Gruppentheorie und Symmetrie in der Chemie

Größe: px
Ab Seite anzeigen:

Download "Gruppentheorie und Symmetrie in der Chemie"

Transkript

1 Gruppentheorie und Symmetrie in der Chemie Martin Schütz Institut für theoretische Chemie, Universität Stuttgart Pfaffenwaldring 55, D Stuttgart Stuttgart, 0. April 00 M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

2 Matrixdarstellung von Gruppen Gegeben sei eine Gruppe G = {E, A, B,...} und ein n-dimensionaler Darstellungsraum L. Jedes Element G G sei ein linearer Operator, der L auf sich selbst abbildet (z.b. Symmetrieoperatoren, Permutationsoperatoren). Jedem Element G entspricht in L eine Matrixdarstellung D(G) (eine n n Matrix). Die Gruppe dieser Matrixdarstellungen G = {D(E), D(A), D(B),...} hat dieselbe Gruppenstruktur wie G (gleiche Multiplikationstabelle). Man sagt: G und G sind homomorph. M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

3 Beispiel: Matrixdarstellung von S Die sechs Permutationen dreier Objekte werden als Zeilenvektor geschrieben: (XY Z ZXY Y ZX XZY ZY X Y XZ) Innerhalb dieses 6-dimansionalen Darstellungsraums kann die Wirkung der Permutationsoperatoren G S auf diesen Zeilenvektor folgendermassen geschrieben werden: G(XY Z ZXY Y ZX XZY ZY X Y XZ) = (XY Z ZXY Y ZX XZY ZY X Y XZ)D(G), wobei D(G) eine 6 6 matrix ist. M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

4 Beispiel: Matrixdarstellung von S Für A = () ergibt sich A(XY Z ZXY Y ZX XZY ZY X Y XZ) = (ZXY Y ZX XY Z Y XZ XZY ZY X) = (XY Z ZXY Y ZX XZY ZY X Y XZ)D(A), mit D(A) = M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

5 D(E) = D(C) = Beispiel: Matrixdarstellung von S D(A) = D(D) = D(B) = D(F ) = Es gilt für G, H, F S, und D(G), D(H), D(F ) S : GH = F D(G)D(H) = D(F ), z.b.: D(D)D(F ) = D(A) (Matrixmultiplikation) M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

6 Multiplikation von Operatoren und Matrizen Die Operatoren G, H wirken nur auf den Vektor (XY Z ZXY...), nicht aber auf die Matrixdarstellungen. Deshalb gilt für F = GH: GH(XY Z ZXY...) = [G(XY Z ZXY...)]D(H) = (XY Z ZXY...)D(G)D(H) = (XY Z ZXY...)D(F ),...und nicht GH(XY Z ZXY...) = G[(XY Z ZXY...)D(H)] = (XY Z ZXY...)D(H)D(G) (XY Z ZXY...)D(F ). M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

7 Beispiel: Matrixdarstellung von D im -D Raum Wahl der Basis (e x, e y, e z ) mit e z C und e x C D(E) = D(C ) = 0 0 D(C ) = D(C ) = D(C ) = D(C ) = z.b.: C C = D(C )D(C ) = D(C ) aus Matrixmultiplikation, in Übereinstimmung mit Multiplikationstabelle von D (C vor C ). Die Matrixdarstellungen aller Gruppenelemente D(D ) geblockt, (e x, e y ) und e z transformieren getrennt. Der Raum L kann als direkte Summe zweier Unterräume geschrieben werden, L = L L. M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

8 Matrixdarstellung Ein Wechsel der Basis des Darstellungsraums L ersetzt die Matrixdarstellung D(G ) der Gruppe G durch eine äquivalente Matrixdarstellung: Sei D(G) die Matrixdarstellung des Gruppenelements G G, so wird durch Wechsel der Basis von L durch Ähnlichkeitstransformation eine äquivalente Matrixdarstellung D (G) = X D(G)X erzeugt, wobei die Matrix X die alte Basis auf die Neue transformiert. Matrixdarstellungen sind somit nicht eindeutig, sondern basisabhängig, deswegen Homomorphismus und nicht Isomorphismus für die Matrixdarstellung einer Gruppe. Für das Produkt zweier Matrixdarstellungen gilt: D (G)D (H) = X D(G)XX D(H)X = X D(G)D(H)X = X D(F )X = D (F ) M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

