Gruppen in der Physik: Klassische Matrixgruppen

Größe: px
Ab Seite anzeigen:

Download "Gruppen in der Physik: Klassische Matrixgruppen"

Transkript

1 Gruppen in der Physik: Klassische Matrixgruppen Marina Borgart Betreuer : Prof. Wolfgang Kimmerle Datum:

2 Inhaltsverzeichnis 1 Die allgemeine und die spezielle lineare Gruppe Die Algebra Mat(n,K) Die Gruppen GL(n,K) und SL(n,K) Erzeugung von SL(n,K) und GL(n,K) durch Elementarmatrizen Zusammenhang Kurzer Überblick: Hermitesche Formen und Isometrien Hermitescher Räume 11 3 Orthogonale und unitäre Gruppen Notationen Beispiele: SO(3) und SU(2) Lorentz-Gruppe und Minkowski-Raum Die Struktur der Gruppe SO(3,1) Die Struktur der Lorentz-Gruppe O(3,1) Isomorphie der eigentlichen Lorentz-Gruppe mit SL(2,C)/{±E} und SO(3) mit SU(2)/{±E}

3 1 Die allgemeine und die spezielle lineare Gruppe 1.1 Die Algebra Mat(n,K) Definition 1 (Algebra). Eine Algebra über einem Körper K ist ein K-Vektorraum A zusammen mit einer bilinearen Abbildung A A A mit (x, y) xy. Biliniarität bedeutet: (αx)y = α(xy) = x(αy) (x + y)z = xz + yz, x(y + z)xy + xz. Diese Abbildung wird als P rodukt von x und y bezeichnet. Eine Algebra heisst zusätzlich assoziativ, falls x(yz) = (xy)z x, y, z A. Das Standart-Beispiel einer assoziativen Algebra ist der K-Vektorraum der n n-matrizen M at(n, K) mit Koeffizienten aus K zusammen mit komponenterweiser Skalarmultiplikation Addition und der Matrixmultiplikation α(x ij ) = (αx ij ), (x ij ) + (y ij ) = (x ij + y ij ) (x ij )(y ij ) = n x ik y kj. k=1 Das Einselement bzgl. der Matrixmultiplikation ist die Einheitsmatrix E n = (δ ij ) mit { 1 : i = j, δ ij = 0 : i j Satz 1 (Einheitengruppe). Sei A eine Algebra mit Einselement e. Die Menge der Einheiten von A, d.h. die Menge aller invertierbaren Elemente bildet eine Gruppe bzgl. der in A angegebenen Multiplikation, die sogenannte Einheitengruppe. Beweis. Klar. 3

4 1.2 Die Gruppen GL(n,K) und SL(n,K) Definition 2. Sei K ein beliebiger Körper. a) Die Einheitengruppe von M at(n, K) GL(n, K) = {A Mat(n, K) A invertierbar} = {A Mat(n, K) deta 0}, falls K = R oder C heisst allgemeine lineare Gruppe. b) SL(n, K) = [GL(n, K), GL(n, K)] = {A GL(n, K) deta = 1}, falls K = R oder C heisst spezielle lineare Gruppe. Bemerkung 1: [GL(n, K), GL(n, K)] bezeichnet die von sämtlichen Kommutatoren erzeugte Untergruppe von GL(n, K), wobei ein Kommutator [A, B] definiert ist durch [A, B] := A B A 1 B 1 A, B GL(n, K) Bemerkung 2: SL(n, K) kann man als den Kern des Homomorphismus GL(n, K) K, A deta charakterisieren. Insbesondere gilt dann: SL(n, K) GL(n, K). 4

5 1.3 Erzeugung von SL(n,K) und GL(n,K) durch Elementarmatrizen Sei E ij die n n-matrix, die im Schnittpunkt der i-ten Zeile und der j-ten Spalte eine 1, sonst überall 0 hat. Als Elementarmatrizen werden bezeichnet: (1) F ij (α) := E n + αe ij für α K und 1 i j n (2) F i (α) := E n + (α 1)E ii für α K und 1 i n. Es gilt also 1 F ij (α) = α i j 1, F i (α) =... 1 α i. Durch leichtes Nachrechnen sieht man, dass F ij (α), F i (α) GL(n, K) und F ij (α) 1 = F ij ( α) (α K), F i (α) 1 = F i (α 1 )( α K ). Multiplikation einer Matrix A von links (rechts) mit F i (α) bedeutet Multiplikation der i-ten Zeile (Spalte) mit α, Multiplikation der Matrix A von links (rechts) mit F ij (α) bedeutet Addition des α-fachen der j-ten Zeile (i-ten Spalte) zur i-ten Zeile (j-ten Spalte). Man spricht von elementaren Zeilen- bzw. Spaltenumformungen. Satz 2. GL(n,K) wird von den Elementarmatrizen erzeugt. Beweis. Jede Matrix A aus GL(n, K) kann durch elementare Zeilenumformungen in die Einheitsmatrix übergeführt werden, d.h. A 1, also auch A, ist Produkt von Elementarmatrizen. Umgekehrt liegen alle Elementarmatrizen in GL(n, K). 5

