5. Krümmung Der Riemann sche Krümmungstensor
|
|
- Artur Brahms
- vor 6 Jahren
- Abrufe
Transkript
1 5 Krümmung 51 Der Riemann sche Krümmungstensor Gegeben sei eine Riemann sche Mannigfaltigkeit (M,, ) mit Levi-Civita-Zusammenhang D Der Riemann sche Krümmungstensor von M bezüglich D ist die Abbildung R : VM VM VM VM, (X, Y, Z) R(X, Y )Z, wobei R(X, Y )Z := D Y D X Z D X D Y Z + D [X,Y ] Z Beispiel Im (R n,, ), wobei, das Standardskalarprodukt ist, betrachten wir das Vektorfeld Z = (z 1,, z n ) VR n Da D X Z = (Xz 1,, Xz n ), folgt: D Y D X Z = (Y Xz 1,, Y Xz n ) Wegen [X, Y ] = XY Y X folgt: R(X, Y )Z = 0 Das oben definierte R ist somit ein Maß für die Abweichung der Riemann schen Mannigfaltigkeit (M,, ) von der euklidischen Geometrie x i Bemerkung: Bezüglich lokalen Basisfeldern (i = (1,, n)) gilt: [ ], x i x = 0 für C - j Funktionen Dann ist R ( ), = D x i x j x k D x j D x i x k D x i R ist ein Maß für die x j x k Vertauschbarkeit der 2 kovarianten Ableitungen Definition Setze V 0 M := C M, V r M := VM VM (r Summanden) V r M ist ein C M-Modul Ein (s, r)-tensorfeld auf M ist eine r-lineare Abbildung T : V r M V s M über dem Ring C M, das heißt T (X 1,, X i 1, fx + gy, X i+1,, X r ) = ft (X 1,, X i 1, X, X i+1,, X r ) für alle Argumente von T, X, Y VM + gt (X 1,, X i 1, Y, X i+1,, X r ) Satz 51 R ist ein (1,3)-Tensorfeld Beweis Exemplarisch für R(X, Y )(fz) = fr(x, Y )Z f C M D Y D X (fz) = D Y (fd X Z + (Xf)Z) = (Y f)d X Z + fd Y D X Z + (Y Xf)Z + (Xf)D Y Z Also: D Y D X (fz) D X D Y (fz) = f(d Y D X Z D X D Y Z) + (Y Xf XY f)z; D [X,Y ] fz = fd [X,Y ] Z + ([X, Y ]f)z = R(X, Y )fz = fr(x, Y )Z 47
2 5 Krümmung Satz 52 (Symmetrie-Eigenschaften) (M,, ) sei eine Riemann sche Mannigfaltigkeit D der Levi-Civita-Zusammenhang und R ein Krümmungstensor Dann gilt (1) R(X, Y )Z + R(Y, Z)X + R(Z, X)Y = 0 (zyklisch Vertauschbar) Bianchi-Identität (2) R(X, Y )Z, T = R(Y, X)Z, T (3) R(X, Y )Z, T = R(X, Y )T, Z (4) R(X, Y )Z, T = R(Z, T )X, Y Beweis (1) ist äquivalent zur Jacobi-Identität für Lie-Klammern (mit Torsionsfreiheit) (2) folgt direkt aus der Definition (3) ist äquivalent zu R(X, Y )W, W = 0 (setzte W = Z + T und verwende Satz 51) Es ist R(X, Y )W, W = D Y D X W D X D Y W + D [X,Y ] W, W, Levi-Civita, verträglich D Y D X W, W = Y D X W, W D X W, D Y W, analog D X D Y W, W ; D [X,Y ] W, W = 1 2 [X, Y ] W, W Somit: R(X, Y )W, W = Y D XW, W D X W, D Y W X D Y W, W + D Y W, D X W [X, Y ] W, W = 0 (4) Analog Krümmungstensor in lokalen Koordinaten (u, ϕ) Die Basisfelder seien X i :=, i = 1,, n Dann: R(X x i i, X j )X k := n l=1 Rl ijk X l (per Basissatz), wobei Rijk l die Komponenten des Krümmungstensors in lokalen Koordinaten sind, also C -Funktionen und symmetrisch bezüglich i, j Für beliebige Vektorfelder X, Y, Z VM mit X = u i X i, Y = v j X j, Z = w k X k i=1 j=1 k=1 gilt wegen Satz 51: R(X, Y )Z = u i v j w k Rijk l X l i,j,k,l=1 ( ) (man muss alles an der Stelle p kennen) Bemerkung: (Trägereigenschaft von R) Die Formel ( ) zeigt, dass (R(X, Y )Z)(p) nur von den Werten der Vektorfelder X, Y, Z im Punkt p abhängig ist 48