9 Neue, geblockte Matrixdarstellung für S Idee: Transformation der Basis, um geblockte Matrixdarstellung der Permutationsoperatoren zu erreichen. Neuer Zeilenvektor (χ χ χ χ 4 χ 5 χ 6 ) (Basis des 6-D Raums der Permutationen dreier Objekte), mit χ = 6 {XY Z + ZXY + Y ZX + XZY + ZY X + Y XZ} χ = 6 {XY Z + ZXY + Y ZX XZY ZY X Y XZ} χ = {XY Z ZXY Y ZX + XZY ZY X Y XZ} χ 4 = {ZXY Y ZX ZY X + Y XZ} χ 5 = { ZXY + Y ZX ZY X + Y XZ} χ 6 = {XY Z ZXY Y ZX XZY + ZY X + Y XZ} Für die zu den alten Matrixdarstellungen äquivalenten neuen Matrixdarstellungen gilt: G(χ χ χ χ 4 χ 5 χ 6 ) = (χ χ χ χ 4 χ 5 χ 6 )D(G). M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

10 D(E) =() = D(B) =() = D(D) =() = Neue, geblockte Matrixdarstellung für S D(A) =() = D(C) =() = D(F) =() = M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

11 Neue, geblockte Matrixdarstellung für S Durch Adaptierung der Basis für L wurde eine Blockung der Matrixdarstellungen erreicht. Diese lassen sich jetzt durch und Matrizen darstellen: G =... E D (G) = D (G) = ( D 0 (G) = 0 ) A ( ) B ( ) G =... C D (G) = D (G) = ( D 0 (G) = 0 ) D ( ) F ( ) Der Darstellungsraum L ist die direkte Summe von zwei -D und zwei -D irreduziblen Unterräumen, L = L L L L 4 M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

12 Irreduzible Darstellungen (Irreps) und Charakter Neue, geblockte Matrixdarstellungen können durch Wahl einer geeigneten Basis des Darstellungsraums L gewonnen werden, d.h. mittels einer Ähnlichkeitstransformation D (G) = X D(G)X, G G. Falls keine weitere Vereinfachung durch Ähnlichkeitstransformation erreicht werden kann (maximale Blockung der Matrizen), bezeichnet man die so erhaltenen Gruppen von Untermatrizen D α (G ) als irreduzible Darstellungen (Irreps) der Gruppe G. Wir haben somit drei verschiedene Irreps von S gefunden. Die Spur einer Matrix ist invariant bezüglich einer Ähnlichkeitstransformation: äquivalente Matrixdarstellungen haben dieselbe Spur. Die Spur der Matrix D(G) wird Charakter von G in der Darstellung D(G ) genannt: n χ(g) = D ii (G) i= M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

13 Charakter von Darstellungen Charaktertafel für die oben gefundenen irreduziblen Matrixdarstellungen D(S ): G = E A B C D F χ (G) ( ) χ (G) ( ) χ (G) ( ) χ(g) Gruppenelemente derselben Klasse sind äquivalent, haben somit gleichen Charakter: G = E {A, B} {C, D, F } χ (G) ( ) χ (G) - ( ) χ (G) - 0 ( ) χ(g) Die Charaktere der reduziblen Darstellung entsprechen der Summe der Charaktere der daraus hervorgegangenen Irreps. M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

