Polytope Eine Einführung in die Diskrete Geometrie Vorlesungsnotizen

Größe: px
Ab Seite anzeigen:

Download "Polytope Eine Einführung in die Diskrete Geometrie Vorlesungsnotizen"

Transkript

1 Polytope Eine Einführung in die Diskrete Geometrie Vorlesungsnotizen Luca Gugelmann Thomas Rast Mathias Graf SS 2005 Alexander Rudyk Dozentin: Eva Maria Feichtner Warnung: Wir sind sicher dass diese Notizen eine Menge Fehler enthalten. Betreten der Baustelle auf eigene Verantwortung! Falls ihr einen entdeckt, schreibt eine Mail an wir werden uns dann darum kümmern. Bitte erwähnt immer von welcher Version (die Id Zeile unten) ihr ausgeht. Weitere Informationen gibts unter: Revision März

2 Inhaltsverzeichnis 1 Grundbegriffe 3 2 Polytope: Definitionen und Beispiele Seiten, Seitenverbände Exkurs: Halbordnungen Polarität 17 4 Polytopgraphen Exkurs: Graphentheorie Polytopgraphen Seitenzahlen von Polytopen Polytopale Komplexe f-vektoren und h-vektoren von Polytopen Upper Bound Theorem

3 1 Grundbegriffe Definition 1.1 Eine Punktemenge k R n heisst konvex falls mit je zwei Punkten x, y k auch ihre Verbindungsstrecke [x, y] = {λx + (1 λ)y 0 λ 1} ganz in k enthalten ist. (Abbildung 1) konvex nicht konvex Abbildung 1: Konvexität Definition 1.2 Für M R n heisst die kleinste konvexe Menge in R n, die M enthält, die konvexe Hülle von M, geschrieben conv(m). Die konvexe Hülle einer endlichen Punktemenge in R n heisst (konvexes) Polytop. Proposition 1.3 Für x 1,..., x n in R n, ist { n conv(x 1,..., x n ) = λ i x i λ i 0, i=1 Definition 1.4 Sei P = conv(x 1,..., x n ), dann dim P = dim(aff P ) } n λ i = 1 i=1 wobei { n aff P := λ i x i λ i R, } λ i = 1 i=1 Definition 1.5 Sei P Polytop in R d, und c 1 x 1 + c 2 x c n x n c o, c T R d, c 0 R Dann heisst F = P {x cx = c 0 } Seite von P. Wieder dim F := dim(aff F ) (Abbildung 2) 3

4 ci x i = c 0 ci x i < c 0 ci x i > c 0 Abbildung 2: Seite Beachte P ist Seite, denn O T x = 0 für alle x P ist Seite, denn O T x 1 für alle x P Definition 1.6 Eine Seite F von P mit: dim F = 0 heisst Ecke dim F = 1 heisst Kante dim F = 2 heisst Fläche Ist dim P = d, und dim F = d 1, dann heisst F Facette von P Satz 1.7 (Euler-Formel) Sei P ein 3-dimensionales Polytop mit e Ecken, k Kanten und f Flächen, dann gilt e k + f = 2 Ausblick P Polytop, dim P = d definiere: f i := Anzahl der n-dimensionalen Seiten von D Dann gilt: d ( 1) i f i = 0 Für d = 3: i= 1 f 1 = 1 f 3 = 1 (leere Seite) P Sprich: wie die Euler-Formel f = (f 1, f 0,..., f d ) N d+2, Wann ist f Vektor von Seitenzahlen? 4

5 Abbildung 3: d = 3, n = 4 (Tetraeder) Frage Wieviele Kanten kann ein d-dimensionales Polytop mit n Ecken höchstens haben? n(n 1) #Kanten #Eckenpaare 2 d = 3: vgl. Abbildung 3 n = 4 n 5 ( ) 4 k = 6 =? 2 Gibt es ein 3-Polytop mit 5 Ecken und vollständigem Ecken/Kanten- Gerüst? NEIN! Behauptung Für n 5 gilt stets Beweis k f = s 3 + s 4 + s n(n 1) 2 s i = Anzahl i-ecke 2k = 3s 3 + 4s 4 + 5s k 3f = s 4 + 2s 5 + 3s k k + (2k 3f) = 3(k f) Euler = 3(n 2) = 3n 6 für < n 5 n(n 1) 2 Konstruktion φ: R R 4 x (x, x 2, x 3, x 4 ) C 4 (n) := conv{φ(1), φ(2),..., φ(n)} heisst zyklisches Polytop. 5

6 Behauptung Je zwei Punkte φ(p) φ(q), für 1 p q n, sind durch eine Kante in C 4 (n) verbunden. Beweis Finde lineare Ungleichung, die für alle Punkte n in C 4 (n) gültig ist, und unter den φ(i) nur von φ(p) und φ(q) mit Gleichheit erfüllt wird. (x p) 2 (x q) 2 = 4 c i x i i=0 Betrachte 4 i=0 c ix i 0 und setze φ(s) ein. c 0 4 i=1 c i }{{} s i = (s p) 2 (s q) 2 (φ(s)) i { 0 für alle s = 1,..., n = 0 für s = p, s = q Zwischen φ(p) und φ(q) gibt es eine Kante in C 4 (n) Ausblick Zyklische Polytope in Dimension d: φ: R R d x (x, x 2,..., x d ) C d (n) := conv{φ(1), φ(2),..., φ(n)} Upper bound theorem: für jedes d-polytop P auf n Ecken gilt f i (P ) f i (C d (n))für i = 0,..., d 1 2 Polytope: Definitionen und Beispiele Bemerkung Sind K, K konvexe Mengen in R d, so ist auch K K konvex. Also ist conv(m) die kleinste konvexe Menge, die M enthält. Proposition 2.1 Sei M R d, dann ist { k conv(m) = λ i x i {x 1,..., x k } M, λ i 0, i=1 Beweis : Induktion über k k = 1: x 1 M conv(m) } k λ i = 1 i=1 6

7 k > 1: ( k k 1 ) λ λ i x k <1 λ i i = (1 λ k ) x i +λ k x k 1 λ i=1 k }{{} y conv(m) i=1 y conv(m) nach Induktionsvoraussetzung. λ i 1 λ k 0 für i = 1,..., k 1, k 1 i=1 ( λ i = 1 k 1 1 λ k 1 λ k i=1 λ i ) } {{ } 1 λ k = 1 Damit ist k i=1 λ ix i conv(m). : rechte Seite in Prop. 2.1 ist selbst konvexe Menge. Glossar Hüllenoperatoren für endliche Punktmengen in R d : Definiere für M = {x 1,..., x n } R d lin(m) = { n i=1 λ ix i λ i R} lineare Hülle aff(m) = { n i=1 λ ix i λ i R, n i=1 λ i = 1} affine Hülle cone(m) = { n i=1 λ ix i λ i R, λ i > 0} konische Hülle conv(m) = { n i=1 λ ix i λ i R, λ i 0, n i=1 λ i = 1} konvexe Hülle Definition 2.2 (1) Die konvexe Hülle einer endlichen Punktmenge im R d heisst V-Polytop, P = conv(x 1,..., x n ) für x 1,..., x n R d (2) Der Schnitt endlich vieler geschlossener, affiner Halbräume im R d heisst H-Polyeder. P = {x R d Ax z } mit A R }{{} m d, z R m n lin. Ungl. Ein H-Polyeder heisst H-Polytop, falls es beschränkt ist, d.h. es enthält keinen Strahl {x + ty t 0} für x, y 0, R d Satz 2.3 (Darstellungssatz) Eine Teilmenge P R d ist V-Polytop genau dann, wenn P ein H-Polytop ist. Bemerkung Beide Konzepte haben Vor- und Nachteile: 7

8 P Abbildung 4: Schnitt einer Pyramide mit einer Ebene Q + = P + Q Abbildung 5: Minkowski Summe eines Dreiecks und einer Geraden 1. Der Schnitt eines Polytops mit einem affinen Unterraum ist immer Polytop. Das ist klar, wenn man mit einem H-Polytop arbeitet: Man schneidet einfach mit zusätzlichen Halbräumen. Betrachtet man V-Polytope ist es nicht so einfach. 2. Die Minkowski-Summe (siehe Abb. 5 zweier Polytope P, Q ist ein Polytop: P + Q := {x + y x P, y Q } 3. Der Schnitt eines Polytops mit einem H-Polyeder ist Polytop: 4. Die affine Projektion eines Polytops ist Polytop. Beispiel Seien e 1,..., e d die Einheitsvektoren im R d. (1) d = conv{e 1,..., e d+1 } = Standard d-simplex. { } d+1 x R d+1 x i = 1, x i 0 i=1 8

