Skalarprodukte im Funktionenraum und orthogonale Funktionen
|
|
- Renate Lehmann
- vor 6 Jahren
- Abrufe
Transkript
1 1 Skalarprodukte im Funktionenraum und orthogonale Funktionen Im Allgemeinen muss ein reelles Skalarprodukt (, ) (wir betrachten reelle Funktionen) folgende Eigenschaften ausweisen: Bilinearität (Linearität bezüglich der beiden Argumente): (x + y, z) = (x, z) + (y, z) und (x, y + z) = (x, y) + (x, z) (x, λy) = (λx, y) = λ(x, y) mit λ R Symmetrie: (x, y) = (y, x) Positive Definitheit: (x, x) und (x, x) = genau dann, wenn x = ist Diese Eigenschaften gelten auf jeden Fall für das aus der Schule bekannte euklidische Skalarprodukt zweier Vektoren a und b: a b = 3 a n b n = a 1 b 1 + a 2 b 2 + a 3 b 3. n=1 Man kann jetzt jedoch auch ein Skalarprodukt mit diesen Eigenschaften auf einem reellen Funktionenraum definieren, also einem Vektorraum, der von Funktionen aufgespannt wird. Dies macht man dann über ein Integral wie (f(x), g(x)) = a b α(x)f(x)g(x) dx wobei α(x) eine weitere Funktion ist. (Oft definiert man das Skalarprodukt so, dass α(x) = 1 ist.) Die Eigenschaft der Bilinearität ist eine Eigenschaft des Integrals. Wir wissen nämlich, dass ein Integral über die Summe zweier Funktionen aufgespalten werden kann in die Summe der einzelnen Integrale und dass weiterhin eine Konstante λ vor das Integralzeichen geschrieben werden kann. Die Symmetrie ist auch klar, denn es ist ja völlig egal, welche Funktion man im Integranden zuerst hinschreibt. Die positive Definitheit gilt nicht für jedes Integral. Das Skalarprodukt ist geschickt so zu konstruieren, dass auch dies gewährleistet wird. Man bezeichnet nun zwei Funktionen f(x) und g(x) als orthogonal, wenn deren Skalarprodukt verschwindet (analog zu Vektoren): (f(x), g(x)) = a b α(x)f(x)g(x) dx =
2 2 Orthonormiert sind die Funktionen, falls gilt: (f(x), f(x)) = a b α(x)f(x)f(x) dx = 1 Die Funktionen bilden dann ein normiertes Orthogonalsystem (Orthonormalbasis) des Funktionenraums. Betrachten wir nun einige Beispiele hierzu. Die Legrende-Polynome Die Legrende-Polynome P sind Lösung der Legrendreschen Differentialgleichung (1 x 2 )P n (x) 2xP n(x) + n(n + 1)P n (x) =. Man löst diese mit einem Potenzreihenansatz, aus dem sich dann die Rekursionsformel für die Koeffizienten der Polynome ergibt, worauf wir jedoch jetzt nicht weiter eingehen wollen. Die Polynome sind im Allgemeinen gegeben durch d n P n (x) = 1 2 n n! dx n (x2 1) n und bilden das Orthogonalsystem 1 P m (x)p n (x) dx = 2 2n + 1 δ mn. Das Skalarprodukt ist also in diesem Funktionenraum definiert durch das symmetrische Integral über das Intervall [, 1], wobei die Funktion α(x) = 1 ist. Die ersten fünf dieser Polynome sind gegeben durch: p = p 1 = 2 x p 2 = ( + 3x2 ) p 3 = ( 3x + 5x3 )