14 Einige Sätze der Darstellungstheorie endlicher Gruppen () Die Anzahl verschiedener Irreps einer endlichen Gruppe G entspricht der Anzahl Klassen N k in G. Beispiel S, D : beide haben Klassen und verschiedene Irreps. () Die Dimensionen dieser Irreps D (G ), D (G ),... D N k (G ) seien n, n,..., n Nk. Dann gilt: n + n n N k = g Beispiel S, D : n + n + n = = 6 () Die Matrizen D α (G) sind unitär: Beispiel S, D : D α (G) = D α (G ), G G D (A) = ( ), D (A ) = D (B) = ( ) = D (A) M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

15 Das grosse Orthogonalitätstheorem (GOT) (4) Gegeben seien alle Irreps D α (G ) der endlichen Gruppe G der Ordnung g. D α ij(g) sei das Element ij der irreduziblen Matrixdarstellung D α (G), G G der Dimension n α. Dann gilt: ( ) D α ij(g) D β g kl (G) = δ αβ δ ik δ jl. n α G Beweis: z.b. in Tinkham Beispiel S, D : D (G) D (G) = +( )( )+( )( )+ +( )( )+( )( ) = 6 G G G D (G) D (G) = ( )( ) + ( )( ) + ( )( ) + ( )( ) = 6 D (G) D (G) = ( )( ) + ( )( ) + ( )( ) + ( )( ) = 0 M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

16 Das grosse Orthogonalitätstheorem (GOT) (5) Aus dem GOT folgt für Charaktere χ α (G) (6)... und für Klassen N k χ α (G) χ β (G) = gδ αβ, G n k χ α (G k ) χ β (G k ) = gδ αβ, k wobei für G k aus jeder Klasse k mit n k Elementen nur ein einziges Element ausgewählt wird, das die Klasse k repräsentiert. Beispiel S, D : n k χ (G k ) χ (G k ) = + ( ) ( ) = 6 k= n k χ (G k ) χ (G k ) = + ( ) = 0 k= M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

17 Zerlegung reduzibler Darstellungen in Irreps (7) Eine reduzible Darstellung D(G ) kann durch Ähnlichkeitstransformation auf die Form D α (G ) D(G ) = 0 D β (G ) = c α D α (G ) c β D β (G ) gebracht werden, wobei die Koeffizienten c α angeben, wieviele Male die Irrep D α (G ) in der reduziblen Darstellung D(G ) auftritt. Für die Charaktere der reduziblen Darstellungen gilt: χ(g) = c α χ α (G), α N k und n k χ β (G k ) χ(g k ) = N k c α n k χ β (G k ) χ α (G k ) GOT = gc β, α also k c β = g N k k n k χ β (G k ) χ(g k ) k M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

18 Zerlegung reduzibler Darstellungen in Irreps Wir haben χ(g) = c α χ α (G) und χ(g) = c α χ α (G), daraus α α N k n k χ(g k ) χ(g k ) = N k c α c β n k χ α (G k ) χ β (G k ) GOT = c α c β gδ αβ α α k β k β oder N k k n k χ(g k ) = g α c α. Ist die ursprüngliche Darstellung D(G ) bereits irreduzibel, sind alle Koeffizienten c α 0 ausser einem, der ist. Es gilt dann: Beispiel S, D : N k k n k χ(g k ) = g. D(S ) = D (S ) : N k k n k χ(g k ) = + ( ) + 0 = 6 M. Schütz, Vorlesung Gruppentheorie und Symmetrie in der Chemie / 0. April 00

Gruppentheorie und Symmetrie in der Chemie

Gruppentheorie und Symmetrie in der Chemie Gruppentheorie und Symmetrie in der Chemie Martin Schütz Institut für theoretische Chemie, Universität Stuttgart Pfaffenwaldring 55, D-70569 Stuttgart Stuttgart, 26. April 2002 Mathematische Definition

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

35 Stetige lineare Abbildungen

35 Stetige lineare Abbildungen 171 35 Stetige lineare Abbildungen Lernziele: Konzepte: Lineare Operatoren und ihre Normen Resultate: Abschätzungen für Matrizennormen Kompetenzen: Abschätzung von Operatornormen 35.1 Lineare Abbildungen.

