2.4 Gruppenoperationen

Größe: px
Ab Seite anzeigen:

Download "2.4 Gruppenoperationen"

Transkript

1 Algebra I c Rudolf Scharlau, Gruppenoperationen Viele wichtige Gruppen bestehen aus Abbildungen, z.b. Permutationen einer endlichen Menge, linearen Abbildungen eines Vektorraumes oder Isometrien eines euklidischen Raumes. Aus der gegebenen Realisierung der Gruppenelemente als Abbildungen konstruiert man leicht weitere Abbildungen und Gruppen. Wenn z.b. f : X X bijektiv ist und A X eine beliebige Teilmenge, so ist auch f(a) definiert, und auf diese Weise liefert f auch eine Abbildung auf den Teilmengen (d.h. der Potenzmenge) von X. Durch Einschränkung erhält man Abbildungen auf den Teilmengen einer festen Mächtigkeit (z.b. den zweielementigen Teilmengen), oder im Fall linearer Abbildungen eines Vektorraumes V z.b. auf der Menge aller Geraden oder Ebenen von V. Das folgende Konzept einer Gruppenoperation liefert einen allgemeinen Rahmen für die Interpretation von Gruppenelementen als Abbildungen und die Interpretation der Verknüpfung in der Gruppe als Komposition (Verkettung) von Abbildungen. Definition Eine Operation 5 einer Gruppe G auf einer Menge X ist eine Abbildung G X X, (g, x) g.x, die den Bedingungen (Op1) (Op2) genügt. e.x = x für alle x X g.(h.x) =(gh).x für alle g, h G, x X Mit anderen Worten, eine Operation von G auf X ist eine äußere Verknüpfung von G mit X, diediegenanntenzusätzlichen Bedingungen erfüllt. Jedes Gruppenelement liefert eine Abbildung x g.x, X X, undnach(op2)gehört zu einem Produkt gh in G die Komposition der einzelnen Abbildungen (erst h, dann g anwenden). Beispiele (Gruppenoperationen) (1) G = S n die symmetrische Gruppe vom Grad n und X = {1,...,n} mit σ.m = σ(m) für σ S n, m X. (2) Allgemeiner sei X irgendeine Menge, Per X := {f : X X f bijektiv} die Menge aller Permutationen von X und G Per X irgendeine Untergruppe, weiter f.x = f(x) wieeben.dieseoperationheißtdienatürliche Operation von G auf X. 5 Eine Gruppenoperation wird auch als Gruppenaktion bezeichnet, insbesondere in der englischsprachigen Literatur: group action, G acts on X.

2 Algebra I c Rudolf Scharlau, (3) Wenn V ein K-Vektorraum ist, so operiert GL(V ) und jede Untergruppe davon auf V. Dieses ist ein Spezialfall von (2). (4) Für jeden K-Vektorraum V operiert die Gruppe GL(V )aufdermenge der Endomorphismen End(V )durchdievorschrift(g, f) gfg 1.Ebenso operiert für festes n N die Matrizengruppe GL n (K) durch(s, A) SAS 1 auf der Menge K n n aller quadratischen Matrizen der Größe n. (5) Jede Gruppe G operiert auf sich selbst (X = G) mittelsg.x = gx (Produkt in G). Die Bedingung (Op 2) ist das Assoziativgesetz. (6) Seien G und X wie in (2) und H G eine Untergruppe von G. Dann operiert auch H auf X, undzwareinfachdurcheinschränkung. (7) Seien G und X wie in (2). Dann operiert G auf der Potenzmenge P(X) durch g.y := g(y )={g(y) y Y }. (8) Wenn allgemeiner eine beliebige Gruppenoperation von G auf X gegeben ist, so operiert G auch auf P(X) durchg.y = {g.y y Y }. Wenn eine Operation einer Gruppe auf einer Menge gegeben ist, so kann man in naheliegender Weise einige abgeleitete Objekte betrachten. Diese werden in der folgenden Definition zusammengestellt. Definition Die Gruppe G operiere auf der Menge X. a) Für x X heißt G.x := {g.x g G} die Bahn oder der Orbit von x. Die Mächtigkeit G.x nennt man auch die Länge der Bahn. b) Die Menge G x := {g G g.x = x} heißt die Isotropiegruppe oder der Stabilisator von x. c) Wenn g G und x X sind mit g.x = x, soheißtx auch ein Fixpunkt von g. Wenng.x = x ist für alle g G, sonenntmanx einen Fixpunkt der Operation oder auch Fixpunkt von G. d) Eine Teilmenge Y X heißt invariant unter G oder G-invariant, falls g.y Y ist für alle g G, y Y.DurchEinschränkung erhält man dann eine Operation G Y Y. Man prüft schnell nach, dass G x in der Tat eine Untergruppe von G ist. Lediglich das Inverse erfordert ein kleines Argument: Für x G x läßt man das Element g 1 auf beide Seiten der Gleichung g.x = x operieren und erhält mittels (Op2) und dann (Op1) die gewünschte Gleichung g 1.x = x