3 3 p 4 = (3 3x2 + 35x 4 ) p 5 = (15x 7x3 + 63x 5 ) Wir wollen nun eine Funktion nach diesen Polynomen entwickeln, also durch sie annähern (approximieren). Zu berechnen ist also: sin(x) = C p + C 1 p 1 + C 2 p 2 + C 3 p 3 + C 4 p 4 + C 5 p Die Koeffizienten C, C 1,... ergeben sich dadurch, dass man die Orthogonalität und Normiertheit der Legrende-Polynome im zugewiesenen Skalarprodukt ausnutzt: sin(x)p dx = C p 2 dx +C 1 =1 + C p p 4 dx p p 1 dx +C 2 +C p p 2 dx +C 3 p p 5 dx = C Damit ergibt sich durch Berechnung des Integrals auf der linken Seite: C = sin(x)p dx = Der zweite Koeffizient folgt durch dasselbe Schema: sin(x)p 1 dx = C p p 1 dx +C 1 + C p 1 p 4 dx p 2 1 dx +C 2 =1 p 1 p 5 dx +C C 1 = sin(x)p 1 dx = 6(sin(1) cos(1)) p 1 p 2 dx +C 3 = C 1 p p 3 dx p 1 p 3 dx
4 4 Analog ergibt sich somit: C 2 = C 3 = C 4 = C 5 = sin(x)p 2 dx = sin(x)p 3 dx = 14(14 cos(1) 9 sin(1)) sin(x)p 4 dx = sin(x)p 5 dx = 22(54 sin(1) 841 cos(1)) Wir erkennen, dass die Koeffizienten der geraden Polynome gerade verschwinden. Dies muss natürlich auch so sein, da die Sinusfunktion selbst ungerade ist und somit nur als Überlagerung von ungeraden Polynomen dargestellt werden kann. Betrachten wir nun die einzelnen Approximationen in Schaubildern: Nullte Ordnung Erste Ordnung Zweite Ordnung Dritte Ordnung Schon die dritte Ordnung reicht aus, um den Sinus im Intervall [, 1] fast perfekt darzustellen.
5 5 Die Laguerre-Polynome Die Laguerre-Polynome sind Lösungen der Hermiteschen Differentialgleichung xl n(x) + (1 x)l n(x) + nl n (x) =. Im Allgemeinen sind sie gegeben durch L n (x) = exp(x) dn dx n (xn exp( x)) und erfüllen die Orthogonalitätsrelation exp( x)l m (x)l n (x) dx = n! 2 δ nm. Die ersten dieser Polynome sind gegeben durch: L (x) = 1 L 1 (x) = x + 1 L 2 (x) = x 2 4x + 2 L 3 (x) = x 3 + 9x 2 18x + 6 L 4 (x) = x 4 16x x 2 96x + 24 Wir wollen durch diese Polynome die Funktion exp(x/2) approximieren: ( x ) exp = C L + C 1 L 1 + C 2 L 2 + C 3 L 3 + C 4 L Um die einzelnen Koeffizienten C, C 1,... zu berechnen, gehen wir wieder so vor wie im letzten Abschnitt. Wir multiplizieren obige Gleichung nacheinander mit den Polynomen
6 6 L, L 1,..., integrieren und nutzen die Orthogonalitätsbeziehung aus: ( x ) exp( x) exp dx = C 2 Damit ergibt sich also: C = ( exp x ) dx = C 2 + C 4 exp( x)l 2 dx +C 1 =1 exp( x)l L 2 dx +C 3 exp( x)l L 4 dx exp( x)l L 1 dx exp( x)l L 3 dx Analog folgt C 1 = 2, C 2 = 2, C 3 = 2, C 4 = 2,.... Schauen wir uns die entsprechenden Schaubilder der Approximationen wieder an: Nullte Ordnung Erste Ordnung Zweite Ordnung Dritte Ordnung
7 Vierte Ordnung Die Annäherung des Polynoms an die Funktion exp( x 2 /2) ist auf jeden Fall erkennbar. Zur besseren Annäherung müsste man noch mehr Ordnungen in der Entwicklung mitnehmen. Der Gradient in Kugelkoordinaten Kugelkoordinaten sind definiert über: x r sin ϑ cos ϕ y = r sin ϑ sin ϕ mit r [, ), ϑ [, π] und ϕ [, 2π] z r cos ϑ Mittels der Kettenregel gilt: f(x(r, ϑ, ϕ), y(r, ϑ, ϕ), z(r, ϑ, ϕ)) = r ( x x r + y y r + z ) z f(x, y, z) r Für die anderen beiden Koordinaten ϑ und ϕ funktioniert dies analog. Das Ganze lässt sich nun in Matrixform wie folgt ausschreiben: / r / x x/ r x/ ϑ x/ ϕ / ϑ = J / y (x, y, z) mit J = (r, ϑ, ϕ) = y/ r y/ ϑ y/ ϕ = / ϕ / z z/ r z/ ϑ z/ ϕ sin ϑ cos ϕ r cos ϑ cos ϕ r sin ϑ sin ϕ = sin ϑ sin ϕ r cos ϑ sin ϕ r sin ϑ cos ϕ cos ϑ r sin ϑ Die Matrix J vermittelt also den Übergang zwischen den partiellen Ableitungen der Kugelkoordinaten und der kartesischen Koordinaten. Man bezeichnet J als Jacobi-Matrix.