3 52 Schnittkrümmung Formel für R l ijk R(X i, X j )X k = D Xj (D Xi X k ) D Xi (D Xj X k ) + D [Xi, X j ] =0 ) ) X k = D Xj ( Γ m ik X m D Xi ( Γ n jk X m = [X j (Γ m ik ) X m + Γ m ik D X j X m ] [X i (Γ m ik )X m + Γ m jk D X i X m ] m l=1 Γl jm X n l l=1 Γl im X l = Rijk l = x j Γl ik + Γ m ik Γl jm x i Γl jk Γ m jk Γl im (so hatte es Riemann definiert) Setze nun R ijks := Rijk l g ls = R(X i, X j )X k, X s Herunterziehen von Indizes, Ricci-Kalkül Nach Satz 52 gilt: R ijks + R jkis + R kijs = 0 R ijks = R jiks R ijks = R ijsk R ijks = R ksij l=1 Bemerkung: Für dim M = 2 sind i, j, k, s {1, 2} und aufgrund obiger Symmetrien ist im wesentlichen nur R Dies ist gerade die Gauß-Krümmung Riemann scher Krümmungstensor Sei (M,, ) eine Riemann sche Mannigfaltigkeit und D der zugehöriger Levi-Civita-Zusammenhang Dann ist R : multilinear bezüglich C M VM VM VM VM (X, Y, Z) R(X, Y )Z := D Y D X Z D X D Y Z D [X,Y ] Z 52 Schnittkrümmung Vorbemerkung aus der Linearen Algebra Sei V ein R-Vektorraum mit Skalarprodukt, Für x, y V setze x y := x 2 y 2 x, y 2 0 (Flächeninhalt des des von x und y aufgespannten Parallelogramms) Für orthonormierte Vektoren ist x y = 1 49
4 5 Krümmung Lemma 51 Sei (M,, ) eine Riemann sche Mannigfaltigkeit, p M, σ ein 2-dimensionaler Untervektorraum von T p M mit Basis x, y Dann ist unabhängig von der Wahl der Basis K(x, y) := R(x, y)x, y p x y 2 In der Konsequenz macht folgende Definition Sinn: Definition Für p M, σ T p M ein 2-dimensionaler Untervektorraum setze K(p, σ) := K(x, y) für eine beliebige Basis {x, y} von σ K(p, σ) heißt Schnittkrümmung von σ in p M Bemerkungen: (1) Für n = 2 ist K(p, σ) = K(p) die Gauß-Krümmung von M im Punkt p Die Menge der Krümmungstensoren R im Punkt p ist vollständig bestimmt Beispiel Schnittkrümmung von (R n, kan) ist konstant null, da R = 0 (2) (S n, kan) Behauptung: Schnittkrümmung ist konstant 1 Lemma 52 Sei f : (M,, ) (N,, ) eine Riemann sche Isometrie Für σ T p M ist df p (σ) T f(p) N ein 2-dimensionaler Untervektorraum und K M (p, σ) = K N (f(p), df p (σ)) Das heißt: Schnittkrümmung ist invariant unter Isometrie Beweis (des Lemmas) Es gilt (Übungsblatt 7 Aufgabe 1): D N df(x) df(y) = df(dm x y) [df(x), df(y)] N = df([x, y] M ) df(x), df(y) = x, y = R N (df(x), df(y))df(z) = df(r M (x, y)z) Beweis (Schnittkrümmung von S n ist konstant) Es genügt zu zeigen: Zu σ T x S n und τ T y S n, jeweils 2-dimensionale Untervektorräume, existiert eine Isometrie f : S n S n mit df x (σ) = τ Sei nun σ = [u, v], τ = [ũ, ṽ], wobei u, v bzw ũ, ṽ Orthonormalbasen sind l 1 = x, l 2 = u, l 3 = v y = y 1 y n+1 = f 1 ũ = ũ 1 ũ n+1 = f 2 ṽ = ṽ 1 ṽ n+1 = f 3 50
5 53 Ricci-Krümmung ergänze zu einer Orthonormalbasis {f 1,, f n+1 } von R n+1 Dann ist A := [f 1, f 2,, f n+1 ] O(n+1), also eine orthogonale (n+1) (n+1)-matrix, mit A li = (f i ) l, f : R n+1 R n+1 ; w Aw ist eine euklidische Isometrie (Rotation von (R n+1, kan)) die S n invariant lässt Dies Induziert also eine Isometrie von (S n, kan) Da f linear ist, df = f, also df x (σ) = df x ([u, v]) = [df x (u), df y (v)] = [ũ, ṽ] = τ = Behauptung S n hat konstante Schnittkrümmung Es gilt K = 1 (siehe später) (3) n-dimensionale hyperbolische Räume H n R := {x R n x n > 0} mit der Identität als Karte und lokalen