6 Satz 3. SL(n,K) wird von den Elementarmatrizen vom Typ (1) erzeugt. Beweis. Offensichtlich sind die Matrizen vom Typ (1) in SL(n, K) enthalten. Sei A = (α ij ) SL(n, K) beliebig. Wir zeigen, dass A ein endliches Produkt aus den Matrizen vom Typ (1) ist: Falls α 21 = 0, dann muss es ein i 2 geben, so dass α i1 0, da A sonst nicht invertierbar sein kann. Addition der i-ten Zeile zur zweiten ergibt eine neue Matrix (α ij ) mit α Dies entspricht der Multiplikation der Matrix A von links mit der Matrix F 2i (1). Also können wir im weiteren annehmen, dass α Addition des (1 α 11 )α21 1 -fachen der zweiten Zeile zur ersten ergibt eine Matrix (α ij ) mit α 11 = 1. Durch Addition des ( α i1 )-fachen der ersten Zeile zur i-ten, i > 1, erhalten wir schließlich eine Matrix der Form B 0 mit B SL(n 1, K). Fahren wir so fort, so ergibt sich nach endlich vielen Multiplikationen von A mit den Elementarmatrizen von Typ (1) eine obere Dreicksmatrix, deren Hauptdiagonalelemente gleich 1 sind: Hieraus entsteht aber in ähnlicher Weise durch elementare Zeilenumformungen vom Typ (1) die Einheitsmatrix. Nach früherem wissen wir, dass das Inverse einer Matrix vom Typ (1) ebenso eine Matrix vom Typ (1) ist. Also ist A ein Produkt aus endlich vielen Matrizen vom Typ (1) und der Satz ist damit bewiesen. Folgerung: Aus dem Satz 3 folgt unmittelbar, dass SL(2, K) von den Matrizen ( ) ( ) 1 α 1 0 und mit α, β K 0 1 β 1 erzeugt wird. 6

7 1.4 Zusammenhang Definition 3. a) Es sei K = R oder C und M Mat(n, K). Ein Weg in M ist eine stetige Abbildung γ : [0, 1] M. Man nennt γ(0) den Anfangspunkt, γ(1) den Endpunkt von γ. b) X, Y M heißen verbindbar, wenn es einen Weg γ in M gibt mit Anfangspunkt X und Endpunkt Y. Wir definieren auf M folgende Relation: X Y X ist mit Y in M verbindbar. Satz 4. ist eine Äquivalenzrelation auf M Beweis. 1) Ref lexivität: Für jedes X M ist γ(t) := X mit t [0, 1] ein Weg in M, der X mit sich selbst verbindet. 2) Symmetrie: Ist γ ein Weg von X nach Y, so ist offensichtlich ein Weg von Y nach X. γ(t) = γ(1 t) (t [0, 1]) 3) T ransitivität: Wird X mit Y und Y mit Z durch die Wege γ bzw. δ in M verbunden, so ist der zusammengesetzte Weg von X nach Z definiert durch { γδ(t) = γ(2t) : t [0, 1 2 ], δ(2t 1) : t [ 1 2, 1]. 7

8 Definition 4. a) Die Äquivalenzklassen von heissen Zusammenhangskomponenten von M. b) M heisst zusammenhängend, wenn es nur eine Zusammenhangskomponente gibt. c) Die Zusammenhangskomponente, die das Einselement enthält, wird Einskomponente genannt. Beispiele: 1. Mat(n, K) ist zusammenhängend, denn 0 ist mit jedem X Mat(n, K) durch die Gerade t tx, t [0, 1] verbindbar. 2. Für n = 1 folgt aus 1), dass R und C zusammenhängend sind. 3. C ist ebenso zusammenhängend: Ist z C und z = re iφ, r > 0 die Darstellung von z durch die Polarkoordinaten, so erhält man einen Weg in C von 1 nach z durch γ(t) = (1 + t(r 1))e itφ (t [0, 1]). 4. R ist nicht zusammenhängend, denn es gibt keinen Weg in R von -1 nach 1. Wäre z. B. γ eine stetige Abbildung mit γ(0) = 1 und γ(1) = 1, so müsste es nach dem Zwischenwertsazt ein t [0, 1] geben mit γ(t) = 0. Die Zusammenhangskomponenten von R sind R + und R. Wir notieren noch kurz ein wichtiges Ergebnis, das leicht einzusehen ist: Satz 5. Sei G eine Untegruppe von GL(n, K). (a) Ist A i, B i G (i = 1, 2) und γ ein Weg in G von A 1 nach B 1, δ ein Weg in G von A 2 nach B 2, dann ist t γ(t)δ(t) ein Weg in G von A 1 A 2 nach B 1 B 2. (b) Ist γ ein Weg in G von A nach B, so ist t γ(t) 1 ein Weg in G von A 1 nach B 1. 8

9 Satz 6. SL(n,R), SL(n,C), GL(n,C) sind zusammenhängend. GL(n,R) ist nicht zusammenhängend, die Zusammenhangskomponenten sind GL(n, R) + = {A GL(n, R) deta > 0}, GL(n, R) = {A GL(n, R) deta < 0}. GL(n, R) + ist die Einskomponente von GL(n,R). Beweis. SL(n, K) wird nach Satz 3 durch die Elementarmatrizen F ij (α), 1 i, j n, α K erzeugt. Es genügt nach dem Satz 7 jede dieser Matrizen durch einen Weg in SL(n, K) mit E n = F ij (0) zu verbinden. Ein solcher Weg ist offensichtlich t F ij ((1 t)α), t [0, 1]. Für jede Matrix A GL(n, C) gibt es eine Matrix B SL(n, C) und ein α C, so dass 1 A = B F n (α) mit F n (α) =.... α Es bleibt also zu zeigen, dass F n (α) mit E n verbindbar ist. Die Menge {F n (α) α C } ist aber isomorph zu C und C ist zusammenhängend (vgl. Beispiel 3) zur Definition 4 ). Damit folgt der Zusammenhang von GL(n, C). Nun nehmen wir an, dass GL(n, R) zusammenhängend ist. Dann gibt es auch einen Weg γ von GL(n, R) + nach GL(n, R). Dann ist det γ ein Weg von R + nach R, was nicht sein kann (vgl. Beispiel 4) zur Definition 4 ). 9