Mehr

Lineare Abbildungen und Darstellungsmatrizen

Lineare Abbildungen und Darstellungsmatrizen KAPITEL 4 Lineare Abbildungen und Darstellungsmatrizen 1. Lineare Abbildungen Definition 4.1 (Lineare Abbildungen). Seien V und W zwei Vektorräume über den selben Körper K. Eine Abbildung f : V W heißt

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

Einige Ergebnisse der Gruppentheorie

Einige Ergebnisse der Gruppentheorie 2 number ISSN 4-287 H Dolhaine: Einige Ergebnisse der Gruppentheorie 974, zweite, überarbeitete Fassung 99 Dritte Überarbeitung im Juni 2 Published by: A Kerber, Dep of Mathematics, Univ of Bayreuth, D-9544

Mehr

EINFÜHRUNG IN DIE GRUPPENTHEORIE FÜR PHYSIKER

EINFÜHRUNG IN DIE GRUPPENTHEORIE FÜR PHYSIKER EINFÜHRUNG IN DIE GRUPPENTHEORIE FÜR PHYSIKER Thomas Nattermann gesetzt in TEX von Mariela Boevska Somersemester 2001...There is a more general moral here. A symmetry principle should not be an end in

Mehr

Spektralzerlegung des Laplace-Operators auf Liegruppen und kompakten symmetrischen Räumen

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

Mehr

Darstellungstheorie endlicher Gruppen, speziell der S n

Darstellungstheorie endlicher Gruppen, speziell der S n Darstellungstheorie endlicher Gruppen, speziell der S n Inhaltsverzeichnis Gruppen 4. Def. Gruppe.............................. 4.. Bemerkungen......................... 4.. Beispiele und Gegenbeispiele................

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

Mathematische Erfrischungen III - Vektoren und Matrizen

Mathematische Erfrischungen III - Vektoren und Matrizen Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

Mehr

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit

Mehr

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli.

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli. Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Hier

Mehr

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

Vom Spannungstensor zum Impulsstrom

Vom Spannungstensor zum Impulsstrom Vom Spannungstensor zum Impulsstrom Physikalische Grundpraktika FU-Berlin Quelle: Skript zur Mechanik, Herrmann Welche Größe wird durch den Pfeil symbolisiert? Wie hängt die Größe (formal) mit anderen

Mehr

Das Schwingungsspektrum von Wasser

Das Schwingungsspektrum von Wasser Das Schwingungsspektrum von Wasser Vortrag im Rahmen des Seminars zum anorganisch-chemischen Fortgeschrittenenpraktikum Institut für Anorganische Chemie Universität Karlsruhe Matthias Ernst Freitag, 29.6.2006

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

Lösungen - Serie 2 zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie

Lösungen - Serie 2 zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie Lösungen - Serie zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie Aufgabe : Berechnen Sie für die folgenden Elemente x in einer Körpererweiterung L K die Norm Nm L K (x) und die Spur T r

Mehr

Theoretische Physik 1, Mechanik

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

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben

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

1 0 1, V 3 = M, und λ A = λa

1 0 1, V 3 = M, und λ A = λa Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a

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

Lineare Gleichungssysteme

Lineare Gleichungssysteme Mathematik I für Biologen, Geowissenschaftler und Geoökologen 28. November 2011 Definition Beispiel: Wassermengen und Konzentrationen in einem Fluss Beispiel Zeilenstufenform Beispiel (Fortsetzung) Anhang

Mehr

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

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

Mehr

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

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

Mehr

1 Rechnen mit 2 2 Matrizen

1 Rechnen mit 2 2 Matrizen 1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12

Mehr

Einführung in die Tensorrechnung

Einführung in die Tensorrechnung 1. Definition eines Tensors Tensoren sind Grössen, mit deren Hilfe man Skalare, Vektoren und weitere Grössen analoger Struktur in ein einheitliches Schema zur Beschreibung mathematischer und physikalischer

Mehr

Gruppenaxiome. Gegeben sei eine Menge von Elementen IM = {A, B, C,...} Es gibt eine eindeutige Operation : A B = P. IM bildet eine Gruppe, wenn gilt:

Gruppenaxiome. Gegeben sei eine Menge von Elementen IM = {A, B, C,...} Es gibt eine eindeutige Operation : A B = P. IM bildet eine Gruppe, wenn gilt: Gruppenaxiome Gegeben sei eine Menge von Elementen IM = {A, B, C,...} (A B C...) Es gibt eine eindeutige Operation : A B = P IM bildet eine Gruppe, wenn gilt: 1. Abgeschlossenheit: A, B IM (A B) IM 2.

