ω : V V V (Die Vertauschung zweier Vektoren liefert ein extra Minuszeichen.)

Größe: px
Ab Seite anzeigen:

Download "ω : V V V (Die Vertauschung zweier Vektoren liefert ein extra Minuszeichen.)"

Transkript

1 Analysis 3, Woche 12 Differentialformen I 121 Multilineare Algebra Sei V ein Vektorraum über R Dann definiert man V als den Vektorraum der stetigen linearen Abbildungen L : V R Allgemeiner kann man multilineare Abbildungen ω : V V V R definieren Im Zusammenhang mit Mannigfaltigkeiten spielen insbesondere die antisymmetrischen, multilinearen Abbildungen eine wichtige Rolle Definition 121 Sei V ein Vektorraum über R und k N + Eine Abbildung ω : V V V }{{} k R 1 heißt multilinear, wenn für jedes i {1,, k} die Abbildung linear ist; v i ω v 1,, v i,, v k 2 heißt antisymmetrisch, wenn für jedes i, j {1,, k} mit i j gilt: ω v 1,, v i,, v j,, v k = ω v 1,, v j,, v i,, v k Die Vertauschung zweier Vektoren liefert ein extra Minuszeichen So eine Abbildung ω nennt man eine äußere Form von Grad k Die Menge aller äußeren k-formen bezeichnet man mit Λ k V Lemma 122 Definiert man Addition und Multiplikation mit Skalaren wie üblich: ω 1 + ω 2 v 1,, v k = ω 1 v 1,, v k + ω 2 v 1,, v k, λω v 1,, v k = λω v 1,, v k, dann ist Λ k V ein Vektorraum über R Bemerkung 1221 Man setzt Λ 0 V = R Es folgt direkt, dass Λ 1 V = V 101

2 Januar 2011 Woche 12, Differentialformen I Beweis Direktes Ausschreiben zeigt die Multilinearität und die Antisymmetrie von ω 1 + ω 2 und λω, wenn ω 1, ω 2 und ω diese Eigenschaften haben Sei {e 1,, e n } eine Basis für V Dann ist L V durch die Werte auf den Basiselementen festgelegt Anders gesagt {ε 1,, ε n } V mit bildet eine Basis für V Dies bedeutet ε i c 1 e c n e n = c i für alle c 1,, c n R 121 dim Λ 1 V = dim V = dim V = n Wegen der Linearität reicht es übrigens für 121, wenn man ε i ε j = δ ij setzt Aus der Multilinearität folgt, dass jede k-multilineare Abbildung durch die Werte angenommen auf {e 1,, e n } k festgelegt ist Die Antisymmetrie sorgt dafür, dass der Wert unter Permutationen festliegt Das heißt, ω Λ k V ist genau festgelegt, wenn alle c i1,i 2,,i k := ω e i1, e i2,, e ik mit 1 i 1 < i 2 < < i k n bekannt sind Das heißt, man kann genau n k Koeffizienten frei wählen und dies bedeutet Λ k V ist n k -dimensional Lemma 123 Für dim V = n hat man dim Λ k V = n k Definition 124 Seien ω Λ k V und η Λ m V Man definiert ω η Λ m+k V durch ω η v 1,, v k+m = 1 sgn σ ω v σ1,, v σk η v σk+1,, v σk+m k!m! σ P erm k+m Hier sind P erm k+m alle Permutationen von {1,, k + m} und nimmt man { 1 bei einer geraden Permutation σ, sgn σ = 1 bei einer ungeraden Permutation σ Man nennt ω η das äußere Produkt von ω und η Jede Permutation einer endlichen Menge kann man bekommen durch endlich viele Vertauschungen zweier Elementen Ein Permutation heißt ungerade, wenn man eine ungerade Zahl von Vertauschungen braucht Beispiel 125 Für ω, η Λ 1 V folgt Für ω Λ 1 V und η Λ 2 V folgt ω η v 1, v 2 = ω v 1 η v 2 ω v 2 η v 1 ω η v 1, v 2, v 3 = ω v 1 η v 2, v 3 ω v 2 η v 1, v 3 + ω v 3 η v 1, v 2 Satz 126 Rechenregel für das äußere Produkt Sei ω i Λ k V, η Λ l V und ν Λ m V Es gilt: 1 ω 1 + ω 2 η = ω 1 η + ω 2 η; 2 ω η = 1 kl η ω;

3 121 Multilineare Algebra ω η ν = ω η ν Beispiel 127 Für ω 1, ω 2, ω 3 Λ 1 V hat man ω 1 ω 2 ω 3 v 1, v 2, v 3 ω 1 v 1 ω 1 v 2 ω 1 v 3 = det ω 2 v 1 ω 2 v 2 ω 2 v 3 ω 3 v 1 ω 3 v 2 ω 3 v 3 Beweis Die erste Behauptung folgt sofort aus der Definition Für die zweite soll man bemerken, dass η ω v 1,, v l, v l+1,, v l+k = ω η v l+1,, v l+k, v 1,, v l und dass man mit kl Vertauschungen v 1,, v l vor v l+1,, v l+k bekommt: ω η v l+1,, v l+k, v 1,, v l = 1 kl ω η v 1,, v l, v l+1,, v l+k Um die letzte Behauptung zu beweisen, muß man ein guter Buchhalter sein Wenn man bedenkt, dass = 1 k!m! sgn σ ω v σ1,, v σk η v σk+1,, v σk+m = σ P erm k+m sgn σ ω v σ1,, v σk η v σk+1,, v σk+m, σ P erm k+m σ1<σ2< <σk σk+1<σk+2< <σk+m bemerkt man, dass die Definition nur davon abhängt, welche k Kugeln sich in dem ω- Beutel und welche m-kugeln sich in dem η-beutel befinden Es wird über diese Verteilungen summiert und nicht über die Folge in jedem Beutel Weil es für die Verteilung egal ist, ob man erst in Häufchen mit k +l und m Kugeln verteilt und dann das k +l Häufchen nochmals in ein k und in ein l Häufchen aufteilt, oder gleich in drei Häufchen mit k, l und m Kugeln, gilt ω η ν v 1,, v k+l+m = = sgn σ ω v σ1,, v σk η v σk+1,, v σk+l ν v σk+l+1,, v σk+l+m σ P erm k+l+m σ1<σ2< <σk σk+1<σk+2< <σk+l σk+l+1<σk+l+2< <σk+l+m = ω η ν v 1,, v k+l+m Wir können sogar eine Basis für Λ k V konstruieren Sei {e 1,, e n } eine Basis für V und sei {ε 1,, ε n } der duale Basis für V wie in 121 Sei jetzt I = {i 1, i 2,, i k } ein geordneter k-tupel aus {1,, n}; das heißt 1 i 1 < i 2 < < i k n Wir definieren ε I = ε i1 ε i2 ε ik 122 Satz 128 {ε I ; I geordneter k-tupel} mit ε I definiert in 122 ist eine Basis für Λ k V