9 Abbildung 6: ein vollständiger Graph mit Kantengewichten Würfel. C d := conv { {+1, 1} d} = { x R d 1 x i 1, 1 i d } Kreuzpolytope. Q d = conv {e 1, e 1,..., e d, e d } (2) Sei P ein d-polytop, x 0 aff P. pyr(p ) = conv(p {x 0 }) heisst Pyramide über P, z.b. d = pyr d 1. Für x + 0, x 0 Bipyramide über P. aff(p ), [x + 0, x 0 ] P ist innerer Punkt von P. Dann heisst bipyr(p ) = conv(p {x + 0, x 0 }) Seien P R p, Q R q Polytope. Definiere: P Q = {(x, y) x P, y Q} R p+q P Q heisst Produkt und ist Polytop der Dimension dim(p ) + dim(q). Die Seiten (s. Def. 2.4) von P Q sind genau die Produkte der Seiten von P und Q. (3) Polytope mit Eckenmengen {0, 1} d heissen 0/1-Polytope und spielen eine wichtige Rolle bei Optimierungsproblemen. Beispiel Travelling Salesman Polytop Geg.: vollständiger Graph mit Kantengewichten (vgl. Abb. 6) 9

10 Ges.: Eine Rundtour durch alle Ecken des Graphen mit minimalem Gesamtgewicht der benutzten Kanten. T E(K n ) Tour χ T R (n 2) (χ T ) i = { 1 falls Kante i in T 0 sonst { } T (n) := conv χ T {0, 1} (n 2) χt ist Touren-Vektor R (n 2) optimale Tour = Maximum einer linearen Funktion über T (n) 2.1 Seiten, Seitenverbände Definition 2.4 Sei P Polytop im R d, c (R d ), c 0 R so dass c x c 0 für alle x P Dann heisst Seite von P. Übung F = P {x cx = c 0 } P = 2 2 a) dim P? b) Anzahl der Ecken, Kanten, Flächen, Facetten? c) Wie sehen Facetten aus? d) Charakterisieren Sie, wann sich zwei Facetten schneiden. Lösung zur Übung P ist in Abbildung 7 dargestellt. a) dim P = 4 (Seiten von 2 2 sind Produkte der Seiten der Faktoren) b) Ecken: 9 Kanten: 18 Seiten: 15, Facetten: 6 c) Typen, 10

11 Abbildung 7: Zur Übung d) F, G Facetten: F G = { Notation F(P ) := {F F Seite von P } F k (P ) := {F F(P ) dim F = k} Proposition 2.5 Sei P Polytop im R d, F, G Seiten von P. (i) F G ist Seite von P. (ii) Die Seiten von F sind genau die Seiten von P, die in F enthalten sind: F(F ) = {G F(P ) G F } Beweis Beachte die Abbildung 8. (i) Sei F = P {x R d cx = c 0 } G = P {x R d bx = b 0 } mit cx c 0 bzw. bx b 0 für alle x P. Dann ist (c + b)x c 0 + b 0 für alle x P und P {x R d (c + b)x = c 0 + b 0 } = F G 11

12 cx = c 0 b bx = b 0 bx = b 0 cx = c 0 c F G b c P zu (i) zu (ii) Abbildung 8: Zum Beweis von 2.5 (ii) : G = P {x R d bx = b 0 } mit bx b 0 für alle x P, insbesondere für alle x F. Mit G F ist G = F {x R d bx = b 0 }. : Sei G = F {x R d bx = b 0 } F = P {x R d cx = c 0 } gültig für x F gültig für x P Wähle λ R so dass λ < b 0 bv c 0 cv für alle v vert(p ) \ vert(f ) dann ist (b + λc)x b 0 + λc 0 mit Gleichheit für v vert(g) und < für v vert(f ) \ vert(g). Für v vert(p ) \ vert(f ): λ(cv c 0 ) < b 0 bv (b + λc)v < b 0 + λc Damit ist G = P {x R d (b + λc)x = b 0 + λc 0 } 12

13 cx = c 0 cx = c 1 Abbildung 9: Beispiel einer Eckenfigur Definition 2.6 P Polytop, dim P > 1 und v vert(p ). {v} = P {cx = c 0 } und cx c 0 für alle x P. Sei c 1 < c 0 mit cw < c 1 für alle w vert(p )\{v}. Dann heisst P/v := P {x cx = c 1 } Eckenfigur von P. (Abbildung 9) Beispiel 1) P = pyr(q), dann ist P/x 0 = Q (x 0 Spitze von pyr(q)) 2) C 3 /v = 2, C n /v = n 1 Übung 3) Welche Polytope treten auf als Eckenfiguren im Kreuzpolytop? 4) Welche als Eckenfiguren im C 4 (6)? Proposition 2.7 F k (P )/v F k 1 (P/v) F F {x cx = c 1 } P aff(f {v}) F ist eine Bijektion. Beweis Ziegler Seite

14 B 3 {1, 2, 3} {1, 2} {2, 3} {1, 3} {2} {1} {3} Abbildung 10: Hasse-Diagramm 2.2 Exkurs: Halbordnungen Definition 2.8 (S, ), wobei S endliche Menge, eine reflexive, transitive und antisymmetrische Relation auf S, heisst Halbordnung oder partielle Ordnung. Beispiel (B k, ) für k N, die Boolesche Algebra: B k = {A A {1,..., k}} mit Inklusionsordnung. Abbildung 10 zeigt eine Darstellungsmöglichkeit von B 3. Definition 2.9 Eine Halbordnung mit maximalem Element ˆ1 und minimalem Element ˆ0 heisst beschränkt. Für x, y S heisst das Intervall von x nach y in S. [x, y] = {z S x z y} Definition 2.10 Eine vollständig geordnete Teilmenge T in S heisst Kette. heisst die Länge von T. l(t ) = T 1 14

15 P Abbildung 11: Seitenverband eines Fünfecks Definition 2.11 Eine Halbordnung S heisst gradiert, falls sie beschränkt ist und maximale Ketten gleiche Länge haben. Für x S, definiere r(x) := max{l(t ) T Kette in [ˆ0, x]} r : S N heisst Rangfunktion, r(ˆ1) =: r(s) heisst Rang von S. Beispiel B k ist gradiert mit r(a) = A, und r(b k ) = k. Definition 2.12 Eine beschränkte Halbordnung heisst Verband ( lattice) falls für je zwei Elemente x, y eine eindeutige kleinste obere Schranke x join y = x y und eine eindeutige grösste untere Schranke x meet y = x y existiert. Beispiel B k wobei A B := A B A B := A B Übung Sei (S, ) beschränkte Halbordnung mit kleinsten oberen Schranken. Zeigen sie, dass S Verband ist. Definition 2.13 Die Halbordnung aller Seiten eines Polytops P geordnet durch Inklusion heisst Seitenverband von P, L(P ). Beispiel 1) Abbildung 11 2) L( ) = B 3 3) L( d ) = B d+1 Proposition 2.14 (i) L(P ) ist gradierter Verband mit r(l) = dim P + 1 und Rangfunktion r(f ) = dim F

16 P F [G, F ] = L(... (F/v 1 )/v 2... /v k ) iterierte Eckenfigur G [, G] = L(G) Prop. 2.3(ii) vert G = {v 1,..., v k } Abbildung 12: Zu 2.14(ii) (ii) Jedes Intervall [G, F ] in L(P ) ist Seitenverband eines Polytops der Dimension r(f ) r(g) 1. (iii) Jedes Intervall der Länge 2 hat genau 4 Elemente. (iv) (L(P ), ) =: L(P ) op ist auch Seitenverband eines Polytops. Beweis (Skizze) (i) ˆ0 L =, ˆ1 L = P, gradiert. F G = F G L(P ) nach Prop. 2.3(i) für F, G L(P ), und jedes H L(P ) und H F, H G erfüllt H F G. (vgl. Übung (3): F G = {H L(P ) H F, H G. (ii) Abbildung 12 (iv) siehe Kapitel 3: Polarität. Definition 2.15 Seien P R p, Q R q Polytope. (i) P und Q heissen affin isomorph, P = Q, falls es eine affine Abbildung f : R p R q gibt, die eine Bijektion ist zwischen P und Q. (ii) P und Q heissen kombinatorisch äquivalent, P Q, falls ein Isomorphismus, d.h. eine ordnungserhaltende Bijektion, h: L(P ) L(Q) zwischen den Seitenverbänden existiert. Bemerkung P = Q P Q, aber nicht umgekehrt! 16

17 3 Polarität Lemma 3.1 Sei P ein d-dimensionales Polytop im R d. Die folgenden Aussagen über y P sind äquivalent: (i) y liegt auf keiner echten Seitenfläche von P (ii) falls ay = a 0 für a (R d ), a 0 R, mit a 0, so ist ax a 0 keine gültige Ungleichung für alle x P. (iii) y lässt sich schreiben als Konvexkombination (iv) Beweis y = d λ i x i mit x 0,..., x d affin unabhängig in P, λ i > 0 und d i=0 λ i = 1. i=0 y = 1 d + 1 wobei x 0,..., x d affin unabhängig in P. (iii) (ii): (ii) (i), (iv) (iii): klar. d i=0 x i a 0 = a y = d λ i ax i i=0 angenommen ax a 0 (gilt für alle x P ) d λ i a 0 = a 0 i=0 Nur gültig, falls ax i = a 0 für alle x i, i = 0,..., d. Dies nur falls a = 0 und a 0 = 0, oder die x i sind affin abhängig. Widerspruch! (ii) (iv): Für jedes u R d existiert α > 0 so dass y + αu P. Wähle d+1 solcher α-werte für e 1,..., e d, d i=1 e i, und sei α 0 das Minimum unter diesen. So gilt ( ) y = 1 ( d ) d y α 0 e i + (y + α 0 e i ) d i=0 i=1