Koordinaten x 1,, x n Es ist 1 (x n) 0 2 (g ij ) := = (x n ) (x n) 2 Berechnung der R ijks zeigt: Schnittkrümmung R ist konstant 1 (4) Konforme Änderung der Metrik (M, g) einer Riemann schen Mannigfaltigkeit um λ C M, λ > 0: g := λg ist wieder eine Riemann sche Metrik Für konstantes λ > 0 ist die Schnittkrümmung für g: K = 1 λk Insbesondere kann man aus jeder Mannigfaltigkeit mit beliebiger, konstanter Krümmung ( 0) durch Reskalierung der Riemann schen Metrik S n oder H n erhalten Ergänzende Sätze (ohne Beweis, vergleiche: do Carmo, Kapitel 8) Satz (M,, ) hat konstante Schnittkrümmung, also K(p, σ) = K 0 σ T p M p M R(x, y)w, z = K 0 ( x, w y, z y, w x, z ) insbesondere ist R(x, y)x, y = K 0 ( x 2 y 2 x, y 2) Satz (Hopf) Eine vollständige, einfach zusammenhängende, zusammenhängende Riemann sche Mannigfaltigkeit mit konstanter Krümmung 0, 1 oder 1 ist isometrisch zu R n, S n, H n R Dabei heißt Vollständig: Jede Geodätische ist auf ganz R definiert Einfach zusammenhängend: Jede geschlossene Kurve ist auf einen Punkt zusammenziehbar 53 Ricci-Krümmung Sei R der Krümmungstensor einer Riemann schen Mannigfaltigkeit (M,, ) und X, Y, Z VM In jedem Punkt p M ist Y (p) R(X(p), Y (p))z(p) ein Endomorphismus von T p M Oder: Für X, Z VM fest ist R(X, )Z ein (1,1)-Tensormodul Für ein beliebiges (1,1)-Tensorfeld A ist A(p) : T p M T p M ein Endomorphismus und wir definieren die Spur von A durch (Spur A)(p) := A(p)e i, e i p i=1 51
6 5 Krümmung wobei [e i ] eine Orthonormalbasis von T p M ist Linere Algebra: Es gibt einen Endomorphismus Φ mit Abbildungsmatrix A und Spur Φ = Spur A = n i=1 A ii (insbesondere für Orthonormalbasen, a ii = Ae i, e i ) Der Ricci-Tensor von M ist der (0,2)-Tensor Ric(x, z) := Spur(y R(x, y)z) (In manchen Quellen noch mit 1 n 1 normiert) Die Ricci-Krümmung von M in Richtung v T pm ist r(v) := Ric(v, v) v 2 Für eine Orthonormalbasis {e i } von T p M ist Ric(v, w) = n i=1 R(v, e i)w, e i Also insbesondere ist der Ricci-Tensor symmetrisch und r(e 1 ) = n i=2 K(p, [e 1, e i ]) Die Skalar-Krümmung ist eine differenzierbare Funktion auf S : M R, p n j=1 r(e j), wobei {e j } eine Orthonormalbasis von T p M ist S(p) = r(e j ) = j=1 Ric(e j, e j ) = j=1 R(e j, e i )e j, e i = i,j=1 K(p, [e i, e j ]) i,j=1 i j Eine Riemann sche Mannigfaltigkeit (M, g) heißt Einstein-Raum falls Ric(x, y) = λg(x, y) x, y VM, wobei λ : M R eine differenzierbare Funktion ist Beispiel Räume mit konstanter Krümmung sind Einstein-Räume: K = c 0 konstant: Ric(X, X) = K([x, e i ])g(x, x) = (n 1)c 0 g(x, x) i=1 Bemerkung: Der Einstein-Tensor ist G := Ric S 2 g Einstein-Feldgleichungen der ART: G Geometrie = T, Physik wobei G: Einstein-Tensor für 4 dimensionale Lorentz-Mannigfaltigkeit (mit Pseudo-Riemannscher Metrik), T : Energie-Impuls-Tensor der Materie-Verteilung (Buch: Gravitation Misner, Thorne, Wheeler) 52
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,
Mehr3 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
Mehr1 Eingebettete Untermannigfaltigkeiten des R d
$Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die
MehrLineare 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