4 Januar 2011 Woche 12, Differentialformen I Beweis Man betrachte die Überlegungen bei Lemma 123 Seien V und W Vektorräume über R und sei L : W V eine lineare Abbildung Mit dieser linearen Abbildung L lässt sich eine lineare Abbildung L : Λ k V Λ k W konstruieren: L ω w 1,, w k = ω Lw 1,, Lw k Notation 129 Man sagt, eine äußere Form ω auf V läßt sich mit einer linearen Abbildung L : W V zurückziehen zu einer äußeren Form L ω in W W Λ k W L V L Λ k V Schlussendlich wollen wir noch zeigen, dass ein inneres Produkt von einem Vektor v V mit einer k-form ω eine k 1-Form liefert: Definition 1210 Sei v V und ω Λ k V mit k 1 Dann setzt man v ω v 1,, v k 1 = ω v, v 1,, v k 1 Man findet, dass v ω Λ k 1 V, denn die Multilinearität und die Antisymmetrie von v ω folgt aus der von ω 122 Determinante Die bekannteste äußere Form ist die Determinante Für V = R n ist { v 1,, v n} det v 1,, v n eine äußere n-form, oder formell det Λ n R n Man sieht sofort, dass diese Abbildung multilinear und anti-symmetrisch ist Man hat det = ε 1 ε 2 ε n Wir haben schon mal gesehen, dass det v 1,, v n das Volumen von dem Parallelepiped P = { θ 1 v θ n v n ; θ i [0, 1] } ergibt 123 Skalarprodukt und Orientierung Bis jetzt sind wir nur dem Standardskalarprodukt begegnet Wir möchten ein allgemeineres Skalarprodukt zulassen Definition 1211 g : V V R nennt man ein nicht-ausgeartetes Skalarprodukt, wenn 1 v 1 g v 1, v 2 und v 2 g v 1, v 2 linear sind; 2 g symmetrisch ist: g v 1, v 2 = g v 2, v 1 ;

5 123 Skalarprodukt und Orientierung B = {b 1,, b n } eine Basis ist für V und M B g die Matrix definiert durch M B g ij = g b i, b j, dann gilt det M B g 0 Weil g symmetrisch ist, ist M B g auch symmetrisch und darum diagonalisierbar Nennen wir die Zahl der positiven Eigenwerte p und die Zahl der negativen q, dann ist das Paar p, q die Signatur des Skalarproduktes g auf der Basis B Man kann zeigen, dass diese Signatur unabhängig vor der gewählten Basis ist Für das Standardskalarprodukt g : R n R n R, definiert auf der Standardbasis E durch g v 1, v 2 = v 1, v 2, ist M B g positiv definit Man möchte hier auch Skalarprodukte zulassen, die auf Produktvektorräume V W definiert sind durch v 1 v 2 g, = v 1, v 2 w 1, w 2 V W w 1 w 2 Ein Skalarprodukt g auf V V liefert ein zugehöriges Skalarprodukt ḡ auf V V durch n n ḡ α, β = g ij α e i β e j 123 mit i=1 j=1 g ij ij = M Bg Auf diese Art hängt ḡ nicht von der Wahl der Basis ab, sondern nur von g selbst, denn wenn B = {f 1,, f n } eine andere Basis ist, sagen wir f i = n F ik e k k=1 dann gilt, dass n n M Bg = g f i, f j ij = F ik F jl g e k, e l k=1 l=1 ij = F M B g F T und es folgt = F α f 1 α f n α e 1 α e n α e 1 = α e n β f 1 1 Bg β f n F MB g F T 1 F M T = β e 1 β e n β e 1 M B g 1 β e n = Dieser letzte Formel ist genau ḡ α, β wie in 123 und man sieht, dass die Definition in 123 nicht von der Basis abhängt

