Definition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und

Größe: px
Ab Seite anzeigen:

Download "Definition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und"

Transkript

1 7. Coxeter Graphen Um die endlichen Spiegelungsgruppen zu klassifizieren, wollen wir ihnen nun Graphen zuordnen, die die Gruppen bis auf Isomorphie eindeutig bestimmen. Im Folgenden sei wie vorher Π Φ V ein Wurzelsystem mit Wahlen von einfachen/positiven Systemen und W = W (Φ). Weiterhin setze S = {s α α }. Definition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und für α, β V gilt: α m β E m(α, β) = m 3. Bemerkung 7.2. (1) Da das Gewicht 3 so oft auftaucht, lassen wir es beim Graphen meist weg. Eine ungewichtete Kante soll also immer als eine Kante mit Gewicht 3 verstanden werden. (2) Falls α und β nicht mit einer Kante verbunden sind, so bedeutet dies, dass die Spiegelungen s α und s β kommutieren. Mit den Beispielen für Spiegelungsgruppen die wir bisher betrachtet haben, können wir auch schon eine Reihe von Graphen angeben. Beispiel 7.3. Wir haben die folgenden Graphen für unsere bisherigen Beispiele. I 2 (m) m α β A n α 1 α 2 α n 1 α n B n 4 α 1 α 2 α 3 α n 1 α n Bemerkung 7.4. (1) Der Coxeter Graph Γ W ist bis auf Umbenennen der Ecken unabhängig von der Wahl von. (2) Haben zwei Spiegelungsgruppen den gleichen Coxeter Graphen (bis auf Umbennen der Ecken), so sind die Gruppen isomorph. Umgekehrt haben isomorphe Spiegelungsgruppen bei denen der Isomorphismus die einfachen Spiegelungen aufeinander abbildet den selben Coxeter Graphen. Gruppen mit gleichen Coxeter Graphen sind aber nicht nur als Gruppen isomorph sondern wir bekommen auch eine Isometrie der Vektorräume. 1

2 2 Proposition 7.5. Seien W 1 = W (Φ 1 ) und W 2 = W (Φ 2 ) endliche Spiegelungsgruppen auf bzgl. Wurzelsystemen Φ 1 V 1 und Φ 2 V 2. Weiterhin nehmen wir an, dass W 1 und W 2 essentiell sind und sie bis auf Umbennenn den selben Coxeter Graphen haben. Dann existiert eine Isometrie f V 1 V 2 die einen Isomorphismus zwischen W 1 und W 2 induziert. Beweis. Seien 1 und 2 einfache Systeme in Φ 1 bzw. Φ 2. Nach Voraussetzung sind dies Basen von V 1 und V 2. Ohne Beschränkung der Angemeinheit nehmen wir weiterhin an, dass alle Wurzeln Länge 1 haben. Da der Coxeter Graph jeweils die einfachen Wurzeln als Ecken besitzt erhalten wir eine Bijektion zwischen 1 und 2. Die zugehörige lineare Abbildung nennen wir f, nach Voraussetzung ist dies natürlich bereits ein Isomorphismus. Wähle nun Isometrien g i zwischen V i und R dim(vi), wobei wir Letzteren mit dem Standardskalarprodukt ausstatten. Dann gilt für α, β i π (α, β) = (g i (α), g i (β)) = cos m(α, β). Insbesondere hängt dies nur vom Gewicht der Kante ab und diese ist für das Paar α, β und f(α), f(β) gleich. Somit definiert f eine Isometrie. Wir wollen uns bei der Klassifikation natürlich nur auf möglichst kleine Wurzelsysteme beschränken, daher folgende Definition. Definition 7.6. Ein Wurzelsystem Φ heisst irreduzibel, falls Γ W (Φ) zusammenhängend ist. Diese Definition überträgt sich sinnvoll auf die Spiegelungsgruppe wie die folgende Proposition zeigt. Proposition 7.7. Sei Γ der Coxeter Graph zu W und Γ 1,..., Γ r seine Zusammenhangskomponenten. Bezeichne mit 1,..., r die Menge der Ecken in der jeweiligen Komponente. Dann gilt W = W 1... W r, wobei W i die parabolische Untergruppe zu i ist. Beweis. Sei α i und β j für i j, dann gilt s α s β s α = s β. Da einfachen Spiegelungen die Gruppe erzeugen und = r i=1 i ist W i somit normal in W. Weiterhin gilt nach Lemma 6.10 W i W j = {1} und somit W = W 1... W r.