MehrD-ERDW, D-HEST, D-USYS Mathematik II FS 15 Dr. Ana Cannas. Serie 9: Satz von Stokes und Divergenzsatz
D-ERDW, D-HEST, D-USYS Mathematik II FS 15 Dr. Ana Cannas Serie 9: Satz von Stokes und Divergenzsatz Bemerkungen: Die Aufgaben der Serie 9 bilden den Fokus der Übungsgruppen vom 28./30. April. 1. Berechnen
MehrÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:
MehrEinführung in die Tensorrechnung
1. Definition eines Tensors Tensoren sind Grössen, mit deren Hilfe man Skalare, Vektoren und weitere Grössen analoger Struktur in ein einheitliches Schema zur Beschreibung mathematischer und physikalischer
MehrKapitel 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
MehrVorlesung: Klassische Theoretische Physik I
Vorlesung: Klassische Theoretische Physik I M. Zirnbauer Institut für Theoretische Physik Universität zu Köln Sommersemester 2015 Contents 1 Newtonsche Mechanik 3 1.1 Affine und Euklidische Räume.............................
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrElemente von S n = Aut([1, n]) heißen Permutationen. Spezielle Permutationen sind Transpositionen und Zyklen. (Vergl. Skript S
Begriffe Faser: Es sei f : M N eine Abbildung von Mengen. Es sei n N. Die Menge f 1 ({n}) M nennt man die Faser in n. (Skript Seite 119). Parallel: Zwei Vektoren v und w heißen parallel, wenn für einen
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrMathematische Physik: Vektoranalysis und Differentialgeometrie
Mathematische Physik: Vektoranalysis und Differentialgeometrie September 2006 April 2007 Markus Penz Stichwörter. Mannigfaltigkeit, Karte, Atlas, Tangentialraum, Tangentialbündel, Dualraum (Kovektorraum),
MehrVerallgemeinerte Dreiecksungleichungen Michael Kapovich
Verallgemeinerte Dreiecksungleichungen Michael Kapovich Wir alle wissen, dass eine gerade Linie die kürzeste Verbindung von einem Punkt zu einem anderen Punkt ist. Dieses Wissen scheint in den Jahrmillionen
MehrThema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen
Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
MehrFachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen)
Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie (Lineare Abbildungen) Dozent/in: R. Burkhardt Büro:.6 Klasse: Semester: Datum: HS 8/9. Aufgabe Zeige, dass die folgenden Abbildungen
MehrKLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008
KLAUSUR ZUR LINEAREN ALGEBRA I. Februar 008 MUSTERLÖSUNG Diese Klausur wurde je nach Sitzreihe in zwei verschiedenen Versionen geschrieben. Die andere Version unterscheidet sich von der vorliegenden jedoch
MehrAnalysis 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
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
Mehr1.2 Das kartesische Koordinatensystem
Kapitel 1 Vektoralgebra 1.1 Einführung Am ersten Kapitel widmen wir uns den Grundlagen der Vektoralgebra, wobei wir speziell auf die Definitionen von Skalaren und Vektoren eingehen und Produkte zwischen
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrErinnerung/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
Mehr4. Vektorräume und Gleichungssysteme
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume
Mehrdetdϕ(x,y) = 1 für alle (x,y) Ω.