6 Januar 2011 Woche 12, Differentialformen I Lemma 1212 Sei g : V V R ein nicht-ausgeartetes Skalarprodukt und sei v V Wenn g v, w = 0 für alle w V, dann gilt v = 0 Beweis Weil M B g symmetrisch ist und det M B g 0, kann man ein Basis B finden derart, dass d M B g = d nn mit d 11,, d pp > 0 und d p+1,p+1,, d p+q,p+q < 0 Wenn v 1,, v p 0 gilt, nimmt man auf diese Basis w = v 1,, v p, 0,, 0 und es folgt, dass g v, w > 0, einen Widerspruch Wenn v p+1,, v p+q 0 gilt, nimmt man w = 0,, 0, v p+1,, v p+q und es folgt, dass g v, w < 0, wiederum einen Widerspruch Dieses Skalarprodukt wird wie folgt erweitert auf die Räume Λ k V : Definition 1213 Sei g : V V R ein nicht-ausgeartetes Skalarprodukt und B = {e 1,, e n } eine Basis für V Dann definiert man ḡ : Λ k V Λ k V R, mit g ij wie in 124, wie folgt: ḡ ω 1, ω 2 = g i 1j 1 g i 2j 2 g i kj k ω 1 e i1,, e ik ω 2 e j1,, e jk 1 i 1 <i 2 < <i k n 1 j 1 <j 2 < <j k n für ω 1, ω 2 Λ k V NB: Auch hier hängt ḡ nicht von der Basis ab In R 2 und R 3 können wir uns eine Vorstellung davon machen, was wir unter einer rechts oder links orientierten Basis verstehen In höheren Dimensionen haben wir keine Vorstellung, die uns dabei helfen würde, links oder rechts zu unterscheiden Wir können aber schon alle Basen in zwei Klassen aufteilen Wenn B 1 = {e 1,, e n } und B 2 = {f 1,, f n } zwei verschiedene Basen sind, dann gibt es eine Matrix A = a ij, die B 1 überführt in B 2 : f i = a i1 e a in e n Wenn det A > 0 sagen wir, dass B 1 und B 2 gleich orientiert sind; wenn det A < 0 nennt man B 1 und B 2 entgegengesetzt orientiert Lemma 1214 Sei V ein Vektorraum mit einem nicht-ausgeartetem Skalarprodukt g Dann kann man eine Basis B definieren derart, dass M B g = Beweis Weil g symmetrisch ist, kann man eine orthonormale Basis B finden, die M Bg diagonal macht Skaliert man das i-te Basiselement von B durch M Bg ii 1/2 und nimmt man dies als neues Basiselement, wird der dazugehörige Diagonaleintrag zu ±1

7 124 Hodge-Operator 107 Definition 1215 Sei V ein Vektorraum mit einem nicht-ausgearteten Skalarprodukt g und sei B = {e 1,, e n } eine Basis mit M B g wie in 125 Dann nennt man dv Λ n V, definiert durch die Volumenform zu g dv g v 1, e 1 g v n, e 1 v 1,, v n = det g v 1, e n g v n, e n Bemerkung Diese Volumenform ist nicht ganz unabhängig von der gewählten Basis Für alle Basen die gleich orientiert sind bekommt man die gleiche Form Ist eine Basis gegengesetzt orientiert, so findet man zusätzlich ein Minus-Zeichen Wenn man zum Beispiel e 1 und e 2 vertauscht, passiert dies schon Wenn {ε 1,, ε n } die duale Basis auf V zu B ist, das heißt ε i e j = δ ij, dann gilt, dv = 1 q ε 1 ε 2 ε n 126 Um 126 zu zeigen bemerke man, dass es reicht, wenn man 126 für Basisvektoren beweist Weil dim Λ n V = 1 gilt, hat eine Basis für Λ n V genau ein Element und das kann zum Beispiel das n-tupel e 1,, e n sein Es gilt dv e 1,, e n = det g e i, e j ij = 1 q = 1 q ε 1 ε 2 ε n e 1,, e n 124 Hodge-Operator Für den n-dimensionalen Vektorraum gilt n n dim Λ m V = = = dim Λ n m V m n m Definition 1216 Sei V ein Vektorraum mit einem nicht-ausgearteten Skalarprodukt g und sei B = {e 1,, e n } eine Basis mit M B g, wie in 125 Man definiert den Hodge- Operator : Λ m V Λ n m V wie folgt Für ω Λ m V ist ω Λ n m V die eindeutige n m-form derart, dass ω η = ḡ ω, η dv für alle η Λ n m V Dieser Hodge-Operator ist wohldefiniert und das sieht man wie folgt Für ω Λ m V und η Λ n m V gilt ω η Λ n V Außerdem ist für jedes η Λ n m V die Abbildung η ω η L Λ n m V ; Λ n V linear Weil Λ n V eindimensional ist, und die Volumenform dv eine Basis für Λ n V liefert, gibt es c Λ n m V, also eine lineare Abbildung von Λ n m V nach R, mit ω η = c η dv für alle η Λ n m V Weil ḡ ein nicht-ausgeartetes Skalarprodukt auf Λ n m V ist, gibt es wegen Lemma 1212 genau eine Form ν Λ n m V mit c η = ḡ ν, η für alle η Λ n m V So sieht man, dass ω := ν wohldefiniert ist

8 Januar 2011 Woche 12, Differentialformen I Lemma 1217 Sei V ein Vektorraum mit einem nicht-ausgearteten Skalarprodukt g und sei B = {e 1,, e n } eine Basis mit M B g, wie in 125 Sei ω, η Λ m V Dann gilt 1 für eine Permutation 1 2 m m + 1 n σ = i 1 i 2 i m j 1 j n m mit i 1 < i 2 < < i m und j 1 < j 2 < < j n m : 127 ε i1 ε i2 ε im = 1 q sgn σ g j 1j 1 g j n mj n m εj1 ε j2 ε jn m ; 2 ω = 1 mn m+q ω; 3 ḡ ω, η = 1 q ḡ ω, η Beweis 1 Wenn {i 1, i 2,, i m, j 1,, j n m } keine Permutation von {1,, n} ist, dann gibt es zweimal die gleiche Zahl und es folgt ε i1 ε i2 ε im ε j1 ε j2 ε jn m = 0 Wenn {i 1, i 2,, i m, j 1,, j n m } schon eine Permutation von {1,, n} ist, dann gilt Man kann daraus schließen, dass Weil ε i1 ε i2 ε im ε j1 ε j2 ε jn m = = sgn σ ε 1 ε 1 ε n = 1 q sgn σ dv 128 ε i1 ε i2 ε im = c ε j1 ε j2 ε jn m ḡ ε j1 ε j2 ε jn m, ε j1 ε j2 ε jn m = g j 1 j 1 g j 2j 2 g j n mj n m und g j kj k { 1, +1} gilt, folgt für dass c = 1 q sgn σ g j 1j 1 g j 2j 2 g j n mj n m, ḡ ε i1 ε i2 ε im, ε j1 ε j2 ε jn m dv = = cḡ ε j1 ε j2 ε jn m, ε j1 ε j2 ε jn m dv = = 1 q sgn σ g j 1j 1 g j 2j 2 g j n mj n m 2 dv = 1 q sgn σ dv = = sgn σ ε 1 ε 2 ε n = = ε i1 ε i2 ε im ε j1 ε j2 ε jn m 2 Für ω = ε I = ε i1 ε i2 ε im mit I = {i 1, i 2,, i 3 }, 1 i 1 < i 2 < < i m n und J das Komplement zu I, mit der Standardanordnung so wie es auch in 128 definiert ist, und mit 1 2 n m n m + 1 n σ = j 1 j 2 j n m i 1 i m