10 Satz 7. Sei G GL(n,K), G die Einskomponente. Dann gilt: (a) G ist Normalteiler von G, (b) Die Zusammenhangskomponenten von G sind die Nebenklassen von G. Beweis. (a) Seien A, B G und γ, δ Wege von A bzw. B nach E n. Dann ist t γ(t) δ(t) 1 ein Weg von A B 1 nach E n. Also gilt A B 1 G und somit ist G eine Untergruppe von G. Ausserdem ist für jedes C G die Abbildung t C γ(t) C 1 ein Weg von C A C 1 nach E n. Damit ist C A C 1 G und folglich ist G ein Normalteiler von G. (b) Mit G sind auch alle Nebenklassen von G zusammenhängend. Es bleibt zu zeigen, dass Elemente aus verschiedenen Nebenklassen nicht verbindbar sind. Sei C G eine beliebige Nebenklasse mit C G und A = CB mit B G. Falls es einen Weg γ von A nach E n gibt, dann gibt es nach Satz 7 einen Weg von B nach C 1, d.h. C 1 G. Damit gilt C G = G. Daraus folgt, dass es keine Verbindung zwischen G und einer Nebenklasse von G gibt. Nun wählen wir 2 verschiedene Nebenklassen C G und D G mit C, D G. Falls es eine Vebindung zwischen den beiden gibt, dann sind nach dem Satz 7 auch G und DC 1 G G verbunden, was nach dem obigen nicht sein kann. Damit entspricht eine Nebenklasse genau einer Zusammenhangskomponente. 10

11 2 Kurzer Überblick: Hermitesche Formen und Isometrien Hermitescher Räume In diesem Kapitel werden die wichtigsten Definitionen und Ergebnisse zusammengefasst, die im Weiteren verwendet werden. Das Paar (K, ) sei (R, id), (C, id) oder (C, ). V sei ein K-Vektorraum. Eine Abbildung h : V V K heißt hermitesche F orm, falls h(x, y + z) = h(x, y) + h(x, z), h(x, αy) = αh(x, y), x, y, z V, α K, h(x, y) = h(y, x). symmetrische Bilinearform, falls = id und h eine hermitesche Form auf V. Das Paar (V, h) heißt Hermitescher Raum. Eine Matrix A Mat(n, K) heißt hermitesch, falls A t = A, symmetrisch, falls A t = A, Hermitesche Formen werden durch hermitesche Matrizen, symmetrische Bilinearformen durch symmetrische Matrizen beschrieben. 11

12 Seien (Ṽ, h), (V, h) Hermitesche Räume. Eine bijektive lineare Abbildung φ : Ṽ V heißt Isometrie, falls: h(x, y) = h(φ(x), φ(y)) x, y Ṽ. Man schreibt dann: φ : (Ṽ, h) (V, h) und nennt (Ṽ, h) und (V, h) isometrisch. Isometrien eines Hermiteschen Raumes (V, h) bilden eine Gruppe, die mit Aut(V, h) bezeichnet wird. Es gilt Aut(V, h) GL(V ). Falls h eine symmetrische Bilinearform ist, so wird Aut(V, h) die orthogonale Gruppe von (V, h) genannt und mit O(V, h) bezeichnet. Satz 8. Ist φ : (Ṽ, h) (V, h) eine Isometrie Hermitescher Räume, so ist Aut(Ṽ, h) Aut(V, h), ψ φ ψ φ 1 ein Isomorphismus der Isometriegruppen. 12

13 3 Orthogonale und unitäre Gruppen 3.1 Notationen Wir führen die traditionellen Bezeichnungen ein: Definition 5. Reell orthogonale Gruppen ( ) O(p, q) = {A GL(n, R) A t Ep 0 D p,q A = D p,q } wobei D p,q =, p q, p + q = n 0 E q O(n) = O(n, 0) = {A GL(n, R) A t A = E n } Komplex orthogonale Gruppen O(n, C) = {A GL(n, C) A t A = E n } Unitäre Gruppen U(p, q) = {A GL(n, C) A t D p,q A = D p,q } U(n) = U(n, 0) = {A GL(n, C) A t A = E n } Es sei G eine Untergruppe von GL(n, K). Schränkt man den Homomorphismus GL(n, K) K, A deta auf G ein, so erhält man einen Homomorphismus von G in K, dessen Kern mit G SL(n, K) übereinstimmt (vgl. Bem. 2 zur Def. 2) und ein Normalteiler von G ist. Speziell können wir definieren Definition 6. SO(p, q) = {A O(p, q) deta = 1} = O(p, q) SL(n, R), SO(n, C) = {A O(n, C) deta = 1} = O(p, C) SL(n, C), SU(p, q) = {A U(p, q) deta = 1} = O(p, q) SL(n, C), Die Gruppen SO(p, q), SO(n, C), SU(p, q) spezielle (reelle, komplexe) orthogonale bzw. spezielle unitäre Gruppen genannt. 13

14 3.2 Beispiele: SO(3) und SU(2) 1. Die Gruppe SO(3) Es gilt: SO(3) = Menge reeller orthogonalen 3 3-Matrizen mit Determinante 1. Typische Elemente sind die Drehungen um die e 1, e 2, und e 3 -Achse, d.h cos t 0 sin t cos t sin t 0 S 1 (t) = 0 cos t sin t, S 2 (t) = 0 1 0, S 3 (t) = sin t cos t 0. 0 sin t cos t sin t 0 cos t Satz 9. Zu jedem A SO(3) gibt es α, β, γ R, so dass A = S 3 (α) S 1 (β) S 3 (γ). α, β, γ werden als Eulersche W inkel bezeichnet. Insbesondere wird SO(3) von den Drehungen S 1 (t), S 3 (t) mit t R erzeugt. Beweis. Es sei A = (a ij ). Wir setzen B = (b ij ) := S 3 ( α)as 3 ( γ) und bestimmen α, β, γ so, dass B = S 1 (β). Aus dieser Gleichung folgt: (a) Wegen b 33 = a 33 und a 33 1 (vgl. Bem. zur Def. 5) gibt es ein β [0, π], so dass. cos β = b 33 (b) Es gilt b 13 = a 13 cos α + a 23 sin α. Es kann ein α [0, 2π[ gewählt werden, so dass a 13 cos α + a 23 sin α = 0. Damit ist auch. b 13 = 0 (c) Nun wählen wir ein γ [0, 2π[ so, dass ( ) ( ) a cos α, sin α 11 a 12 a 21 a 22 = ( cos γ, sin γ ). Dies ist möglich, weil auf der rechten Seite der Gleichung insgesamt ein Vektor vom Betrag 1 steht. Daraus folgt, dass b 11 = (a 11 cos α + a 21 sin α) cos γ + (a 12 cos α + a 22 sin α)( sin γ) = cos 2 γ + sin 2 γ = 1 14

