten erhält: f n (x), f n (y) = x, y. e) Jede beliebige Abbildung aus O(p, ) lässt sich schreiben als Verkettung von endlich vielen Spiegelungen, also als f n f nr. Beweisen Sie diese Aussage. Hinweis: Induktion über eine Orthonormalbasis. f) Auch jede Abbildung aus O(p, q) lässt sich als Verkettung von Spiegelungen schreiben. Lässt sich Ihr Beweis übertragen? Falls nein, wo und wie muss er angepasst werden? g) Geben Sie in Abhängigkeit von p und q eine möglichst enge Schranke für die Anzahl r der verketteten Spiegelungen an. h) Setzen Sie diese Aufgabe in Beziehung zur Präsenzaufgabe sowie zum Stoff der Vorlesung. Welche Querbezüge können Sie erkennen? i) In Aufgabe b) von Blatt haben Sie eine orthogonale Matrix für eine Abbildung bestimmt. Finden Sie jetzt eine Zerlegung dieser Abbildung in Spiegelungen. n Lösung: a) Die Abbildung f n ist eine Involution, wie man leicht überprüfen kann: f n (f n (v)) = f n (v) f n(v), n n n, n v, n = v n, n n v v,n n,n n, n n, n v, n v, n v, n n = v n n + n, n, n n, n n, n n, n n = v Daher ist die Abbildung ihr eigenes Inverses, und nachdem nur eine Bijektion ein im gesamten Wertebereich eindeutig definiertes Inverses hat, muss f n eine Bijektion sein. b) Ein Vektor v ist Fixpunkt der Abbildung, wenn die Differenz zwischen Urbild und Bild verschwindet: v, n f n (v) v = n, n n = Unter der Annahme, dass n ist, ist dies genau für v, n = der Fall. Die Menge aller Fixpunkte ist folglich die zu n orthogonale Hyperebene. n selbst tritt hier als Normalenvektor auf. n