9 125 Differentialformen zurückziehen und ableiten 109 gilt, dass ε I = 1 q sgn σ g j 1j 1 g j 2j 2 g j n mj n m ε J = = 1 2q sgn σ sgn σ g j 1j 1 g j 2j 2 g j n mj n m g i 1i 1 g i 2i 2 g imim ε I = = 1 n mm 1 q ε I Man verwendet, dass sgn σ sgn σ = 1 n mm und g j 1j 1 g j 2j 2 g j n mj n m g i 1i 1 g i 2i 2 g imim = 1 p 1 q Weil {ε I ; I geordneter m-tupel} eine Basis für Λ m V bildet, ist der Beweis fast komplett Man muss sich nur noch überlegen, dass mit zusätzliche Funktionen f I gilt: f I ε I = f I ε I I =m I =m 3 Sei ω, η Λ m V Dann gilt mit dem zweiten Ergebnis oben, dass ḡ ω, ηdv = ω η = 1 n mm η ω = = 1 n mm ḡ η, ωdv = 1 q ḡη, ωdv = 1 q ḡω, ηdv Beispiel 1218 Für M = R n mit Standardbasen und dem standard skalaren Produkt ist dieser Hodge-Operator nur halb so schlimm Für ω = dx i1 dx i2 dx im mit I = {i 1, i 2,, i m } und 1 i 1 < i 2 < < i m n findet man ω = 1 signσ dx j1 dx j2 dx jn m mit σ wie in 127 Dann folgt auch sofort, weil sign σ = sign σ 1, dass ω = ω Differentialformen zurückziehen und ableiten Für die Standardbasis {e 1,, e n } in R n definiert man dx i Λ R n für v = v 1 e v n e n durch dx i v = v i Eine Basis für Λ k R n ist dann {dx i1 dx i2 dx ik ; 1 i 1 < i 2 < < i k n} Das wiederum heißt, dass jede äußere k-form ω die Gestalt ω = ω i1 i 2 i k dx i1 dx i2 dx ik i 1 <i 2 < <i k n hat Wenn ω i1 i 2 i k C l U für U R n, nennt man ω eine k-form der Klasse C l und schreibt ω Ω k l U

10 Januar 2011 Woche 12, Differentialformen I Definition 1219 Das Differential von f C k+1 U mit k 1 für offenes U R n definiert man durch df = f dx f dx n x 1 x n Es folgt df Ω 1 k U und für v = v 1e v n e n gilt df v = f v Genauer wäre es, wenn man schreiben würde df p, v = fp v Definition 1220 Sei U R n offen und f C l+1 U; R m Man definiert für ω Ω k l Rm die von f zurückgezogene k-form f ω Ω k l Rn durch f ω v 1,, v k = ω f p v 1,, f p v k Bemerkung Wenn man die Abhängigkeit von der Stelle nach beibehalten möchte, dann müsste man eigentlich schreiben f ω [p] v 1,, v k = ω [fp] f p v 1,, f p v k, denn die Differentialform ω an der Stelle f p hängt zusammen mit der Differentialform f ω an der Stelle p Deshalb sagt man auch,,zurückziehen Hier ist f p die Ableitung von f an der Stelle p, anders gesagt, die lineare Abbildung f p : R n R m, ist also als eine m n-matrix darstellbar, mit Es folgt, dass fx fp f p x p lim x p x p = 0 f dx i v = dx i f p v = n j=1 f i p x j v j = n j=1 f i p x j dx j v 1211 Lemma 1221 Sei U R n offen und f C l+1 U; R m Dann gilt: 1 f ω + η = f ω + f η für ω, η Ω k l Rm ; 2 f gω = g f f ω für ω Ω k l Rm und g C 0 R m ; 3 f ω η = f ω f η für ω Ω k 1 l Rm und η Ω k 2 l Rm Beweis Diese Aussagen folgen sofort aus der Definition Aus der letzten Aussage und 1211 folgt für den speziellen Fall m = n, dass f dx 1 dx 2 dx n = f dx 1 f dx 2 f dx n = n f 1 p n f 2 p n f n p = dx j dx j dx j = x j x j x j j=1 = = σ P ert σ P ert f 1 p x σ1 j=1 f 2 p x σ2 sgn σ f 1p x σ1 j=1 f np x σn dx σ1 dx σ2 dx σn = f 2 p x σ2 f np x σn dx 1 dx 2 dx n = = det f p dx 1 dx 2 dx n