8 8 Der Rücktransformation funktioniert mittels der inversen Jacobi-Matrix: / x / r / y = J / ϑ / z / ϕ mit J = (r, ϑ, ϕ) (x, y, z) = sin ϑ cos ϕ sin ϑ sin ϕ cos ϑ 1/r cos ϑ cos ϕ 1/r cos ϑ sin ϕ /r sin ϑ sin ϕ/(r sin ϑ) cos ϕ/(r sin ϑ) Ganz wichtig ist, dass sich jedoch bei einer Koordinatentransformation auch die Basisvektoren mittransformieren. Diese Transformation der Basisvektoren lässt sich in folgender Form schreiben: e x e r sin ϑ cos ϕ cos ϑ cos ϕ sin ϕ e y = S e ϑ mit S = sin ϑ sin ϕ cos ϑ sin ϕ cos ϕ e z e ϕ cos ϑ sin ϑ Die Matrix S hängt mit der Jacobi-Matrix J zusammen über 1 J = S G mit G = r r sin ϑ Nun können wir den Gradienten in Kugelkoordinaten sehr schön herleiten, wobei wie gesagt die Basis auch mittransformiert werden muss (wird oft vergessen): x e x + y e y + ( z e z = J S r e r + ϑ e ϑ + ) ϕ e ϕ = ( = G S S r e r + ϑ e ϑ + ) ϕ e ϕ ( = G r e r + ϑ e ϑ + ) 1 ϕ e ϕ mit G = 1/r 1/(r sin ϑ) Also gilt schlussendlich: x e x + y e y + z e z = r e r + 1 r ϑ e ϑ + 1 r sin ϑ ϕ e ϕ
2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.
Übung 6 1) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 + bx 2 + c mit a, b, c R und nennen diesen V. Die Vektoren f 1 (x) = 2x 4 + 2x 2 + 2 und f 2 (x) = 3x 4 + x 2 + 4 sind in diesem Vektorraum
Mehr= 3 e e x 1 + 2x 2. + x 2. = x. x 1 = 5 x 2 = 2
Lösungsvorschläge zu Blatt 7: ) x ( ) 3 3 e + e ( ) ( ) ( )! x x + x + x x + x x x Wir haben hier also zwei verschiedene Darstellungen für einen Vektor, da zwei verschiedene Basen verwendet werden. b b
Mehr12.2 Gauß-Quadratur. Erinnerung: Mit der Newton-Cotes Quadratur. I n [f] = g i f(x i ) I[f] = f(x) dx
12.2 Gauß-Quadratur Erinnerung: Mit der Newton-Cotes Quadratur I n [f] = n g i f(x i ) I[f] = i=0 b a f(x) dx werden Polynome vom Grad n exakt integriert. Dabei sind die Knoten x i, 0 i n, äquidistant
MehrFachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt
MehrHöhere Mathematik I/II
Markus Stroppel Höhere Mathematik I/II Z. Zusätze. Z.. Skalarprodukte in Funktionenräumen. Wir wollen an einigen Beispielen zeigen, dass es nützlich sein kann, Skalarprodukte auch in ganz allgemeinen (reellen)
Mehr5 Potenzreihenansatz und spezielle Funktionen
5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten
Mehr1. Integrieren Sie die Funktion f(x, y, z) := xyz über die Kugel mit Zentrum im Ursprung und Radius 1. (2 Punkte) Hinweis: Verwenden Sie Symmetrien.
1. Integrieren Sie die Funktion f(x, y, z) : xyz über die Kugel mit Zentrum im Ursprung und Radius 1. (2 Punkte) inweis: Verwenden Sie Symmetrien. Lösung: Betrachte den Diffeomorphismus j : B 1 () B 1
Mehrein geeignetes Koordinatensystem zu verwenden.
1.13 Koordinatensysteme (Anwendungen) Man ist immer bemüht, für die mathematische Beschreibung einer wissenschaftlichen Aufgabe ( Chemie, Biologie,Physik ) ein geeignetes Koordinatensystem zu verwenden.