3 Algebra I c Rudolf Scharlau, Beispiele (Bahnen, Stabilisatoren, invariante Teilmengen) (1) Wir betrachten die Operation von S n auf der Potenzmenge P({1,...,n}). Betrachte speziell das Element x = {1, 2,...,k} P({1,...,n}), für eine feste Zahl k n. Dann besteht die Bahn von x unter S n aus allen k- elementigen Teilmengen von {1,...,n}. (2) Betrachte, für eine beliebige Gruppe G und eine beliebige Untergruppe H, die Operation von H auf G durch Linksmultiplikation (siehe die Beispiele nach 2.4.1, (4) und (5)). Dann sind die Bahnen von H in G genau die Rechtsnebenklassen Hg, g G. (Für Linksnebenklassen müssen wir, wie oben schon angemerkt, Operationen von rechts zulassen; dann läuft alles völlig analog.) (3) Wir betrachten einen (endlich-dimensionalen) Vektorraum V und die natürliche Operation der Gruppe GL(V )aufv (siehe Beispiel (3)). Sei v 0 V ein beliebiger von Null verschiedener Vektor. Dann besteht die Bahn von v 0 aus allen Vektoren außer dem Nullvektor: GL(V )v 0 = V {0}. (4) Der Stabilisator von n X = {1,...,n} in der symmetrischen Gruppe S n ist kanonisch zu identifizieren mit der Gruppe S n 1. (5) Die Stabilisatoren der Operation von G auf sich selbst durch Linksmultiplikation (Beispiel (5)) sind alle trivial. (6) Die Fixpunkte eines Zyklus σ =(i 1,i 2,...,i e ) S n sind genau die Ziffern, die nicht unter den i j vorkommen. (7) Die Operation von GL(V )aufdemvektorraumv hat 0 als Fixpunkt. (8) Für die natürliche Operation von GL(V )aufdenteilmengendesvektorraumes V ist die Menge U(V ) der Untervektorräume von V eine GL(V )- invariante Teilmenge von P(V ). Somit operiert GL(V )innatürlicher Weise auf U(V ). (9) Die Isometriegruppe Iso(E) eines euklidischen Vektorraumes operiert auf den Teilmengen von E. DerStabilisatorIso(E) M von M E ist die sogenannte Symmetriegruppe von M. Insbesondere der letzte Punkt liefert eine Fülle von interessanten Gruppen, die als Stabilisatoren aufgefasst werden können; wir erinnern nur an die Diedergruppe der Ordnung 2n, diealssymmetriegruppedesregulären n-ecks realisiert werden kann. In den Übungen behandeln wir die Symmetriegruppe des Würfels, allgemeiner des Hyperwürfels in beliebiger Dimension n. WeitereBeispielefür Stabilisatoren ergeben sich bei Anwendungen von Gruppenoperationen auf die Sätze von Sylow im folgenden Abschnitt 2.5 oder in Kapitel 5 in der Galoistheorie.