15 (d) Wegen der Orthogonalität von A muss auch B orthogonal sein, d.h. es muss gelten B t B = E 3. Mit b 13 = 0 folgt daraus b 12 = b 21 = b 31 = 0, b 22 = cos β, b 32 = sin β, b 23 = sin β Also gilt insgesamt: B = 0 cos β sin β = S 1 (β). 0 sin β cos β Nach Konstruktion von α, β, γ ist ausserdem die folgende Abbildung bijektiv: [0, 2π[ [0, π] [0, 2π[ SO(3) (α, β, γ) S 3 (α)s 1 (β)s 3 (γ). Damit gilt auch der 2. Teil des Satzes. 2. Die Gruppe SU(2) Die Menge SU(2) besteht aus den komplexwertigen unitären 2 2-Matrizen mit Determinante 1, d.h. { ( ) z u SU(2) = z, u C, z z + uū = 1}. ū z Die speziellen Elemente: ( cos t sin t T (t) = sin t cos t ), S(t) = ( ) e it 0 0 e it. Satz 10. Zu jedem A SU(2) gibt es α, β, γ R, so dass A = S(α) T (β) S(γ). Insbesondere wird SU(2) erzeugt von den Matrizen ( ) ( ) e it 0 cos t sin t 0 e it,, t R. sin t cos t 15

16 ( ) z u Beweis. Sei A = SU(2). ū z Die Zahlen z und u haben eine Darstellung in Polarkoordinaten, d.h. es gibt r, s R + und t 2, t 3 [0, 2π] so, dass z = re it 2 und u = se it 3. Wegen deta = 1 gilt r 2 + s 2 = 1, d.h. es gibt ein t 1 [0, π] so, dass r = cos t 1 und s = sin t 1. Also hat A folgende Form ( ) cos t1 e A = it 2 sin t 1 e it 3 sin t 1 e it 3 cos t 1 e it. 2 Setzt man α = t 1, β = t 2+t 3, γ = t 2 t 3, so erhält man 2 2 A = Damit ist der Satz bewiesen. ( e iβ 0 0 e iβ ) ( cos α sin α sin α cos α ) ( e iγ 0 0 e iγ ). 16

17 3.3 Lorentz-Gruppe und Minkowski-Raum Zu Beginn des 20. Jahrhunderts gab Minkowski ein mathematische Formulierung der Einsteinschen speziellen Relativitätstheorie, die auf folgender Definition basiert: Definition 7. Sei h eine symmetrische Bilinearform auf R 4 definiert durch: h(x, y) = x 1 y 1 + x 2 y 2 + x 3 y 3 x 4 y 4 = x t y Dann heisst das Paar (R 4, h) Minkowski Raum. Physikalische Interpretation: Wählt man B = {e 1, e 2, e 3, e 4 c } als Basis von R 4, wobei c die Lichtgeschwindigkeit ist, so hat h bzgl. dieser Basis folgende Darstellung: h(x, y) = x 1 ỹ 1 + x 2 ỹ 2 + x 3 ỹ 3 c 2 x 4 ỹ 4 = x t ỹ c 2 Es werden folgende Bezeichnungen eingeführt: Die Menge K = {v R 4 h(v, v) = 0} heisst der Lichtkegel und die Vektoren aus K heissen die Lichtvektoren. Vektoren mit h(v, v) < 0 heissen zeitartig. Vektoren mit h(v, v) > 0 heissen raumartig. Sind (x 1, x 2, x 3 ) die räumlichen Koordinaten eines Punktes, x 4 = t die Zeit, so werden die 4-Tupel (x 1, x 2, x 3, t) W eltppunkte genannt. Ein vom Raumpunkt (0,0,0) ausgehendes Lichtsignal erreicht im Vakuum zur Zeit t gerade die Raumpunkte (x 1, x 2, x 3, t) mit x x x 2 3 = c 2 t 2, d.h. Lichtvektoren sind genau die Weltpunkte, welche das Lichtsignal irgendwann erreicht. 17

18 Die zeitartigen Vektoren sind die Weltpunkte, welche von (0,0,0) aus mit einem Signal erreicht werden können, dessen Ausbreitungsgeschwindigkeit kleiner ist, als die Lichtgeschwindigkeit. Nimmt man die Hypothese an, dass sich keine Wirkung schneller als mit Lichtgeschwindigkeit ausbreiten kann (eine der Behauptungen der speziellen Relativitätstheorie), so stehen die Raumvektoren in keinerlei Kausalzusammenhang mit dem Weltpunkt (0,0,0,0). Uns interessiert vor allem die Isometriegruppe O(R 4, h) des Minkowski-Raumes. Für jedes A GL(4, R) gilt folgende Äquivalenz: A O((R 4, h) h(ax, Ay) = h(x, y) x, y R 4 h(ae i, Ae j ) = h(e i, e j ), 1 i, j (e i ) t A t Ae j = (e i ) t e j, 1 i, j A t A = A O(3, 1) Also: O((R 4, h) = O(3, 1). Definition 8. (a) Die Isometriegruppe O(3, 1) des Minkowski-Raumes (R 4, h) wird als Lorentz Gruppe bezeichnet. (b) Die Gruppe SO(3, 1) mit SO(3, 1) = {A O(3, 1) deta = 1} heisst die eigentliche Lorentz Gruppe. (c) Die Gruppe SO + (3, 1) mit SO + (3, 1) = {A = (α ij ) SO(3, 1) α 44 1}. 18