18 Bemerkung 3.2 (1) Punkte mit Eigenschaften aus 3.1 heissen innere Punkte, Notation: int(p ). (2) Analog definiert man relativ innere Punkte, Notation: relint(p ), eines Polytops bezüglich seiner affinen Hülle. Es sind äquivalent: (i) y relint(p ), dim P = k, k < d (ii) ay = a 0 und ax a 0 für alle x P, dann gilt a x = a 0 für alle x P. (iii) y = k i=0 λ ix i, x 0,..., x k affin unabhängig in P, λ i > 0, λ i = 1 (iv) y = 1 k+1 k i=0 x i, x 0,..., x k affin unabhängig in P. (3) relint(p ) auch für dim P = 0. (4) P = F L(P ) relint(f ) Wir nehmen im folgenden an, dass 0 int(p ). Dies kann immer erreicht werden durch affine Isomorphie (Projektion auf aff(p ) und Translation eines inneren Punktes nach 0). Äquivalent dazu können wir annehmen, dass P gegeben ist durch P = {x R d A x 1} für geeignetes A R m d. (Beweis: Übung!) Definition 3.3 Für eine Teilmenge P R d, definiere die polare Menge in (R d ) durch P = {c (R d ) cx 1 für alle x P } Iteration: P = {y R d cx 1 für alle x P, und ein c (R d ) impliziert dass cy 1} Übung Bestimmen sie P für ( ) P 1 = conv ( ) P 2 = conv ( ) P 3 = conv Lösung siehe Abbildung 13 18

19 c P c 1 P 1 P 2 P P 2 P Abbildung 13: Lösung der Übung Satz 3.4 (i) P Q impliziert P Q und P Q. (ii) P P (iii) Ist P Polytop mit 0 int(p ), und P = conv{v 1,..., v m } =: conv V für V R d m, dann ist P = {a a V 1} Zudem ist P beschränkt, d.h. Polytop. (iv) Unter Voraussetzungen wie oben gilt P = P Beweis (iii) P = {a ax 1 x P } = {a av 1 v vert(p )} ok, folgt aus Konvexität: x = λ v v λ v 0, λ v = 1 v vert(p ) ax = v vert(p ) }{{} a v λ v = 1 1 Für F L(P ) definiere Beweis 3.4 F := {c (R d ) cx 1 x P und cx = 1 x F } 19

20 (iii) P beschränkt Für r R >0, B(r) := {x R d x r} c.x = c x cos θ sup c.x = x.r, x B(r) B(r) = {c (R d ) c x 1für x B(r)} = {c (R d ) sup c.x 1} x B(r) = {c (R d ) c 1 r } = B(1 r ) O int P heisst: es existiert r > 0 mit B(r) P Dann P B(r) = B( 1 r ), also ist P beschränkt. (iv) (P = P ) P P = {y R d y.c 1 für alle c P } Sei x 0 / P, insbesondere existiert h (R d ) : hx 0 > 1 und hx < 1 für alle x P h P da x 0.h > 1 ist somit x 0 / P Beispiel (1) Simplexe sind selbstpolar. (2) Abbildung 14 C 3 Q 3 C d Q d Abbildung 14: Beispiel von Polaren Polytopen 20

21 Abbildung 15: P n I bipyr(p n ) (3) Abbildung 15 Satz 3.5 Sei P Polytop mit O int P. Dann ist folgender Abbildung eine ordnungsumkehrende Bijektion: insbesondere ist φ: L(P ) L(P ) d.h. L(P ) mit umgekehrter Inklusion. F ˆF = {c P cx = 1 für alle x F. L(P ) = L(P ) op Beweis 1. ˆF L(P ): Sei X 0 relint F. Definiere: G = {c P cx 0 = 1} L(P ) ˆF G Sei c G, also c P mit cx 0 = 1, aber c / ˆF, also c.x 1 < 1 für ein x 1 F. Dann existiert x 2 F (Abbildung 16) mit: x 0 = λx 1 + (1 λ)x 2, 0 < λ < 1 also c.x 0 = λcx 1 + (1 λ)cx 2 < 1 Wiederspruch zu c G 2. ˆF für alle F L(P ): ˆF = {y P y.c = 1 für alle c ˆF } F ˆF Sei z 0 P \ F also ex h (R d ) mit h.z 0 < 1 weil h.x = 1 für alle x F. Also h ˆF, aber z 0 / ˆF, da z0 < 1 21

22 x 1 x 0 x 2 F Abbildung 16: Wegverlängerung P F F Facette B oder P L(P <triangle ) L(P ) B oder P V Abbildung 17: zur Definition

23 Definition 3.6 Ein Polytop heisst simplizial, falls jede Facette ein Simplex ist. Ein Polytop heisst einfach, falls jede Eckenfigur in P Simplex ist. Siehe Abbildung 17 Beispiel Simplizial d Q d Kreuzpolytop C d (n) Zyklische Polytope Einfach d C d Würfel Permutaeder Übung dim P 3, P einfach und simplizial impliziert, dass P Simplex ist. Proposition 3.7 Folgende Aussagen sind äquivalent: (i) P simplizial, dim P = d. (ii) alle echten Seiten von P sind Simplexe. (iii) jede Facette hat d Ecken. (iv) jedes intervall [Ô, F ] in L(P ) mit F P, ist Boolesche Algebra. Es gelten ebenso folgende Äquivalenzen: (i) P einfaches Polytop, dim P = d (ii) jede iterierte Eckenfigur ist ein Simplex (iii) jede Ecke liegt auf d Facetten (iv) jedes Intervall der Form [F, ˆ1] in L(P ) mit F = ist eine Boolesche Algebra. Proposition 3.8 Zu jedem simplizialen Polytop gibt es ein kombinatorisch äquivalentes Polytop mit ganzzahligen Eckenkoordinaten. Äquivalent: Zu jedem einfachen Polytop gibt es ein komibnatorisch äquivalentes Polytop dessen facettendefinierende Gleichungen ganzzahlige Koeffizienten haben. Beweis (Skizze) P simplizial, Verschieben der Ecken in rationale Punkte ändert kombinatorische Struktur nicht, Skalieren macht Koordinaten ganzzahlig. Bemerkung 3.9 Dies hat vor allem Vorteile bei ganzzahlige Optimierung, torische Varietäten. 23

24 4 Polytopgraphen P G(P ) Polytopgraph L(P ) Seitenverband Einige Beispiele werden in Abbildung 18 gegeben. Ecken: Ecken in P Kanten: Kanten in P?! Wieveil kombinatorische Information über P ist enthalten in G(P )? Weche Graphen treten auf als Polytopgraphe? Ausblick 1. Für einfache Polytope ist L(P ) durch G(P ) vollständig bestimmt. 2. dim P = d, dann ist G(P ) d-zusammenhängend. 3. dim P = 3, G = G(P ) G einfach, planar und 3-zusammenhängend 4.1 Exkurs: Graphentheorie Definition G = G(E, K), K ( ) E = {k E k = 2} 2 heisst Graph mit Eckenmenge E = E(G) und Kantenmenge K = K(G) K n = ( [n], ( ) [n] }{{} 2 ) heisst vollständiger Graph (Abbildung 19). ={1,...,n} Definition heisst Weg der Länge n 1 P n := ([n], {{i, j} i j = 1} C n := (Z n, {{i, j} i j ±1 mod n}) heisst Kreis der Länge n. 24

25 a P G(P ) a b b Abbildung 18: Beispiele von Polytopgraphen K 1 K 2 K 3 K 4 K 5 Abbildung 19: Die ersten fünf vollständigen Graphen 25

26 Abbildung 20: Induzierter Teilgraph Abbildung 21: Knotengrad Definition Sei E E Teilmenge der Eckenmenge eines Graphes G(E, K). Dann heisst der Graph mit E als Eckenmenge und Kantenmenge K = K E E der von E induzierte Teilgraph in G (Abbildung 20). E = [5] ({3, 4, 5} }{{} E, {{4, 5}, {3, 4}}) ist Teilgraph, nicht induziert von E (E, {{4, 5}, {3, 4}, {3, 5}}) ist induzierter Teilgraph. Definition Sei v E(G), deg v := {k K(G) v k} heisst Grad von v in G (Abbildung 21). G heisst k-regulär, falls deg v = k für alle v E(G) Beispiel C n ist 2-regulär K n ist (n 1)-regulär (K n = G( n 1 )) Definition G heisst orientiert, falls jede Kante mit einer Richtung versehen ist. Eine Orientierung heisst azyklisch, falls sie keine orientierte Kreise auf G liefert. Ein endlicher Graph mit azyklischer Orientierung besitzt stets eine Senke, d.h. es existiert eine Ecke, aus der keine Kanten hinausweisen (Abbildung 22). 26