3 Es ist nötig, dass wir Spiegelungsgruppen zusammen mit ihrem Wurzelsystem betrachten um den Coxeter Graphen sinnvoll zu definieren, wie die folgende Bemerkung zeigt. Bemerkung 7.8. Betrachte die Diedergruppe zum regelmäßigen Sechseck, mit Erzeugern s und t und den Relationen s 2 = 1, t 2 = 1, (st) 6 = 1. Dies liefert wir oben gesehen einen zusammenhängenden Coxeter Graphen. Betrachten wir nun aber die Erzeuger {s, (ts) 3, s(ts) 2 }, so kann man nachrechnen, dass auch diese ein Coxeter System definieren, aber es wir erhalten den Graphen 3 s s(ts) 2 (ts) 3 Wir wissen bereits das Siegelungsgruppen mit gleichem Coxeter Graphen isomorph sind. Um die möglichen Coxeter Graphen für endliche Spiegelunsgruppen zu klassifizieren, wollen wir nun eine allgemeinere Klasse von Graphen definieren und zeigen, dass die Graphen der endlichen Spiegelungsgruppen darin Teilmenge bilden die durch besondere Positivitätseigenschaften bestimmt ist. Definition 7.9. Ein (allgemeiner) Coxeter Graph ist ein endlicher einfach verbundener ungerichteter gewichteter Graph Γ ohlne Schleifen mit Gewichten in Z 3 { }. Bemerkung (1) Die vorher defierten Coxeter Graphen zu endlichen Spiegelungsgruppen sind auch allgemeine Coxeter Graphen in der obigen Definition. (2) Um die gleiche Notation benutzen zu können, setzen wir für zwei Ecken des Graphen s, s noch weiterhin m(s, s ) = m falls s m s 1 falls s = s 2 sonst. Zu einem Coxeter Graphen Γ = (V, E) definieren wir eine symmetrische Matrix (auch Schläfli Matrix genannt) wie folgt wobei a(s, s ) = cos π m(s,s ). A Γ = (a(s, s )) s,s V, Bemerkung Falls Γ = Γ W so gilt π a(α, β) = cos m(α, β) = cos(π π m(α, β) ) = ( α α, β β ). Mit anderen Worten, A Γ beschreibt in diesem Fall das Skalarprodukt auf bzgl. der Basis und ist somit positiv definit. 3

4 4 Um nun also alle Graphen zu Klassifizieren deren Schläfli Matrix positiv definit ist, müssen wir auch solche in Betracht ziehen die positiv semi-definit sind. Definition Wir sagen ein Coxeter Graph Γ ist positiv definit (bzw. positiv semi-definit) falls die zugehörige Matrix A Γ positiv definit (bzw. positiv semi-definit) ist. Wir wollen nun alle positiv semi-definiten Graphen klassifizieren. Da wir nach Umnummerierung der Ecken eine Blockgestalt für A Γ erhalten, wenn der Graph nich zusammenhängend ist, können wir uns im Weiteren auf unzerlegbare Graphen, also irreduzible Wurzelsystem beschränken. Als erstes listen wir eine Reihe von Graphen auf die jeweils positiv definit bzw. positiv semi-definit sind. Proposition Die folgenden Graphen Γ sind positiv definit. A n für n 1 α 1 α 2 α n 1 α n B n für n 2 D n für n 4 4 α 1 α 2 α 3 α n 1 α n α 1 α 2 α n 3 α n 2 α n 1 α n E 6 α 6 α 1 α 2 α 3 α 4 α 5 E 7 α 7 α 1 α 2 α 3 α 4 α 5 α 6 E 8 α 8 α 1 α 2 α 3 α 4 α 5 α 6 α 7 F 4 4 α 1 α 2 α 3 α 4

5 5 H 3 H 4 I 2 (m) für m 5 5 α 1 α 2 α 3 5 α 1 α 2 α 3 α 4 m α 1 α 2 Beweis. Wir wollen den Beweis nicht komplett führen, sondern kurz erklären was zu zeigen ist. Da die Matrizen A Γ symmetrisch sind, müssen wir alle führenden Hauptminoren überprüfen um zu untersuchen ob die Matrix positiv definit ist. Man sieht allerdings sofort, dass ein Hauptminor genau entpsricht die Determinante der Schläfli Matrix für einen Untergraphen zu bestimmen. Da Untergraphen der obigen Graphen wieder Zusammenhangskomponenten haben die in der Liste enthalten sind, reicht es somit für alle Graphen die Determinante zu bestimmen. Für I 2 (m) und B 2 muss man dies von Hand machen. Für alle anderen findet man eine Ecke die nur mit einer anderen Ecke verbunden ist und diese Kante Gewicht 3 hat. In der obigen Notation ist dies jeweils die Kante die mit dem α mit höchsten Index markiert ist. Schreiben wir nun d n 1 und d n 2 für die beiden letzten echten Hauptminoren so folgert man leicht durch Entwicklung bezüglich der letzten Spalte det(2a Γ ) = 2d n 1 (2A Γ ) d n 2 (2A Γ ). Das wir uns die Matrix 2A Γ angucken liegt einfach nur daran, dass in diesem Fall weniger komplizierte Ausdrücke auftauchen. Mit dieser Formal kann man nun rekursiv alle Determinanten bestimmen. Proposition Die folgenden Graphen Γ sind positiv semi-definit, aber nicht positiv definit. Ã 1 Ã n für n 2 α 1 α 0 α 0 α 1 α 2 α n 1 α n