3. TANGENTIALBÜNDEL 7 3. Tangentialbündel 3.1. Tangentialräume der Untermannigfaltigkeit im R n. In dieser Abschnitt wiederholen wir die Untermannigfaltigkeit im R n und ihre Tangentialräume aus Analysis
Mehr1 Vorlesungen: und Vektor Rechnung: 1.Teil
1 Vorlesungen: 4.10.005 und 31.10.005 Vektor Rechnung: 1.Teil Einige in der Physik auftretende Messgrößen sind durch eine einzige Zahl bestimmt: Temperatur T K Dichte kg/m 3 Leistung P Watt = J/s = kg
MehrPrüfung 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
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
Mehrx 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
Mehr8 Tangenten an Quadriken
8 Tangenten an Quadriken A Geraden auf Quadriken: Sei A 0 eine symmetrische n n Matri und Q : t A + b t + c = 0 eine nicht leere Quadrik im R n, b R n, c R. g = p + R v R n ist die Gerade durch p mit Richtung
MehrMat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1
Aufgabe. Bestimmen Sie das Exponential expa) der Matrix ) 5 6 A = Mat, R). 4. Wir bestimmen das charakterische Polynom f A t) = t t = t )t + ). ). Eigenvektor zu EW ist v = ). Eigenvektor zu EW ist v =
MehrMATHEMATIK II FÜR STUDIERENDE DER PHYSIK
- 87 - MATHEMATIK II FÜR STUDIERENDE DER PHYSIK 21 Vektorräume mit Skalarprodukt Wir halten uns hier im Wesentlichen an das Buch G.Fischer : Lineare Algebra, 14. Auflage, Kap. 5. 21.1 Definition und Beispiele
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
Mehr1 Mengen und Abbildungen
1 MENGEN UND ABBILDUNGEN 1 1 Mengen und Abbildungen Wir starten mit einigen einführenden Definitionen und Ergebnissen aus der Theorie der Mengen und Abbildungen, die nicht nur Grundlage der Linearen Algebra
Mehr& 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
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrUniversität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla
Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Sätze über Konvexität von Kapitel 4.7 bis 4.10 Theorem 4.7-1. Sei U ein konvexer Unterraum eines normierten Vektorraums. Dann
MehrLineare Abbildungen und Darstellungsmatrizen
KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
MehrAufgabensammlung 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
MehrDie komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.
Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines
MehrKausalität. Seminar zur Lorentz Geometrie. Jonas Haferkamp 9. Juni 2016
Kausalität Seminar zur Lorentz Geometrie Jonas Haferkamp 9. Juni 2016 1 Einleitung Kausalität ist das Prinzip von Ursache und Wirkung. Um dieses Konzept zu formalisieren, ist offenbar ein sinnvoller Zeitbegriff
MehrAlgebraische Kurven - Vorlesung 5. Homogene Komponenten
Algebraische Kurven - Vorlesung 5 Homogene Komponenten Definition 1. Sei S ein kommutativer Ring und R = S[X 1,...,X n ] der Polynomring über R in n Variablen. Dann heißt zu einem Monom G = X ν = X ν 1
MehrGrundlagen der Mathematik II
Wintersemester 204/205 - Aufgabenblatt I Abgabe: bis Donnerstag, den 6. November 204, 9:00 Uhr Aufgabe : Untersuchen Sie, für welche 2 C die folgende Matrix c diagonalisierbar ist, und bestimmen Sie für
Mehr2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n
2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n f ist in dem Fall ein Weg in R n. Das Bild f(t) des Weges wird als Kurve
MehrDEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )
Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
MehrMathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder
DGL Schwingung Physikalische Felder Mathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder Johannes Wiedersich 23. April 2008 http://www.e13.physik.tu-muenchen.de/wiedersich/