27 w Abbildung 22: Eindeutige Senke v c v c w für {v, w} k(g) 4.2 Polytopgraphen Abbildung 23: Zur Proposition 4.2 Definition 4.1 Sei P Polytop. Dann heisst G(P )(Ecken in P, Kanten in P ) Polytopgraph für P. Proposition 4.2 Sei P Polytop in R d, und c (R d ) so dass cv i cv j für v i v j vert (P ). Die Orientierung auf G(P ) nach ansteigenden Auswertungen von c (Abbildung 23) ist azyklisch und besitzt eine eindeutige Senke, dort wo cx sein Maximum auf P annimmt. Bemerkung 4.3 (1) Ein solches c (R d ) existiert für jedes P, c heisst ïn allgemeiner Lageßu P. (2) Für jede Seite F in P ist G(F ) der von der Ecken in F induzierter Teilgraph in G(P ). Eine azyklische Orientierung wie in 4.2 induziert eine azyklische Orientierung auf G(F ), wieder mit eindeutiger Senke. (3) Identifiziere eine azyklische Orientierung O auf G(P ) mit Halbordnung auf der Eckenmenge von P : v O w es existiert ein gerichteter Weg bezüglich O von v nach w Satz 4.4 Ist P einfaches Polytop, so bestimmt G(P ) den Seitenverband L(P ). Beweis (Blind & Mani 1987, Kalai 1988) (1) Sei G(P ) Graph eines einfachen Polytops, dim P = d. Dann gilt: 27

28 gut nicht gut Abbildung 24: Zur Definition F Abbildung 25: Azyklische Orientierung (i) G(P ) ist d-regulär. (prop 3.7 (ii) P/v ist (d 1)-Simplex, hat also d Ecken.) (ii) G(F ) ist k-regulär für jede k-dimensionale Seite F in P (iii) Sei v vert (P ). Jede k-teilmenge der mit v inzidententen Kante spannt eine k-dimensionale Seite von P auf. (2) Eine azyklische Orientierung auf G(P ) heisst gut, falls sie auf dem Graphen jeder nicht-leeren Seite von F genau eine Senke besitzt (Abbildung 24). Azyklische Orientierungen wie in 4.2 sind gut. (3) Behauptung Die Menge der guten azyklischen Orientierungen auf G(P ) bestimmt die kombinatorische Struktur auf P. Genauer: Ein induzierter, zusammenhängender k-regulärer Teilgraph H in G(P ) ist Graph einer Seite von P genau dann, wenn E(H) Anfangsstück einer guten azyklischen Orientierung ist, d.h. v O w und w E(H) impliziert v E(H). : Für jede Seite F in P ist E(G(F )) Anfangsstück einer guten azyklischen Orientierung (Abbildung 25): Wähle C F (R d ) so, dass vert (F ) kleinere Werte annimmt als andere Ecken. : Sei H induzierter k-regulärer zusammenhängender Teilgraph in G(P ) und E(H) Anfangsstück einer guten azyklischen Orientierung O. 28

29 Sei x E(H) Senke bezüglich O. Nach (1)(iii), gibt es eine Seite in P, die x und die k nach x hineinführenden Kanten enthält. x ist eindeutige Senke in F, da O gut ist. v O x für alle v vert (F ). Damit ist vert (F ) E(H). Da G(F ) und H k-regulär und zusammenhängend sind, gilt H = G(F ) (4) Gute azyklische Orientierungen für G(P ) können allein aus dem Graphen konstruiert werden. Sei O eine azyklische Orientierung auf G(P ). Definiere { } v vert(p ), F L(P ), F F O := (v, F ) und v ist eindeutige Senke von O auf G(F ) Dann kann man schreiben: f O := F O f O = d {(v, F ) F O dim F = i} i=0 d i=0 f i Es gilt: O ist gut f O = Diese Charakterisierung braucht aber Seitenzahlen, G(P ) reicht so nicht aus. Beachte Die f O -Werte für gute azyklische Orientierungen sind minimal, und werden angenommen für geometrische Orientierungen. Behauptung f O kann allein aus G(P ) und O bestimmt werden. Eine Ecke v in G(P ) heisst vom Typ k, falls genau k Kanten in v hineinführen. d f O = {(v, F ) F O Typ v = k} Mit h O k k=0 := {v vert(p ) Typ v = k} gilt: d i=1 f i {(v, F ) F O Typ v = k} = 2 k h O k 29

30 Siehe (1)(iii): jede Teilmenge der in v hineinführenden Kanten spannt eine Seite auf. Also ist f O = h O 0 + 2h O d h O d Mit dieser Darstellung bestimmt man alle f O -Werte allein aus G(P ). Die Orientierungen, für die f O minimal ist, sind die guten azyklischen Orientierungen. Definition 4.5 Die Vereinigung aller k-dimensionalen Seiten eines Polytops P heisst k-skelett von P, Notation: P k. G(P ) ist gerade das 1-Skelett von P. P k für k 1 ist der sogenannte polyedrische Komplex (siehe 5.1). Ausblick Satz 4.4 besagt, dass ein einfaches Polytop durch sein 1-Skelett bestimmt wird. Für simpliziale Polytope braucht es das d -Skelett [Perles 70]. 2 Für allgemeine Polytope braucht es das (d 2)-Skelett [Grünbaum 68]. Übung Ein d-polytop P heisst von nicht-eindeutiger Dimension, falls es ein Polytop Q gibt, dim Q d, aber G(Q) = G(P ). Zeigen Sie, dass d von nicht-eindeutiger Dimension ist für d 5. Welche Graphen treten als Polytopgraphen auf? Definition 4.6 Ein Graph heisst d-zusammenhängend, wenn das Entfernen einer beliebigen (d 1)-elementigen Teilmenge von Ecken und aller inzidenten Kanten den Graphen zusammenhängend lässt. Bemerkung 4.7 G 1-zusammenhängend heisst: G zusammenhängend. Übung Ein Graph ist 2-zusammenhängend genau dann wenn je zwei Ecken auf einem gemeinsamen Kreis liegen. Satz 4.8 (Balinski 1961) Der Graph eines d-polytops ist d-zusammenhängend. Beispiel Abbildung 26 Beweis Seien v 1,..., v d 1 Ecken in G(P ), P d-dimensionales Polytop, und Setze M := aff{v 1,..., v d 1 }. G = G(P ) \ {v 1,..., v d 1 } 30

31 Abbildung 26: Beispiel zum Satz 4.8 (Balinski) H F v 2 H F M v 1 G(H F P ) Abbildung 27: Beweis zu 4.8: 1. Fall 31

32 H + v 1 H v 2 H v Abbildung 28: Beweis zu 4.8: 2. Fall 1. Fall M int P =. Dann bestimmen v 1,..., v d 1 eine Seite F von P. Sei H F die zugehörige Hyperebene, und H F die Seitenbestimmende Hyperebene parallel zu H F. H F P ist Polytop mit zusammenhängendem Graphen. Für jedes v E(G ) gibt es einen Weg zu den Ecken auf H F, also ist G zusammenhängend. (Abbildung 27) 2. Fall M int P. Sei H eine Hyperebene, die M und mindestens eine weitere Ecke v E(G ) enthält. Seien H +, H die beiden seitenbestimmenden Hyperebenen an P parallel zu H. H + P und H P sind Polytope mit zusammenhängenden Graphen. Ecken von G oberhalb von H sind verbunden mit G(H + P ), Ecken von G unterhalb von H sind verbunden mit G(H P ). Diese Teilgraphen sind verbunden via v. (Abbildung 28) Satz 4.9 (Steinitz 1922) Ein Graph G ist Polytopgraph eines 3-dimensionalen Polytops genau dann wenn G einfach, planar und 3-zusammenhängend ist. Glossar einfach keine Schlingen, keine Mehrfachkanten planar G lässt sich so in die Ebene zeichnen, dass die Kanten Überschneidungsfrei sind. (K 4 ist planar, K 5 nicht) 32