4 Algebra I c Rudolf Scharlau, Wir wollen uns nun der Gesamtheit der Bahnen einer Gruppenoperation zuwenden, genauer der Frage, wie diese in der Grundmenge X drinliegen. Ein genauerer Blick auf die bisherigen Beispiele zeigt eine gewisse Gesetzmäßigkeit: bei der natürlichen Operation von S n auf P({1,...,n}) ergibtsichoffenbardie Bahn entsprechend der Mächtigkeit der Teilmenge, und deshalb bilden die Bahnen eine Partition der in Frage stehenden (Potenz-)Menge; ähnlich ist es bei GL(V ) und den Untervektorräumen, mit der Dimension statt der Kardinalität; bei der Operation von GL(V )aufv gibt es nur zwei Bahnen, den Nullvektor (als einelementige Teilmenge) und den gesamten Rest, also wieder eine Zerlegung von V. Bei der Operation der Untergruppe H auf ganz G schließlich ist es von früher bekannt, dass die Bahnen, in diesem Fall Nebenklassen, eine Partition der Gruppe G bilden. In diesem Fall kennen wir auch den Grund : die Nebenklassen sind die Äquivalenzklassen einer geeigneten Äquivalenzrelation. Wir haben das Wort Grund in Anführungszeichen gesetzt, weil jede Klasseneinteilung auf einer Menge aus den Äquivalenzklassen einer geeigneten Äquivalenzrelation besteht; dieses ist allerdings eine rein formale Einsicht, solange man keine unabhängige, inhaltliche Beschreibung dieser Relation hat. Das beschriebene Verhalten von Bahnen ist keine spezielle Eigenschaft der bisher betrachteten Beispiele. Vielmehr überlegt man sich leicht direkt aus den Axiomen einer Gruppenoperation, dass die Bahnen immer als Äquivalenzklassen aufgefasst werden können und deshalb immer eine Zerlegung der Gesamtmenge bilden. Wir halten dieses im folgenden Satz fest und geben auch einen vollständigen Beweis. Satz Die Gruppe G operiere auf der Menge X. Definiere eine Relation G auf X durch x G y g G : g.x = y. Dieses ist eine Äquivalenzrelation. Die Äquivalenzklassen sind genau die Bahnen von G in X. Insbesondere sind zwei Bahnen entweder disjunkt oder sie stimmen überein. Beweis: Die Relation G ist reflexiv: Für beliebiges x X gilt e.x = x, also x G x. Die Relation G ist symmetrisch: wenn x G y gilt, also g.x = y für ein g G, dannistauchy = g 1.x, alsoy G x. Die Relation G ist transitiv: aus x G y und y G z folgt die Existenz von g, h G mit g.x = y und h.y = z. Hieraus folgt (hg).x = h.(g.x) =z, also x G z. Die Äquivalenzklasse von x X besteht definitionsgemäß aus den y X mit x G y,alsoausdenjenigeny, für die ein g G exisitert mit g.x = y. Diesey bilden aber genau die Bahn G.x. Wenn eine Operation einer Gruppe G auf einer Menge X gegeben ist, so sagt man auch, x, y X seien G-äquivalent, wennsieinderrelation G stehen.