19 3.4 Die Struktur der Gruppe SO(3,1) Unser Ziel ist es, die Gruppe O(3, 1) auf eine ähnliche Weise zu beschreiben, wie wir es bei den Gruppen SO(3) und SU(2) gemacht haben. Allerdings ist es im Fall der Lorentz-Gruppe nicht möglich, die Erzeugenden direkt anzugeben. Also müssen wir uns einen anderen Weg überlegen. Wir betrachten noch mal die Gruppe SO + (3, 1). Diese Gruppe enthält folgende spezielle Elemente: ( ) R 0 (1) Lorentz Drehungen : R = mit R SO(3) (2) Lorentz Boosts : B = cosh t sinh t, t R. 0 0 sinh t cosh t Satz 11. Zu jedem A SO + (3, 1) gibt es Matrizen R, S SO(3) und t R, so dass A = R B(t) S. Insbesondere wird SO + (3, 1) von den Lorentz-Drehungen und den Lorentz-Boosts erzeugt. ( ) C x Beweis. Sei A = y t SO a + (3, 1) mit a R, a 1. Dann gilt wegen A O(3, 1): A t A = Durch Ausmultiplizieren erhält man die dazu äquivalenten Gleichungen C t C = E 3 + yy t (1) x t x + 1 = a 2 (2) C t x = ay (3) 19

20 Wegen a 1 gibt es ein t R so dass cosh t = a. Mit (2) folgt daraus x = (0, 0, sinh t) t. Also gibt es eine Matrix R SO(3) so dass R 1 x = 0 0. sinh t Nun ( setzen) wir T = B( t) R A. Dann gilt T SO(3, 1) und T e 4 = e 4. Damit gilt: S 0 T = y t. 1 Wegen (3) ist y = (0, 0, 0) t und mit (1) folgt daraus, dass S t S = E 3, d.h. S SO(3). ( ) S 0 Also ist T =, S SO(3) und damit folgt insgesamt 0 1 A = R B( t) 1 S = R B(t) S. Bemerkung: Im Satz kann man B 1 (t) := B(t) ersetzen durch cosh t 0 0 sinh t B 2 (t) = , B 3(t) = 0 cosh t 0 sinh t sinh t 0 0 cosh t 0 sinh t 0 cosh t Satz 12. SO + (3, 1) ist ein Normalteiler von O(3, 1). Beweis. Dazu reicht es nach dem Satz 9 zu zeigen, dass SO + (3, 1) eine Einszusammenhangskomponente ist. 1. E 4 SO + (3, 1). 2. SO + (3, 1) ist zusammenhängend, denn: Sei A SO + (3, 1). Dann gibt es nach dem vorigen Satz eine Produktdarstellung A = R B(t) S mit R, S SO(3) und t R. Die Matrix B(t) ist mit E 4 verbindbar über den Weg γ : [0, 1] SO + (3, 1), s B((1 s)t). Die Menge SO(3) ist zusammenhängend (so ist z. B. die Matrix S 1 (t) aus 3.2 mit E 3 verbindbar durch den Weg γ : [0, 1] SO(3), s S 1 (s t), vgl. Satz 11). Also sind auch R, S mit E 4 verbindbar. Damit sind nach dem Satz 7 A und E 4 verbindbar. 20

21 3. Es bleibt noch zu zeigen, dass es keine Matrix C = (ζ ij ) 1 i,j 4 SO + (3, 1) mit einer Verbindung zu E 4 gibt: Ist C SO + (3, 1), so gibt es 2 Möglichkeiten: (a) C O(3, 1) \ SO(3, 1), d.h. det C = 1. Wäre C mit E 4 über den Weg γ verbindbar, so wäre det γ ein Weg von -1 nach 1 in R, was nach dem Bsp. 4) zur Def. 4 nicht sein kann. (b) C SO(3, 1) \ SO + (3, 1), d.h. det C = 1 und ζ Sei ρ : O(3, 1) R, C ζ 44 die Projektion auf den letzten Hauptdiagonaleneintrag. Wäre C mit E 4 über den Weg γ verbindbar, so wäre ρ γ analog zum Fall (a) ein Weg von -1 nach 1 in R. 21

22 3.5 Die Struktur der Lorentz-Gruppe O(3,1) Aus dem Satz 13 kennen wir die Struktur von SO + (3, 1). Nun wollen wir die Struktur von O(3, 1) beschreiben. Dazu bestimmen wir alle Nebenklassen von SO + (3, 1) in O(3, 1). Satz 13. Es gilt O(3, 1)/SO + (3, 1) = 4. Beweis. Wegen SO + (3, 1) SO(3, 1) O(3, 1) gilt: O(3, 1)/SO + (3, 1) = O(3, 1)/SO(3, 1) }{{} (1) SO(3, 1)/SO + (3, 1) = 2 2 = 4. }{{} (2) zu (1): det : O(3, 1) {±1} ist ein surjektiver Homomorphismus mit dem Kern SO(3, 1) O(3, 1)/SO(3, 1) = {±1}. zu (2): ρ : SO(3, 1) {±1} mit ρ((ζ ij )) = sign(ζ 44 ) ist ein surjektiver Homomorphismus mit dem Kern SO + (3, 1) SO(3, 1)/SO + (3, 1) = {±1}. Sei C = (ζ ij ) 1 i,j 4 SO + (3, 1), dann gibt es analog zum Beweis von Satz 14 3 Fälle: det C = 1 und ζ Beispiel: C 1 = det C = 1 und ζ Beispiel: C 2 = det C = 1 und ζ Beispiel: C 3 = Man kann zeigen, dass E 4, C 1, C 2, C 3 paarweise nicht verbindbar sind (analog zum Beweis von Satz 14), d. h. sie liegen in paarweise verschiedenen Nebenklassen von SO + (3, 1). Also gilt insgesamt: O(3, 1) = SO + (3, 1) [ C 1 SO + (3, 1) ] [ C 2 SO + (3, 1) ] [ C 3 SO + (3, 1) ]. 22