Mehr

2. Exkurs: Spaziergang durch die Gruppentheorie!"#$

2. Exkurs: Spaziergang durch die Gruppentheorie!#$ 2. Exkurs: Spaziergang durch die Gruppentheorie $ Gruppentheorie ein durchaus kompliziertes Teilgebiet der Mathematik!" Gegenstand: systematische Behandlung von Symmetrie!" Bei Verzicht auf mathematische

Mehr

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

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

Mehr

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

Elemente von S n = Aut([1, n]) heißen Permutationen. Spezielle Permutationen sind Transpositionen und Zyklen. (Vergl. Skript S

Elemente von S n = Aut([1, n]) heißen Permutationen. Spezielle Permutationen sind Transpositionen und Zyklen. (Vergl. Skript S Begriffe Faser: Es sei f : M N eine Abbildung von Mengen. Es sei n N. Die Menge f 1 ({n}) M nennt man die Faser in n. (Skript Seite 119). Parallel: Zwei Vektoren v und w heißen parallel, wenn für einen

Mehr

Symmetrie und Anwendungen

Symmetrie und Anwendungen PC II Kinetik und Struktur Kapitel 6 Symmetrie und Anwendungen Symmetrie von Schwingungen und Orbitalen, Klassifizierung von Molekülschwingungen Auswahlregeln: erlaubte verbotene Übergänge IR-, Raman-,

Mehr

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Lösungen Serie 6 (Vektorräume, Skalarprodukt) Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9

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

LCAO-Ansatz und Punktsymmetrie

LCAO-Ansatz und Punktsymmetrie LCAO-Ansatz und Punktsymmetrie Quantenchemische Rechenmethoden: Grundlagen und Anwendungen M+K-Kurs, 3.2015 Nutzen von Symmetrie bei quantenchemischen Rechnungen (LCAO-Ansatz) Wiederholung Punktgruppen

Mehr

Vektorräume und Rang einer Matrix

Vektorräume und Rang einer Matrix Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung

Mehr

Seminararbeit zur Zahlentheorie. Die Gaußschen Zahlen

Seminararbeit zur Zahlentheorie. Die Gaußschen Zahlen Universität Paderborn WS 2007/2008 Warburger Str. 100 33098 Paderborn Seminararbeit zur Zahlentheorie Die Gaußschen Zahlen Tatjana Linkin, Svetlana Krez 20. November 2007 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis

Mehr

Seminar zur Darstellungstheorie endlicher Gruppen

Seminar zur Darstellungstheorie endlicher Gruppen Seminar zur Darstellungstheorie endlicher Gruppen Prof. Dr. Gebhard Böckle und Yujia Qiu Sommersemester 15, dienstags 16:15 17:45, Raum 248/INF 368. Beginn: 21.04.2015 Motivation und Ziele des Seminars

Mehr

Einführung in die Gruppentheorie. Bálint Aradi

Einführung in die Gruppentheorie. Bálint Aradi Einführung in die Gruppentheorie Bálint Aradi Inhaltsverzeichnis 1 Einleitung 3 2 Symmetrien 4 3 Gruppen 7 3.1 Grundlegende Begriffe............................. 7 3.2 Untergruppen..................................