MehrRIEMANNNSCHE GEOMETRIE SS 2011
RIEMANNNSCHE GEOMETRIE SS 2011 J.-H. ESCHENBURG 1. Einführung Nicht jede mathematische Disziplin hat einen Geburtstag, die Riemannsche Geometrie aber schon: Sie erblickte am 10. Juni 1854 in Göttingen
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
MehrKap 1: VEKTORRÄUME. (c) (λµ) v = λ (µ v) (b) λ (v + w) = (λ v) + (λ w) (d) 1 v = v
Kap 1: VEKTORRÄUME Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung ϕ : I X, i ϕ(i) = x i, wobei die Menge I in diesem Zusammenhang auch Indexmenge genannt wird. Man schreibt vereinfacht
MehrWELLEN im VAKUUM. Kapitel 10. B t E = 0 E = B = 0 B. E = 1 c 2 2 E. B = 1 c 2 2 B
Kapitel 0 WELLE im VAKUUM In den Maxwell-Gleichungen erscheint eine Asymmetrie durch Ladungen, die Quellen des E-Feldes sind und durch freie Ströme, die Ursache für das B-Feld sind. Im Vakuum ist ρ und
MehrLineare Algebra II 9. Übungsblatt
Lineare Algebra II 9. Übungsblatt Fachbereich Mathematik SS Prof. Dr. Kollross 5./6. Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest: ohne Benutzung des Skripts und innerhalb von Minuten!)
MehrWS 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
MehrLösungsvorschlag zu den Hausaufgaben der 8. Übung
FAKULTÄT FÜR MATHEMATIK Prof Dr Patrizio Ne Frank Osterbrink Johannes Lankeit 9503 Lösungsvorschlag zu den Hausaufgaben der 8 Übung Hausaufgabe : Beweise den Satz über die Parallelogrammgleichung Sei H
MehrEinführung in die Mathematik für Informatiker
Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 21.11.2016 6. Vorlesung aufgespannter Untervektorraum Span(T ), Linearkombinationen von Vektoren Lineare Unabhängigkeit
MehrVektorräume und Rang einer Matrix
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung
MehrMathematik II. Vorlesung 49. Der Banachsche Fixpunktsatz
Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 49 Der Banachsche Fixpunktsatz Satz 49.1. Es sei M ein nicht-leerer vollständiger metrischer Raum und f :M M eine stark kontrahierende Abbildung.
MehrEinführung in die theoretische Physik 1
Einführung in die theoretische Physik 1 Prof. Dr. L. Mathey Dienstag 15:45 16:45 und Donnerstag 10:45 12:00 Beginn: 23.10.12 Jungius 9, Hörs 2 1 Organisatorisches Vorlesung am 1.11.: wird dankenswerterweise
Mehr1 Einleitung. 1.1 Motivation. 6 Differentialgeometrie: Grundlagen Vorlesung 1
6 Differentialgeometrie: Grundlagen Vorlesung Einleitung. Motivation.. Name of the game Geometer bezeichnet klassisch einen Landvermesser (heute ist eher Geodät gebräuchlich. Die klassische Differentialgeometrie
MehrTeil 3. Krümmung. 1. Krümmungsbegriffe
Teil 3. Krümmung 25. Vorlesung, Dienstag 18.1.05 Es sei stets (M n, g semi-riemannsche Mannigfaltigkeit und ihr Levi-Civita-Zusammenhang. Wir setzen weiterhin n 2 voraus. 1. Krümmungsbegriffe Was soll
MehrJürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie
Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie Modul 12a: Fachdidaktische Bereiche juergen-roth.de/lehre/did_linalg_anageo/ Kapitel 5: Skalarprodukt 5.1 Inhalte Didaktik der Linearen
MehrBemerkungen zur Tensorrechnung
Prof.Dr.W.Timmermann Institut für Analysis 0. Einführung Bemerkungen zur Tensorrechnung Tensorrechnung wird meist als schwierig empfunden. Das hat mindestens zwei Gründe: 1. Etliche Lehrbücher enthalten
MehrEine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
MehrKapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3
Kapitel 5 Untermannigfaltigkeiten 5.1 Glatte Flächen in R 3 Bisher haben wir unter einem glatten Weg im R n stets eine differenzierbare Abbildung γ:i R n, definiert auf einem Intervall I R, verstanden.