5 c) Ich weiß gerade nicht mehr, wie ich das zeigen wollte, ohne die nächste Teilaufgabe dafür zu verwenden. d) Man kann nachrechnen, dass das Skalarprodukt zweier Bildvektoren dem der zugehörigen Urbilder entspricht: v, n n f n (v), f n (w) = v n, w w, n, n n, n n w, n = v, w v, n, n n v, n n, n n, w v, n n + n, w, n, n n, n n v, n w, n v, n w, n = v, w + n, n n, n n, n = v, w e) Induktionsanfang: Die Gruppe O(, ) erhält insbesondere die Quadrate von reellen Zahlen. Sie besteht daher lediglich aus der Identität und der Negation x x. Letztere ergibt sich aus der Definition von f n für beliebige von verschiedene n. Jedes Element von O(, ) lässt sich also aus bis Spiegelungen kombinieren. Induktionsschritt: Die orthogonale Abbildung sei als A O(p, ) bezeichnet. Man betrachte einen beliebigen Vektor v. Falls : Wenn Av = v ist, ist im Induktionsschritt keine weitere Spiegelung erforderlich. Der Vektor v kann normiert und als Element einer Orthonormalbasis betrachtet werden. Alle anderen Vektoren zerfallen so in eine Komponente, die parallel zu v liegt und von A nicht verändert wird, sowie eine Komponente, die senkrecht zu v liegt und durch die Einschränkung von A auf den Orthogonalraum beschrieben wird. Diese eingeschränkte Abbildung ist ein Element der O(p, ) und lässt sich folglich nach Induktionsvoraussetzung als Kette von Spiegelungen darstellen. Da diese Spiegelungen Orthogonalität erhalten, bleibt die Komponente in Richtung v davon unberührt. Man kann folglich die gleiche Spiegelungskette eine Dimension höher auch zum Beschreiben von A verwenden. Fall : Wenn Av v ist, dann muss es eine Spiegelung geben, die v auf Av abbildet, und umgekehrt. Als Normalenvektor dieser Spiegelung kann man den Differenzvektor n = Av v verwenden. Führt man f n nach A aus, erhält man mit f n A eine Abbildung, die v auf v abbildet. Man kann diese nach Fall behandeln, um eine Spiegelungskette f n f nr zu erhalten. An diese kann man f n links anhängen, um f n f n A = A als f n f n f nr zu beschreiben. f) Prinzipiell lassen sich die gleichen Schritte wie im eben geführten Beweis anwenden. Dabei gibt es jedoch zwei Dinge zu beachten, für jeden Fall im Infuktionsschritt eine Bedingung: Fall : Damit der Vektor v als Element einer Orthonormalbasis aufgefasst werden kann, muss er auf v, v = ± normierbar sein. Auch v darf also nicht lichtartig sein. Fall : Damit eine Abbildung f n sinnvoll definiert ist, muss n, n = sein. Der Differenzvektor n = Av v darf also nicht lichtartig sein. Die Matrix B = (A I) bildet v auf n ab. Ein Vektor v, der im Kern von B liegt und nicht lichtartig ist, kann in Fall des Induktionsschritts verwendet werden. Ein Vektor v, der nicht im Kern von B liegt und dessen Bild n = Bv nicht lichtartig ist, kann im Fall verwendet werden. Die einzige Möglichkeit, die die Existenz eines geeigneten Vektors v verhindern könnte, wäre demnach die, dass sowohl der gesamte Kern als auch das gesamte Bild von B lichtartig sind. Jetzt hilft eine Dimensionsabschätzung. Die Dimension der lichtartigen Teilräume von O(p, q) beträgt genau min{p, q}. Das kann man sich überlegen, indem man sich Basisivektoren dieser Räume zusammensetzt aus je einem raumartigen und einem zeitartigen Basisvektor des gesamten Raumes. Da bekanntlich die Dimensionen von Kern und Bild sich zur Dimension des gesamten Raumes addieren, ist für p q sichergestellt, dass der Induktionsschritt bei geeigneter Wahl des Vektors v wie oben angegeben durchführbar ist. Lediglich der Fall der ausgeglichenen Signatur p = q stellt ein Problem dar. Die Aussage, dass man jede orthogonale Abbildung in eine Kette von Spiegelungen zerlegen kann, gilt auch hier, ist jedoch deutlich schwerer zu beweisen. Aus diesem Grund hätte diese Teilaufgabe eigentlich ein Sternchen verdient gehabt. g) Jeder Induktionsschritt fügt entweder keine oder eine einzige Spiegelung zur Kette hinzu. Folglich gilt r p + q. h) In der Vorlesung wurde zum einen erklärt, dass jede Isometrie durch ein Element der orthogonalen Gruppe dargestellt werden kann. Folglich lässt sich jede Isometrie als Verkettung von Spiegelungen auffassen. Dass 5