11 125 Differentialformen zurückziehen und ableiten 111 Definition 1222 Sei ω Ω k l U mit l 1 wie in 1210: ω = ω i1 i 2 i k dx i1 dx i2 dx ik, i 1 <i 2 < <i k n Das äußere Differential dω definiert man durch dω = = 1 i 1 <i 2 < <i k n 1 i 1 <i 2 < <i k n j=1 dω i1 i 2 i k dx i1 dx i2 dx ik = n ω i1 i 2 i k x j dx j dx i1 dx i2 dx ik Es folgt dω Ω k+1 l 1 U Das heißt, d ist ein linearer Operator von Ωk l U zu Ωk+1 l 1 U Lemma 1223 Es gilt: 1 d ω + η = dω + dη für ω, η Ω k l U mit l 1; 2 d ω η = dω η + 1 k 1 ω dη für ω Ω k 1 l U und η Ωk 2 l U mit l 1; 3 ddω = 0 für ω Ω k l U mit l 2; 4 f dω = d f ω für f C 1 U; R m und ω Ω k l U mit l 1 Beweis Das erste Ergebnis zeigt man sofort mit Hilfe der Definition Nehmen wir Teilmengen I, J {1,, n} und schreiben dx I = dx i1 dx ik für I = {i 1,, i k }, dx J = dx j1 dx jl für J = {j 1,, j l }, dann bemerke man für das zweite Ergebnis, dass d fdx I gdx J = d fgdx I dx J = = gdf + fdg dx I dx J = = df dx I gdx J + 1 k fdx I dg dx J = = d fdx I gdx J + 1 k fdx I d gdx J Für das dritte Ergebnis bemerke man, dass = d d fdx I = n i=1 n i 1 2 f x i x j i=1 j=1 n j=1 2 f x i x j dx i dx j dx I = 2 f x j x i dx i dx j dx I = 0 Das letztere folgt aus der Definition Nennen wir {y 1,, y m } die Koordinaten auf R m und sei ω = g dy j1 dy jk Es gilt dω = dg dy j1 dy jk

12 Januar 2011 Woche 12, Differentialformen I und weil f ω [p] v 1,, v k = ω [fp] f p v 1,, f p v k = g [fp] dy j1 dy jk f p v 1,, f p v k folgt v d f ω 1 [p],, v k, v k+1 = d g [fp] dy j1 dy jk f p v 1,, f p v k, f p v k+1 n g f = dy i dy j1 dy jk p v 1,, f p v k, f p v k+1 y i=1 i [fp] n g v = dy i f p dy j1 f p dy jk f p 1,, v k, v k+1 y i=1 i [fp] n n = g fi dx j dy j1 f p dy jk f p v 1,, v k, v k+1 y i=1 j=1 i [fp] x j [p] n = g f dx j dy j1 f p dy jk f p v 1,, v k, v k+1 x j=1 j [p] v = d g f [p] dy j1 f p dy jk f p 1,, v k, v k+1 = dg [fp] dy j1 dy jk f p v 1,, f p v k, f p v k+1 = dω [fp] f p v 1,, f p v k, f p v k+1 = f dω [p] v 1,, v k, v k Wieso? Warum all dieses? Wir möchten das Werkzeug bereitlegen, um auch bei Mannigfaltigkeiten zugehörende Integrale auf passende Weise festzulegen und gegebenfalls auch zu berechnen Verwendet man Differentialformen, dann sieht die allgemeine Form des Satzes von Stokes harmlos aus: M dω = M ω Hier ist M eine m-dimensionale Mannigfaltigkeit in R n mit m 1-dimensionalem Rand M und ω Ω m 1 l+1 M In einer Dimension sieht dieser Satz übrigens wie folgt aus: b a dω = ω b ω a 127 Gradient, Divergenz und Rotation in R n Bevor wir uns auf Mannigfaltigkeiten begeben, erinnern wir nochmal an einige Differentialoperatoren in R n

13 128 Die klassischen Sätze von Gauß und Stokes 113 Definition 1224 Der Gradient für f C 1 R n : grad f = f = f x 1 f x 2 f x n Die Divergenz für v C 1 R n ; R n : div v = v = v 1 x 1 + v 2 x v n x n Die Rotation für v C 1 R 3 ; R n : rot v = v = det x 1 v 1 e 1 x 2 v 2 e 2 x 3 v 3 e 3 = v 3 x 2 v 2 x 3 v 1 x 3 v 3 x 1 v 2 x 1 v 1 x 2 Auf englisch: rot v = curl v Der Laplace-Operator für f C 2 R n : f = div grad f = f = f + f + + f x 1 x 2 x n 128 Die klassischen Sätze von Gauß und Stokes Der allgemeine Satz von Stokes liefert einige Spezialfälle, die wir hier betrachten werden Man nennt das Dreibein {a, b, c} R 3 positiv orientiert, wenn a b c > 0 Lemma 1225 Wenn ψ : A R 2 R 3 eine Immersion ist, M = ψa eindeutig parametrisiert ist, und wenn v ein Vektorfeld auf M ist und dσ das Oberflächendifferential, dann gilt ψ v n dσ = v ψ x, y x ψ dxdy y M A { } Das Dreibein n, ψ, ψ soll positiv orientiert sein; n ist ein stetiger Normaleneinheitsvektor auf x y M Das Oberflächendifferential gehört zu der positiven Volumenform auf M, die wir später noch genau definieren wollen Satz 1226 Gauß 1 in 3 Dimensionen Sei U R 3 offen und beschränkt und sei U C 1 Sei v C 1 Ū; R3 und sei n der auswärts gerichtete Normaleneinheitsvektor auf U und dσ das Oberflächendifferential Dann gilt v dλ = v n dσ U U