6 6 B n für n 3 4 α n α 1 α 2 α 3 α n 1 α 0 C n für n α 1 α 2 α 3 α n 1 α n α 0 D n für n 4 α 1 α 0 α 2 α n 3 α n 2 α n 1 α n Ẽ 6 α 0 α 6 α 1 α 2 α 3 α 4 α 5 Ẽ 7 α 7 α 0 α 1 α 2 α 3 α 4 α 5 α 6 Ẽ 8 α 8 α 1 α 2 α 3 α 4 α 5 α 6 α 7 α 0 F 4 G 2 4 α 0 α 1 α 2 α 3 α 4 m α 0 α 1 α 2 Beweis. Da A Γ wieder symmetrisch ist, müssen wir alle Hauptminoren überprüfen. Aber alle echten Untergraphen der hier angegebenen Graphen haben Komponenten aus der Liste von Proposition 7.13 und somit sind sie echt positiv.

7 Es bleibt also nur zu testen, dass alle hier angegebenen Graphen die Eigenschaft haben, dass det(a Γ ) = 0 ist. Bei Ã1 wird dies per Hand nachgerechnet und bei Ãn ist es offensichtlich, da sich alle Spalten zu Null aufaddieren. In den anderen Fällen wird dies mit der gleichen rekursiven Formel wie im Beweis von Proposition 7.13 gemacht (ausser für C n wo die Formel leicht geändert werden muss). Um die Graphen klassifizieren zu können brauchen wir eine technische Aussage aus dem wir das für die Klassifikation grundlegende Hilfsmittel ableiten können. Proposition Sei A M n (R) eine symmetrische Matrix, positiv semidefinit und unzerlegbar mit a i,j 0 für i j. Dann gilt (a) N = {x R n x t Ax = 0} = ker(a) und dim(n) 1. (b) Sei λ der kleinste Eigenwert von A, dann gilt dimeig(a, λ) = 1 und es existiert ein x R n >0 mit Ax = λx. Beweis. Wir starten mit (a): Die Inklusion ker(a) N ist klar. Für die Umkehrung sei P O n (R) mit P t AP = D = diag(d 1,..., d n ) ist eine Diagonalmatrix mit nicht-negativen Einträgen (da A positive semidefinit). Sei nun x N und setze y = P t x, dann gilt 0 = x t Ax = y t Dy = n i=1 d i y 2 i. Für jedes i gilt also d i = 0 oder y i = 0 und somit Dy = 0. Dies impliziert aber Ax = P DP t x = P Dy = 0 und somit N ker(a) Sei nun 0 x N und z R n 0 mit z i = x i. Dann gilt 0 z t Az x t Ax = 0, wobei die erste Ungleichung gilt, weil A positiv semi-definit ist und die zweite weil die Einträge a i,j 0 sind für i j. Daraus folgt dann z N. Wir müssen noch zeigen, dass es keinen Nulleintrag in z gibt. Seien dafür J = {i z i 0} und I = {i z i = 0}. Da z ker(a) gilt a i,j z j = 0 für alle i. j J Da aber a i,j 0 für i j und I J = gilt insbesondere a i,j = 0 für i I und j J. Aber das bedeutet I =, da A als unzerlegbar vorausgesetzt war. Damit folgt, das alle Einträge von x ungleich 0 sind und auch dim(n) 1, da man sonst einen Vektor im Kern konstruieren kann mit einem Nulleintrag. Damit folgt aber auch weiterhin x = ±z. Für (b): Wir wenden Teil (a) auf die Matrix A λ1 an. Die Existenz des Vektors folgt aus dem letzten Satz des Beweises von (a). 7