5 Algebra I c Rudolf Scharlau, Korollar Jede G-invariante Teilmenge ist disjunkte Vereinigung von Bahnen. Korollar und Definition Für eine Operation einer Gruppe G auf einer Menge X sind die folgenden beiden Bedingungen äquivalent: (i) Es gibt ein x X mit X = G.x. (ii) Für je zwei Elemente x, y X gibt es ein g G mit g.x = y. Eine Operation heißt transitiv, wenn diese beiden Eigenschaften erfüllt sind, d.h. wenn X aus nur einer Bahn unter G besteht. Beispiele (Die Äquivalenzrelation zu einer Gruppenoperation) (1) Wir betrachten die Operation von S n auf der Potenzmenge P({1,...,n}). Zwei Teilmengen X, Y {1,...,n} sind genau dann S n -äquivalent, wenn sie die gleiche Mächtigkeit X = Y haben. (2) Wir betrachten die Operation der allgemeinen linearen Gruppe GL(V )eines endlich-dimensionalen Vektorraumes V auf der Menge U(V ) der Unterräume von V. Zwei Unterräume U, W sind genau dann GL(V )-äquivalent, wenn sie die gleiche Dimension dim U =dimw haben. (3) Aus der Linearen Algebra kennt man den Begriff der Ähnlichkeit von quadratsichen Matrizen und weiß, dass dieses eine Äquivalenzrelation ist. Diese Relation gehört zu dem hier behandelten Typ von Äquivalenzrelationen. Sie kommt nämlich her von der durch den Ausdruck SAS 1 gegebenen Operation der Matrizengruppe GL n (K) aufdermengeallerquadratischen Matrizen. (4) Es sei (V,, ) eineuklidischervektorraum(also, ein Skalarprodukt auf dem reellen Vektorraum V )undo(v )=O(V,, ) seineorthogonale Gruppe. Zwei Vektoren v und w sind genau dann O(V )-äquivalent, wenn beide die gleiche Länge v, v = w, w haben. (5) Die Operation von G auf sich selbst durch Linksmultiplikation ist transitiv, ebenso die Operation von S n oder bereits ihrer Untergruppe Di n auf {1, 2,...,n}. (6) Zwei Teilmengen M und N eines euklidischen (Vektor-)Raumes E heißen bekanntlich kongruent, wenn es eine Isometrie (abstandserhaltende Abbildung) ϕ : E E mit ϕ(m) =N gibt. Die Isometrien von E bilden eine Gruppe Iso(E) (sieheauch2.4.4(9)).zweimengenm und N sind also kongruent genau dann, wenn sie Iso(E)-äquivalent für die natürliche Operation von Iso(E) aufderpotenzmenngevone sind. Kongruenz ist eine Äquivalenzrelation.

6 Algebra I c Rudolf Scharlau, Die angegebenen Beschreibungen der Relation G setzen bei (1), (2) und (4) noch einmal in Evidenz, dass es sich in der Tat um eine Äquivalenzrelation handelt (nämlich gekennzeichnet durch Gleichheit einer Funktion). Bei (2) und (4) gehen nicht-triviale, aber an dieser Stelle als bekannt angenommene Sätze der linearen Algebra ein. Beispiel (5) ist vom Standpunkt der Äquivalenzrelationen aus gesehen trivial, da es nur eine Bahn gibt. Der folgende Satz befasst sich genauer mit der Struktur einer einzelnen Bahn. Die Bahn von x X ist das Bild von G unter einer Abbildung G X, nämlich der Abbildung g g.x. Diese Abbildung ist in der Regel nicht injektiv; z.b. ist das Urbild von x genau der Stabilisator von x. InsofernhatderSatzeine nicht nur formale Verwandtschaft mit dem Homomorphiesatz, genauer mit seiner Folgerung, dem Isomorphiesatz. Satz Die Gruppe G operiere auf der Menge X, es sei x X. Dann ist die Abbildung G/G x G.x, gg x g.x wohldefiniert und bijektiv. Insbesondere ist die Länge der Bahn von x gleich dem Index des Stabilisators (G : G x ). Beweis: Für diesen Beweis bezeichnen wir die in Frage stehende Abbildung mit α : G/G x G.x. α ist wohldefiniert: Auf der rechten Seite der Abbildungsvorschrift kommt ein g G vor; die Abbildung soll aber auf Nebenklassen gg x definiert werden. Zu zeigen ist also, dass zwei Elemente g, g G, die dieselbe Nebenklasse liefern, also gg x = g G x,dasgleichebildhaben.esistg 1 g G x,alsog 1.(g.x) = (g 1 g).x = x, alsog.x = g.((g 1 g).x) =(g (g 1 g)).x =((g g 1 )g).x = g.x, wie gewünscht. α ist injektiv: es seien gg x,hg x G/G x,dabeialsog, h G mit α(gg x )= α(hg x ). Dann ist g.x = h.x, also(h 1 g).x = x, alsoh 1 g G x,alsogg x = hg x, wie gewünscht. α ist surjektiv: ein beliebiges Element y aus der Zielmenge G.x ist nach Definition von der Form y = g.x für ein g G. Dannistα(gG x )=g.x, alsogg x ein Urbild von y. Beispiele (Bahnen und Nebenklassen) (1) Fasse wie oben die symmetrische Gruppe S n 1 als Untergruppe der symmetrischen Gruppe S n auf. Dann ist der Index (S n : S n 1 ) = n. Ein Vertretersystem für S n /S n 1 ist zum Beispiel durch die Transpositionen (1,n),(2,n),...,(n 1,n)zusammenmitderIdentität gegeben. (2) Der Index 3 = 24/8 =(S 4 :Di 4 )zählt die drei wesentlich verschiedenen Möglichkeiten, die Ecken eines Quadrates durch die Ziffern 1 bis 4 zu numerieren.