14 Januar 2011 Woche 12, Differentialformen I Satz 1227 Gauß in n Dimensionen Sei U R n offen und beschränkt und sei U C 1 Sei v C 1 Ū; Rn und sei n der auswärts gerichtete Normaleneinheitsvektor auf U und dσ das Oberflächendifferential Dann gilt v dλ = v n dσ U U Korollar 1228 Sei U R n offen und beschränkt und sei U C 1 Sei f, g C 2 Ū und sei n der auswärts gerichtete Normaleneinheitsvektor auf U und dσ das Oberflächendifferential Dann gilt f f g f g dλ = n g f g dσ n NB f n = f n U Bemerkung Dieses Korollar ist auch bekannt als ein Satz von Green 2 U Abbildung 121: Gauß, die Mühle von Green und Stokes Satz 1229 Stokes 3 klassisch Sei M eine 2-dimensionale Mannigfaltigkeit in R 3 Sei v C 1 Ū; R3 und sei n ein stetiger Normaleneinheitsvektor auf M und dσ das Oberflächendifferential Dann gilt v x n dσ = vx τ ds, M wobei der Tangentialvektor τ sich zu n links herum dreht NB v = rot v Siehe auch Abbildung 122 M 1 Carl Friedrich Gauß, George Green, George Gabriel Stokes,

15 128 Die klassischen Sätze von Gauß und Stokes Abbildung 122: Eine Abbildung zu Satz 1229: M als graues Haarnetz, M und τ in rot und ein n in grün

16 Januar 2011 Woche 12, Differentialformen I

1 Formen und äußeres Differential

1 Formen und äußeres Differential 1 Formen und äußeres Differential Wir betrachten den n-dimensionalen reellen Raum R n = { x = x 1,...,x n ) : x i R für i = 1,...,n }. Definition 1.1 Ein Tangentialvektor an R n im Punkt x R n ist ein

Mehr

Abbildung 10.1: Das Bild zu Beispiel 10.1

Abbildung 10.1: Das Bild zu Beispiel 10.1 Analysis 3, Woche Mannigfaltigkeiten I. Definition einer Mannigfaltigkeit Die Definition einer Mannigfaltigkeit braucht den Begriff Diffeomorphismus, den wir in Definition 9.5 festgelegt haben. Seien U,

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

Analysis II. Vorlesung 48. Die Hesse-Form

Analysis 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

Mehr

Erster Akt: Begriffe und Beispiele

Erster Akt: Begriffe und Beispiele Eigenvektoren 1 Erster Akt: Begriffe und Beispiele 2 Sei L : A A eine lineare Abbildung von einem Vektorraum A in sich sich selbst. (Man denke an z. B. an A = R 2.) 3 Ein Vektor a A, a 0, heißt ein Eigenvektor

Mehr

Der Laplace-Operator auf einer Riemannschen Mannigfaltigkeit

Der Laplace-Operator auf einer Riemannschen Mannigfaltigkeit Der Laplace-Operator auf einer Riemannschen Mannigfaltigkeit (Eine kurze Einführung im Rahmen des Seminars Spektraltheorie des Laplace-Operators, Sommersemester 2009) Inhalt: 1) Einführung 2) (Unter-)

Mehr

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D. Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion

Mehr

Lineare Algebra I Zusammenfassung

Lineare Algebra I Zusammenfassung Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition

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

LINEARE ALGEBRA FÜR ANALYSIS

LINEARE ALGEBRA FÜR ANALYSIS LINEARE ALGEBRA FÜR ANALYSIS ALBERTO S. CATTANEO Zusammenfassung. Eine Zusammenfassung der wichtigsten in der Analysis gebrauchten Grundbegriffe aus der linearen Algebra (speziell für diejenigen, die lineare

Mehr

r i w i (siehe (3.7)). r i v, w i = 0.

r i w i (siehe (3.7)). r i v, w i = 0. Orthogonales Komplement und Orthogonalprojektion Wir betrachten weiterhin einen euklidischen Vektorraum V,,. (6.13) Def.: Ist M V, so heißt das orthogonale Komplement von M. (6.14) Fakt. (i) M ist Untervektorraum

Mehr

16 Vektorfelder und 1-Formen

16 Vektorfelder und 1-Formen 45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung

Mehr

Klausurvorbereitungsblatt Lineare Algebra

Klausurvorbereitungsblatt Lineare Algebra Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen

Mehr

Lineare 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. 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

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung 43 Permutationen Definition Eine Permutation der Elementen {,, n} ist eine bijektive Abbildung σ : {,,n} {,,n} Es ist leicht zu sehen, dass die Hintereinanderführung zweier Permutationen ergibt wieder

Mehr

3.5 Duale Vektorräume und Abbildungen

3.5 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

Mehr

6 Hauptachsentransformation

6 Hauptachsentransformation 6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten

Mehr

2 Euklidische Vektorräume

2 Euklidische Vektorräume Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,

Mehr

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzugen zur Vorlesung: Der Vollständigkeit

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

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

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

(D.5) Ein beliebiges Element γ der endlichdimensionalen Grassmann-Algebra läßt sich darstellen als ein Polynom der Form

(D.5) Ein beliebiges Element γ der endlichdimensionalen Grassmann-Algebra läßt sich darstellen als ein Polynom der Form D SUPERZAHLEN 113 D Superzahlen Die folgenden Ausführungen orientieren sich an dem Buch von Buchbinder & Kuzenko [BK95]. D.1 Algebra und Generatoren einer Algebra Definition: Eine Algebra ist ein linearer

Mehr

1 Vektoralgebra (3D euklidischer Raum R 3 )

1 Vektoralgebra (3D euklidischer Raum R 3 ) Institut für Physik der Martin-Luther-Universität Halle-Wittenberg WS 202/203 Vorlesung Elektrodynamik LAG PD Dr. Angelika Chassé) Vektoralgebra 3D euklidischer Raum R 3 ). Grundbegriffe = Vektordefinition

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

Lösungen zu den Hausaufgaben zur Analysis II

Lösungen zu den Hausaufgaben zur Analysis II Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin

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

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

Geometrische Algebra

Geometrische 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

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

5.7 Lineare Abhängigkeit, Basis und Dimension

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

Mehr

Analysis II. Vorlesung 48. Die Hesse-Form

Analysis II. Vorlesung 48. Die Hesse-Form Prof. Dr. H. Brenner Osnabrück SS 2014 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