Mehr

1 Formen und äußeres Differential

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

Mehr

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar. Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:

Mehr

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,

Mehr

Das Schwingungsspektrum von H 2 O

Das Schwingungsspektrum von H 2 O zum Vortrag Das Schwingungsspektrum von 2 O im ahmen des Seminars zum OC-F-Praktikums Allein aus der Kenntnis der Symmetrie eines Moleküls können ückschlüsse auf und Voraussagen über das Verhalten des

Mehr

Einführung in die Gruppentheorie. Bálint Aradi

Einführung in die Gruppentheorie. Bálint Aradi Einführung in die Gruppentheorie Bálint Aradi Inhaltsverzeichnis 1 Einleitung 3 2 Symmetrien 5 3 Gruppen 8 3.1 Grundlegende Begriffe............................. 8 3.2 Untergruppen..................................

Mehr

3.8. Lineare Abbildungen.

3.8. Lineare Abbildungen. 38 Lineare Abbildungen 38 Lineare Abbildungen 38 Definition Es seien V und W Vektorräume über K Eine Abbildung α : V W heißt linear, wenn für alle Vektoren u, v V und alle Skalare k K gilt: α(u + v α(u

Mehr

Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen

Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel XII - Kennzahlen mehrdimensionaler Zufallsvariablen Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig Senska

Mehr

Klausur zur Höheren Mathematik IV

Klausur zur Höheren Mathematik IV Düll Höhere Mathematik IV 8. 1. 1 Klausur zur Höheren Mathematik IV für Fachrichtung: kyb Bitte beachten Sie die folgenden Hinweise: Bearbeitungszeit: 1 Minuten Erlaubte Hilfsmittel: 1 eigenhändig beschriebene

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

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume

Mehr

40 Lokale Extrema und Taylor-Formel

40 Lokale Extrema und Taylor-Formel 198 VI. Differentialrechnung in mehreren Veränderlichen 40 Lokale Extrema und Taylor-Formel Lernziele: Resultate: Satz von Taylor und Kriterien für lokale Extrema Methoden aus der linearen Algebra Kompetenzen:

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

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

Mehr

Sesqui- und Bilinearformen

Sesqui- und Bilinearformen Kapitel 8 Sesqui- und Bilinearformen 8.1 Sesquilinearformen Definition 8.1.1 Sei V ein reeller oder komplexer K-Vektorraum (also K = R oder C). Eine Abbildung f : V V K heißt eine Sesquilinearform wenn

Mehr

Übungen zur Linearen Algebra I

Übungen zur Linearen Algebra I Aufgabe 1.1. Wir betrachten die folgenden Punkte im R 2 P 1 = (2,3) P 2 = ( 2,4) P 3 = (3, 1),. (i) Geben Sie die Gerade G durch P 1 und P 2 in einer Parameterdarstellung an! (ii) Geben Sie die Gerade

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

Lineare Gleichungssysteme - Grundlagen

Lineare Gleichungssysteme - Grundlagen Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

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

Übungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr.

Übungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr. Übungsblatt 13 Lineare Algebra I, Prof Dr Plesen, SS 2008 Aufgabe 1 (Transponierte lineare Abbildung) Sei α : V W linear Zeige: α tr ist injetiv (surjetiv) genau dann, wenn α surjetiv (injetiv) ist Ist

Mehr

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A 133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des

Mehr

Formale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz

Formale Grundlagen 2008W. Vorlesung im 2008S  Institut für Algebra Johannes Kepler Universität Linz Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Vektoren in der Ebene Zwei Punkten P, Q in der Ebene

Mehr

5. Vektorräume. 5.1 Grundbegriffe, Untervektorräume

5. Vektorräume. 5.1 Grundbegriffe, Untervektorräume 5 Vektorräume Die lineare Algebra ist die Theorie der Vektorräume Vektoren und Vektorräume treten in vielfacher Gestalt und in vielen Anwendungen auf Sowohl die Technik, als auch die theoretische Physik

Mehr

Gruppentheorie ERNST MORITZ ARNDT UNIVERSITÄT GREIFSWALD. Mathematisch-Naturwissenschaftliche Fakultät INSTITUT FÜR BIOCHEMIE