MehrAufgaben zu Kapitel 20
Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Verständnisfragen Aufgabe 20 Sind die folgenden Produkte Skalarprodukte? (( R ) 2 ( R 2 )) R : v w,, v v 2 w w 2 (( R ) 2 ( R 2 )) R : v w, 3 v v 2 w w + v
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
MehrOrthogonalität von Kosinus und Sinus
Orthogonalität von Kosinus und Sinus Die Funktionen 1, cos(kx), sin(kx), k >, bilden ein Orthogonalsystem im Raum der quadratintegrierbaren π-periodischen Funktionen: cos(jx) cos(kx) dx = cos(jx) sin(lx)
MehrLineare 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
Mehr3 Vektorräume abstrakt
Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare
MehrMathematische 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
MehrT n (1) = 1 T n (cos π n )= 1. deg T n q n 1.
KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die
Mehr4.3 Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen
196 KAPITEL 4. VEKTORRÄUME MIT SKALARPRODUKT 4. Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen In diesem Abschnitt betrachten wir Vektorräume über IR und über C. Ziel ist es, in solchen Vektorräumen
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrDenition eines Orthonormalsystems (ONS) Eine Teilmenge M eines Prähilbertraums V mit dim(m) = n dim(v ) = m heiÿt Orthonormalsystem, wenn gilt:
Hilbertraum Durch Verallgemeinerung der aus der Linearen Algebra bekannten Konzepte wie Basis, Orthogonalität und Projektion lassen sich die Eigenschaften des Hilbertraumes verstehen. Vorweg eine kurze
MehrKapitel 5. Vektorräume mit Skalarprodukt
Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der
MehrLineare Algebra II 11. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des
MehrLösungen zu Mathematik I/II
Prof. Dr. E. W. Farkas ETH Zürich, Februar 11 D BIOL, D CHAB Lösungen zu Mathematik I/II Aufgaben 1. 1 Punkte a Wir berechnen lim x x + x + 1 x + x 3 + x = 1. b Wir benutzen L Hôpital e x e x lim x sinx
MehrMathematische 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
Mehr1. 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
Mehrcos(kx) sin(nx)dx =?
3.5 Fourierreihen 3.5.1 Vorbemerkungen cos(kx) sin(nx)dx =? cos gerade Funktion x cos(kx) gerade Funktion sin ungerade Funktion x sin(nx) ungerade Funktion x cos(kx) sin(nx) ungerade Funktion Weil [, π]
Mehr1 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
MehrTutorium 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
MehrPrüfungsklausur Höhere Mathematik II (20. Juli 2005) - Lösungen zum Theorieteil - für MB, EC, TeM, FWK, KGB, BGi, WiW, GtB, Ma, WWT, ESM
Prüfungsklausur Höhere Mathematik II (2. Juli 25) für MB, EC, TeM, FWK, KGB, BGi, WiW, GtB, Ma, WWT, ESM - Lösungen zum Theorieteil - Aufgabe : Sei f(x, y) eine in einem Gebiet zweimal stetig differenzierbare
MehrP AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3
Matrixpotenzen In Anwendungen müssen oft hohe Potenzen einer quadratischen Matrix berechnet werden Ist die Matrix diagonalisierbar, dann kann diese Berechnung wie folgt vereinfacht werden Sei A eine diagonalisierbare
MehrIII Reelle und komplexe Zahlen
Mathematik für Elektrotechniker Klausur Vorbereitung Prof Dr Volker Bach, Dr Sébastien Breteaux, Institut für Analysis und Algebra Jeder Satz, der einen Namen hat, ist wichtig III Reelle und komplexe Zahlen
MehrUnter 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
MehrSkalarprodukt. Das gewöhnliche Skalarprodukt ist für reelle n-tupel folgendermaßen erklärt: Sind. und v := reelle n-tupel, dann ist
Orthogonalität p. 1 Skalarprodukt Das gewöhnliche Skalarprodukt ist für reelle n-tupel folgendermaßen erklärt: Sind u := u 1 u 2. u n reelle n-tupel, dann ist und v := v 1 v 2. v n u v := u 1 v 1 + u 2
MehrVorkurs Mathematik Übungen zu Kurven im R n
Vorkurs Mathematik Übungen zu urven im R n Als bekannt setzen wir die folgende Berechnung voraus: Sei f : [a, b] R eine urve im R. Die Länge L der urve berechnet sich durch L b a f t dt urven in R Aufgabe.