Mehr

0, v 6 = , v 4 = 1

0, v 6 = , v 4 = 1 Aufgabe 6. Linearkombinationen von Vektoren Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 : M = v =, v =, v 3 =, v 4 =, v 5 =, v 6 =. Zeigen Sie, dass sich jeder Vektor v i M, i =,,...,

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

4 Eigenwerte und Eigenvektoren

4 Eigenwerte und Eigenvektoren 4 Eigenwerte und Eigenvektoren Sei V {0} ein K Vektorraum und f : V V K linear. Definition: Ein Eigenwert von f ist ein Element λ K, für die es einen Vektor v 0 in V gibt, so dass f(v) = λ v. Sei nun λ

Mehr

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse

Mehr

Das heißt, Γ ist der Graph einer Funktion von d 1 Veränderlichen.

Das heißt, Γ ist der Graph einer Funktion von d 1 Veränderlichen. Kapitel 2 Der Gaußsche Satz Partielle Differentialgleichung sind typischerweise auf beschränkten Gebieten des R d, d 1, zu lösen. Dabei sind die Eigenschaften dieser Gebiete von Bedeutung, insbesondere

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 9 Basiswechsel Wir wissen bereits, dass in einem endlichdimensionalen Vektorraum je zwei Basen die gleiche Länge

Mehr

Differentialformen Äußere Ableitung Abbildungen Konverse Poincaré Lemma. Die Äußere Ableitung. Felix Retter

Differentialformen Äußere Ableitung Abbildungen Konverse Poincaré Lemma. Die Äußere Ableitung. Felix Retter 25.06.2008 Inhaltsangabe Differentialformen Äußere Ableitung Abbildungen Konverse Poincaré Lemma Die p-form Sei P ein Punkt in E n. Der n-dimensionale lineare Raum L = L p wird dann gebildet von n a i

Mehr

Tutorium 7. Definition. Sei V ein C-Vektorraum. Eine Abbildung, : V V C heißt komplexes Skalarprodukt : det F k > 0 mit F k := (f i,j ) C k k

Tutorium 7. Definition. Sei V ein C-Vektorraum. Eine Abbildung, : V V C heißt komplexes Skalarprodukt : det F k > 0 mit F k := (f i,j ) C k k Skalarprodukte Tutorium 7 Bemerkung. Für jeden komplexen Vektorraum V mit dim V und jede komplexe Bilinearform P auf V findet man einen Vektor v mit P (v, v) =. Es gibt also keine positiv definite Bilinearformen

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

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

5 Der Gaußsche und Stokes sche Integralsatz

5 Der Gaußsche und Stokes sche Integralsatz HM III = MATH III FT 2013 50 5 Der Gaußsche und Stokes sche Integralsatz Der Gaußsche Integralsatz umgangssprachlich am eispiel strömender Flüssigkeiten: Die Flüssigkeitsmenge, die durch die Oberfläche

Mehr

Spektralzerlegung des Laplace-Operators auf Liegruppen und kompakten symmetrischen Räumen

Spektralzerlegung des Laplace-Operators auf Liegruppen und kompakten symmetrischen Räumen Spektralzerlegung des Laplace-Operators auf Liegruppen und kompakten symmetrischen Räumen Anna Engels Seminar Riemannsche Geometrie und Spektraltheorie SS 003 Zusammenfassung Ich will erklären, wie man

Mehr

Definitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.

Definitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}. Technische Universität Berlin Wintersemester 7/8 Institut für Mathematik 9. April 8 Prof. Dr. Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Nachklausur zur Linearen Algebra I Aufgabe ++ Punkte Definieren

Mehr

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

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

Mehr

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

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

Minkowski-Theorie & die Klassenzahl

Minkowski-Theorie & die Klassenzahl Minkowski-Theorie & die Klassenzahl David Müßig Seminar zur Kommutativen Algebra Bemerkung 1. Wir betrachten im Folgenden stets endliche Körpererweiterungen K Q vom Grade n (K ist also ein algebraischer

Mehr

Lineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin:

Lineare Algebra I. - 9.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Korrektur: 2. Klausurtermin: Lineare Algebra I - 9.Vorlesung - rof. Dr. Daniel Roggenkamp & Falko Gauß Korrektur: 2. Klausurtermin: 09.02.2017 Linearkombination von Vektoren lineare Hülle Erzeugendensystem S lineare Unabhängigkeit

Mehr

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V. Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

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

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

$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

8 Extremwerte reellwertiger Funktionen

8 Extremwerte reellwertiger Funktionen 8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R

Mehr

Analysis 3 - Klausur - Lösung

Analysis 3 - Klausur - Lösung Wintersemester 23/24, Universität Bonn Analysis 3 - Klausur - Lösung Aufgabe : Sigma-Algebren (4+6 Punkte) a) Sei X eine Menge. Sei F = {{} : X}. Bestimmen Sie σ(f). b) Sei X eine Menge, Sei S P(X). Zeigen

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

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

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

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

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

Prof. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema

Prof. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema Prof. Dr. H. Brenner Osnabrück SS 205 Analysis II Vorlesung 50 Hinreichende Kriterien für lokale Extrema Wir kommen jetzt zu hinreichenden Kriterien für die Existenz von lokalen Extrema einer Funktion

Mehr

10 Untermannigfaltigkeiten

10 Untermannigfaltigkeiten 10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und

Mehr

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Proseminar Lineare Algebra SS10 Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Natalja Shesterina Heinrich-Heine-Universität ASymmetrische Polynome Definition 1 Sei n

Mehr

Lineare Abhängigkeit

Lineare Abhängigkeit Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x

Mehr

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 213/214 Markus Schweighofer Lineare Algebra I 6.2 Basen Definition 6.2.1. Seien V ein K-Vektorraum, n N und v 1,..., v n V. (a)