Gruppentheorie ERNST MORITZ ARNDT UNIVERSITÄT GREIFSWALD. Mathematisch-Naturwissenschaftliche Fakultät INSTITUT FÜR BIOCHEMIE ERNST MORITZ ARNDT UNIVERSITÄT GREIFSWALD Mathematisch-Naturwissenschaftliche Fakultät INSTITUT FÜR BIOCHEMIE Arbeitskreis Physikalische Chemie Prof. Dr. Walter Langel Gruppentheorie Molekülschwingungen

Mehr

Einführung in Markoff-Ketten

Einführung in Markoff-Ketten Einführung in Markoff-Ketten von Peter Pfaffelhuber Version: 6. Juli 200 Inhaltsverzeichnis 0 Vorbemerkung Grundlegendes 2 Stationäre Verteilungen 6 3 Markoff-Ketten-Konvergenzsatz 8 0 Vorbemerkung Die

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 206 Lineare Algebra und analytische Geometrie II Vorlesung 33 Das Kreuzprodukt Eine Besonderheit im R 3 ist das sogenannte Kreuzprodukt, das zu zwei gegebenen Vektoren

Mehr

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben: Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise

Mehr

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen. 1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild

Mehr

Lineare Algebra und analytische Geometrie I

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

Mehr

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015 Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten

Mehr

5. Äquivalenzrelationen

5. Äquivalenzrelationen 5. Äquivalenzrelationen 35 5. Äquivalenzrelationen Wenn man eine große und komplizierte Menge (bzw. Gruppe) untersuchen will, so kann es sinnvoll sein, zunächst kleinere, einfachere Mengen (bzw. Gruppen)

Mehr

Kapitel 12. Lineare Abbildungen und Matrizen

Kapitel 12. Lineare Abbildungen und Matrizen Kapitel 12 Lineare Abbildungen und Matrizen Lineare Abbildungen f : R n R m Wir wissen schon: Eine lineare Abbildung f : R n R m ist eindeutig durch ein n-tupel von Vektoren v 1, v 2,, v n des R m bestimmt

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 2 Beispiele für Gruppen Aus der Vorlesung Mathematik I sind schon viele kommutative Gruppen bekannt. Zunächst gibt es die additiven

Mehr

Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen)

Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen) Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie (Lineare Abbildungen) Dozent/in: R. Burkhardt Büro:.6 Klasse: Semester: Datum: HS 8/9. Aufgabe Zeige, dass die folgenden Abbildungen

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG

KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

ALGEBRAISCHE VARIETÄTEN. gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten: (1) Die

ALGEBRAISCHE VARIETÄTEN. gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten: (1) Die ALGEBRAISCHE VARIETÄTEN MARCO WEHNER UND MAXIMILIAN KREMER 1. Strukturgarben Sei V k n. Wir wollen nur gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten:

Mehr

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,

Mehr

Halbgruppen, Gruppen, Ringe

Halbgruppen, Gruppen, Ringe Halbgruppen-1 Elementare Zahlentheorie Einige Bezeichnungen Halbgruppen, Gruppen, Ringe Die Menge N 0 der natürlichen Zahlen 0, 1, 2, Die Menge N = N 1 der von Null verschiedenen natürlichen Zahlen Die

Mehr

Charaktere. 1 Wiederholung. 2 Charaktere verschiedener Darstellungen. 1.1 Zerlegung von Darstellungen. 1.2 Schursches Lemma

Charaktere. 1 Wiederholung. 2 Charaktere verschiedener Darstellungen. 1.1 Zerlegung von Darstellungen. 1.2 Schursches Lemma Caraktere 1 Wiederolung 1.1 Zerlegung von Darstellungen Jede Darstellung läßt sic Zelegen in V = V a1 1 V a Wobei die V i irreduzible Darstellungen von G sind und a i N. Die Sätze der Carakterteorie liefern