8 8 Das folgende Korollar ist, das zentrale Hilfsmittel für die Klassifikation der Graphen. Korollar Sei Γ ein zusammenhängender positiv semi-definiter Coxeter Graph, dann ist jeder echte Untergraph von Γ positiv definit. Beweis. Eine kurze Bemerkung zur Definition des Untergraph. Ein Graph bei dem ein Gewicht verringert wird, gilt ebenfalls als Untergraph (z.b. A 2 ist Untergraph von B 2 in diesem Sinne). Sei Γ ein Untergraph. Ohne Beschränkung der Allgemeinheit nehmen wir an, dass Γ alle Ecken enthält, da dies nach Umsortieren der Ecken nur eine Blockdiagonalmatrix ergibt, wobei ein Block eine Einheitsmatrix ist, für all die Ecken die mit keiner anderen Ecke verbunden sind. Sei A Γ = (a i,j ) und A Γ = (a i,j ). Dann gilt nach Voraussetzung a i,j a i,j. Angenommen es existiert nun x mit x t A Γ x 0, dann gilt 0 a i,j x i x j a i,j x i x j a i,jx i x j 0. i,j i,j i,j Daraus folgt x ker(a Γ ). Nach dem Beweis von Proposition 7.15 gilt also, dass alle x i 0 sind. Aber daraus folgt a i,j = a i,j für alle i, j. Dies steht aber im Widerspruch zu der Annahme, dass wir einen echten Untergraphen betrachten. Nun können wir uns an die Klassifikation der positiv definiten und semidefiniten Coxeter Graphen wagen, in dem wir Korollar 7.16 immer wieder anwenden um Graphen außerhalb unserer Listen in den Propositionen 7.13 und 7.14 auszuschliessen. Theorem 7.17 (Klassifikation positiv semi-definiter Coxeter Graphen). Sei Γ ein zusammenhängender positiv semi-definiter Coxeter Graph, dann ist Γ einer der Graphen aus Propositon 7.13 falls positiv definit oder einer der Graphen aus Proposition 7.14 falls nicht positiv definit. Beweis. Sei im Folgenden r die Anzahl der Ecken. (1) r = 1 oder r = 2: In diesen Fällen sind alle möglichen Coxeter Graphen in unserer Liste. Wir gehen nun nacheinander die Graphen aus Proposition 7.14 durch und untersuchen welche Einschränkungen wir dadurch erhalten, dass diese Graphen nach Korollar 7.16 nicht als echt Untergraphen auftauchen können. (2) Ã1 ist kein echter Untergraph: Dies bedeutet, dass alle Gewichte echt kleiner als sind. (3) Ãn ist kein echter Untergraph: Dies bedeutet, dass Γ = Ãr 1 oder Γ keine Kreise enthält. (4) D 4 ist kein echter Untergraph: Dies bedeutet, dass Γ = D 4 oder alle Ecken in Γ maximal Grad 3 haben. (5) D n (n 5) ist kein echter Untergraph: Dies bedeutet, dass Γ = D r 1 oder es nur maximal eine Ecke mit Grad 3 gibt und alle anderen Ecken maximal Grad 2 haben.

9 9 (6) C n ist kein echter Untergraph: Dies bedeutet, dass Γ = C r 1 oder es nur maximal eine Kante gibt mit Gewicht echt größer als 3. (7) B n ist kein echter Untergraph: Dies bedeutet, dass Γ = B r 1 oder es gibt in Γ nicht sowohl eine Ecke mit Grad 3 als auch eine Kante mit Gewicht echt größer 3. Wir nehmen also von nun an an, dass gilt Γ {Ãr 1, B r 1, C r 1, D r 1 }. Dann gibt es drei mögliche Fälle. Fall I: Γ enthält eine Ecke mit Grad 3. Dies bedeutet insbesondere, dass alle Gewichte 3 sind und Γ von der Form ist: b 1 a 1 1 c Wobei wir annehmen, dass 1 a b c gilt. (8) Ẽ6 ist kein echter Untergraph: Dies bedeutet, dass Γ = Ẽ6 oder a = 1. (9) Ẽ7 ist kein echter Untergraph: Dies bedeutet, dass Γ = Ẽ7 oder b 1. Wenn wir also annehmen, dass weiterhin gilt Γ {Ẽ6, Ẽ7}. Dann folgt für b = 1, dass gilt Γ = D r. (10) Ẽ8 ist kein echter Untergraph: Falls b = 2 gilt, muss gelten Γ = Ẽ8 oder 2 c 4. Das gibt genau die drei Graphen E 6, E 7, E 8. Fall II: Γ enthält eine Kante mit Gewicht mindestes 4. Dann gilt Γ ist von der Form m a 1 1 b Wobei wir wieder annehmen a b. (11) G 2 ist kein echter Untergraph: Dies bedeutet, dass Γ = G 2 oder m 5. Wir nehmen also ab hier an, dass gilt Γ { G 2 }. (12) F 4 ist kein echter Untergraph: Falls a 1 gilt, bedeutet dies, dass Γ = F 4 oder a = b = 1. Dies bedeutet das Γ = F 4 oder Γ = Z 4, wobei Z 4