Mehr

9 Vektorräume mit Skalarprodukt

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

Mehr

4 Lineare Abbildungen und Matrizen

4 Lineare Abbildungen und Matrizen Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt

Mehr

Lineare Abbildungen. i=0 c ix i n. K n K m

Lineare Abbildungen. i=0 c ix i n. K n K m Kapitel 4 Lineare Abbildungen In diesem Abschnitt lernen Sie erstmals eine Klasse von strukturerhaltenden Abbildungen kennen. Diese Konzept ist von zentraler Bedeutung in der Algebra. Grob gesagt geht

Mehr

4.1. Vektorräume und lineare Abbildungen

4.1. Vektorräume und lineare Abbildungen 4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt

Mehr

3.4 Gradient, Divergenz, Rotation in anderen Koordinaten

3.4 Gradient, Divergenz, Rotation in anderen Koordinaten 3.3.5 Rechenregeln Für Skalarfelder f, g und Vektorfelder v, w gelten die Beziehungen fg) = f g + g f v w) = v ) w + w ) v + v w) + w v) f v) = f v + v f v w) = w v) v w) 3.5a) 3.5b) 3.5c) 3.5d) f) = div

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

Theoretische Physik 1, Mechanik

Theoretische Physik 1, Mechanik Theoretische Physik 1, Mechanik Harald Friedrich, Technische Universität München Sommersemester 2009 Mathematische Ergänzungen Vektoren und Tensoren Partielle Ableitungen, Nabla-Operator Physikalische

Mehr

Leitfaden Lineare Algebra: Determinanten

Leitfaden Lineare Algebra: Determinanten Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv

Mehr

Stochastik I. Vorlesungsmitschrift

Stochastik I. Vorlesungsmitschrift Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................

Mehr

4.5 Schranken an die Dichte von Kugelpackungen

4.5 Schranken an die Dichte von Kugelpackungen Gitter und Codes c Rudolf Scharlau 19. Juli 2009 341 4.5 Schranken an die Dichte von Kugelpackungen Schon in Abschnitt 1.4 hatten wir die Dichte einer Kugelpackung, speziell eines Gitters bzw. einer quadratischen

Mehr

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

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

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

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 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

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

Analysis IV. Gruppenübungen

Analysis IV. Gruppenübungen Fachbereich Mathematik Prof. B. Farkas Martin Fuchssteiner Lisa Steiner TECHNISCHE UNIVESITÄT DAMSTADT ASS 6 7.7.26 Analysis IV 3. Übung mit Lösungshinweisen (G ) Berechnung einiger Volumina Gruppenübungen

Mehr

Symplektische Geometrie

Symplektische Geometrie Symplektische Geometrie Def. Eine symplektische Form auf U R 2n ist eine geschlossene, nichtausgeartete 2-Differentialform. }{{}}{{} d.h. dω = 0 wird gleich definiert Wir bezeichnen sie normalerweise mit

Mehr

1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat.

1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. 1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. übliche Beispiele: Ort r = r( x; y; z; t ) Kraft F Geschwindigkeit

Mehr

Algebraische Zahlentheorie. Teil II. Die Diskriminante.

Algebraische Zahlentheorie. Teil II. Die Diskriminante. II-1 Algebraische Zahlentheorie Teil II Die Diskriminante Sei K ein Zahlkörper vom Grad n (also [K : Q] = n) Es gibt genau n Körper- Homomorphismen σ i : K C (siehe Merkzettel Separabilität) Stellen wir

Mehr

Vektorräume. Kapitel Definition und Beispiele

Vektorräume. Kapitel Definition und Beispiele Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte

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

2.3 Basis und Dimension

2.3 Basis und Dimension Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit

Mehr

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153

3.3 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

Mehr

Euklidische und unitäre Vektorräume

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

Mehr

Kapitel 11. Bilinearformen über beliebigen Bilinearformen

Kapitel 11. Bilinearformen über beliebigen Bilinearformen Kapitel 11 Bilinearformen über beliebigen Körpern Wir können in diesem Kapitel rasch vorgehen, weil die meisten Konzepte im Zusammenhang mit Sesquilinearformen bereits eingeführt wurden. In diesem Abschnitt

Mehr

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr

Lösungen der Aufgaben zu Abschnitt 5.4

Lösungen der Aufgaben zu Abschnitt 5.4 A Filler: Elementare Lineare Algebra Lösungen zu Abschnitt 54 Lösungen der Aufgaben zu Abschnitt 54 B ist linear unabhängig, wenn die Vektorgleichung ( ) ( ) ( ) ( ) 456 λ + λ + λ = bzw das LGS λ +4λ +λ

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 05.11.2013 Alexander Lytchak 1 / 14 Linearkombinationen Definition Es sei V ein reeller Vektorraum. Es sei (v i ) i

Mehr

3 Lineare Abbildungen und Matrizen

3 Lineare Abbildungen und Matrizen 3 Lineare Abbildungen und Matrizen Definition 3.1. Es seien V und W zwei Vektorräume über demselben Zahlkörper k. Eine Abbildung heisst linear, falls gilt i) [ λ k ] [ v V ] [ f (λ v) = λ f ( v) ] ii)

Mehr

3 Vektorbündel und das Tangentialbündel

3 Vektorbündel und das Tangentialbündel $Id: vektor.tex,v 1.6 2014/06/30 10:20:57 hk Ex $ $Id: fluss.tex,v 1.2 2014/06/30 12:36:06 hk Ex hk $ 3 Vektorbündel und das Tangentialbündel 3.4 Ableitungen von C q -Funktionen In der letzten Sitzung

Mehr

Von Skalarprodukten induzierte Normen

Von Skalarprodukten induzierte Normen Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus

Mehr