33 Beweis Notwendigkeit der Steinitz-Bedingungen: G = G(P ), dim P = 3: (i) G einfach: klar. (ii) G planar: Schlegeldiagramme. (iii) G 3-zusammenhängend: Satz 4.8 (Balinski). Vollständiger Beweis: Ziegler, Kapitel 4. 5 Seitenzahlen von Polytopen P, dim P = d, f(p ) = (f 1, f 0,..., f d ), f i := Anzahl i-dim Seiten in P, i = 1,..., d (1) Welche Zahlenfolgen (f 1, f 0,..., f d ) N d+2 treten auf als f-vektoren von Polytopen? Euler-Poincaré-Formel: d ( 1) i f i = 0 i= 1 Dehn-Sommerville-Relationen, P Simplizial f(p ) lin Transf. h(p ) = (h 0,..., h d ) h-vektor Es gilt: h i = h d i für alle i = 0,..., d. Charakterisierung der f-vektoren für simpliziale Polytope (Ausblick) (2) Wie gross kann f i werden für gegebenes f 0 und d? Upper-Bound Theorem 5.1 Polytopale Komplexe Definition 5.1 Eine endliche, nicht-leere Familie von Polytopen C = {F 1,..., F t } R d heisst polytopaler Komplex falls gilt: (1) Ist F C und H Seite von F, dann gilt H C. 33

34 F F F F (0, 2) (0, 1) (1, 1) (0, 0) F 1 = conv{(0, 0), (0, 2)} F 2 = conv{(0, 1), (1, 1)} F 1 F 2 ist Seite von F 2, nicht aber von F 1 polytopaler Komplex kein polytopaler Komplex, verletzt (2) Abbildung 29: zur Definition von polytopaler Komplex (2) Sind F und F in C, so ist F F Seite von F und Seite von F. Die Polytope in C heissen Seiten von C, inklusionsmaximale Seiten heissen Facetten. Die Dimension einer höchstdimensionalen Facette in C heisst Dimension von C. Ein polytopaler Komplex heisst rein, falls alle Facetten gleiche Dimension haben. Die Menge: heisst Träger. Siehe Abb. 29. C := F C F Beispiel (1) Graphen, die mit überschneidungsfreien Streckensegmenten als Kanten gezeichnet sind, sind polytopale Komplexe. { 0 falls G nicht-leer aber keine Kanten besitzt dim G = 1 falls G eine Kante besitzt G ist rein, falls dim G = 0, oder falls dim G = 1 und G besitzt keine isolierten Ecken. (2) P Polytop, dim P = d, dann ist C(P ) = {F F Seite von P } ist reiner Komplex der Dimension d. C( P ) = {F C(P ) F P } heisst Randkomplex von P, dim C( P ) = d 1. Für k d ist: C(P k ) = {F C(P ) dim F k} ist reiner k-dimensionaler polytopaler Komplex. 34

35 Abbildung 30: Lineare Ordnung Definition 5.2 Sei C reiner, k-dimensionaler polytopaler Komplex. Eine Schälung von C ist eine lineare Ordnung auf den Facetten von C, F 1,..., F s, so dass gilt: (1) entweder dim C = 0, (2) oder dim C > 0 und (2.1) C( F 1 ) besitzt eine Schälung. (2.2) für 1 < j s ist F j ( j 1 i=1 F i ) = G 1... G r mit r t nicht-leer und Anfangsstück einer Schälung G 1,..., G t von C( F j ). Ein reiner Komplex C heisst schälbar falls eine Schälung existiert. Bemerkung 5.3 Insbesondere ist: F j ( j 1 i=1 F i ) reiner (k 1)-dimensionaler schälbarer Komplex. Beispiel (1) C ist schälbar, falls dim C = 0 (2) dim C = 1: C ist schälbar genau dann wenn C zusammenhängend ist. 35

36 Abbildung 31: zum Beweis, 2.1 im Beispiel F F j j Abbildung 32: zum Beweis, 2.2 im Beispiel Beweis : (Abb. 30) ( ) Wähle lineare Ordnung auf den Kanten, so dass F j i<j F i (2.1) C( F 1 ). Siehe Abb dim, also schälbar. ( ) (2.2) F j i<j F i Siehe Abb. 32 : Sei C nicht zusammenhängend, F 1,..., F s Schälung. Siehe Abb. 33. Sei t minimal ( mit F t nicht in der Zusammenhangskomponente von F 1. ) F j i<j F i =. Widerspruch zur Schälung. (3) Siehe Abb.34 F t F 1 Abbildung 33: zum Beweis im Beispiel, nicht-zusammenhängend 36

37 F 1 F 2 F nicht-reiner schnitt schälbar nicht schälbar da F 3 (F 1 F 2 ) 0-dimensional nicht schälbar Abbildung 34: Beispiel 3 F j G F i Abbildung 35: zum Beweis von 5.6 Übung Zeigen Sie, dass folgende Komplexe schälbar sind: 1) C( n ) n n-simplex. 2) C( C n ) C n n-würfel. Bemerkung 5.4 Sei P Polytop. So gilt: C(P ) C( P ) schälbar. Satz 5.5 (Brugesser und Mani) Polytope sind schälbar. Lemma 5.6 Sei F 1,..., F s die Schälung eines Polytops, dann ist auch F s, F s 1,... F 1 eine Schälung. Übung Finden Sie einen polytopalen Komplex, für den 5.6 nicht gilt. Beweis Induktion über dim P = d d = 0: klar. d > 0: Sei F j Facette von P zu jeder Facette G vor F j existiert genau eine Facette F i von P mit G = F i F j. Enweder i < j (F i kommt von F j ) oder i > j (F i kommt nach F j ). Siehe Abb

38 ) G = F j ( i<j F i ist Anfangsstück einer Schälung von F j, kann also zu einer Schälung vervollständigt werden. Es ist: ( ) F j F i = F j \ G i<j ( ) insbesondere ist F j i<j F i Anfangsstück einer Schälung von F j, nämlich der Umkehrung der vervollständigten Schälung von oben. Beweis von Satz 5.5 Ein Punkt x P heisst in allgemeiner Lage zu P, falls x aff(f ) für alle Facetten F von P. Eine Facette F von P heisst sichtbar von einem Punkt x in allgemeiner Lage zu P, falls int(p ) und x auf verschiedenen Seiten der von aff(f ) bestimmten Hyperebene liegen. Wir zeigen die stärkere Aussage (A): Sei P ein d-dimensionales Polytop und x in allgemeiner Lage zu P. Dann hat P eine Schälung, in der die von x aus sichtbaren Facetten zuerst auftreten. (1) Konstruktion der Schälung: Wähle eine Gerade l im R d (Abbildung 36), so dass x l l int(p ) l aff(f ) für jede Facette F. l aff(f 1 ) l aff(f 2 ) für F 1 F 2 Facetten von P. Sei P l = {p, q} und p sichtbar von x. Wähle die Trägerfacette von p zur ersten Facette der Schälung. Verlasse P von p aus entlang l und füge Facetten zur Schälung nach dem Auftregen ihrer Schnittpunkte entlang l. Kehre ebenso entlang l zu q zurück. ( Line-shelling ) (2) Nachweis von (A): Die von x aus sichtbaren Facetten werden zuerst gewählt. F 1 erfüllt (A) nach Induktion. Sei F 1,..., F r, F r+1,..., F t die Ordnung aus (1), wobei F 1 Trägerfacette von p, F 1 sichtbar von l aff(f j ) für alle j = 2,..., r, F t Trägerfacette von q und F t sichtbar von l aff(f j ) für j = r + 1,..., t 1. Für 1 < j r ist F j i<j F i 38

39 F j aff(f j ) l aff(f j ) l Abbildung 36: Wahl von l Familie der von l aff(f j ) aus sichtbaren Facetten von F j, also Anfangsstück einer Schälung nach Induktionsannahme. Für r < j t ist F j i<j F i die Familie der von l aff(f j ) aus nicht sichtbaren Facetten von F j, also nach Induktion das Endstück einer Schälung von F j, also nach Lemma 5.6 auch das Anfangsstück einer Schälung. 5.2 f-vektoren und h-vektoren von Polytopen Definition 5.7 Sei dim P = d. Definiere f i als die Anzahl der i-dimensionalen Seiten von P. Dann ist der f-vektor von P definiert durch f(p ) := (f 1, f 0, f 1,..., f d ) Satz 5.8 (Euler-Poincaré-Formel) Für ein Polytop P mit f(p ) = (f 1,..., f d ) gilt d ( 1) i f i = 0 i= 1 Für d = 3 ergibt sich als wichtiger Spezialfall die Euler-Formel f 0 f 1 + f 2 = 2 39

40 Beweis Definiere f i für polytopale Komplexe C wie oben, und weiter die reduzierte Eulercharakteristik dim C χ(c) = ( 1) i f i i= 1 Sind C 1, C 2 polytopale Komplexe, und auch C 1 C 2 sowie C 1 C 2, so gilt Wir zeigen: Für d = dim P ist Induktion über d: d 1: sehen χ(c 1 ) + χ(c 2 ) = χ(c 1 C 2 ) + χ(c 1 C 2 ) χ(p ) = 0 und χ( P ) = ( 1) d 1 d > 1: Sei F 1,..., F t eine Schälung von P. Behauptung Für j < t gilt ( ) χ F i = 0 Induktion über j: i j j = 1: χ(f 1 ) = 0 nach Induktion über d 1 < j < t: ( ) ( ) ( ) ( ) χ F i = χ F i + χ(f j ) χ F i F j i j i<j wobei auf der rechten Seite χ( i<j F i) = 0 nach Induktion über j; χ(f j ) = 0 nach Induktion über d; und χ( i<j F i) = 0 da Anfangsstück einer Schälung von F j, dim F j = d 1. Weiter ( χ( P ) = χ F i )+χ(f t ) χ( F t ) i<t i<j = ( 1) d 2 = ( 1) d 1 40