10 10 der folgende Graph ist: 5 Man rechnet aber leicht per Hand nach, dass Z 4 nicht positiv semi-definit ist, somit also nicht in Frage kommt. Falls andererseits a = 0 gilt Γ {B r, H 3, H 4 } oder Γ = Z r mit r 5, wobei dieser letzte Graph gegeben ist durch 5 Auch hier rechnet man per Hand nach das schon Z 5 nicht mehr positiv semi-definit ist. Fall III: Γ enthält weder eine Kante mit Gewicht mindestes 4 noch eine Ecke vom Grad echt größer 2. Dann gilt Γ = A r. Um die Klassifikation der endlichen Spiegelungsgruppen komplett abzuschliessen muss man nun noch zeigen, dass alle positiv definiten Coxeter Graphen auch von Spiegelungsgruppen herkommen. Dies wollen wir an dieser Stelle aber vertagen, da wir noch für beliebige Coxeter Gruppen später die sogenannt Spiegelungsdarstellung sehen werden. Diese liefert eine solche Realisierung. Insgesamt haben wir aber in Beispielen und in den Übungen bereits gesehen, dass die Graphen vom Typ A n, B n, D n und I 2 (m) auftauchen. Die Gruppen für die Graphen vom Typ F 4, H 3 und H 4 kann man als Symmetriegruppen von Körpern realisieren. Bei den Graphen vom Typ E 6, E 7 und E 8 muss man aber auf die oben genannte Spiegelungsdarstellung zurückgreifen.

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren 3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)

Mehr

10 Dynkin-Diagramme und Klassifikation

10 Dynkin-Diagramme und Klassifikation 58 Lie-Algebren 0 Dynkin-Diagramme und Klassifikation 0. Dynkin-Diagramme Dynkin-Diagramme sind gewisse Graphen, welche die gegenseitige Lage der Vektoren einer Basis Σ eines Wurzelsystems veranschaulichen.

Mehr

3 Bilinearform, Basen und Matrizen

3 Bilinearform, Basen und Matrizen Lineare Algebra II 2. Oktober 2013 Mitschrift der Vorlesung Lineare Algebra II im SS 2013 bei Prof. Peter Littelmann von Dario Antweiler an der Universität zu Köln. Kann Fehler enthalten. Veröentlicht

Mehr

Diagonalisierbarkeit symmetrischer Matrizen

Diagonalisierbarkeit symmetrischer Matrizen ¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren

Mehr

7.3 Unitäre Operatoren

7.3 Unitäre Operatoren Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren

Mehr

7.2 Die adjungierte Abbildung

7.2 Die adjungierte Abbildung 7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

Wiederholungsserie II

Wiederholungsserie II Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095

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

Prüfung Lineare Algebra 2

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

Mehr

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

2. Isotropie. Beweis: (i) (ii): β U ist nicht ausgeartet. U U = {0} (ii) (iii): β U ist nicht ausgeartet. Da β nicht ausgeartet ist, gilt U = U:

2. Isotropie. Beweis: (i) (ii): β U ist nicht ausgeartet. U U = {0} (ii) (iii): β U ist nicht ausgeartet. Da β nicht ausgeartet ist, gilt U = U: 2. Isotropie Im folgenden sei V ein K-Vektorraum der Dimension n. Es sei q eine quadratische Form darüber und β die zugehörige symmetrische Bilinearform. Zudem gelte in K: 1 + 1 0. Notation 2.0: Wir nennen

Mehr

Universität Zürich HS , Vorlesung #3

Universität Zürich HS , Vorlesung #3 Algebraic Number Theory P. Habegger Universität Zürich HS 2010 6.10.2010, Vorlesung #3 1.4 Diskriminante Die primitivste Invariante eines Zahlkörpers ist sein Grad. Die Diskriminante eines Zahlkörpers

Mehr

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in

Mehr

5.4 Affine Abbildungen in C 2 und R 2

5.4 Affine Abbildungen in C 2 und R 2 5.4 Affine Abbildungen in C 2 und R 2 Notation. Wir erinnern an die affine Ähnlichkeit von Matrizen (5.3.8): L 1, L 1 AM n (K). Dann: L 1 a L 2 falls C AGL n (K) mit C 1 L 2 C = L 1. Die aus 3.2.9 bekannte

Mehr

Mathematik II. Vorlesung 46. Der Gradient

Mathematik II. Vorlesung 46. Der Gradient Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 46 Der Gradient Lemma 46.1. Es sei K ein Körper und V ein K-Vektorraum, der mit einer Bilinearform, versehen sei. Dann gelten folgende Aussagen

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 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

Lösung zu Serie Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen

Lösung zu Serie Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen Lineare Algebra D-MATH, HS 4 Prof. Richard Pink Lösung zu Serie. Zeige, dass das Minimalpolynom jedes Jordanblocks gleich seinem charakteristischen Polynom ist. Lösung: Das charakteristische Polynom eines

Mehr

Vortrag 13: Der Cayley-Graph von PSL 2 ( q ) ist regulär und zusammenhängend

Vortrag 13: Der Cayley-Graph von PSL 2 ( q ) ist regulär und zusammenhängend Vortrag 13: Der Cayley-Grah von PSL 2 ( ) ist regulär und zusammenhängend 1. Erinnerung Seien und unterschiedliche, ungerade Primzahlen. Im letzten Vortrag wurden Grahen X, wie untenstehend definiert.

Mehr

Lineare Algebra für Physiker 11. Übungsblatt

Lineare Algebra für Physiker 11. Übungsblatt Lineare Algebra für Physiker 11. Übungsblatt Fachbereich Mathematik SS 01 Prof. Dr. Matthias Schneider./. Juli 01 Dr. Silke Horn Dipl.-Math. Dominik Kremer Gruppenübung Aufgabe G1 (Minitest) (a) Welche

Mehr

5.4 Affine Abbildungen in C 2 und R 2

5.4 Affine Abbildungen in C 2 und R 2 5.4 Affine Abbildungen in C 2 und R 2 Notation. Wir erinnern an die affine Ähnlichkeit von Matrizen (5.3.(ii)): L, L n (K). Dann: L a L 2 falls C AGL n (K) mit C L 2 C = L. Die aus 3.2.9 bekannte übliche

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

1.5 Duales Gitter und Diskriminantengruppe

1.5 Duales Gitter und Diskriminantengruppe Gitter und Codes c Rudolf Scharlau 24. April 2009 27 1.5 Duales Gitter und Diskriminantengruppe Dieser Abschnitt ist im wesentlichen algebraischer Natur: Es spielt keine Rolle, dass unsere Gitter in einem

Mehr

6. Normale Abbildungen

6. Normale Abbildungen SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische

Mehr

8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet:

8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: 8. EIGENWERTTHEORIE I 139 8 Eigenwerttheorie I Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: K[x] = Abb[N, K] = {P ; P = a n x n + a n 1 x n 1 + + a 0 ; a

Mehr

5.3 Darstellungsmatrizen affiner Abbildungen

5.3 Darstellungsmatrizen affiner Abbildungen 5.3 Darstellungsmatrizen affiner Abbildungen Definition 5.3.1. Seien A und B endlich-dimensionale ARs mit dim A n, dim B m und KS E : (p 0,..., p n ) von A und KS F : (q 0,..., q m ) von B. Sei α : A B

Mehr

5.3 Typen und Klassifikation affiner Abbildungen

5.3 Typen und Klassifikation affiner Abbildungen 53 Typen und Klassifikation affiner Abbildungen Definition 531 Sei A ein AR und Aff(A) die Gruppe der Affinitäten von A τ Aff(A) heißt Translation falls p, q A gilt: pτ(p) = qτ(q) Der dann von der Wahl

Mehr

3 Determinanten, Eigenwerte, Normalformen

3 Determinanten, Eigenwerte, Normalformen Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses

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

Randomisierte Algorithmen

Randomisierte Algorithmen Randomisierte Algorithmen Randomisierte Algorithmen Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2018/2019 1 / 40 Überblick Überblick Grundlegendes zu Markov-Ketten

Mehr

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10 D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler Lösungen Serie 10 1. Für a 1 : 1 1 0, a 2 : 1 1, a 3 : 1 1 1, b : 2 2 2 1 und A : (a 1, a 2, a 3 ) gelten welche der folgenden Aussagen? (a) det(a)

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

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

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.44 2018/05/17 14:11:13 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.6 Bewegungen und Kongruenzbegriffe Wir untersuchen gerade die Spiegelung an einer Hyperebene h R d. Ist ein

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

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009 I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 23 Die Gradformel Satz 1. Seien K L und L M endliche Körperweiterungen. Dann ist auch K M eine endliche Körpererweiterung und

Mehr

8. Konvexe Polytope. Tobias Boelter. Mittwoch, 5. März TopMath Frühlingsschule

8. Konvexe Polytope. Tobias Boelter. Mittwoch, 5. März TopMath Frühlingsschule 1 / 31 8. Konvexe Tobias Boelter TopMath Frühlingsschule Mittwoch, 5. März 2014 2 / 31 Es können auch nicht konvexe untersucht werden, wir beschränken uns hier aber auf konvexe. Mit einem Polytop ist hier

Mehr

Lineare Algebra I Lösungsvorschlag

Lineare Algebra I Lösungsvorschlag Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und

Mehr

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2, Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist

Mehr

Höhere Mathematik II für die Fachrichtung Physik

Höhere Mathematik II für die Fachrichtung Physik Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz SS 5 4.5.5 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt

Mehr

Endliche Spiegelungsgruppen. 1 Wurzeln und Wurzelsysteme

Endliche Spiegelungsgruppen. 1 Wurzeln und Wurzelsysteme Endliche Spiegelungsgruppen Ausarbeitung zum Seminar zur Gruppentheorie, 16.11.2012 Nadine Friesen und Antje Tasche In unserer Ausarbeitung beschäftigen wir uns damit, wie man endliche Spiegelungsgruppen

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

3.1 Sukzessive Minima und reduzierte Basen: Resultate

3.1 Sukzessive Minima und reduzierte Basen: Resultate Gitter und Codes c Rudolf Scharlau 4. Juni 2009 202 3.1 Sukzessive Minima und reduzierte Basen: Resultate In diesem Abschnitt behandeln wir die Existenz von kurzen Basen, das sind Basen eines Gitters,

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 0/06 Lineare Algebra und analytische Geometrie I Vorlesung... und ein guter Lehrer kann auch einem schlechten Schüler was beibringen Beziehung zwischen Eigenräumen Wir

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

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

9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben

9. Übung zur Maß- und Integrationstheorie, Lösungsskizze Aufgaben 9. Übung zur aß- und Integrationstheorie, Lösungsskizze Aufgaben A 50 (Eine Flächenberechnung mit dem Cavalierischen Prinzip). Es seien a, b > 0 und : { (x, y) R 2 : (x/a) 2 + (y/b) 2 1 }. (a) Skizzieren

Mehr

Wiederholung von Linearer Algebra und Differentialrechnung im R n

Wiederholung von Linearer Algebra und Differentialrechnung im R n Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:

Mehr

Lineare Algebra I für Mathematiker Lösungen

Lineare Algebra I für Mathematiker Lösungen Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation

Mehr

1 Grundlagen zur Darstellungstheorie

1 Grundlagen zur Darstellungstheorie Seminar Gruppen in der Physik SS 06 Vortrag 1 Gruppen und ihr Darstellung Matthias Nagl 1 Grundlagen zur Darstellungstheorie In diesem Vortrag wird es nur um lineare Darstellungen endlicher Gruppen in

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

13. Lineare Algebra und Koordinatenwechsel.

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

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Heimarbeitsblatt 14

Mathematik für Informatiker 1 Wintersemester 2013/14 Heimarbeitsblatt 14 Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker Wintersemester 3/4 Heimarbeitsblatt 4 Die Lösungshinweise dienen

Mehr

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema: Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag

Mehr

4.4 Hermitesche Formen

4.4 Hermitesche Formen 44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung

Mehr

Mathematik III. Vorlesung 68. Das Verhalten von Maßen bei linearen Abbildungen

Mathematik III. Vorlesung 68. Das Verhalten von Maßen bei linearen Abbildungen Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 68 Das Verhalten von Maßen bei linearen Abbildungen Lemma 68.1. Es sei V ein reeller Vektorraum und L :R n V eine bijektive lineare

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

3.7 Eigenwerte und Eigenvektoren

3.7 Eigenwerte und Eigenvektoren 3.7. EIGENWERTE UND EIGENVEKTOREN 123 3.7 Eigenwerte und Eigenvektoren Wir wollen jetzt lineare Endomorphismen durch Matrizen besonders übersichtlicher Gestalt (u.a. mit möglichst vielen Nullen) beschreiben,

Mehr

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Inhaltsverzeichnis INHALTSVERZEICHNIS 1 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4

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

Lineare Darstellungen von Symmetrischen Gruppen

Lineare Darstellungen von Symmetrischen Gruppen Lineare Darstellungen von Symmetrischen Gruppen 150 232 (Holtkamp) 2st., Mi 12.00-14.00, NA 2/24 1 Beispiel 1. Freies Monoid über Alphabet X Beispiel 2. S 1, S 2, S 3,... Satz 1. (Bijektion zw. Partitionen

Mehr

Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum

Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum Orthogonalität 123 Dienstag, 27. April 04 Satz 2.8 V sei ein endlichdimensionaler euklidischer Vektorraum. Für jeden Unterraum U von V gilt dann (a) U + U = V, U U = {0}, U, U = 0. (b) (U ) = U. Wir sagen

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

Lineare Algebra II 11. Übungsblatt

Lineare 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

Mehr

Gruppen. Kapitel Operationen Definiton Gruppe, symmetrische Gruppen. Gruppen und Untergruppen, Lernziele 1. Erzeugendensysteme,

Gruppen. Kapitel Operationen Definiton Gruppe, symmetrische Gruppen. Gruppen und Untergruppen, Lernziele 1. Erzeugendensysteme, Kapitel 1 Gruppen 1.1 Operationen Lernziele 1. Gruppen und Untergruppen, Erzeugendensysteme, Operationen und Bahnen 1.1.1 Definiton Gruppe, symmetrische Gruppen Definition 1.1. Sei G eine nicht leere Menge