23 3.6 Isomorphie der eigentlichen Lorentz-Gruppe mit SL(2,C)/{±E} und SO(3) mit SU(2)/{±E} Wir betrachten die Menge V = {X Mat(2, C) X t = X} der hermiteschen 2 2-Matrizen zusammen mit einer symmetrischen Bilinearform σ : V V R : σ(x, Y ) = 1 [ ] det(x + Y ) detx dety 2 { ( ) α z α, } Durch Nachrechnen erhält man: V = β R und z C z β a ( ) Wir definieren φ : R 4 V, b a + d b + ic c b ic a + d d Satz 14. φ ist eine Isometrie von (R 4, h) nach (V, σ). Satz 15. O(3, 1) = O(V, σ). Insbesonders SO + (3, 1) = L O(V, σ). Der Satz 16 folgt unmittelbar durch Nachrechnen, der Satz 17 ergibt sich aus dem Satz 10. Unser nächstes Ziel ist es, die Gruppe L aus dem Satz 17 zu bestimmen: Satz 16. Es gilt SO + (3, 1) = SL(2, C)/{±E}. Beweis. Wir betrachten folgende Abbildung: ρ : SL(2, C) GL(V ), ρ(a) (X) = A X Āt, A SL(2, C), X V und zeigen, dass ρ ein Homomorphismus mit Kerρ = {±E 2 } und Im ρ = SO + (3, 1)ist. 1) ρ ist wohldefiniert (falls X hermitesch, dann ist auch A X Āt hermitesch). 2) die Homomorphieeigenschaft ist leicht nachzurechnen. 23

24 3) Wir zeigen, dass Kerρ = {±E 2 }. A Kerρ A X Āt = X X V ( ) Für X = E 2 folgt daraus A Āt = E 2 A 1 = Āt Für X = A { B SL(2, C) AX = XA X V } ( ) ( ) 1 0 und X = 0 1 A = z E 2 mit z C. ( ) 0 1 erhalten wir aus ( ) und ( ): 1 0 Wegen deta = 1 ist z = ± 1 und damit A = ± E 2 Kerρ {±E 2 }. andere Richtung ist klar. 4) Es bleibt noch zu zeigen, dass Im ρ = SO + (3, 1). Wir zeigen dazu, dass Im ρ = L, wobei L wie im Satz 17 ist. Sei λ der nach dem Satz 10 gewählte Isomorphismus von SO + (3, 1) nach L. Da SO + (3, 1) eine Einskomponente ist, ist auch L eine Einskomponente. Da SL(2, C) nach Satz 8 zusammenhängend und ρ eine stetige Abbildung ist, ist ρ(sl(2, C)) = Im ρ auch zusammenängend. Wegen E 2 Im ρ gilt somit Im ρ L. Wir betrachten die Basis B von V, die aus den Matrizen ( ) ( ) ( ) ( ) i 1 0 B 1 =, B =, B =, B i 0 4 = 0 1 besteht und bestimmen die ρ-bilder der Matrizen ( ) ( cos α sin α R(α) = 2 2 e i α 2 0 sin α cos α, S(α) = 0 e i α ) ( α ) e 2 0, T (α) = 0 e α. 2 Nach der Definition von ρ sind diese Bilder lineare Abbindungen von V in sich selbst. Jeder solchen Abbildung kann eine eindeutige Matrixdarstellung bzgl. der Basis B zugeordnet werden. Deswegen werden wir von nun an ρ(a) mit einer 4 4- Matrix identifizieren für jedes A SL(2, C). Es gilt also cos α sin α sin α cos α cos α sin α 0 ρ(r(α)) = , ρ(s(α)) = 0 sin α cos α , 24

25 cosh α 0 0 sinh α ρ(t (α)) = sinh α 0 0 cos α ( ) ( ) 1 0 cos α sin α Es gilt z. B. ρ(r(α)) = = cos α B 0 1 sin α cos α 1 + sin α B 2, d.h. (cos α, sin α, 0, 0) t ist die 1. Spalte der entsprechenden Matrixdarstellung. ρ(r(α)) und ρ(s(α)) erzeugen die Menge der Lorentz-Drehungen (vgl. Satz 11). Nach dem Satz 13 wird von diesen 3 Matrizen also gerade die Gruppe SO + (3, 1) erzeugt. Wird jetzt noch der Isomorphismus λ mit seiner Matrixdarstellung identifiziert, so wird die Gruppe L von den λ-bildern der Matrizen ρ(r(α)), ρ(s(α)) und ρ(t (α)) erzeugt. Man kann aber durch Rechnung zeigen, dass λ(ρ(r(α))) = ρ(r(α)), usw. Z. B. : ( ) cos α sin α φ(1. Spalte von ρ(r(α))) = = cos α B sin α cos α 1 + sin α B 2, d. h. 1. Spalte von λ(ρ(r(α))) = 1. Spalte von ρ(r(α)). Mit anderen Worten erzeugen die Matrizen ρ(r(α)), ρ(s(α)) und ρ(t (α)) die Gruppe L und damit ist L SO + (3, 1). Also gilt nach dem Homomorphiesatz SO + (3, 1) = L = Im ρ = SL(2, C)/{±E}. Der nächste Satz ist eine einfache Folgerung aus dem Satz 18: Satz 17. SU(2)/{±E} = SO(3). Beweis. Die Matrizen R(α), S(α) aus dem Satz 18 erzeugen nach dem Satz 12 die Untergruppe SU(2) von SL(2, C) und ihre ρ-bilder erzeugen die zu SO(3) isomorphe Gruppe. Also ist ρ SU(2) ein Homomorphismus mit dem Kern {±E 2 } und dem Bild isomorph zu SO(3). Mit dem Homomorphiesatz folgt die Behauptung. 25

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

1.4 Homomorphismen und Isomorphismen

1.4 Homomorphismen und Isomorphismen Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 28 1.4 Homomorphismen und Isomorphismen Definition 1.4.1 Es seien (G, ) und (H, ) zwei Gruppen. Eine Abbildung ϕ : G H heißt (Gruppen-)Homomorphismus,

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

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

8 Die Riemannsche Zahlenkugel

8 Die Riemannsche Zahlenkugel 8 Die Riemannsche Zahlenkugel Wir untersuchen zunächst Geraden- und Kreisgleichungen in der komplexen Ebene C = R 2. Geradengleichungen Die Parameterdarstellung einer Geraden durch zwei Punkte z 1 z 2

Mehr

Kapitel III. Lineare Abbildungen

Kapitel III. Lineare Abbildungen Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,