7 Algebra I c Rudolf Scharlau, (3) Der Stabilisator W F in der Würfelgruppe W (siehe Übungen) einer Randfläche des Würfels kann mit der Symmetriegruppe von F,also eines Quadrates, identifiziert werden und hat folglich 8 Elemente. Die Bahn W.F besteht also aus 48/8 =6Elementen.InderTatsindalle6Randflächen des Würfels äquivalent unter W. (4) Die Symmetriegruppe des Tetraeders T ist die volle symmetrische Gruppe S 4 mit 24 Elementen. Der Stabilisator einer Kante besteht aus 4 Elementen (welchen?). Der Würfel besitzt 6 = 24/4 Kanten,die alle äquivalent unter der Gruppe sind. Der folgende Satz ist eine unmittelbare Zusammenfassung der beiden vorangegangenen grundlegenden Sätze, nämlich der Zerlegung in Bahnen nach und der Beschreibung von Bahnen als Mengen von Nebenklassen nach Insofern kann man ihn sich jederzeit neu überlegen (und beweisen), wenn man ihm braucht. Trotzdem ist es üblich, und hat auch gewisse Gründe, ihn als eigenen Satz zu führen, sogar mit eigenem Namen. Satz (Bahnengleichung) Es sei x 1,x 2,...,x r X ein Repräsentantensystem für die Operation der Gruppe G auf der endlichen Menge X. Dann gilt r X = (G : G xi ) i=1 Die früher bereits kurz eingeführten inneren Automorphismen i g gehören ebenfalls zu einer Gruppenoperation. Im folgenden Satz führen wir das etwas aus. Satz und Definition (Konjugation) Sei G eine Gruppe. a) Durch (g, x) g x := gxg 1 wird eine Operation von G auf sich definiert, die sogenannte Konjugation. Die Abbildungen i g : G G, x g x = gxg 1 sind Gruppenautomorphismen von G. Sie heißen auch innere Automorphismen von G. b) Zwei Elemente x, x bzw. Untergruppen H, H heißen konjugiert in G, wenn sie in der gleichen Bahn liegen, d.h. wenn ein g G existiert mit gxg 1 = x bzw. ghg 1 = H. Die Bahn von x G, also{gxg 1 g G}, heißtauchdiekonjugiertenklasse von x; entsprechend für eine Untergruppe H.