Mehr

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren

Mehr

13. Vorlesung. Lineare Algebra und Koordinatenwechsel.

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

Mehr

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

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

Mehr

102 KAPITEL 14. FLÄCHEN

102 KAPITEL 14. FLÄCHEN 102 KAPITEL 14. FLÄCHEN Definition 14.3.1 (Kurve) Es sei M eine k-dimensionale Untermannigfaltigkeit des R n. Eine C 1 - Kurve γ : ( a, a) R n mit γ(( a, a)) M heißt Kurve auf M durch x 0 = γ(0). Definition

Mehr

Musterlösung zur Serie 10

Musterlösung zur Serie 10 D-MATH, D-PHYS, D-CHAB Lineare Algebra II FS 1 Prof. Giovanni Felder, Thomas Willwacher Musterlösung zur Serie 1 1. a) Zur Erinnerung: Eine Äquivalenzrelation auf einer Menge M ist eine Relation, die die

Mehr

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende

Mehr

Kapitel III. Ringerweiterungen

Kapitel III. Ringerweiterungen Inhalt der Vorlesung Algebraische Zahlentheorie Prof. Dr. Arno Fehm, TU Dresden SS2017 Kapitel III. Ringerweiterungen 0 Ringerweiterungen Seien R S Ringe. 0.1 Definition. Für A S bezeichnet R[A] den kleinsten

Mehr

Quadratische Formen und Definitheit

Quadratische Formen und Definitheit Universität Basel Wirtschaftswissenschaftliches Zentrum Quadratische Formen und Definitheit Dr. Thomas Zehrt Inhalt: 1. Quadratische Formen 2. Quadratische Approximation von Funktionen 3. Definitheit von

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 MUSTERLÖSUNG Name: Studiengang: Aufgabe 1 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter die Aufgabenstellung

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 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn

Mehr

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen 1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

LINEARE ALGEBRA II. FÜR PHYSIKER LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders

Mehr

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen Inhaltsverzeichnis Teil II: Gruppen 2 3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen.................. 2 3.1.1 Gruppen.......................................... 2 3.1.2 Untergruppen.......................................

Mehr

1.5 Kongruenz und Ähnlichkeit

1.5 Kongruenz und Ähnlichkeit 19 1.5 Kongruenz und Ähnlichkeit Definition Sei A n der affine Standardraum zum Vektorraum R n. Eine Abbildung F : A n A n heißt Isometrie, falls d(f (X), F (Y )) = d(x, Y ) für alle X, Y A n gilt. Es

Mehr

T := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass

T := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass I. a) Es sei (G, ) eine abelsche Gruppe mit neutralem Element e G. Zeigen Sie, dass U := {g G g 3 = e G } eine Untergruppe von G ist. b) In der symmetrischen Gruppe S 4 definieren wir analog zu a) die

Mehr

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung

Mehr

10 Unitäre Vektorräume

10 Unitäre Vektorräume 10 Unitäre Vektorräume Pink: Lineare Algebra 2014/15 Seite 98 10 Unitäre Vektorräume Die Theorie komplexer Vektorräume mit Skalarprodukt folgt denselben Linien wie die Theorie reeller Vektorräume mit Skalarprodukt;

Mehr

Der Ergodensatz. Hendrik Hülsbusch

Der Ergodensatz. Hendrik Hülsbusch Der Ergodensatz Hendrik Hülsbusch 1..212 Inhaltsverzeichnis Einleitung 3 5 Stationäre Verteilungen 5 6 Reversible Markovketten 11 2 Einleitung In meinem Vortrag beschäftigen wir uns mit dem asymptotischen

Mehr

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β

Mehr

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016, Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren

Mehr

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist

Mehr

M U = {x U f 1 =... = f n k (x) = 0}, (1)

M U = {x U f 1 =... = f n k (x) = 0}, (1) Aufgabe 11. a) Es sei M = {(x, y, z) R 3 f 1 = xy = 0; f = yz = 0}. Der Tangentialraum T x M muss in jedem Punkt x M ein R-Vektorraum sein und die Dimension 1 besitzen, damit diese Menge M eine Untermannigfaltigkeit

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

1 Umkehrfunktionen und implizite Funktionen

1 Umkehrfunktionen und implizite Funktionen Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13

Mehr

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller 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 4.3 und 4.4

Mehr

4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit

4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit 4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit Definition 4.41. Eine Familie F linearer Operatoren heißt vertauschbar oder kommutierend, wenn für je zwei Operatoren U,T in F gilt: UT = TU.

Mehr

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 42 Normale Endomorphismen Nach Satz 34.1 besitzt eine Isometrie über C eine Orthonormalbasis aus Eigenvektoren

Mehr

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018 (Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,

Mehr