MehrLineare 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
MehrAnalysis I. 1. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Das Bild einer Abbildung F: L M. (2) Eine Cauchy-Folge
Mehrf(x, y) = x 2 4x + y 2 + 2y
7. Februar Lösungshinweise Theorieteil Aufgabe : Bestimmen Sie die Niveaumengen (Höhenlinien) der Funktion f(x, y) = x 4x + y + y und skizzieren Sie das zugehörige Höhenlinienbild im kartesischen Koordinatensystem
MehrVorlesung Theoretische Chemie I (Prof. Dr. Georg Jansen) Der Laplace-Operator in Kugelkoordinaten
Vorlesung Theoretische Chemie I (Prof. Dr. Georg Jansen) Der Laplace-Operator in Kugelkoordinaten Transformation der Koordinaten: Die Transformation von kartesischen in Kugelkoordinaten ist gegeben durch
MehrÜbungen zur Theoretischen Physik 1 Lösungen zum Mathe-Test
Prof. C. Greiner, Dr. H. van Hees Wintersemester 2012/2013 Übungen zur Theoretischen Physik 1 Lösungen zum Mathe-Test Aufgabe 1: Bruchrechnung Lösen Sie die folgenden Gleichungen nach x auf (a) x x 2 1
MehrKonvergenz im quadratischen Mittel und die Parsevelsche Gleichung
Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Dr. Gerhard Mülich Christian Maaß 6.Mai 8 Im letzten Vortrag haben wir gesehen, dass das
MehrTheoretische Physik 1, Mechanik
Theoretische Physik 1, Mechanik Harald Friedrich, Technische Universität München Sommersemester 2009 Mathematische Ergänzungen Vektoren und Tensoren Partielle Ableitungen, Nabla-Operator Physikalische
Mehr42 Orthogonalität Motivation Definition: Orthogonalität Beispiel
4 Orthogonalität 4. Motivation Im euklidischen Raum ist das euklidische Produkt zweier Vektoren u, v IR n gleich, wenn die Vektoren orthogonal zueinander sind. Für beliebige Vektoren lässt sich sogar der
Mehr= ( n x j x j ) 1 / 2
15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors
Mehr12. 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
MehrKrummlinige Koordinaten
Krummlinige Koordinaten Einige Koordinatensysteme im R 3 haben wir bereits kennengelernt : x, x 2, x 3... kartesische Koordinaten r, φ, x 3... Zylinderkoordinaten r, φ, ϑ... Kugelkoordinaten Sind andere
MehrAufgabe K1: Potential einer Hohlkugel ( = 11 Punkte)
Aufgabe K: Potential einer Hohlkugel ( + 7 + = Punkte) (a) Leiten Sie die integrale Form der Maxwell Gleichungen der Elektrostatik aus den entsprechenden differentiellen Gleichungen her. Differentielle
MehrDer n-dimensionale Raum
Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand
MehrImplizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem
Implizite Funktionen Ist für eine stetig differenzierbare Funktion f : R n R m R n f (x, y ) = (0,..., 0) t, det f x (x, y ) 0, so lässt sich das Gleichungssystem f k (x 1,..., x n, y 1,..., y m ) = 0,
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
MehrTotale Ableitung und Jacobi-Matrix
Totale Ableitung und Jacobi-Matrix Eine reelle Funktion f : R n R m ist in einem Punkt x differenzierbar, wenn f (x + h) = f (x) + f (x)h + o( h ) für h 0. Totale Ableitung 1-1 Totale Ableitung und Jacobi-Matrix
MehrOrthonormalbasis. Orthogonalentwicklung
Orthonormalbasis Eine Orthogonal- oder Orthonormalbasis des R n (oder eines Teilraums) ist eine Basis {v,..., v n } mit v i = und v i, v j = für i j, d. h. alle Basisvektoren haben Norm und stehen senkrecht
MehrKurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif
14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte
Mehr3.6 Approximationstheorie
3.6 Approximationstheorie Bisher haben wir uns im Wesentlichen mit der Interpolation beschäftigt. Die Approximation ist weiter gefasst: wir suchen eine einfache Funktion p P (dabei ist der Funktionenraum
MehrTechnische Universität München. Aufgaben Mittwoch SS 2012
Technische Universität München Andreas Wörfel Ferienkurs Analysis 2 für Physiker Aufgaben Mittwoch SS 2012 Aufgabe 1 Äquivalente Aussagen für Stetigkeit( ) Beweisen Sie folgenden Satz: Seien X und Y metrische
MehrStroppel Musterlösung , 180min. Aufgabe 1 (3 Punkte) Bestimmen Sie die Determinante der Matrix
Stroppel Musterlösung 7.., 8min Aufgabe Punkte Bestimmen Sie die Determinante der Matrix A =. Geben Sie alle Lösungen x des homogenen Gleichungssystems Ax = an. Entwicklung nach der ersten Spalte: deta
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
Mehr9 Eigenwerte und Eigenvektoren
92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl
MehrAnalysis II. 8. Klausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge
MehrOrthonormalisierung. 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).