Mehr

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w = 1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition

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

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

Kap 5: Rang, Koordinatentransformationen

Kap 5: Rang, Koordinatentransformationen Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv

Mehr

1 Vektoren, Vektorräume, Abstände: 2D

1 Vektoren, Vektorräume, Abstände: 2D Vektoren, Vektorräume, Astände: D Definition: Die Menge aller (geordneten Paare reeller Zahlen (oder allgemeiner: Elemente eines elieigen Körpers, als Spalten geschrieen, ezeichnen wir als Vektoren: R

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

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

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

Vorkurs Mathematik B

Vorkurs Mathematik B Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein

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

Vektoren und Matrizen

Vektoren und Matrizen Vektoren und Matrizen Einführung: Wie wir gesehen haben, trägt der R 2, also die Menge aller Zahlenpaare, eine Körperstruktur mit der Multiplikation (a + bi(c + di ac bd + (ad + bci Man kann jedoch zeigen,

Mehr

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau, Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel

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

2 Euklidische Vektorräume

2 Euklidische Vektorräume Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,

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

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

Prof. Dr. Rudolf Scharlau, Stefan Höppner

Prof. Dr. Rudolf Scharlau, Stefan Höppner Aufgabe 13. Bestimme alle Untergruppen der S 4. Welche davon sind isomorph? Hinweis: Unterscheide zwischen zyklischen und nicht zyklischen Untergruppen. Lösung. Die Gruppe S 4 besitzt die folgenden Elemente:

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

Lie Gruppen, SS 2010 Montag $Id: intro.tex,v /04/13 16:06:37 hk Exp hk $ Es wird etwas dauern bis wir in der Lage sind zu sagen was

Lie Gruppen, SS 2010 Montag $Id: intro.tex,v /04/13 16:06:37 hk Exp hk $ Es wird etwas dauern bis wir in der Lage sind zu sagen was $Id: intro.tex,v 1.3 2010/04/13 16:06:37 hk Exp hk $ 1 Einleitung Es wird etwas dauern bis wir in der Lage sind zu sagen was Lie Gruppen eigentlich sind. Dagegen ist es sehr wohl möglich bereits einige

Mehr

Algebra I, WS 04/05. i 0)

Algebra I, WS 04/05. i 0) G. Nebe, M. Künzer Algebra I, WS 04/05 Lösung 5 Aufgabe 20. 1 Wir haben einen Normalteiler C 3 = 1, 2, 3. Es ist mit C 2 := 1, 2 der Schnitt C 3 C 2 = 1, und folglich aus Ordnungsgründen S 3 = C 3 C 2.

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

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen) Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung

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

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

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

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

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

Lösungen zu den Hausaufgaben zur Analysis II

Lösungen zu den Hausaufgaben zur Analysis II Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin

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

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist

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

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

Mehr

Quadratische Matrizen

Quadratische Matrizen Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch

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

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

Lineare Algebra I Klausur. Klausur - Musterlösung

Lineare Algebra I Klausur. Klausur - Musterlösung Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra I Klausur Klausur - Musterlösung 20. Februar 203 Aufgabe - Lösung Aussage wahr falsch (Z, +, 0) ist eine abelsche Gruppe. Der Ring Z/24Z ist nullteilerfrei.

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

Rang und Inverses einer Matrix

Rang und Inverses einer Matrix Rang und Inverses einer Matrix wgnedin@math.uni-koeln.de 29. April 2014 In dieser Notiz werden Methoden und Beispiele zur Berechnung des Rangs einer Matrix sowie der Inversen einer invertierbaren Matrix

Mehr

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung 43 Permutationen Definition Eine Permutation der Elementen {,, n} ist eine bijektive Abbildung σ : {,,n} {,,n} Es ist leicht zu sehen, dass die Hintereinanderführung zweier Permutationen ergibt wieder

Mehr

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? 1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

2.1 Eigenschaften und Beispiele von Gruppen Untergruppen Homomorphismen... 25

2.1 Eigenschaften und Beispiele von Gruppen Untergruppen Homomorphismen... 25 2 Gruppen Übersicht 2.1 Eigenschaften und Beispiele von Gruppen............................. 17 2.2 Untergruppen...................................................... 21 2.3 Homomorphismen..................................................

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

Kapitel 11. Bilinearformen über beliebigen Bilinearformen

Kapitel 11. Bilinearformen über beliebigen Bilinearformen Kapitel 11 Bilinearformen über beliebigen Körpern Wir können in diesem Kapitel rasch vorgehen, weil die meisten Konzepte im Zusammenhang mit Sesquilinearformen bereits eingeführt wurden. In diesem Abschnitt

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

2.2 Kern und Bild; Basiswechsel

2.2 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare

Mehr

Ferienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte

Ferienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte Technische Universität München, Fakultät für Physik Ferienkurs - ineare Algebra Hanna Schäfer 03. März 04 0. inearität. f : M N, x : y = f(x) Merkinhalte. f(x + λy) = f(x) + λf(y), x, y V, λ K 3. ineare

Mehr

Seminar: Summen von Quadraten & K-Theorie WS 2013/14

Seminar: Summen von Quadraten & K-Theorie WS 2013/14 Vektorbündel über topologischen Räumen Seminarvortrag von C. Dahlhausen am 06. November 2013. Hinweise auf Fehler und Korrekturen bitte an dahl.de@web.de. Im folgenden sei X stets ein topologischer Raum.

Mehr

8. Kleinsche Geometrie I: Hyperbolische Geometrie. Das Erlanger Programm.

8. Kleinsche Geometrie I: Hyperbolische Geometrie. Das Erlanger Programm. 8. Kleinsche Geometrie I: Hyperbolische Geometrie Nach den bisherigen Ergebnissen müssen wir uns nun um die Gruppe PSL 2 C kümmern. Das Studium dieser Gruppe wird uns in dieser Vorlesung zu einem neuen

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

2.9 Die komplexen Zahlen

2.9 Die komplexen Zahlen LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in

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

Seminar Einführung in die Kunst mathematischer Ungleichungen

Seminar Einführung in die Kunst mathematischer Ungleichungen Seminar Einführung in die Kunst mathematischer Ungleichungen Geometrie und die Summe von Quadraten Clara Brünn 25. April 2016 Inhaltsverzeichnis 1 Einleitung 2 1.1 Geometrie allgemein.................................