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n

Mehr

Einführung in die Kodierungstheorie

Einführung in die Kodierungstheorie Einführung in die Kodierungstheorie Einführung Vorgehen Beispiele Definitionen (Code, Codewort, Alphabet, Länge) Hamming-Distanz Definitionen (Äquivalenz, Coderate, ) Singleton-Schranke Lineare Codes Hamming-Gewicht

Mehr

Kapitel 3. Transformationen

Kapitel 3. Transformationen Oyun Namdag Am 08.11.2007 WS 07/08 Proseminar Numerik: Mathematics for 3D game programming & computer graphics Dozenten: Prof. Dr. V. Schulz, C. Schillings Universität Trier Kapitel 3 Transformationen

Mehr

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1). Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)

Mehr

x,y A = t xay v i,v j A = e i,e j t PAP

x,y A = t xay v i,v j A = e i,e j t PAP 75 Lineare Algebra II SS 2005 Teil 6 Bilinearformen 6A Kongruenz quadratischer Matrizen Sei K ein Körper, sei A M(n n, K) eine quadratische Matrix Wie wir zu Beginn von Teil 3 gesehen haben, liefert A

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

Matrix-Algorithmen Matrixmultiplikation Allgemeiner Matrizen

Matrix-Algorithmen Matrixmultiplikation Allgemeiner Matrizen Matrix-Algorithmen Matrixmultiplikation Allgemeiner Matrizen 15.04.2011 Inhaltsverzeichnis Grundlagen 1 Grundlagen Matrizen Vektoren 2 Skalarprodukt und Saxpy Matrix-Vektor-Multiplikation Gaxpy Matrix-Matrix-Multiplikation

Mehr

Programm des Hauptseminars Symmetrie

Programm des Hauptseminars Symmetrie Programm des Hauptseminars Symmetrie Prof. Dr. Irene Bouw Universität Ulm Institut für Reine Mathematik SS 2008 irene.bouw at uni-ulm.de Vortrag 1: Einführung (2 Personen) Dieser Vortrag soll eine Einführung

Mehr

Algebra I. Zwischenprüfung. 19. Februar 2016

Algebra I. Zwischenprüfung. 19. Februar 2016 Name: Vorname: Studiengang: Legi-Nr.: Algebra I D-MATH, HS 2015 Prof. Richard Pink Algebra I Zwischenprüfung Wichtig: 19. Februar 2016 Die Prüfung dauert 120 Minuten. Bitte legen Sie Ihre Legi (Studierendenausweis)

Mehr

Normalengleichungen. Für eine beliebige m n Matrix A erfüllt jede Lösung x des Ausgleichsproblems Ax b min die Normalengleichungen A t Ax = A t b,

Normalengleichungen. Für eine beliebige m n Matrix A erfüllt jede Lösung x des Ausgleichsproblems Ax b min die Normalengleichungen A t Ax = A t b, Normalengleichungen Für eine beliebige m n Matrix A erfüllt jede Lösung x des Ausgleichsproblems Ax b min die Normalengleichungen A t Ax = A t b, Normalengleichungen 1-1 Normalengleichungen Für eine beliebige

Mehr

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch

Mehr

Variante A. Hinweise

Variante A. Hinweise Lehrstuhl C für Mathematik (Analsis Prof. Dr. Y. Guo Aachen, den 6..3 Klausur zur Höheren Mathematik I WS /3 Variante A Hinweise Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind handschriftliche

Mehr

Am Dienstag, den 16. Dezember, ist Eulenfest. 1/48

Am Dienstag, den 16. Dezember, ist Eulenfest. 1/48 Am Dienstag, den 16. Dezember, ist Eulenfest. 1/48 Grundbegriffe der Informatik Einheit 12: Erste Algorithmen in Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009

Mehr

1 Anmerkungen zu Wohldefiniertheit

1 Anmerkungen zu Wohldefiniertheit 1 Anmerkungen zu Wohldefiniertheit Wohldefiniertheit muss bewiesen werden, wenn von vornherin nicht klar ist, ob eine angegebene Zuordnungsvorschrift eine Abbildung definiert. Hier gibt es zwei typische

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr