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

Größe: px
Ab Seite anzeigen:

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

Transkript

1 3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2) s α Φ = Φ für α Φ. Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren W (Φ) = s α α Φ O(V, R). Übung: Dies ist eine endliche reelle Spiegelungsgruppe. (b) Die Begriffe Wurzel und entsprechend Wurzelsystem stammen aus der Lie Theorie. Unsere Definition von Wurzelsystem ist etwas schwächer als die die in der Lie Theorie üblich ist. Dies werden wir später beim Begriff eines kristallographischen Wurzelsystems noch genauer sehen. Beispiel 3.3. Wir haben bereits im letzten Abschnitt ein Beispiel gesehen. ε 2 ε 1 Wie schon in Kapitel 2 seien die beiden blauen Achsen die Hyperebenen H α für die beiden Erzeuger s und t der Diedergruppe D 4. Die Menge von Vektoren Φ = {±ε 1, ±ε 2, ±(ε 1 + ε 2 ), ±(ε 1 ε 2 )} bilden ein Wurzelsystem mit W (Φ) = D 4. Natürlich wollen wir das jede Spiegelungsgruppe als Gruppe assoziiert zu einem Wurzelsystem auftaucht. Dies wird durch folgende Proposition gewährleistet. Proposition 3.4. Sei W eine endliche reelle Spiegelungsgruppe auf V. Dann existiert ein Wurzelsystem Φ in V mit W (Φ) = W. 1

2 2 Beweis. Setze Φ = {α V α = 1 und L α L(W )}. Dies ist eine Teilmenge von Vektoren die die Bedingung (R1) erfüllt. Für α Φ gilt s α W und somit s α L β = L sαβ L(W ) und somit s α β Φ für β Φ. Also ist Φ ein Wurzelsystem. Weiterhin gilt α Φ L α L(W ) s α W W (Φ) W. Sei umgekehrt s W eine Spiegelung, dann existiert ein α mit s = s α. O.B.d.A können wir annehmen α = 1. α Φ s α W (Φ) W W (Φ), wobei die letzte Folgerung von der Tatsache herrührt, dass W von Spiegelungen erzeugt wird. Um Wurzelsysteme weiter zu untersuchen wollen wir spezielle Teilmengen genauer untersuchen. Dies soll zuerst am Beispiel erläutert werden. Beispiel 3.5. Wir betrachten das gleiche Beispiel wie zuvor in Beispiel 3.3. ε 1 + ε 2 ε 2 ε 1 + ε 2 ε 1 + ε 1 ε 1 ε 2 ε 2 ε 1 ε 2 Von den acht Vektoren Φ = {±ε 1, ±ε 2, ±(ε 1 + ε 2 ), ±(ε 1 ε 2 )} wählen wir die aus die auf der rechten Seite der roten gestrichelten Geraden liegen, also Π = {ε 1, ε 2, ε 1 + ε 2, ε 1 ε 2 }. Wenn wir nun gucken welche dieser 4 Vektoren senkrecht auf unseren vorher blau eingezeichneten Hyperebenen stehen, erhalten wir = {ε 2, ε 1 ε 2 }. Die Besonderheit an der Menge ist, das es sich um eine Basis der R 2 handelt und jedes Element von Π eine nicht-negative Linearkombination von Elementen in ist, während natürlich jedes Element in Π eine nichtpositive Linearkombination ist. Wie mit den roten Symbolen + und angegeben wollen wir die Elemente in Π als positive Elemente betrachten während die in so etwas wie einfache Erzeuger sein sollen. Um von positiven und negativen Vektoren reden zu können benötigen wir zuerst den Begriff einer Ordnung.

3 Definition 3.6 (Totale Ordnung). Eine totale Ordnung auf V ist eine transitive Relation < auf V mit folgenden Eigenschaften (1) Für λ, µ V gilt genau eine der drei folgenden Relationen (2) Für λ, µ, ν V mit µ < ν gilt λ < µ λ = µ λ > µ. µ + λ < ν + λ. (3) Für λ, µ V, c R und λ < µ gilt cλ < cµ c > 0, cλ > cµ c < 0. Bemerkung 3.7. Ein λ V heißt positiv falls gilt 0 < λ. Die Menge der positiven Vektoren bezeichnen wir dann als V >0, sie ist abgeschlossen unter Addition und unter Skalarmultiplikation mit positiven Skalaren. Die erste Frage die man sich stellt ist natürlich ob totale Ordnungen eigentlich existieren oder ob man sie überhaupt einfach konstruieren kann. Beispiel 3.8. Sei B = {b 1,..., b n } eine geordnete Basis von V. Man kann V bezüglich dieser Basis mit dem R n identifizieren und auf der Menge der Spaltenvektoren die lexikographische Ordnung wählen. Man sieht leicht, das dies eine totale Ordnung ist. Insbesondere gilt für diese Ordnung, dass B V >0 gilt. Beispiel 3.9. Wenn man im Beispiel 3.5 die Menge Φ bezüglich der lexikographischen Ordnung, die durch die geordnete Basis {ε 1, ε 2 } gegeben ist, anordnet, so erhält man ε 1 ε 2 < ε 1 < ε 1 + ε 2 < ε 2 < 0 < ε 2 < ε 1 ε 2 < ε 1 < ε 1 + ε 2. Man sieht also das unsere Menge Π gerade die Vektoren waren die positiv sind in Φ und waren minimale Elemente bezüglich dieser Ordnung. Dies motiviert die folgende Definition. Definition 3.10 (Einfache und positive Systeme). Sei Φ ein Wurzelsystem in V. (1) Wir nennen eine Teilmenge Π Φ ein positives System, falls eine totale Ordnung < auf V existiert, so dass Π = Φ V >0. Die Teilmenge Π nennen wir dann entsprechend ein negatives System und die Elemente von Π bzw. Π nennen wir positive bzw. negative Wurzeln. (2) Wir nennen eine Teilmenge Φ ein einfaches System, falls eine Basis von Φ R ist und für ein Element α Φ gilt. Wenn α = a γ γ, γ so sind entweder alle a γ 0 oder alle a γ 0. 3

4 4 Bemerkung Da es totale Ordnungen gibt, wie oben in Beispiel 3.8 gesehen, ist es klar, dass positive Systeme existieren. Die Existenz von einfachen Systemen ist nicht sofort klar. Allerdings sind positive und einfache Systeme noch deutlicher enger miteinander verbunden als man auf den ersten Blick annehmen würde. Theorem 3.12 (Existenz und Eindeutigkeit von positiven und einfachen Systemen). (a) Sei Φ ein einfaches System, dann existiert genau ein positives System Π mit Π. (b) Sei Π Φ ein positives System, dann existiert genau ein einfaches System mit Π. Beweis. Wir beginnen mit Teil (a) und der Existenz. Sei ein einfaches System und sei B eine Basis von V die enthält, sowie < die zu dieser Basis gehörende lexikographische Ordnung. Dann gilt Π = Φ V >0 ist per Definition ein positives System und da B V >0 gilt auch Π. Kommen wir nun zur Eindeutigkeit. Sei Π ein positives System mit Π und < eine totale Ordnung mit Π = Φ V >0. Sei weiterhin α Φ beliebig. Dann gilt α = a γ γ, γ da als einfaches System eine Basis vom Spann von Φ ist. Da gilt Π V >0 gilt falls alle a γ 0 sind, so gilt α V >0 und somit α Π. Sind auf der anderen Seite alle a γ 0 so gilt α V >0 und somit α Π. Wenn ein positives System also existiert so ist es eindeutig. In Teil (b) behandeln wir diesmal zuerst die Eindeutigkeit. Seien und zwei einfache Systeme in Π. Angenommen es existiert ein α. Dann folgt es existiert eine nicht-triviale nicht-negative Linearkombination α = γ a γ γ. (3.1) Aber jedes der Elemente γ kann man wiederum in der Basis als nicht-negative Linearkombination ausdrücken α = a γ ( a γ,δ δ) = γ δ δ a γ,δ a γ γ δ. Wobei die rechte Seite eine nicht-negative Linearkombination von Elementen in ist. Da die γ die in der Linearkombination (3.1) für α auftauchen alle keine Vielfachen von α sind kommen in ihrer jeweiligen Linearkombination Elemente von vor die verschieden von α sind. Damit ist die letzte Gleichung aber ein Widerspruch dazu das eine linear unabhängige Teilmenge ist. Da dieses Argument auch andersherum funktioniert gilt somit =. Kommen wir nun noch zum Beweis der Existenz im Teil (b). Sei hierfür Π eine minimale Teilmenge mit der Eigenschaft, dass sich alle Elemente von Π als nicht-negative Linearkombination der Elemente von schreiben

5 lassen. Eine solche Menge existiert da Π selbst die Eigenschaft erfüllt. Wir wollen zeigen, dass eine linear unabhängige Teilmenge ist, ein Erzeugendensystem für Φ ist es nach Konstruktion. Wir nehmen an a α α = 0 α wäre eine nicht-triviale Linearkombination. Da 0 V >0 muss es in der Linearkombination sowohl negative als auch positive Koeffizienten ungleich Null geben. Also können wir umformen und erhalten x = a α α = ( a β )β V >0. α,a α 0 β,a β 0 Wir paaren nun x mit sich selber im Skalarprodukt und erhalten 0 (x, x) = a α α, α,a α 0 β,a β 0 ( a β )β = α,a α 0 β,a β 0 5 a α ( a β )(α, β). Dann folgt aus Lemma 3.13, dass der letzte Term kleiner gleich Null sein muss. Also (x, x) = 0, also x = 0, was ein Widerspruch zu x V >0 darstellt. Also ist eine linear unabhängige Teilmenge und somit ein einfaches System. Wir müssen noch ein technisches Detail aus dem vorhergehenden Beweis nachholen. Lemma Sei Γ Π eine Teilmenge mit der Eigenschaft dass für alle δ Π existieren (a γ ) γ Γ R 0 mit δ = a γ γ γ Γ und sei Γ minimal mit dieser Eigenschaft. Dann gilt für α, β Γ mit α β. (α, β) 0 Beweis. Sei α, β Γ mit α β und nehme an das (α, β) > 0. Dann gilt s α β Φ und somit s α β Π oder s α β Π. Fall s α β Π: Dann gilt nach Voraussetzung an Γ das wir eine nichtnegative Linearkombination finden können mit s α β = a γ γ. γ Γ Wir unterscheiden ob a β grösser oder kleiner als 1 ist. Falls a β < 1 gilt β = (1 a β ) 1 γ Γ {β} a γ γ + (α, α) α. Dann haben wir aber β als nicht-negative Linearkombination von Elementen in Γ geschrieben, dies ist ein Widerspruch zur Minimalität von Γ, da wir β weglassen könnten.

6 6 Falls a β 1 haben wir hingegen 0 = (a β 1)β + (α, α) α + γ Γ {β} a γ γ, wobei die rechte Seite eine nicht-negative Linearkombination ist und der Koeffizient vor α nach Voraussetzung ungleich Null. Somit ist die rechte Seite in V >0 was ein Widerspruch ist, da 0 V >0. Fall s α β Π: Diesmal ergibt sich als Linearkombination s α β = a γ γ γ Γ (α, α) α = β + a γ γ. γ Γ Wir betrachten nun den Koeffizienten a α. Falls a α 2(β,α) (α,α) 0 = β + (a α (α, α) ) α + γ Γ {α} a γ γ. haben wir Wie oben haben wir wieder auf der rechten Seite eine nicht-negative Linearkombination von Elementen in V >0 und somit einen Widerspruch, da der Koeffizient von β z.b. von Null verschieden ist. Falls wiederum a α < 2(β,α) (α,α) so erhalten wir 1 α = ( (α, α) a α) β + a γ γ γ Γ {α} und haben wieder einen Widerspruch zur Minimalität, da wir α aus Γ eliminieren können. Insbesondere erhalten wir eine Aussage über die Skalarproduke zwischen verschiedenen einfachen Wurzeln. Korollar Sei ein einfaches System, dann gilt (α, β) 0 für α, β und α β. Da ein einfaches System als Basis des Vektorraums Φ R natürlich eine feste Größe hat, geben wir dieser noch einen Namen. Definition 3.15 (Rang). Die Kardinalität eines einfachen Systems Φ nennen wir den Rang von Φ bzw. von W (Φ). Wir wissen nun also, dass einfache und positive Systeme existieren und sich gegenseitig bestimmen. Als nächstes wollen wir noch untersuchen was passiert wenn wir mit der Spiegelungsgruppe des Wurzelsystems auf ihnen operieren. Lemma Sei Π Φ ein einfaches bzw. positives System und w W (Φ). Dann ist w( ) w(π) Φ ebenfalls ein einfaches bzw. positives System.

7 Beweis. Klar ist, dass w( ) eine Basis von Φ R ist. Ausserdem lassen sich alle Elemente in w(π) als nicht-negative Linearkombination der Elemente von w( ) darstellen und alle Element in w(π) als nicht-positive. Da Φ = w(π) w(π) gilt, ist somit w( ) per Definition ein einfaches System. Da es sich bei w(π) genau um die Elemente von Φ handelt die man mit nicht-negativen Linearkombinationen des einfachen Systems w( ) schreiben kann, haben wir schon im Beweis von Theorem 3.12 gesehen für welche totale Ordnung w(π) ein positives System ist. Generell wollen wir noch untersuchen wie sich positive Systeme ändern, wenn man Spiegelungen anwendet die zu einfachen Wurzeln gehören. Proposition Sei Π Φ ein einfaches bzw. positives System und α, dann gilt s α (Π {α}) = Π {α}. Beweis. Sei β Π {α}. Dann folgt wir können β schreiben als β = a γ γ γ mit nicht-negativen Koeffizienten. Da β α gilt insbesondere, dass es einen Koeffizienten a δ > 0 gibt für ein δ α in. Wenden wir nun s α auf diese Linearkombination an, erhalten wir 2(α, γ) s α β = a γ s α γ = (a γ γ γ γ (α, α) α). Da der Koeffizient vor δ immer noch echt größer Null ist, folgt s α β Π. Wir müssen noch ausschließen, dass s α β = α, aber s α β = α β = s α s α β = s α α = α. Dies kann nicht sein, da β Π. Also folgt s α β Π {α} und aus Kardinalitätsgründen haben wir Gleichheit der Mengen. Wir wissen nun also zum einen wie sich positive Systeme verändern wenn wir Spiegelungen zu einfachen Wurzeln anwenden und wir wissen das konjugierte von einfachen/positiven Systemen wieder einfache/positive Systeme sind. Wir wollen also noch zeigen das wir so auch alle einfachen und positiven Systeme erhalten. Theorem 3.18 (Konjugiertheit einfacher/positiver Systeme). (1) Je zwei positive Systeme Π, Π in Φ sind konjugiert unter W (Φ). Mit anderen Worten, es existiert ein w W (Φ) mit w(π) = Π. (2) Je zwei einfache Systeme, in Φ sind konjugiert unter W (Φ). Beweis. Nach Theorem 3.12 und Lemma 3.16 reicht es (a) zu zeigen, (b) folgt dann automatisch. Seien also Π und Π positive Systeme. Wir führen Induktion nach r = Π Π. Fall r = 0: Dann gilt Π = Π und wir sind fertig. 7

8 8 Fall r > 0: Sei Π das einfache System. Dann existiert ein α mit α Π, sonst müssten Π und Π nach Theorem 3.12 übereinstimmen. Dann gilt aber α Π. Nun können wir folgende Umformung machen s α Π Π = Π {α} Π + { α} Π. Da wir wissen, dass α Π folgt das der zweite Summand Null ist und der erste r 1. Aber dann können wir Induktion anwenden auf das Paar von positiven Systemen s α Π und Π und wissen, es existiert ein w W (Φ) mit w(s α Π) = Π, bzw. nach umklammern (ws α )Π = Π. Als Abschluss dieses Kapitels wollen wir uns einmal die einfachen und positiven Systeme der Diedergruppe angucken. Beispiel Wir betrachten das gleiche Beispiel wie zuvor in den Beispielen 3.3 und 3.5. ε 1 + ε 2 ε 2 ε 1 + ε 2 ε 1 ε 1 ε 1 ε 2 ε 2 ε 1 ε 2 Wir wählen folgendes Wurzelsystem wie schon vorher im Beispiel 3.5. {ε 2, ε 1 ε 2 } {ε 1, ε 2, ε 1 + ε 2, ε 1 ε 2 } {±ε 1, ±ε 2, ±(ε 1 + ε 2 ), ±(ε 1 ε 2 )}. = = Π = Φ In der folgenden Tabelle ist links jeweils ein Elemente der Diedergruppe angegeben und rechts daneben das einfache und positive System das wir erhalten wenn wir unser fest gewählten mit dem Element konjugieren. Hierbei ist s = s ε1 ε 2 und t = s ε2. 1 = {ε 2, ε 1 ε 2 } Π = {ε 1, ε 2, ε 1 + ε 2, ε 1 ε 2 } s {ε 1, (ε 1 ε 2 )} {ε 1, ε 2, ε 1 + ε 2, (ε 1 ε 2 )} ts {ε 1, (ε 1 + ε 2 )} {ε 1, ε 2, (ε 1 + ε 2 ), ε 1 ε 2 } sts {ε 2, (ε 1 + ε 2 )} { ε 1, ε 2, (ε 1 + ε 2 ), (ε 1 ε 2 )} t { ε 2, ε 1 + ε 2 } {ε 1, ε 2, ε 1 + ε 2, ε 1 ε 2 } st { ε 1, ε 1 + ε 2 } { ε 1, ε 2, ε 1 + ε 2, (ε 1 ε 2 )} tst { ε 2, ε 1 ε 2 } { ε 1, ε 2, (ε 1 + ε 2 ), ε 1 ε 2 } stst { ε 2, (ε 1 ε 2 )} { ε 1, ε 2, (ε 1 + ε 2 ), (ε 1 ε 2 )}

9 Hierbei sollte man beachten, dass die Anzahl der Elemente in jedem positiven System die auch in Π vorkommen immer genau mit der Länge des Ausdrucks am Anfang übereinstimmt. Dies ist ein Zusammenhang der sehr wichtig werden wird. 9

Endliche Spiegelungsgruppen. 1 Wurzeln und Wurzelsysteme

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

Mehr

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

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

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

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4

Mehr

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 11 Lineare Unabhängigkeit Definition 11.1. Es sei K ein Körper und V ein K-Vektorraum. Dann heißt eine Familie von Vektoren v i, i I,

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

10 Dynkin-Diagramme und Klassifikation

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

Mehr

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

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

10.2 Linearkombinationen

10.2 Linearkombinationen 147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition

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

Die reellen Zahlen als Dedekindsche Schnitte. Iwan Otschkowski

Die reellen Zahlen als Dedekindsche Schnitte. Iwan Otschkowski Die reellen Zahlen als Dedekindsche Schnitte Iwan Otschkowski 14.12.2016 1 1 Einleitung In dieser Ausarbeitung konstruieren wir einen vollständig geordneten Körper aus gewissen Teilmengen von Q, den Dedekindschen

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

Basis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Basis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren Basis und Dimension Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren aus V. 1) (v i ) i I heißt ein Erzeugendensystem von V, wenn Span(v i ) = V. 2) (v i ) i I heißt Basis von

Mehr

1. Gruppen. 1. Gruppen 7

1. Gruppen. 1. Gruppen 7 1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.

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

Übersicht Kapitel 9. Vektorräume

Übersicht Kapitel 9. Vektorräume Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten

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

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume

Mehr

5. Ordinalzahlen (Vorlesung 11)

5. Ordinalzahlen (Vorlesung 11) EINFÜHRUNG IN DIE LOGIK UND MENGENLEHRE 29 5.. Grundlegende Eigenschaften. 5. Ordinalzahlen (Vorlesung ) Definition 5. (Wohlordnung). Eine lineare Ordnung < auf einer Menge a heißt Wohlordnung, wenn jede

Mehr

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }. 154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =

Mehr

5 Der Transzendenzgrad

5 Der Transzendenzgrad $Id: trgrad.tex,v 1.6 2009/05/11 14:48:57 hk Exp $ 5 Der Transzendenzgrad Wir stellen nun einige der Tatsachen über die Mächtigkeit von Mengen zusammen, die Ihnen wahrscheinlich aus den ersten Semester

Mehr

3 Vektorräume abstrakt

3 Vektorräume abstrakt Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare

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

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

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

Mehr

4. Wurzelsystem und Längenfunktion 17. Definiere A := { v W v 1 w W s,t und l(v)+l s,t (v 1 w)=l(w) }.

4. Wurzelsystem und Längenfunktion 17. Definiere A := { v W v 1 w W s,t und l(v)+l s,t (v 1 w)=l(w) }. 4. Wurzelsyste und Längenfunktion 17 Definiere A := { v W v 1 w W s,t und l(v)+l s,t (v 1 w)=l(w). Wir stellen zuerst fest, dass A, daw A. Nun wählen wir v A ein Eleent kleinster Länge, also l(v) l(v )für

Mehr

3.1 Sukzessive Minima und reduzierte Basen: Resultate

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

Mehr

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

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

Summen und direkte Summen

Summen und direkte Summen Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M

Mehr

U = U, v i λ i = o und (z.b.) λ 1 0. i=1 1 = i=2. i=2

U = U, v i λ i = o und (z.b.) λ 1 0. i=1 1 = i=2. i=2 7 Lineare Unabhängigkeit, asis Existenzsatz M Am Ende des vorigen Paragraphen betrachteten wir bei vorgegebener Teilmenge T eines K-Vektorraumes V das Erzeugnis U von T in V. Die ildung des Erzeugnisses

Mehr

Kapitel 2: Multiplikative Funktionen. 3 Multiplikative Funktionen. Definition 2.1 (arithmetische Funktion, (vollständig) multiplikative Funktion)

Kapitel 2: Multiplikative Funktionen. 3 Multiplikative Funktionen. Definition 2.1 (arithmetische Funktion, (vollständig) multiplikative Funktion) Kapitel 2: Multiplikative Funktionen 3 Multiplikative Funktionen Definition 2.1 (arithmetische Funktion, (vollständig) multiplikative Funktion) (a) Eine Funktion α : Z >0 C heißt arithmetisch (oder zahlentheoretisch).

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

Mathematik für Anwender I

Mathematik für Anwender I Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 7 Die Lösungsmenge eines homogenen linearen Gleichungssystems in n Variablen über einem Körper K ist ein Untervektorraum

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:

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

Körper der komplexen Zahlen (1)

Körper der komplexen Zahlen (1) Die komplexen Zahlen Körper der komplexen Zahlen (1) Da in angeordneten Körpern stets x 2 0 gilt, kann die Gleichung x 2 = 1 in R keine Lösung haben. Wir werden nun einen Körper konstruieren, der die reellen

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

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus

Mehr

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

Rangsatz. d.) (2P) Formulieren Sie den

Rangsatz. d.) (2P) Formulieren Sie den Probeklausur Lineare Algebra I am 14.11.09 Die Klausur ist in drei Teile unterteilt, die grob als Definitions-, Rechenund Beweisteil bezeichnet werden können (optisch durch Linien getrennt). In jedem Teil

Mehr

7 Vektorräume und Körperweiterungen

7 Vektorräume und Körperweiterungen $Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

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

Mehr

2.2 Kollineare und koplanare Vektoren

2.2 Kollineare und koplanare Vektoren . Kollineare und koplanare Vektoren Wie wir schon gelernt haben, können wir einen Vektor durch Multiplikation mit einem Skalar verlängern oder verkürzen. In Abbildung 9 haben u und v die gleiche Richtung,

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

4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9

4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9 Chr.Nelius: Zahlentheorie (SS 2007) 9 4. ggt und kgv (4.1) DEF: Eine ganze Zahl g heißt größter gemeinsamer Teiler (ggt) zweier ganzer Zahlen a und b, wenn gilt: GGT 0 ) g 0 GGT 1 ) g a und g b GGT 2 )

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

Vollständigkeit. 1 Konstruktion der reellen Zahlen

Vollständigkeit. 1 Konstruktion der reellen Zahlen Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente

Mehr

13 Auswahlaxiom und Zornsches Lemma

13 Auswahlaxiom und Zornsches Lemma 13 Auswahlaxiom und Zornsches Lemma Handout zur Funktionalanalysis I von H. Glöckner, 25.11.2008 Wichtige Teile der modernen Mathematik beruhen auf dem sogenannten Auswahlaxiom der Mengenlehre. Dieses

Mehr

DIE SÄTZE VON SCHUR-ZASSENHAUS UND P. HALL

DIE SÄTZE VON SCHUR-ZASSENHAUS UND P. HALL DIE SÄTZE VON SCHUR-ZASSENHAUS UND P. HALL LARS KINDLER Dies sind Notizen für ein Seminar an der Universität Duisburg-Essen im Sommersemster 2011. Als Quelle diente das Buch A Course in the Theory of Groups

Mehr

Kapitel 5. Vektorräume mit Skalarprodukt

Kapitel 5. Vektorräume mit Skalarprodukt Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der

Mehr

Vektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Vektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:

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

4.1. Vektorräume und lineare Abbildungen

4.1. Vektorräume und lineare Abbildungen 4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt

Mehr

6.5 Lineare Abhängigkeit, Basis und Dimension

6.5 Lineare Abhängigkeit, Basis und Dimension 6.5. Lineare Abhängigkeit, Basis und Dimension 123 6.5 Lineare Abhängigkeit, Basis und Dimension Seien v 1,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von

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

Große Mengen und Ultrafilter. 1 Große Mengen

Große Mengen und Ultrafilter. 1 Große Mengen Vortrag zum Seminar zur Analysis, 31.10.2012 Marcel Marnitz In diesem Vortrag wird das Konzept mathematischer Filter eingeführt. Sie werden in späteren Vorträgen zur Konstruktion der hyperreellen Zahlen

Mehr

Lösung zur Übung für Analysis einer Variablen WS 2016/17

Lösung zur Übung für Analysis einer Variablen WS 2016/17 Blatt Nr. 3 Prof. F. Merkl Lösung zur Übung für Analysis einer Variablen WS 206/7 Aufgabe Das Guthaben G setzt sich zusammen aus der Summe aller bisherigen Einzahlungen multipliziert mit ( + p) k, wobei

Mehr

Nun zeigen wir: wie kann man durch eine Liftung eine neue Unterlösung konstruieren.

Nun zeigen wir: wie kann man durch eine Liftung eine neue Unterlösung konstruieren. 56 SS2016 Definition 6.17 (Unterlösung,Oberlösung). Ω R n seieingebietleinelliptischeroperator wie in Bedingung 6.1. Seien a i j, b i c stetig mit c 0 in Ω. Sei f stetig in Ω. Eine Funktion u C(Ω) heißt

Mehr

Kardinalzahlen. Bemerkung. Eine unendliche Kardinalzahl α muss eine Limesordinalzahl sein. (Beweis zur Übung)

Kardinalzahlen. Bemerkung. Eine unendliche Kardinalzahl α muss eine Limesordinalzahl sein. (Beweis zur Übung) Kardinalzahlen Kardinalzahlen sollen die Größe von Mengen messen, daher suchen wir eine Aussage der Form, dass jede Menge bijektiv auf eine Kardinalzahl abgebildet werden kann. Um eine brauchbare Theorie

Mehr

2. Teilbarkeit. Euklidischer Algorithmus

2. Teilbarkeit. Euklidischer Algorithmus O. Forster: Einführung in die Zahlentheorie 2. Teilbarkeit. Euklidischer Algorithmus 2.1. Wir benutzen die folgenden Bezeichnungen: Z = {0, ±1, ±2, ±3,...} Menge aller ganzen Zahlen N 0 = {0, 1, 2, 3,...}