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

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

Komplexe Zahlen und konforme Abbildungen

Komplexe Zahlen und konforme Abbildungen Kapitel 1 Komplexe Zahlen und konforme Abbildungen 1.0 Geometrie der komplexen Zahlen Die Menge C der komplexen Zahlen, lässt sich mithilfe der bijektiven Abbildung C := {x + iy : x,y R}, C z = x + iy

Mehr

3. Zahlbereiche und algebraische Strukturen

3. Zahlbereiche und algebraische Strukturen technische universität dortmund Dortmund, im November 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung von Kapitel 3 3. Zahlbereiche

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

Diagonalisieren. Nikolai Nowaczyk Lars Wallenborn

Diagonalisieren. Nikolai Nowaczyk  Lars Wallenborn Diagonalisieren Nikolai Nowaczyk http://mathniknode/ Lars Wallenborn http://wwwwallenbornnet/ 16-18 März 01 Inhaltsverzeichnis 1 Matrizen 1 11 Einschub: Invertierbarkeit

Mehr

Teil 2 LINEARE ALGEBRA II

Teil 2 LINEARE ALGEBRA II Teil 2 LINEARE ALGEBRA II 27 Kapitel VII Euklidische und unitäre Vektorräume Wir beschäftigen uns jetzt mit Vektorräumen, die noch eine zusätzliche Struktur tragen Der Winkel zwischen Vektoren im IR 2

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 Elementare Umformung von linearen Gleichungssystemen und Matrizen

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen 3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange

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

PRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF.

PRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF. Zuname: Vorname: Matrikelnummer: PRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF. (GITTENBERGER) Wien, am 5. Februar 2013 (Ab hier freilassen!) Arbeitszeit: 100 Minuten 1) 2) 3) 4) 5) 1)(8

Mehr

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier

Mehr

( ) Lineare Gleichungssysteme

( ) Lineare Gleichungssysteme 102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv

Mehr

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

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

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

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,

Mehr

Copyright, Page 1 of 5 Die Determinante

Copyright, Page 1 of 5 Die Determinante wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist

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

Serie 10: Inverse Matrix und Determinante

Serie 10: Inverse Matrix und Determinante D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die

Mehr

4.4. Rang und Inversion einer Matrix

4.4. Rang und Inversion einer Matrix 44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert

Mehr

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2. Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar

Mehr

Wie kann man beweisen, dass (H, ) eine Gruppe ist?

Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )

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

1 Mengen und Abbildungen

1 Mengen und Abbildungen 1 MENGEN UND ABBILDUNGEN 1 1 Mengen und Abbildungen Wir starten mit einigen einführenden Definitionen und Ergebnissen aus der Theorie der Mengen und Abbildungen, die nicht nur Grundlage der Linearen Algebra

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

Lineare Algebra 6. Übungsblatt

Lineare Algebra 6. Übungsblatt Lineare Algebra 6. Übungsblatt Fachbereich Mathematik M. Schneider 16.05.01 Konstantin Pertschik, Daniel Körnlein Gruppenübung Aufgabe G19 Berechnen Sie das inverse Element bzgl. Multiplikation in der

Mehr

Skalarprodukte (Teschl/Teschl Kap. 13)

Skalarprodukte (Teschl/Teschl Kap. 13) Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

reflexiv, symmetrisch, asymmetrisch, antisymmetrisch, transitiv, linaer konnex Kommutator, Kommutatorgrupe, Normalreihe, auflösbare Gruppe

reflexiv, symmetrisch, asymmetrisch, antisymmetrisch, transitiv, linaer konnex Kommutator, Kommutatorgrupe, Normalreihe, auflösbare Gruppe 1 Lernliste 1.1 Relationen reflexiv, symmetrisch, asymmetrisch, antisymmetrisch, transitiv, linaer konnex Äquivalenzrelation, Kongruenzrelation Klasseneinteilung Hauptsatz über Äquivalenzrelationen Jede

Mehr

Anwesenheitsübung zur Vorlesung Algebra und Zahlentheorie

Anwesenheitsübung zur Vorlesung Algebra und Zahlentheorie Anwesenheitsübung zur Vorlesung Algebra und Zahlentheorie WS 205/206 A Rincón, A Schmitt 5 Dezember 205 Aufgabe (0+0 Punkte a Bestimmen Sie die Primfaktorzerlegungen der Zahlen 505 und 2600 und geben Sie

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

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

3.3 Klassifikation quadratischer Formen auf R n

3.3 Klassifikation quadratischer Formen auf R n 3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen

Mehr

4.4 Symmetrische Bilinearformen

4.4 Symmetrische Bilinearformen 4.4. SYMMETRISCHE BILINEARFORMEN 195 4.4 Symmetrische Bilinearformen Alle betrachteten Vektorräume seien euklidisch. Wir betrachten Bilinearformen Φ: V V R, von denen wir nur voraussetzen, daß sie symmetrisch

Mehr

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1) 34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)

Mehr

2 Die Menge der ganzen Zahlen. von Peter Franzke in Berlin

2 Die Menge der ganzen Zahlen. von Peter Franzke in Berlin Die Menge der ganzen Zahlen von Peter Franzke in Berlin Das System der natürlichen Zahlen weist einen schwerwiegenden Mangel auf: Es gibt Zahlen mn, derart, dass die lineare Gleichung der Form mx n keine

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

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

Abschnitt: (symmetrische) Bilinearformen

Abschnitt: (symmetrische) Bilinearformen Abschnitt: (symmetrische) Bilinearformen Def Es seien (V,+, ) ein Vektorraum, u,u,u,v,v,v beliebige Vektoren aus V und λ,λ R beliebiege Skalare Eine Bilinearform auf V ist eine Abbildung σ : V V R mit

Mehr