MehrAnalysis II (FS 2015): Vektorfelder und Flüsse
Analysis II (FS 215): Vektorfelder und Flüsse Dietmar A. Salamon ETH-Zürich 7. April 215 1 Der Fluss eines Vektorfeldes Sei U R n eine offene Menge und sei f : U R n eine lokal Lipschitz-stetige Abbildung.
MehrKorrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:
Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
MehrGeometrische Objekte im 3-dimensionalen affinen Raum oder,... wie nützlich ist ein zugehöriger Vektorraum der Verschiebungen
Geometrische Objekte im -dimensionalen affinen Raum Bekanntlich versteht man unter geometrischen Objekten Punktmengen, auf die man die üblichen Mengenoperationen wie z.b.: Schnittmenge bilden: - aussagenlogisch:
Mehr4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung
4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung In vielen Anwendungen treten lineare Gleichungssysteme auf, die eine unterschiedliche Anzahl von Gleichungen und Unbekannten besitzen: Ax
Mehr5.4 Vektorgeometrie. 1 Repetition der Vektorgeometrie I Freie Vektoren, Ortsvektoren Die skalare Multiplikation eines Vektors...
5.4 Vektorgeometrie Inhaltsverzeichnis Repetition der Vektorgeometrie I. Freie Vektoren, Ortsvektoren................................... Die skalare Multiplikation eines Vektors.............................3
MehrInhalt. Vorwort Mittelwertsatz der Integralrechnung... 31
Inhalt Vorwort... 5 1 Stammfunktionen... 7 1.1 Erklärung der Stammfunktionen........................................... 7 1.2 Eigenschaften der Stammfunktionen.................................... 10 1.3
Mehr(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren
Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene
Mehr48 Symplektische Geometrie und Klassische Mechanik
48 Symplektische Geometrie und Klassische Mechanik Zusammenfassung Zum Schluss der Vorlesung gehen wir noch auf eine geometrische Struktur ein, die wie die euklidische oder die Minkowski-Struktur im Rahmen
MehrQuadratische Matrizen Inverse und Determinante
Kapitel 2 Quadratische Matrizen Inverse und Determinante In diesem Abschnitt sei A M(n, n) stets eine quadratische n n Matrix. Für nicht-quadratische Matrizen ergeben die folgenden Betrachtungen keinen
Mehr4 Elementare Vektorraumtheorie
4. ELEMENTARE VEKTORRAUMTHEORIE 51 4 Elementare Vektorraumtheorie Im folgenden sei K stets ein Körper. Definition. (i) Eine homogene Gleichung in den Unbekannten ξ 1,..., ξ n ist ein Ausdruck der Gestalt
MehrGleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung
Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Def. Eine Gleitspiegelung ist eine Spiegelung an einer Geraden (Spiegelachse) verknüpft mit einer Translation parallel zu dieser
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt
MehrKapitel 17. Determinanten
Kapitel 17. Determinanten Vorschau: Determinanten Es gibt drei Problemfelder, für die Determinanten von großem Nutzen sind: die formelmäßige Überprüfung der linearen Unabhängigkeit eines Systems von n
MehrMusterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.2012
Musterlösung zur Klausur Lineare Algebra II für Lehramt 30.07.0 Aufgabe : Entscheiden Sie in dieser Aufgabe, ob die Aussagen wahr oder falsch sind. Begründungen sind nicht erforderlich. Ein korrekt gesetztes
MehrAllgemeine Relativitätstheorie Ausarbeitung. Von Jan Kaprolat
Allgemeine Relativitätstheorie Ausarbeitung Von Jan Kaprolat Grundlegende Motivation zur ART Die Allgemeine Relativitätstheorie (ART) ist die Erweiterung der speziellen Relativitätstheorie (SRT). Sie bezieht