Mehr

Proseminar Analysis Vollständigkeit der reellen Zahlen

Proseminar Analysis Vollständigkeit der reellen Zahlen Proseminar Analysis Vollständigkeit der reellen Zahlen Axel Wagner 18. Juli 2009 1 Voraussetzungen Zunächst wollen wir festhalten, was wir als bekannt voraussetzen: Es sei (Q, +, ) der Körper der rationalen

Mehr

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 26. November 2014 Was kommt nach den natürlichen Zahlen? Mehr als die natürlichen Zahlen braucht man nicht, um einige der schwierigsten

Mehr

6. f : Abb(R, R) R mit ϕ f(ϕ) := ϕ(1) Hinweis:f :V W über K bedeutet Abbildung f zwischen den Vektorräumen V und W über demselben

6. f : Abb(R, R) R mit ϕ f(ϕ) := ϕ(1) Hinweis:f :V W über K bedeutet Abbildung f zwischen den Vektorräumen V und W über demselben Aufgabe 74. Untersuchen Sie die folgenden Abbildungen auf Linearität. 1. f : R 2 R 2 mit (x, y) f(x, y) := (3x + 2y, x) 2. f : R R mit x f(x) := ϑx + ζ für feste ϑ, ζ R 3. f : Q 2 R mit (x, y) f(x, y)

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

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

11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen

11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen 11 Dezimalbruchdarstellung reeller Zahlen; Mächtigkeitsvergleich von Mengen 11.1 g-adische Entwicklung von Zahlen aus [0, 1[ 11.2 g-adische Entwicklung reeller Zahlen 11.3 g-adische Entwicklung nicht-negativer

Mehr

Lineare Abbildungen - I

Lineare Abbildungen - I Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit

Mehr

Schwartz-Raum (Teil 1)

Schwartz-Raum (Teil 1) Schwartz-Raum (Teil 1) Federico Remonda, Robin Krom 10. Januar 2008 Zusammenfassung Der Schwartz-Raum ist ein Funktionenraum, der besondere Regularitätseigenschaften besitzt, die uns bei der Fouriertransformation

Mehr

Kapitel 6: Das quadratische Reziprozitätsgesetz

Kapitel 6: Das quadratische Reziprozitätsgesetz Kapitel 6: Das quadratische Reziprozitätsgesetz Ziel dieses Kapitels: die Untersuchung der Lösbarkeit der Kongruenzgleichung X also die Frage, ob die ganze Zahl Z eine Quadratwurzel modulo P besitzt. Im

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

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

Von Skalarprodukten induzierte Normen

Von Skalarprodukten induzierte Normen Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus

Mehr

Teil II: Lineare Algebra

Teil II: Lineare Algebra 3 Vektorräume 49 Teil II: Lineare Algebra 3 Vektorräume Wir haben in den vorangegangenen Kapiteln ausführlich die Differential- und Integralrechnung in einer (reellen Variablen untersucht Da die Welt aber

Mehr

Kapitel II. Vektorräume. Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume

Kapitel II. Vektorräume. Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume Kapitel II. Vektorräume Inhalt: 7. Vektorräume 8. Basis und Dimension 9. Direkte Summen und Faktorräume Die fundamentale Struktur in den meisten Untersuchungen der Linearen Algebra bildet der Vektorraum.

Mehr

Kapitel 15. Aufgaben. Verständnisfragen

Kapitel 15. Aufgaben. Verständnisfragen Kapitel 5 Aufgaben Verständnisfragen Aufgabe 5 Zeigen Sie, dass die Menge K m n aller m n-matrizen über einem Körper K mit komponentenweiser Addition und skalarer Multiplikation einen K-Vektorraum bildet

Mehr

3.5 Duale Vektorräume und Abbildungen

3.5 Duale Vektorräume und Abbildungen 3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung

Mehr

Algebra I. Prof. Dr. M. Rost. Übungen Blatt 5 (WS 2015/16) 1. Abgabetermin: Donnerstag, 26. November.

Algebra I. Prof. Dr. M. Rost. Übungen Blatt 5 (WS 2015/16) 1. Abgabetermin: Donnerstag, 26. November. Algebra I Prof. Dr. M. Rost Übungen Blatt 5 (WS 2015/16) 1 Abgabetermin: Donnerstag, 26. November http://www.math.uni-bielefeld.de/~rost/a1 Erinnerungen an die Vorlesung: Im Folgenden werden manchmal einige

Mehr

Einführung in die Algebra

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

Mehr

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

Lösungen der Aufgaben zu Abschnitt 5.4

Lösungen der Aufgaben zu Abschnitt 5.4 A Filler: Elementare Lineare Algebra Lösungen zu Abschnitt 54 Lösungen der Aufgaben zu Abschnitt 54 B ist linear unabhängig, wenn die Vektorgleichung ( ) ( ) ( ) ( ) 456 λ + λ + λ = bzw das LGS λ +4λ +λ

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

3 Der Körper der komplexen Zahlen

3 Der Körper der komplexen Zahlen 3 Der Körper der kompleen Zahlen Nicht jede quadratische Gleichung hat eine reelle Lösung + p + q = (p, q R) Beispiel: Für alle R ist und daher + 1 Abhilfe: Man erweitert R zu einem größerem Körper C,

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

Skalarprodukt, Norm & Metrik

Skalarprodukt, Norm & Metrik Skalarprodukt, Norm & Metrik Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 11. Mai 2016 Stefan Ruzika 5: Skalarprodukt, Norm & Metrik 11. Mai 2016 1 / 13 Gliederung 1

Mehr

Lösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j.

Lösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j. Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 24 1. Zeige: Ist 1 n := min{dim K (V 1 ), dim K (V 2 )} < für Vektorräume V 1 und V 2, so ist jeder Tensor in V 1 K V 2 eine Summe von

Mehr

UNTERLAGEN ZUR CHARAKTERISIERUNG ENDLICH ERZEUGTER ABELSCHER GRUPPEN ENTWURF

UNTERLAGEN ZUR CHARAKTERISIERUNG ENDLICH ERZEUGTER ABELSCHER GRUPPEN ENTWURF UNTERLAGEN ZUR CHARAKTERISIERUNG ENDLICH ERZEUGTER ABELSCHER GRUPPEN ENTWURF VORLESUNG ALGEBRA, SOMMERSEMESTER 2004 1. Die Charakterisierung endlich erzeugter abelscher Gruppen Satz 1.1 ([Pilz, 1984, Satz

Mehr

Seminar Gewöhnliche Differentialgleichungen

Seminar Gewöhnliche Differentialgleichungen Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden

Mehr

FILTER, ULTRAFILTER UND EINFÜHRUNG VON R

FILTER, ULTRAFILTER UND EINFÜHRUNG VON R FILTER, ULTRAFILTER UND EINFÜHRUNG VON R Im Sinne von G.W.Leibniz ist: Eine Kurve besteht aus unendlich vielen unendlich kurzen Stücken. So darf man denken, wenn man Gegenstände der Mathematik oder Physik

Mehr

Kapitel 3 Lineare Algebra

Kapitel 3 Lineare Algebra Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND

Mehr

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1 24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx

Mehr

MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016

MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016 MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/17 MARK HAMILTON LMU MÜNCHEN 1.1. Grundbegriffe zu Mengen. 1. 17. OKTOBER 2016 Definition 1.1 (Mengen und Elemente). Eine Menge ist die Zusammenfassung

Mehr

Lineare Abbildungen und Matrizen

Lineare Abbildungen und Matrizen Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume

Mehr

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Anordnung. Definition 2.1 Man nennt eine Anordnung für K, wenn: 1. Für jeden a K gilt a a (Reflexivität).

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Anordnung. Definition 2.1 Man nennt eine Anordnung für K, wenn: 1. Für jeden a K gilt a a (Reflexivität). Analysis 1, Woche 2 Reelle Zahlen 2.1 Anordnung Definition 2.1 Man nennt eine Anordnung für K, wenn: 1. Für jeden a K gilt a a (Reflexivität). 2. Für jeden a, b K mit a b und b a gilt a = b (Antisymmetrie).

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 8 Dimensionstheorie Ein endlich erzeugter Vektorraum hat im Allgemeinen ganz unterschiedliche Basen. Wenn

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 22 Algebraische Körpererweiterung Satz 1. Sei K L eine Körpererweiterung und sei f L ein Element. Dann sind folgende Aussagen

Mehr

Hüllen und Kombinationen

Hüllen und Kombinationen Hüllen und Kombinationen 2 Die zulässigen Bereiche in der Linearen Optimierung sind Lösungen von linearen Ungleichungssystemen. Deswegen müssen wir die Werkzeuge der linearen Algebra um Elemente erweitern,

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

mit. Wir definieren (Skalarprodukt = Winkel).

mit. Wir definieren (Skalarprodukt = Winkel). 1 Grundidee des Simplexverfahrens (von George Dantzig): Man bestimmt eine beliebige Ecke (Extremalpunkt) einer Lösungsmenge eines Ungleichungssystems. Nun geht man an den Kanten vom Punkt entlang und kontrolliert

Mehr

Seminar über Darstellungstheorie endlicher Gruppen: Lemma von Schur, Darstellungen abelscher Gruppen, Räume von Darstellungshomomorphismen

Seminar über Darstellungstheorie endlicher Gruppen: Lemma von Schur, Darstellungen abelscher Gruppen, Räume von Darstellungshomomorphismen Seminar über Darstellungstheorie endlicher Gruppen: Lemma von Schur, Darstellungen abelscher Gruppen, Räume von Darstellungshomomorphismen Aline Kaszuba, Lukas Böke 15. März 2016 Die folgende Diskussion

Mehr