Mehr5 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
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrHöhere Mathematik 3 Herbst 2014
IMNG, Fachbereich Mathematik Universität Stuttgart Prof. Dr. K. Höllig Höhere Mathematik 3 Herbst 214 Aufgabe 1 Entscheiden Sie, welche der folgenden Aussagen richtig und welche falsch sind. (i) rot(2
Mehr6 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
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
MehrVektorrechnung. 10. August Inhaltsverzeichnis. 1 Vektoren 2. 2 Grundlegende Rechenoperationen mit Vektoren 3. 3 Geometrie der Vektoren 5
Vektorrechnung 0. August 07 Inhaltsverzeichnis Vektoren Grundlegende Rechenoperationen mit Vektoren 3 3 Geometrie der Vektoren 5 4 Das Kreuzprodukt 9 Vektoren Die reellen Zahlen R können wir uns als eine
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.
MehrMathematik für Anwender I. Beispielklausur 3 mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur mit en Dauer: Zwei volle Stunden + 0 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
Mehrcos(x)cos(2x)cos(4x) cos(2 n x) = sin(2n+1 x) 2 n+1 sin(x) = sin(2n+2 x) 2 n+2 sin(x).
Stroppel/Sändig Musterlösung 8. 3., min Aufgabe 5 Punkte Beweisen Sie für alle x R {zπ z Z} die Formel für n N mit Hilfe der vollständigen Induktion. cosxcosxcosx cos n x = sinn+ x n+ sinx Dabei dürfen
MehrDynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.2/29
Dynamische Systeme und Zeitreihenanalyse Komplexe Zahlen Kapitel 3 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.0/29 Motivation Für die
MehrFourier-Reihen. Definition. Eine auf R definierte Funktion f heißt periodisch mit der Periode T 0, wenn f(x + T ) = f(x) x R.
Fourier-Reihen Sehr häufig in der Natur begegnen uns periodische Vorgänge, zb beim Lauf der Gestirne am Nachthimmel In der Physik sind Phänomene wie Schwingungen und Wechselströme periodischer Natur Zumeist
Mehr1 Vektoren, Vektorräume, Abstände: 2D
Vektoren, Vektorräume, Astände: D Definition: Die Menge aller (geordneten Paare reeller Zahlen (oder allgemeiner: Elemente eines elieigen Körpers, als Spalten geschrieen, ezeichnen wir als Vektoren: R
MehrLösungsvorschläge zum 14. Übungsblatt.
Übung zur Analysis III WS / Lösungsvorschläge zum 4. Übungsblatt. Aufgabe 54 Sei a R\{}. Ziel ist die Berechnung des Reihenwertes k a + k. Definiere dazu f : [ π, π] R, x coshax. Wir entwickeln f in eine
MehrC 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
MehrMathematik II für Inf und WInf
Gruppenübung Mathematik II für Inf und WInf 8. Übung Lösungsvorschlag G 28 (Partiell aber nicht total differenzierbar) Gegeben sei die Funktion f : R 2 R mit f(x, ) := x. Zeige: f ist stetig und partiell
Mehr2. 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
MehrÜbungen Ingenieurmathematik
Übungen Ingenieurmathematik 1. Übungsblatt: Komplexe Zahlen Aufgabe 1 Bestimmen Sie Real- und Imaginärteil der folgenden komplexen Zahlen: a) z =(3+i)+(5 7i), b) z =(3 i)(5 7i), c) z =( 3+i)( 3+ 3 i),
MehrMathematik für Chemische Technologie 2
Mathematik für Chemische Technologie 2 Themenüberblick: Funktionen mehrerer unabhängigen Veränderlichen Vektoralgebra Lineare Gleichungssysteme und Determinanten Fehlerrechnung Schwerpunkt des Sommersemesters
MehrÜbungen zum Ferienkurs Analysis II 2014
Übungen zum Ferienkurs Analysis II 4 Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar zu begründen. Schreiben
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 23 (5.8.23). Gegeben seien die Matrizen A = 2 3 3 und B = 5 2 5 (a) Bestimmen Sie die Eigenwerte von A und B sowie die
MehrProseminar 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
MehrHöhere Mathematik II für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. SS 6 9.4.6 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum. Übungsblatt Aufgabe
MehrBasisprüfung, Gruppe A Analysis I/II
Offene Aufgaben. Jeder der folgenden sieben offenen Aufgaben ist eine einzelne thematisch verwandte Single Choice-Aufgabe vorangestellt. Beantworten Sie die Single Choice Aufgabe auf dem Antwortzettel.
MehrMusterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2
Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die
MehrLineare Differentialgleichungen höherer Ordnung
Lineare Differentialgleichungen höherer Ordnung I. Grundlegendes Eine homogene lineare Differentialgleichung n-ter Ordnung besitzt die Form y (n) + a n 1 (x)y (n 1) +... + a 1 (x)y + a 0 (x)y = 0 Eine
MehrStroppel Musterlösung , 180min. Aufgabe 1 (7 Punkte) Gegeben seien folgende Potenzreihen: ( 2) n n xn,
Stroppel Musterlösung 0. 09. 03, 80min Aufgabe 7 Punkte) Gegeben seien folgende Potenzreihen: ) n fx) = n xn, gx) = n= + ) n n x+) n. 3 n= a) Bestimmen Sie jeweils den Konvergenzradius und den Entwicklungspunkt.
MehrRepetitorium A: Matrizen, Reihenentwicklungen
Fakultät für Physik R: Rechenmethoden für Physiker, WiSe 5/6 Dozent: Jan von Delft Übungen: Benedikt Bruognolo, Dennis Schimmel, Frauke Schwarz, Lukas Weidinger http://homepages.physik.uni-muenchen.de/~vondelft/lehre/5r/
Mehr7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?
Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
Mehr4 Lineare Abbildungen Basisdarstellungen
4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w
MehrWenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }
A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 11
Technische Universität München Zentrum Mathematik Mathematik Elektrotechnik Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 11 Hausaufgaben Aufgabe 11.1 Berechnen Sie jeweils die Jacobi-Matrix folgender
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
Mehrd) Produkte orthogonaler Matrizen sind wieder orthogonal.
Die orthogonale Matrizen Definition: Eine Matrix Q R n n heißt orthogonal, falls QQ T = Q T Q = I gilt. Die Eigenschaften orthogonaler Matrizen: a) det(q) = ±1; b) Qx 2 = x 2 für alle x R n, also Q 2 =
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrHilfsblätter Lineare Algebra
Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,
MehrDer Satz von Taylor. Kapitel 7
Kapitel 7 Der Satz von Taylor Wir haben bereits die Darstellung verschiedener Funktionen, wie der Exponentialfunktion, der Cosinus- oder Sinus-Funktion, durch unendliche Reihen kennen gelernt. In diesem
Mehr09. Lineare Abbildungen und Koordinatentransformationen
09. Lineare Abbildungen und Koordinatentransformationen Definition. Seien V und W Vektorräume. Unter einer linearen Abbildung versteht man eine Abbildung F : V W, v F v w mit folgender Eigenschaft: F λ
MehrÜbungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.
Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.
MehrMathematische Methoden der Physik
Institut für Theoretische Physik der Universität zu Köln A. Schadschneider A. Hackl Mathematische Methoden der Physik Lösungsvorschlag zur Präsenzübung ( Probeklausur ) Wintersemester 7/8 Lesen Sie die
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 2, 207 Erinnerung Definition. Ein Skalarprodukt ist eine Abbildung, : E n E n E, v, w v, w = n k= v
Mehr2 Koordinatentransformationen
Mathematik für Ingenieure III, WS 9/ Mittwoch 8. $Id: transform.tex,v.8 //4 :9: hk Exp $ Koordinatentransformationen. Lineare Koordinatentransformationen Wir überlegen uns dies zunächst im Spezialfall
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
Mehr