Mehr3.3 Klassifikation quadratischer Formen auf R n
3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen
MehrMathematik für Anwender I. Beispielklausur I mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur I mit en Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
MehrRiemann Geometrie. Basis für die allgemeine Relativitätstheorie. Huber Stefan Rathgeb Christian Walkner Stefan
Basis für die allgemeine Huber Stefan Rathgeb Christian Walkner Stefan Universität Salzburg Angewandte Informatik 10. Jänner 2005 Inhalt 1 2 Euklidische Geometrie Nichteuklidische Geometrie Krümmung und
Mehr6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum
Kapitel II Lineare Algebra und analytische Geometrie 6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum geometrischen
Mehr2 Geradengleichungen in Parameterform. Länge und Skalarprodukt
2 Geradengleichungen in Parameterform. Länge und Skalarprodukt Jörn Loviscach Versionsstand: 19. März 2011, 15:33 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:
MehrV DETERMINANTEN In diesem Kapitel entwickeln wir die Theorie der Determinanten Die folgenden Beispiele sollen die Einfuhrung dieses Begries motivieren
SKRIPTUM { LINEARE ALGEBRA II JB COOPER Inhaltsverzeichnis: x Determinanten x Eigenwerte x Euklidische Raume x8 Dualitat, Tensorprodukte, Alternierende Formen Anhang: ) Mengen, Abbildungen ) Gruppen )
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
MehrWir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung).
Kapitel 4 Metrische Räume und Stetigkeit 4.1 Metrische und normierte Räume 4.2 Folgen in metrischen Räumen 4.3 Offene und abgeschlossene Mengen 4.4 Stetige Funktionen 4.5 Grenzwerte von Funktionen 4.6
MehrTaylorentwicklung von Funktionen einer Veränderlichen
Taylorentwicklung von Funktionen einer Veränderlichen 17. Januar 2013 KAPITEL 1. MATHEMATISCHE GRUNDLAGEN 1 Kapitel 1 Mathematische Grundlagen 1.1 Stetigkeit, Differenzierbarkeit und C n -Funktionen Der
MehrVektorgeometrie - Teil 1
Vektorgeometrie - Teil 1 MNprofil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 14. März 2016 Inhaltsverzeichnis 1 Einführung & die analytische Darstellung der
MehrLösung der Prüfung Sommer 2009
Prof. D. Salamon Analysis I/II D-MATH, D-PHYS, D-CHAB ETH Zürich. Juni 9 Lösung der Prüfung Sommer 9. Berechnen Sie folgende Grenzwerte: (a) (b) Hinweis: Regel von de l Hospital. ( ( )) lim n n cos n lim
MehrPhysik 1 für Ingenieure
Physik 1 für Ingenieure Othmar Marti Experimentelle Physik Universität Ulm Othmar.Marti@Physik.Uni-Ulm.de Skript: http://wwwex.physik.uni-ulm.de/lehre/physing1 Übungsblätter und Lösungen: http://wwwex.physik.uni-ulm.de/lehre/physing1/ueb/ue#
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
Mehr11 Stochastisches Integral und Itô-Formel
11 Stochastisches Integral und Itô-Formel Im diskreten Finanzmodell bei selbstfinanzierender Strategie ϑ = {ϑ n n=,...,n mit Anfangswert V gilt : Ṽ n ϑ = V + n ϑ T j S j. j=1 Dieser diskontierte Wertprozess
Mehr12. Übungsblatt zur Mathematik II für MB
Fachbereich Mathematik Prof. Dr. U. Reif R. Hartmann, T. Koch SS 1 5.7.21 12. Übungsblatt zur Mathematik II für MB Aufgabe 39 Divergenz Berechnen Sie die Divergenz folgender Vektorfelder: xyz + 2xy F 1
MehrVorlesungsfolien Mathematik 3 WS 2010/11 UMIT. Einleitung
Vorlesungsfolien Mathematik 3 WS 2010/11 Dr. Leonhard Wieser UMIT Einleitung Begriff Vektoranalysis: Kombination aus Linearer Algebra/Vektorrechnung mit Differential- und Integralrechnung Inhaltsangabe:
Mehr