8 Algebra I c Rudolf Scharlau, c) Der Stabilisator eines Elementes x G besteht genau aus den mit x vertauschbaren Elementen und heißt Zentralisator von x in G. C G (x) :={g G gx = xg} d) Der Stabilisator einer Untergruppe H von G N G (H) :={g G ghg 1 = H} heißt auch Normalisator von H in G. e) Setze Z(G) ={z G gz = zg für alle g G}. Dieses ist eine normale Untergruppe von G. Sie heißt das Zentrum von G. f) Die Abbildung G Aut G, g i g ist ein Gruppenhomorphismus. Das Bild Inn G := {i g g G} Aut G ist eine normale Untergruppe von Aut G und heißt die Gruppe der inneren Automorphismen von G. DerKernvoni G ist genau das Zentrum Z(G). Beispiele (1) Zwei Elemente der Gruppe GL n (K) derinvertierbaren n n-matrizen über einem Körper K sind genau dann konjugiert in GL n (K), wenn sie ähnliche Matrizen im Sinne der Linearen Algebra sind. Wir hatten bereits oben unter (3) die Ähnlichkeit beliebiger Matrizen als GL n -Äquivalenz erkannt. Die Konjugation in GL n (K) isteinfachdieeinschränkung der dort betrachteten Operation auf allen quadratischen Matrizen auf eine GL n (K)-invariante Teilmenge. (2) Zwei konjugierte Gruppenelemente haben sicher die gleiche Ordnung. Die Menge aller Gruppenelemente einer festen Ordnung m zerfällt also in Konjugiertenklassen. Betrachten wir den Fall m = 2, also der sogenannten Involutionen, für die Diedergruppe Di n (Symmetriegruppe des regulären n-ecks, siehe (6) auf Seite 23). Für ungerades n gibt es nur eine Konjugiertenklasse von Involutionen in D n,bestehendausallenspiegelungen, die das n-eck zulässt. Für gerades n gibt es drei Konjugiertenklassen: die Spiegelungen an Geraden durch gegenüberliegende Ecken, die Spiegelungen an Geraden durch gegenüberliegende Kantenmittelpunkte, sowie die Menge, die nur aus der Drehung id um 180 (auch Inversion oder Punktspiegelung genannt) um den Nullpunkt (Mittelpunkt des n-ecks) besteht. (3) Das Zentrum der Diedergruppe D n ist für ungerades n trivial, für gerades n =2k gilt Z(D 2k )={id, id} = Z 2.

9 Algebra I c Rudolf Scharlau, (4) Das Zentrum der Matrizengruppe GL n (K) besteht aus den skalaren Vielfachen der Einheitsmatrix. (5) Jeder Automorphismus der Gruppe S 3 ist ein innerer Automorphismus. Genauer ist die Abbildung S 3 Aut S 3,g i g ein Isomorphismus. Der folgende einfache Satz liefert eine Fülle von Beispielen für zueinander konjugierte Untergruppen. Bemerkung Gegeben sei eine Operation der Gruppe G auf der Menge X. Esseienx, y X zwei Elemente in der gleichen Bahn: y = g.x für ein g G. Dann sind die Stabilisatoren G x und G y zueinander konjugiert: G y = gg x g 1. Der Beweis ergibt sich mit kurzer Rechnung unmittelbar aus den Definitionen. Da der Sachverhalt der Bemerkung recht offensichtlich ist, sollten an dieser Stelle zwei Beispiele ausreichen. Beispiele (1) Für die natürliche Operation der symmetrischen Gruppe S n auf {1, 2,...,n} ist der Stabilisator von k mit der Gruppe der Permutationen der n 1-elementigen Menge {1, 2,...,n} {k} zu identifizieren. Alle diese Gruppen sind zur Standard -S n 1 S n konjugiert, und zwar durch eine (ansonsten beliebige) Permutation σ mit σ(k) =n. (2) Wenn M und N zwei kongruente Teilmengen eines euklidischen Vektorraumes sind, so sind ihre Symmetriegruppen konjugiert in Iso(E); siehe oben Beispiel (6) und Beispiel (9). Statt zu einem gegebenen Punkt x alle Gruppenelemente zu betrachten, die x festlassen, also den Stabilisator, kann man auch zu einem gegebenen Gruppenelement alle x betrachten, die dieses Gruppenelement festlässt, also die Fixpunktmenge. Hier gilt eine ähnliche Aussage: Bemerkung Gegeben sei eine Operation der Gruppe G auf der Menge X. Esseiena, b G zwei konjugierte Gruppenelemente: b = gag 1 für ein g G. Dann werden die Fixpunktmengen Fix a = {x X g.x = x} und Fix b durch g aufeinander abgebildet: g(fix a) = Fix b. Wieder ergibt sich der Beweis mit kurzer Rechnung unmittelbar aus den Definitionen. Im endlichen Fall haben also zwei konjugierte Elemente gleich viele Fixpunkte. Wenn G etwa durch Isometrien auf einem euklidischen (Vektor-)Raum E operiert, so sind die Fixpunktmengen kongruent. Da allerdings in diesem Fall Fixpunktmengen affine Teilräume von E sind (Übungsaufgabe), bedeutet dieses zunächst lediglich (aber immerhin), dass die Fixpunktmengen gleiche Dimension

10 Algebra I c Rudolf Scharlau, haben. Die Tatsache, dass die Fixpunktmengen sogar durch ein Element aus g ineinander überführt werden, liefert allerdings eine Verschärfung. Z.B. ist eine Spiegelung an einer Diagonalen eines Quadrates in seiner Symmetriegruppe Di 4 nicht konjugiert zu einer Spiegelung an einer Seitenhalbierenden, obwohl in der Isometriegruppe Iso(E) dergesamtenebenejezweigeradenspiegelungenzueinander konjugiert sind. Gruppenoperationen sind ein wichtiges Hilfsmittel, um gewisse kombinatorische Abzählprobleme (die mit Symmetrie zu tun haben) zu lösen. Ein wenig hat sich das schon in der Bahnengleichung angedeutet. Wir geben hier noch einen weiteren Satz in dieser Richtung an, dessen Bedeutung wir in dieser Vorlesung allerdings nicht mehr ausloten können. Satz (Lemma von Burnside) Die endliche Gruppe G operiere auf der endlichen Menge X. Für g G sei Fix g X die Fixpunktmenge von g. Mit G\X bezeichnen wir die Menge der Bahnen von G auf X. Dann ist G\X = 1 G Fix g. Die Anzahl der Bahnen ist also der Mittelwert, gebildet über G, der Anzahlen der Fixpunkte der Gruppenelemente. Wie in festgestellt wurde, ändert sich die Anzahl der Fixpunkte nicht, wenn man g in seiner Konjugiertenklasse abändert. D.h. bei der konkreten Auswertung der Formel muss man nur über die Menge der Konjugiertenklassen, bzw. ein Vertretersystem hierfür summieren, wie in der Bahnengleichung Nachdem wir die Grundkonzepte der Theorie der Gruppenoperationen entwickelt haben und eine ganze Reihe Beispiele gesehen haben, wollen wir zum Abschluß dieses Abschnittes noch einmal auf die oben zu Beginn beschriebenen Grundidee der Gruppenoperation zurückkommen und diese noch etwas formalisieren und abrunden. Wir hatten gesagt, dass eine Gruppenoperation darauf hinausläuft, Elemente einer abstrakten Gruppe G als Abbildungen aufzufassen, und zwar so, dass einem Produkt zweier Elemente in G die Verkettung der entsprechenden Abbildungen entspricht. Etwas präziser gesagt, wir haben neben G eine feste Menge X gegeben, und jedem Element g G wird eine Abbildung von X in sich selbst zugeordnet, nämlich die Abbildung X X, x g.x in der Definition Wenn wir diese Abbildung einmal mit µ g : X X bezeichnen, so läuft die besagte Eigenschaft bezüglich Produkt und Abbildungsverkettung auf die Formel µ gh = µ g µ h hinaus. Diese ist in der Tat genau duch das Axiom (Op2) gegeben. Etwas förmlicher gesagt, die Abbildung g µ g ist verknüpfungstreu, also ein Homomorphismus. Die Zielmenge dieses Homomorphismus sollte wieder eine Gruppe sein, nämlich die Gruppe Per X aller bijektiven Selbstabbildungen von X. InderTatistesnichtnurinallenobigenBeispielenso,sondernfolgtaus g G