41 Definition 5.9 Sei dim P = d. Für i = 0,..., d definiere h j := i j=0 ( ) d j ( 1) i j d i f j 1 heisst h-vektor von P. h(p ) = (h 0,..., h d ) Bemerkung 5.10 (1) Berechnen von h(p ) mit einer Variante des Pascal schen Dreiecks: mit der Rekursionsvorschrift f 1 1 f f d 1 h 0 h 1 h d a b b a Merke h(p ) f(p ); genauer f k 1 = k i=0 ( ) d i h i k i Fasst man die f- bzw. h-einträge zu Polynomen zusammen, f(p, t) = d f d i 1 t i = f d 1 + f d 2 t + f d 3 t f 1 t d i=0 so gilt h(p, t) = d h d i t i = h d + h d 1 t + h d 2 t h 0 t d i=0 f(p, t) = h(p, t + 1) 41

42 d k v Typ k H c k Abbildung 37: H c wird durch P geschoben Satz 5.11 (Dehn-Sommerville-Relationen) Sei P simplizial mit h(p ) = (h 0,..., h d ). Dann gilt: h k = h d k für k = 0,..., d Beweis Betrachte P (welches einfach ist), und wähle c (R d ), so dass cv cw für alle v, w vert(p ). Wir schieben H c durch P und zählen an jeder Ecke die H c erreicht, die unterhalb von H c vervollständigten Seiten (Abbildung 37). Deren Beitrag zu f(p, t) = d f d i 1 (P ) t i = i=0 d f 1 (P ) t i i=0 an einer Ecke v vom Typ k: Also 1 t 0 + k t 1 + ( ) k t ( ) k t k = (t + 1) k k h d k = Anzahl der Ecken in P vom Typ k bzgl. c = Anzahl der Ecken in P vom Typ k bzgl. c = h k 42

43 5.3 Upper Bound Theorem Frage Wieviele k-dimensionale Seiten kann ein d-dimensionales Polytop mit n Ecken höchstens haben? es gibt für jedes d und n ein Polytop C d (n), welches die f-einträge gleichzeitig maximiert. Definition 5.12 Sei n > d 1 und φ: R R d t (t, t 2,..., t d ) Dann heisst C d (n) := conv{φ(1), φ(2),..., φ(n)} das zyklische Polytop in Dimension d mit n Ecken. Bemerkung 5.13 (ohne Beweis) (1) Der kombinatorische Typ von C d (n) hängt nicht ab von der Wahl der Punkte φ(1),..., φ(n) auf der Kurve φ. (2) C d (n) ist simpliziales Polytop und dim C d (n) = d. Wähle 1 j 0 < j 2 <... < j d n, j i N, dann ist die Vandermondsche Determinante ( ) j 0 j 1 j d 1 1 det = det j0 2 j1 2 j 2 d = j φ(j 0 ) φ(j d ).... s j r r<s d j0 d j1 d jd d Das heisst, keine d + 1 der n Punkte φ(1),..., φ(n) sind affin abhängig in R d. Damit ist dim C d (n) = d und alle Facetten sind Simplices. (3) Es gilt sogar: jede k-teilmenge {j 1,..., j k } {1,..., n}, k d, bestimmt eine (k 1)-dimensionale simpliziale Seite in C d (n). Polytope mit 2 dieser Eigenschaft heissen nachbarschaftlich. Beweisskizze (1) Die Ecken eines d-polytops können so verschoben werden, dass das resultierende Polytop P simplizial ist und f k (P ) f k (P ) für k 1. 43

44 (2) Falls P nachbarschaftlich (z.b. P = C d (n)), dann ist ( ) n f k 1 = für k d 2 k sonst. (3) f 1,..., f d bestimmen h 0,..., h 2 1 d, diese bestimmen h 0,..., h d wegen den Dehn-Sommerville-Relationen 5.11 (P simplizial!). Damit be- 2 stimmen f 1,..., f d den gesamten f-vektor eines simpliziales Polytops. Insbesondere haben alle nachbarschaftlichen Polytope den gleichen 1 2 f-vektor. (4) Wir schreiben d/2 i=0 T T d d 1 (2) T i = 2 T T 2 d d 0 (2) 2 und umgekehrt für Für k d 2 f k 1 = = = k i=0 d/2 i=0 d/2 i=0 d d/2 T i ( ) d i h i = k i ( ) d i k i k i + d i=0 d i=d/2 ( ) d i h i k i ( ) d i k i k i (( ) ( )) d i i + h i k i k d + 1 }{{} 0 Es bleibt zu zeigen: Die nachbarschaftlichen Polytope maximieren h 0,..., h d 2. Lemma 5.14 Ist P simplizial, so gilt ( ) n d 1 + k h k (P ) = h k (C d (n)) k Beweis Induktion + Schälungsargument, Details in Ziegler, S. 256 ff. 44

45 Index A aff allgemeine Lage azyklisch B beschränkt Halbordnung Bipyramide C conv D Darstellungssatz dim E Ecke Eckenfigur einfach Euler -Formel , 39 -Poincaré-Formel charakteristik, reduzierte F f-vektor Facette , 34 Fläche G Grad gradiert Halbordnung Graph vollständig H h-vektor Hülle affine konische konvexe lineare Halbordnung beschränkt gradiert Rang(funktion) Verband I induzierter Teilgraph Intervall J join K k-regulär Kante Kette konvex Kreis L Lage allgemeine Länge Kette

46 M meet N nachbarschaftlich O orientiert P Polyeder H-Polyeder Polytop 0/1-Polytop einfach H-Polytop konvexes nachbarschaftlich Seite eines simplizial V-Polytop zyklisches , 43 polytopaler Komplex Polytopgraph Produkt Pyramide Seitenverband sichtbar simplizial Skelett T Träger U Upper bound theorem V Vandermondsche Determinante Verband Verbindungsstrecke vollständiger Graph W Weg Z zyklisches Polytop , 43 R Rang(funktion) Halbordnung Rangfunktion reduzierte Eulercharakteristik reiner polytopaler komplex S schälbar Schälung Seite , 10, 34 46

3 Polytope. 3.1 Polyeder

3 Polytope. 3.1 Polyeder 28 3 Polytope 3.1 Polyeder Polytope in der Ebene und im Raum standen neben Kreis und Kugel schon während der griechischen Antike im Mittelpunkt des mathematischen (und philosophischen) Interesses. Durch

Mehr

3.2 Unabhängigkeitsstrukturen

3.2 Unabhängigkeitsstrukturen 80 3.2 Unabhängigkeitsstrukturen Unser Ziel ist der Nachweis, daß in Vektorräumen, also in Moduln über Körpern, Basen existieren und zwei endliche Basen gegebenenfalls von derselben Ordnung sind. (Basen

Mehr

4 Affine Koordinatensysteme

4 Affine Koordinatensysteme 4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner

Mehr

GEOMETRIE DER POLYEDER

GEOMETRIE DER POLYEDER GEOMETRIE DER POLYEDER Das Polyeder P sei gegeben durch P = x R n Ax b. Definition. (i) Die Hyperebene H = x R n c T x = d,c, heißt Stützhyperebene von P, falls die Ungleichungc T x d redundant ist bzgl.

Mehr

Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke

Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke Konvexe Mengen Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke xy = {x + t xy 0 t 1} = {(1 t)x + ty 0 t 1} enthält. konvex nicht konvex Lemma

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

Proseminar Konvexe Mengen: Der Satz von Carathéodory

Proseminar Konvexe Mengen: Der Satz von Carathéodory Proseminar Konvexe Mengen: Der Satz von Carathéodory Gerrit Grenzebach 26. Otober 2004 In diesem Referat werden der Begriff der onvexen Hülle einer Menge eingeführt und einige Eigenschaften der onvexen

Mehr

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

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 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

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

Affine Geometrie (Einfachere, konstruktive Version) Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit

Mehr

Teil I. Lineare Optimierung

Teil I. Lineare Optimierung Teil I Lineare Optimierung 5 Kapitel 1 Grundlagen Definition 1.1 Lineares Optimierungsproblem, lineares Programm. Eine Aufgabenstellung wird lineares Optimierungsproblem oder lineares Programm genannt,

Mehr

Geradenarrangements und Dualität von Punkten und Geraden

Geradenarrangements und Dualität von Punkten und Geraden Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.06.2012 Dualitätsabbildung Bisher haben wir Dualität für planare

Mehr

Homogene und inhomogene Koordinaten und das Hyperboloid

Homogene und inhomogene Koordinaten und das Hyperboloid Seminararbeit zum Seminar aus Reiner Mathematik Homogene und inhomogene Koordinaten und das Hyperboloid Gernot Holler 1010674 WS 2012/13 28.November 2012 1 Inhaltsverzeichnis 1 Einleitung 3 2 Homogene