6 man diese Spiegelungen nicht nur linear interpretieren kann, sondern auch als Projektivspiegelung, die das Fundamentalgebilde des Klein-Modells erhält, sieht man leicht durch Vergleich der Formeln mit denen aus der Präsenzaufgabe, insbesondere der Notation aus Teilaufgabe i). i) In der folgenden Berechnung stellt F i jeweils die Matrix der Abbildung f ni dar. Diese Matrix erhält man beispielsweise, indem man die Funktion der Reihe nach auf die einzelnen Basisvektoren anwendet. Der Rest ist selbsterklärend. A = 5 v = A v = 5 n = 5 F = F A = A = 5 v = A v = 5 n = F = F A = A = v = A v = n = F = Somit ergibt sich eine Zerlegung der Abbildung A in drei Spiegelungen: A = f n f n f n. Natürlich kann man statt der angegebenen Repräsentanten für die n i auch beliebige skalare Vielfache nehmen. Und wenn man andere Vektoren v i wählt, ergibt sich eine andere Zerlegung, da diese gesamte Kettenkonstruktion alles andere als eindeutig ist. Aufgabe. Freiheitsgrade Sie können die Teilaufgaben dieser Aufgabe in beliebiger Reihenfolge bearbeiten. a) Durch die Bilder von wie vielen ideallen Punkten ist eine hyperbolische Isometrie im H im Allgemeinen eindeutig bestimmt? b) Wie viele solche Punkte benötigen Sie für den H? c) Verallgemeinern Sie diese Betrachtung auf hyperbolische Räume beliebiger Dimension. d) Durch die Bilder von wie vielen endlichen hyperbolischen Punkten ist eine hyperbolische Isometrie im H d eindeutig bestimmt? e) Wie viele relle Freiheitsgrade sind zur Beschreibung einer Isometrie des H d erforderlich? Lösung: a) Eine Isometrie in der hyperbolischen Ebene ist im Poincaré-Kreisscheibenmodell eine (Anti-)Möbiustransformation, die die Kreisscheibe auf sich selbst abbildet. Eine solche Transformation ist durch die Bilder von drei Punkten auf dem Kreisrand eindeutig beschrieben. b) Man kann sich dies im Halbraum-Modell überlegen. Eine Isometrie ist auch hier eine (Anti-)Möbiustransformation, die den oberen Halbraum auf sich selbst abbildet. Auf dem Rand des Halbraums entspricht dies einer Möbiustransformation einer Ebene, diesmal ohne zusätzliche Einschränkungen. Ein idealer Punkt ist ein Punkt in der Ebene. Eine Isometrie wird also auch hier wieder durch drei ideale Punkte und deren Bilder eindeutig festgelegt. e) Wenn man diese Teilaufgabe vorzieht, kann man sich bei der Betrachtung der folgenden Teilaufgaben auf diese Ergebnisse stützen. Zunächst einmal sollte man sich induktiv überlegen, wie viele reelle Freiheitsgrade eine Möbiustransformation der S d hat. Um eine solche Transformation eindeutig zu beschreiben, genügt es, wenn man für eine gegebene S d zum einen weiß, wo dieses Bild liegt, und zum zweiten, wie die punktweise Transformation zwischen den beiden Sphären aussieht. Die Lage des Bildes kann durch d reelle Freiheitsgrade für das Zentrum sowie rellen 6

7 Freiheitsgrad für den Radius beschrieben werden. Die Transformation der Sphäre in sich selbst ist wiederum eine Möbius-Transformation. Dadurch ergibt sich induktiv Daraus ergibt sich ganz allgemein #DOF(S ) = = #DOF(S ) = + + = 6 #DOF(S ) = = #DOF(S ) = + + = 5 #DOF(S 5 ) = = #DOF(S d ) = #DOF(S d ) + d + = (d + )(d + ) Wie bereits am Beispiel des Halbraum-Modells gesehen wird jede hyperbolische Isometrie im H d beschrieben durch eine Möbius-Transformation auf dem Rand des Modells, welcher isomorph zu einer S d ist. Eine Isometrie im H d hat also d(d+) reelle Freiheitsgrade. Für d = erhält man, entsprechend den Bildern von drei Punkten auf dem Kreisrand, der ja isomorph zu einer projektiven reellen Gerade ist. Für d = erhält man 6, was den drei komplexen Zahlen entspricht, die eine Möbius-Transformation in CP beschreiben. c) Die von der Aufgabenstellung suggerierte Schlussfolgerung, dass immer drei ideale Punkte eine Isometrie eindeutig festlegen, ist leider falsch. Schlimmer noch, wenn man die (d+)(d+) reellen Freiheitsgrade einer Möbiustransformation der S d zu d Freiheitsgraden je Punkt zusammenfassen will, geht das nicht auf. Für H bzw. S ergeben sich etwa = ideale Punkte. Drei Punkte können komplett frei gewählt werden, ein vierter nur auf einer bereits vorgegebenen Geraden. Analog für höhere Dimensionen. d) Für Punkte im Inneren des H d kann man die d(d+) reellen Freiheitsgrade einer Isometrie zu Punkten mit je d Freiheitsgraden zusammenfassen. Auch das geht nicht immer auf. Für H ergeben sich innere Punkte. Für einen vorgegebenen Punkt kann man also den zugehörigen Bildpunkt wählen, und dann noch für eine Gerade durch das Urbild die Richtung der entsprechenden Bildgerade. Wenn dann noch bekannt ist, ob die Isometrie Orientierung erhält oder umkehrt, ist diese dadurch bereits eindeutig festgelegt. Für ungerade d geht die Rechnung jedoch auf. Dennoch ist auch hier Vorsicht geboten: Auch wenn rein rechnerisch eine Isometrie im H durch die komplett frei gewählten Bilder von zwei Punkten vorgegeben wäre, erzwingt die Eigenschaft, dass die Abbildung eine Isometrie sein soll, eine Beibehaltung des Abstandes dieser zwei Punkte. Der zweite kann also nur auf einer Sphäre fixen Abstandes um den ersten gewählt werden, und ist daher nicht frei. Deshalb ist eine Aufteilung der reellen Freiheitsgrade auf innere Punkte in dieser Form zwar rechnerisch manchmal möglich, geometrisch aber nicht sinnvoll. Sinnvoller ist es da, die Freiheitsgrade als d(d+) = d+(d )+ + aufzufassen. Der erste Punkt kann komplett frei im inneren des d-dimensionalen hyperbolischen Raums gewählt werden, das entspricht d Freiheitsgraden. Der nächste muss auf einer hyperbolischen Sphäre mit dem ersten Punkt als Mittelpunkt liegen, da der Abstand durch den Abstand der Urbilder gegeben ist. Es bleiben also (d ) Freiheitsgrade. Der nächste Punkt ist auf den Schnitt zweier (d )-Sphären beschränkt, was eine (d )-Sphäre ist. In dem Stil geht das immer weiter. Der letzte Punkt ist auf eine -Sphäre beschränkt, also einen Kreis. Eigentlich käme dann noch ein weiterer Punkt, der auf eine S beschränkt ist, also ein Punktepaar. Von den zwei Wahlmöglichkeiten entspricht an dieser Stelle die eine den orientierungserhaltenden Abbildungen, die andere den umkehrenden. Der Wahlparameter ist jedoch nicht reell. Zusammenfassend kann man sagen, dass das längentreue Bild eines volldimensionalen Simplex eine Isometrie eindeutig definiert, einschließlich ihrer Orientierung. 7

TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik

TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Aufgabe 50. Projektivspiegelung TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Dr. Jürgen Richter-Gebert, Martin von Gagern Projektive Geometrie WS 2010/11 Lösungen zu Aufgabenblatt 12 (24.

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

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

Mehr

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

Lineare Algebra. 1 Lineare Abbildungen

Lineare Algebra. 1 Lineare Abbildungen Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:

Mehr

Lineare Algebra II 8. Übungsblatt

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

Mehr

Mathematik II Frühjahrssemester 2013

Mathematik II Frühjahrssemester 2013 Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik

TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Dr. Jürgen Richter-Gebert, Martin von Gagern PROJEKTIVE GEOMETRIE Lösungen zur Nachhol-Klausur (0. April 202, 9:00 0:30 Uhr) Musterlösung Aufgabe.

Mehr

Vorlesung 27. Der projektive Raum. Wir werden den projektiven Raum zunehmend mit mehr Strukturen versehen.

Vorlesung 27. Der projektive Raum. Wir werden den projektiven Raum zunehmend mit mehr Strukturen versehen. Vorlesung 27 Der projektive Raum Definition 1. Sei K ein Körper. Der projektive n-dimensionale Raum P n K besteht aus allen Geraden des A n+1 K durch den Nullpunkt, wobei diese Geraden als Punkte aufgefasst

Mehr

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

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

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik

TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Dr. Jürgen Richter-Gebert, Martin von Gagern PROJEKTIVE GEOMETRIE Lösungen zur Semestral-Klausur (5. Februar 22, : 2:3 Uhr) Musterlösung Aufgabe.

Mehr

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau 312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind

Mehr

Lineare Algebra für Physiker 11. Übungsblatt

Lineare 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

Mehr

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 3 Der Axiator Eigenschaften des Axiators Bestimmung des Kegelschnitts Geometrische Betrachtungen Dualer Kegelschnitt Pol-Polare

Mehr

Kapitel 3 Lineare Algebra

Kapitel 3 Lineare Algebra Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND

Mehr

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/

Mehr

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

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

Mehr

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

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 5 Quadriken Polarität Transformationen Klassifikation von Quadriken Geraden in Regelquadriken Die kubische Wendelinie (twisted

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte Lösungen zu den Übungsblättern 4-5 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit

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

10.2 Linearkombinationen

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

Mehr

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

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE 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

Mehr

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

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

Mehr

Analytische Geometrie, Vektorund Matrixrechnung

Analytische Geometrie, Vektorund Matrixrechnung Kapitel 1 Analytische Geometrie, Vektorund Matrixrechnung 11 Koordinatensysteme Eine Gerade, eine Ebene oder den Anschauungsraum beschreibt man durch Koordinatensysteme 111 Was sind Koordinatensysteme?

Mehr

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

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

Mehr

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

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

Mehr

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )

DEUTSCHE 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

Mehr

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Hauptachsentransformation: Eigenwerte und Eigenvektoren Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung

Mehr

12. R n als EUKLIDISCHER VEKTORRAUM

12. R n als EUKLIDISCHER VEKTORRAUM 12. R n als EUKLIDISCHER VEKTORRAUM 1 Orthogonalität in der Ebene. Die Vektoren in der Ebene, die (im üblichen Sinne) senkrecht zu einem Vektor x = (x 1, x 2 ) T stehen, lassen sich leicht angeben. Sie

Mehr

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

$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

Mehr

a) Ein Gruppenhomomorphismus von G nach H ist eine Abbildung Φ : G H, sodass für alle g 1, g 2 G die Gleichung Φ(g 1 g 2 ) = Φ(g 1 ) Φ(g 2 )

a) Ein Gruppenhomomorphismus von G nach H ist eine Abbildung Φ : G H, sodass für alle g 1, g 2 G die Gleichung Φ(g 1 g 2 ) = Φ(g 1 ) Φ(g 2 ) I. (4 Punkte) Es seien (G, ) eine Gruppe mit neutralem Element e G und (H, ) eine weitere Gruppe. a) Geben Sie die Definition eines Gruppenhomomorphismus Φ : G H an und beweisen Sie, dass für solch einen

Mehr

Lernunterlagen Vektoren in R 2

Lernunterlagen 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

Mehr

Projektive Räume und Unterräume

Projektive Räume und Unterräume Projektive Räume und Unterräume Erik Slawski Proseminar Analytische Geometrie bei Prof. Dr. Werner Seiler und Marcus Hausdorf Wintersemester 2007/2008 Fachbereich 17 Mathematik Universität Kassel Inhaltsverzeichnis

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung

TECHNISCHE 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

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 34 Die Diagonalisierbarkeit von Isometrien im Komplexen Satz 34.1. Es sei V ein endlichdimensionaler C-Vektorraum

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen

Mehr

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

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

Mehr

1 Definitionen: 6 Punkte gesamt

1 Definitionen: 6 Punkte gesamt ANTWORTEN zum KOLLOQIUM zur Einführung in die Lineare Algebra Hans G. Feichtinger Sommersemester 2014 Fr., 25. Juli 2014, 10:00, Fakultät f. Mathematik Punktezahl: (1) 6 (2) 9 (3) 5 (4) 10 TOTAL (von 30):

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

5 Lineare Algebra (Teil 3): Skalarprodukt 5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil

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

Kapitel 2: Mathematische Grundlagen

Kapitel 2: Mathematische Grundlagen [ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen

Mehr

Vektoren, Vektorräume

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

Mehr

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16

Klausur (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

Mehr

Orthonormalbasis. Orthogonalentwicklung

Orthonormalbasis. 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

Mehr

Analytische Geometrie I

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

Mehr

Jede symmetrische Bilinearform b definiert eine quadratische Form q durch. q(x) := b(x, x).

Jede symmetrische Bilinearform b definiert eine quadratische Form q durch. q(x) := b(x, x). 1 Kapitel 1 Clifford-Algebren 1 Innere Produkte Sei k {R, C}, V stets ein endlich-dimensionaler k-vektorraum. Fehlende Beweise finden sich in der Literatur ([Art1], [Bou1], [Brie], [Cohn]). Definition.

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG. Sommer 2016

Lineare Algebra und Numerische Mathematik für D-BAUG. Sommer 2016 P. Grohs T. Welti F. Weber Herbstsemester 2015 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Name a a Note Vorname Leginummer Datum 19.08.2016 1 2 3 4 5 6 Total 7P 11P 10P 11P

Mehr

Leitfaden 20. t = dim V dimu.

Leitfaden 20. t = dim V dimu. Leitfaden 2 Einschub (Nachtrag zur LA I): Komplementärbasen Sei V ein Vektorraum, U ein Unterraum Eine Folge (v,, v t ) von Vektoren aus V heißt linear unabhängig modulo U, falls folgendes gilt: sind p

Mehr

eine O fixierende Bewegung.

eine O fixierende Bewegung. 1. Bewegungen der hyperbolischen Ebene Sei nun H eine hyperbolische Ebene. Dann erhält man dieselben Klassen von Bewegungen wie im Euklidischen Fall und eine weitere Klasse. Wir haben oben nur ein einziges

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

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume

Mehr

13. Lineare Algebra und Koordinatenwechsel.

13. Lineare Algebra und Koordinatenwechsel. 3. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation der lineare

Mehr

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE Wiederholungsblatt Elementargeometrie im SS 01 bei Prof. Dr. S. Goette LÖSUNGSSKIZZE Die Lösungen unten enthalten teilweise keine vollständigen Rechnungen. Es sind aber alle wichtigen Zwischenergebnisse

Mehr

Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif

Kurzskript 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

Mehr

Mathematischer Vorkurs Lösungen zum Übungsblatt 5

Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 c.v.meister@skmail.ikp.physik.tu-darmstadt.de Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und

Mehr

~ v 2. Abbildung 3: Zweiter Schritt des Gram-Schmidt-Verfahrens. k 1. i=1. v k = w k

~ v 2. Abbildung 3: Zweiter Schritt des Gram-Schmidt-Verfahrens. k 1. i=1. v k = w k v 1 v 1 v 2 v 2 W 2 -v (v, v ) 1 1 2 Abbildung 3: Zweiter Schritt des Gram-Schmidt-Verfahrens. k. Schritt: Subtraktion der Komponenten von ṽ k in Richtung von v 1,v 2,...,v k 1 und Normierung von w k auf

Mehr

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010 Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und

Mehr

Prüfung Lineare Algebra 2

Prüfung Lineare Algebra 2 1. Überprüfen Sie die folgenden Aussagen: (1) Zwei reelle symmetrische Matrizen sind genau dann ähnlich, wenn sie die gleiche Signatur haben. (2) Jede symmetrische Matrix ist kongruent zu einer Diagonalmatrix,

Mehr

Vektoren - Basiswechsel

Vektoren - Basiswechsel Vektoren - Basiswechsel Grundprinzip Für rein geometrische Anwendungen verwendet man üblicherweise die Standardbasis. Damit ergibt sich in den Zahlenangaben der Koordinaten kein Unterschied zu einem Bezug

Mehr

& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors

& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors Einführu hnung Was ist ein Vektor? In Bereichen der Naturwissenschaften treten Größen auf, die nicht nur durch eine Zahlenangabe dargestellt werden können, wie Kraft oder Geschwindigkeit. Zur vollständigen

Mehr

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

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

Mathematik für Naturwissenschaftler II SS 2010

Mathematik 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

Mehr

Unter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über

Unter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über 9 Innere Produkte In diesem Kapitel betrachten wir immer Vektorräume über dem Körper der reellen Zahlen R oder dem Körper der komplexen Zahlen C. Definition 9.1: Sei V ein Vektorraum über R. Ein inneres

Mehr

Klausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag

Klausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 23): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag 3. Mit Hilfe elementarer Zeilenumformungen sowie der Tatsache, daß sich die Determinante

Mehr

Stichwortliste zur Vorlesung. Lineare Algebra II. Gabriela Weitze-Schmithüsen. Saarbrücken, Sommersemester 2016

Stichwortliste zur Vorlesung. Lineare Algebra II. Gabriela Weitze-Schmithüsen. Saarbrücken, Sommersemester 2016 Stichwortliste zur Vorlesung Lineare Algebra II Gabriela Weitze-Schmithüsen Saarbrücken, Sommersemester 2016 Kapitel I Jordansche Normalform Ziel: Wir möchten Matrizen bis aus Ähnlichkeit klassifizieren.

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel VI. Euklidische Geometrie Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und

Mehr

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit 3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53

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

13. Vorlesung. Lineare Algebra und Koordinatenwechsel.

13. Vorlesung. Lineare Algebra und Koordinatenwechsel. 3. Vorlesung. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation

Mehr

5 Eigenwerte und die Jordansche Normalform

5 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

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

2. Symmetrische Gruppen

2. Symmetrische Gruppen 14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen

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

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele

Mehr

Lineare Algebra in der Oberstufe

Lineare Algebra in der Oberstufe Lineare Algebra in der Oberstufe Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 16. April 2016 Stefan Ruzika 1: Schulstoff 16. April 2016 1 / 32 Übersicht Ziel dieses Kapitels

Mehr

44 Orthogonale Matrizen

44 Orthogonale Matrizen 44 Orthogonale Matrizen 44.1 Motivation Im euklidischen Raum IR n haben wir gesehen, dass Orthonormalbasen zu besonders einfachen und schönen Beschreibungen führen. Wir wollen das Konzept der Orthonormalität

Mehr

Symmetrien. Transformationen. Affine und euklidische Räume

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

Mehr

ein vom Nullvektor verschiedener Vektor, dann ist jeder dazu parallele (kollinear) Veka tor d ein Vielfaches von a. + λ 2 a 2

ein vom Nullvektor verschiedener Vektor, dann ist jeder dazu parallele (kollinear) Veka tor d ein Vielfaches von a. + λ 2 a 2 II. Basis und Dimension ================================================================= 2.1 Linearkombination und Basis -----------------------------------------------------------------------------------------------------------------

Mehr

Mathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11

Mathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11 Mathematik für Wirtschaftswissenschaftler, WS / Musterlösungen zu Aufgabenblatt Aufgabe 76: Bestimmen Sie mittels Gauß-Elimination die allgemeine Lösung der folgenden linearen Gleichungssysteme Ax b: a)

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,

Mehr

Lösbarkeit linearer Gleichungssysteme

Lösbarkeit linearer Gleichungssysteme Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn

Mehr

7.4. Gradient, Niveau und Tangentialebenen

7.4. Gradient, Niveau und Tangentialebenen 7.4. Gradient Niveau und Tangentialebenen Wieder sei f eine differenzierbare Funktion von einer Teilmenge A der Ebene R -dimensionalen Raumes R n ) nach R. (oder des n Der Anstieg von f in einem Punkt

Mehr

Grundwissen Abitur Geometrie 15. Juli 2012

Grundwissen Abitur Geometrie 15. Juli 2012 Grundwissen Abitur Geometrie 5. Juli 202. Erkläre die Begriffe (a) parallelgleiche Pfeile (b) Vektor (c) Repräsentant eines Vektors (d) Gegenvektor eines Vektors (e) Welcher geometrische Zusammenhang besteht

Mehr

Mathematik für Anwender II

Mathematik für Anwender II Prof Dr H Brenner Osnabrück SS 22 Mathematik für Anwender II Vorlesung Euklidische Vektorräume Im Anschauungsraum kann man nicht nur Vektoren addieren und skalieren, sondern ein Vektor hat auch eine Länge,

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können

Mehr

(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2

(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

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 39 Definitheit von Bilinearformen Wir möchten die symmetrischen Bilinearformen über den reellen Zahlen klassifizieren.

Mehr

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April.

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April. Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Symmetrische

Mehr

8 Die Riemannsche Zahlenkugel

8 Die Riemannsche Zahlenkugel 8 Die Riemannsche Zahlenkugel Wir untersuchen zunächst Geraden- und Kreisgleichungen in der komplexen Ebene C = R 2. Geradengleichungen Die Parameterdarstellung einer Geraden durch zwei Punkte z 1 z 2

Mehr

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? 1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2

Klausurenkurs 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)

Mehr

Vektorräume und Lineare Abbildungen

Vektorräume 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

Mehr

Vorkurs Mathematik B

Vorkurs Mathematik B Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein

Mehr

Mathematische Erfrischungen III - Vektoren und Matrizen

Mathematische Erfrischungen III - Vektoren und Matrizen Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen

Mehr

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

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

Mehr