Mehr

2. Optimierungsprobleme 6

2. Optimierungsprobleme 6 6 2. Beispiele... 7... 8 2.3 Konvexe Mengen und Funktionen... 9 2.4 Konvexe Optimierungsprobleme... 0 2. Beispiele 7- Ein (NP-)Optimierungsproblem P 0 ist wie folgt definiert Jede Instanz I P 0 hat einen

Mehr

Mathematische Probleme, SS 2016 Freitag $Id: convex.tex,v /05/13 14:42:55 hk Exp $

Mathematische Probleme, SS 2016 Freitag $Id: convex.tex,v /05/13 14:42:55 hk Exp $ $Id: convex.tex,v.28 206/05/3 4:42:55 hk Exp $ 3 Konvexgeometrie 3. Konvexe Polyeder In der letzten Sitzung haben wir begonnen uns mit konvexen Polyedern zu befassen, diese sind die Verallgemeinerung der

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

Klausur HM I H 2005 HM I : 1

Klausur HM I H 2005 HM I : 1 Klausur HM I H 5 HM I : 1 Aufgabe 1 4 Punkte): Zeigen Sie mit Hilfe der vollständigen Induktion: n 1 1 + 1 ) k nn k n! für n. Lösung: Beweis mittels Induktion nach n: Induktionsanfang: n : 1 ) 1 + 1 k

Mehr

EULER-CHARAKTERISTIK KONVEXER POLYEDER

EULER-CHARAKTERISTIK KONVEXER POLYEDER MINI-IKM 1998 EULER-CHARAKTERISTIK KONVEXER POLYEDER Eberhard-Karls-Universität Tübingen, März 1998 Richard Bödi Inhalt 1. Der euklidische Raum, affine Räume...........................................1

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax

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

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i.

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i. Kapitel Geometrie Sei V ein Vektorraum, z.b. V = R 3. Wenn wir uns für geometrische Eigenschaften von R 3 interessieren, so stört manchmal die Ausnahmerolle des Nullvektors, die es ja in V gibt. Beispielsweise

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 29.11.2013 Alexander Lytchak 1 / 13 Wiederholung Der Rang einer linearen Abbildung ist gleich dem Spaltenrang der darstellenden

Mehr

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

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

Mehr

Kapitel 13. Lineare Gleichungssysteme und Basen

Kapitel 13. Lineare Gleichungssysteme und Basen Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x

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

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum, 2 Vektorräume In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa Unterraum, Linearkombination, lineare Unabhängigkeit und Erzeugendensystem.

Mehr

Kombinatorische Geometrien

Kombinatorische Geometrien KAPITEL 5 Kombinatorische Geometrien Beispiele von Geometrien wurden schon als Inzidenzstrukturen (z.b. projektive Ebenen) gegeben. Wir nehmen hier einen anderen Standpunkt ein und verstehen unter einer

Mehr

= ( n x j x j ) 1 / 2

= ( 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

Mehr

1 Der Simplex Algorithmus I

1 Der Simplex Algorithmus I 1 Nicoletta Andri 1 Der Simplex Algorithmus I 1.1 Einführungsbeispiel In einer Papiermühle wird aus Altpapier und anderen Vorstoffen feines und grobes Papier hergestellt. Der Erlös pro Tonne feines Papier

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

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.

Mehr

Symmetrien. Transformationen. Affine und euklidische Räume

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

Mehr

Kapitel 2: Mathematische Grundlagen

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

Mehr

Kapitel VI. Euklidische Geometrie

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

Mehr

Optimierung für Wirtschaftsinformatiker: Lineare Programme

Optimierung für Wirtschaftsinformatiker: Lineare Programme Optimierung für Wirtschaftsinformatiker: Lineare Programme Dr. Nico Düvelmeyer Dienstag, 31. Mai 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Lineare Programme Allgemeine Form 2 Spezielle Darstellungen

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

Numerische Lineare Algebra

Numerische Lineare Algebra Numerische Lineare Algebra Vorlesung 5 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 21 Prof. Dr. Klaus Höllig (IMNG)

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

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

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

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

Vektorräume. Kapitel Definition und Beispiele

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

Mehr

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

Triangulierungen von Punktmengen und Polyedern

Triangulierungen von Punktmengen und Polyedern Triangulierungen von Punktmengen und Polyedern Vorlesung im Sommersemester 2000 Technische Universität Berlin Jörg Rambau 21.06.2000 Flipdefizit 10 In diesem Kapitel starten wir die Untersuchung von Triangulierungen,

Mehr

10 Untermannigfaltigkeiten

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

Mehr

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

Liegt eine Kante k auf einem Zyklus Z, so liegt k auf dem Rand genau zweier

Liegt eine Kante k auf einem Zyklus Z, so liegt k auf dem Rand genau zweier 4 Planare Graphen Bisher wurden Graphen abstrakt durch Mengen E und K und eine Abbildung ψ : K P(E) definiert. In diesem Kapitel beschäftigen wir uns mit einem Abschnitt der sogenannten topologischen Graphentheorie.

Mehr

Das Multi Traveling Salesman Problem

Das Multi Traveling Salesman Problem Das Multi Traveling Salesman Problem Harald Voit Seminar Ganzzahlige Optimierung 19. bis 21. Januar 2007 Wallenfels Das Multi Traveling Salesman Problem p.1/26 Übersicht Vom TSP zum ATSP Das Multi Traveling

Mehr

Konvexe Mengen. Kanglin,Chen. Universität Bremen, Proseminar WS 04/05

Konvexe Mengen. Kanglin,Chen. Universität Bremen, Proseminar WS 04/05 Konvexe Mengen Kanglin,Chen Universität Bremen, Proseminar WS 04/05 Satz. (Satz von Kirchberger) Sei P, Q E n kompakt und nicht leer. Dann gilt: P, Q sind durch eine Hyperebene streng trennbar. Für jede

Mehr

Das Linear Ordering Problem Exakte Lösungsverfahren. für NP-schwierige. VO Algorithm Engineering

Das Linear Ordering Problem Exakte Lösungsverfahren. für NP-schwierige. VO Algorithm Engineering Das Linear Ordering Problem Exakte Lösungsverfahren VO Algorithm Engineering für NP-schwierige Professor Dr. Petra Mutzel kombinatorische Lehrstuhl für Algorithm Engineering, LS11 Optimierungsprobleme

Mehr

Skript und Übungen Teil II

Skript und Übungen Teil II Vorkurs Mathematik Herbst 2009 M. Carl E. Bönecke Skript und Übungen Teil II Das erste Semester wiederholt die Schulmathematik in einer neuen axiomatischen Sprache; es ähnelt damit dem nachträglichen Erlernen

Mehr

M. Pester 29. Ein konvexes d-polytop ist eine begrenzte d-dimensionale polyedrale Menge. (d = 3 Polyeder, d = 2 Polygon)

M. Pester 29. Ein konvexes d-polytop ist eine begrenzte d-dimensionale polyedrale Menge. (d = 3 Polyeder, d = 2 Polygon) M. Pester 29 6 Konvexe Hülle 6.1 Begriffe Per Definition ist die konvexe Hülle für eine Menge S von lich vielen Punkten die kleinste konvexe Menge, die S enthölt (z.b. in der Ebene durch ein umspannes

Mehr

Kapitel 3: Die Sätze von Euler, Fermat und Wilson. 8 Der Satz von Euler

Kapitel 3: Die Sätze von Euler, Fermat und Wilson. 8 Der Satz von Euler Kapitel 3: Die Sätze von Euler, Fermat und Wilson In diesem Kapitel wollen wir nun die eulersche -Funktion verwenden, um einen berühmten Satz von Euler zu formulieren, aus dem wir dann mehrere interessante

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

Lineare Algebra I Zusammenfassung

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

Mehr

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

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

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/59 Graphische Darstellung von Zusammenhängen schon

Mehr

Der Rangsatz für lineare Abbildungen

Der Rangsatz für lineare Abbildungen Der Rangsatz für lineare Abbildungen Satz Sei f : V W eine lineare Abbildung Dann gilt dim V = dim Kern(f) + dim Bild(f), also gleichbedeutend dim Kern(f) = dim V rg(f) Da uns in der Regel bei gegebenem

Mehr

Lineare Algebra I (WS 13/14)

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

Mehr

Lineare Algebra: Determinanten und Eigenwerte

Lineare 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

Mehr

Drei Anwendungen der Eulerschen Polyederformel

Drei Anwendungen der Eulerschen Polyederformel Drei Anwendungen der Eulerschen Polyederformel Seminar aus Reiner Mathematik Viktoria Weißensteiner 04. Dezember 2013 Inhaltsverzeichnis 1 Einleitung 2 2 Vorbereitende Theorie 3 2.1 ebene Graphen..........................

Mehr

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

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

Mehr

5.7 Lineare Abhängigkeit, Basis und Dimension

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

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

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

Mehr

Affine und projektive Räume

Affine und projektive Räume Affine und projektive Räume W. Kühnel Literatur hierzu: G.Fischer, Analytische Geometrie, 7. Aufl., Vieweg 2001 Zur Motivation: Wenn man in einem Vektorraum die Elemente nicht als Vektoren, sondern als

Mehr

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle Anhang A Etwas affine Geometrie In diesem Anhang stellen wir die wichtigsten Grundbegriffe aus der affinen Geometrie zusammen, soweit sie eben für uns von Nutzen sind. Für weiterführende Ergebnisse sei

Mehr

KAPITEL 6 GANZZAHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULARE MATRIZEN

KAPITEL 6 GANZZAHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULARE MATRIZEN KPITEL 6 GNZZHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULRE MTRIZEN F. VLLENTIN,. GUNDERT. Ganzzahlige lineare Programme Viele Optimierungsprobleme des Operations Research lassen sich als ganzzahlige lineare

Mehr

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω 5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,

Mehr

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE

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

Mehr

Graphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.

Graphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung. Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 14. November 2007 1 / 22 2 / 22 Gliederung eulersche und semi-eulersche Graphen Charakterisierung eulerscher Graphen Berechnung eines

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

Lineare Abhängigkeit

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

Mehr

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen 11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des

Mehr

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent. Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen

Mehr

3 Lineare Differentialgleichungen

3 Lineare Differentialgleichungen 3 Lineare Differentialgleichungen In diesem Kapitel behandeln wir die allgemeine Theorie linearer Differentialgleichungen Sie werden zahlreiche Parallelen zur Theorie linearer Gleichungssysteme feststellen,

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Kapitel 15: Graphen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik

Mehr

Lineare Algebra II, Lösungshinweise Blatt 9

Lineare Algebra II, Lösungshinweise Blatt 9 Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren

Mehr

Der Satz von DESARGUES und der Satz von PAPPOS

Der Satz von DESARGUES und der Satz von PAPPOS Der Satz von DESARGUES und der Satz von PAPPOS Kirstin Strokorb November 2005 Inhaltsverzeichnis 1 Einleitung 2 2 Der Satz von DESARGUES 2 2.1 Das Dualitätsprinzip........................ 3 3 Der Satz

Mehr

Seminarvortrag über die Euler-Charakteristik einer Fläche

Seminarvortrag über die Euler-Charakteristik einer Fläche Dies ist eine Ausarbeitung für einen Seminarvortrag, den ich im Sommersemester 2013/14 an der Humboldt-Universität im Proseminar Differentialgeometrie von Kurven und Flächen bei Christoph Stadtmüller gehalten

Mehr

4. Vortrag - Garben. Ling Lin, Kristijan Cule Datum: 26. April 2009

4. Vortrag - Garben. Ling Lin, Kristijan Cule Datum: 26. April 2009 4. Vortrag - Garben Datum: 26. April 2009 1 Graduierte Ringe Definition 4.1.1. Eine k-algebra R heißt graduiert, wenn sie dargestellt werden kann als eine direkte Summe R = R n, wobei die R n als k-unterräume

Mehr

Konstruktion reeller Zahlen aus rationalen Zahlen

Konstruktion reeller Zahlen aus rationalen Zahlen Konstruktion reeller Zahlen aus rationalen Zahlen Wir nehmen an, daß der Körper der rationalen Zahlen bekannt ist. Genauer wollen wir annehmen: Gegeben ist eine Menge Q zusammen mit zwei Verknüpfungen

Mehr

1 Angeordnete Körper. 1.1 Anordnungen und Positivbereiche

1 Angeordnete Körper. 1.1 Anordnungen und Positivbereiche 1 1 Angeordnete Körper 1.1 Anordnungen und Positivbereiche Definition 1.1. Eine zweistellige Relation auf einer Menge heißt partielle Ordnung, falls für alle Elemente a, b, c der Menge gilt: (i) a a (ii)

Mehr

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

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

Mehr

Topologische Begriffe

Topologische Begriffe Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer

Mehr

3. Übungsblatt zur Lineare Algebra I für Physiker

3. Übungsblatt zur Lineare Algebra I für Physiker Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte

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

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

70 IV. ENDLICH-DIMENSIONALE VEKTORRÄUME

70 IV. ENDLICH-DIMENSIONALE VEKTORRÄUME IV. Endlich-dimensionale Vektorräume Unter einem endlich-dimensionalen Vektorraum verstehen wir einen Vektorraum, der eine endliche Basis besitzt. Die entscheidende Beobachtung ist die Tatsache, dass in

Mehr

Erweiterung: Flächeninhalt mit Vorzeichen. a b, P, Q, R gegen Uhrzeigersinn a b, P, Q, R im Uhrzeigersinn

Erweiterung: Flächeninhalt mit Vorzeichen. a b, P, Q, R gegen Uhrzeigersinn a b, P, Q, R im Uhrzeigersinn Flächeninhalte Flächeninhalt eines Dreiecks: R A(PQR)= 1 2 = 1 2 a b sin α a b P b α a c Q Erweiterung: Flächeninhalt mit Vorzeichen A(PQR)= 1 2 1 2 a b, P, Q, R gegen Uhrzeigersinn a b, P, Q, R im Uhrzeigersinn.

Mehr

Einführung in die Logik

Einführung in die Logik Einführung in die Logik Klaus Madlener und Roland Meyer 24. April 2013 Inhaltsverzeichnis 1 Aussagenlogik 1 1.1 Syntax................................. 1 1.2 Semantik............................... 3 1.3

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

Geometrie von Flächen und Algebraischen Kurven Der Satz von Pascal

Geometrie von Flächen und Algebraischen Kurven Der Satz von Pascal Geometrie von Flächen und Algebraischen Kurven Der Satz von Pascal Laura Hinsch November 005 Inhaltsverzeichnis 1 Einleitung 1 Algebraische Kurven 1 3 Singularitäten 3 4 Der Satz von Pascal 5 i 1 Einleitung

Mehr

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale Kapitel I Reelle Zahlen 1 Axiomatische Charakterisierung der reellen Zahlen R 2 Angeordnete Körper 3 Die natürlichen, die ganzen und die rationalen Zahlen 4 Das Vollständigkeitsaxiom und irrationale Zahlen

Mehr

Modulteilprüfung Geometrie (BaM-GS, L3M-RF)

Modulteilprüfung Geometrie (BaM-GS, L3M-RF) Modulteilprüfung Geometrie (BaM-GS, L3M-RF) Prof. Dr. Martin Möller SoSe 2011 // 05. Juli 2011 Kontrollieren Sie, ob Sie alle Blätter (12 einschließlich zweier Deckblätter) erhalten haben, und geben Sie

Mehr

5. Musterlösung. Problem 1: Vitale Kanten * ω(f) > ω(f ). (a) Untersuchen Sie, ob es in jedem Netzwerk vitale Kanten gibt.

5. Musterlösung. Problem 1: Vitale Kanten * ω(f) > ω(f ). (a) Untersuchen Sie, ob es in jedem Netzwerk vitale Kanten gibt. Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 05/06 ITI Wagner 5. Musterlösung Problem : Vitale Kanten * In einem Netzwerk (D = (V, E); s, t; c) mit Maximalfluß f heißen Kanten e

Mehr

1.6 Implizite Funktionen

1.6 Implizite Funktionen 1 1.6 Implizite Funktionen Wir werden uns jetzt mit nichtlinearen Gleichungen beschäftigen, f(x) = 0, wobei f = (f 1,..., f m ) stetig differenzierbar auf einem Gebiet G R n und m < n ist. Dann hat man

Mehr

Elementare Beweismethoden

Elementare Beweismethoden Elementare Beweismethoden Christian Hensel 404015 Inhaltsverzeichnis Vortrag zum Thema Elementare Beweismethoden im Rahmen des Proseminars Mathematisches Problemlösen 1 Einführung und wichtige Begriffe

Mehr

Die Dimension eines Vektorraumes

Die Dimension eines Vektorraumes Die Dimension eines Vektorraumes Ist (b 1, b 2,..., b n ) eine Basis des Vektorraums V, so heißt n die Dimension von V. Die Möglichkeit dieser Definition beruht auf dem folgenden nichttrivialen Satz. Je

Mehr

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl. Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )

Mehr

4 Eigenwerte und Eigenvektoren

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

Mehr

F B. Abbildung 2.1: Dreieck mit Transversalen

F B. Abbildung 2.1: Dreieck mit Transversalen 2 DS DREIECK 16 2 Das Dreieck 2.1 Ein einheitliches Beweisprinzip Def. Eine Gerade, die jede Trägergerade der Seiten eines Dreiecks (in genau einem Punkt) schneidet, heißt Transversale des Dreiecks. Eine

Mehr

Konstruktion der reellen Zahlen

Konstruktion der reellen Zahlen Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert

Mehr