11 Algebra I c Rudolf Scharlau, den Axiomen einer Gruppenoperation, dass die Abbildungen µ g : X X alle bijektiv sind: nach (Op1) ist µ e =id X,esfolgtweiterµ g µ g 1 = µ gg 1 = µ e = id X und analog µ g 1 µ g = µ g 1 g = µ e =id X. Also ist µ g in der Tat bijektiv mit inverser Abbildung µ g 1. Wir haben somit den Teil a) des folgenden Satzes bewiesen: Satz a) Es sei eine Operation der Gruppe G auf der Menge X gegeben. i) Für jedes g G ist die Abbildung µ g : X X, x g.x bijektiv. ii) Die Abbildung G Per X, g µ g ist ein Homomorphismus. b) Wenn umgekehrt ϕ : G Per X ein Gruppenhomomorphismus ist, dabei X eine beliebige Menge, so wird durch g.x := ϕ(g)(x) eine Operation von G auf X definiert. Der Teil b) des Satzes ergibt sich in natürlicher Fortsetzung der Überlegungen, die zum Teil a) geführt haben. Zunächst einmal stellt man fest, dass die Abbildung g µ g wirklich die volle Information über die Gruppenoperation enthält: es gilt g.x = µ g (x) für alle g G, x X. Wenn umgekehrt ein beliebiger Homomorphismus ϕ : G Per X gegben ist, so kann man definieren (zunächst einfach als abgekürzte Schreibweise) g.x := ϕ(g)(x) für alle g G, x X. Diese Verknüpfung G X X erfüllt nun in der Tat die Axiome (Op1) und (Op2): es ist e.x = ϕ(e)(x) =id X (x) =x (hier wurde Satz verwendet) und (gh).x = ϕ(gh)(x) =(ϕ(g) ϕ(h))(x) = ϕ(g)(ϕ(h)(x)) = ϕ(g)(h.x) = g.(h.x).

2.2 Nebenklassen, Normalteiler und Faktorgruppen

2.2 Nebenklassen, Normalteiler und Faktorgruppen Algebra I c Rudolf Scharlau, 2002 2012 61 2.2 Nebenklassen, Normalteiler und Faktorgruppen Bei der Konstruktion der Restklassengruppe Z/mZ hatten wir auf der Gruppe Z mit Hilfe einer Untergruppe mz eine

Mehr

Algebra. Patrik Hubschmid. 8. Oktober 2013

Algebra. Patrik Hubschmid. 8. Oktober 2013 Algebra Patrik Hubschmid 8. Oktober 2013 Inhaltsverzeichnis 1 Fortführung der Gruppentheorie 7 1.1 Sylowsätze.................................... 7 3 Vorwort Dieses Skript zur Vorlesung Algebra im Wintersemester

Mehr

1 Das Lemma von Burnside und seine Anwendungen

1 Das Lemma von Burnside und seine Anwendungen Das Lemma von Burnside und seine Anwendungen Mit dem Lemma von Burnside lassen sich Zählprobleme lösen, bei denen Symmetrien eine Rolle spielen. Betrachten wir als einführendes Beispiel die Anzahl der

Mehr

Definition 27 Affiner Raum über Vektorraum V

Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,

Mehr

Invariantentheorie. Vorlesung 5. Invariantenringe zu Untergruppen

Invariantentheorie. Vorlesung 5. Invariantenringe zu Untergruppen Prof. Dr. H. Brenner Osnabrück WS 2012/2013 Invariantentheorie Vorlesung 5 Invariantenringe zu Untergruppen Proposition 5.1. Es sei R G R eine Operation einer Gruppe G auf einem kommutativen Ring durch

Mehr

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Algebra. Professor Walter Gubler

Algebra. Professor Walter Gubler Algebra Professor Walter Gubler 29. April 2010 2 Inhaltsverzeichnis I Algebra I 11 I Gruppentheorie 13 I.1 Gruppen................................... 13 I.1.1 Denition einer Gruppe.......................

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

2.1 Codes: einige Grundbegriffe

2.1 Codes: einige Grundbegriffe Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

Lineare Algebra I. HP Butzmann. Vorlesung im HWS 09

Lineare Algebra I. HP Butzmann. Vorlesung im HWS 09 Lineare Algebra I HP Butzmann Vorlesung im HWS 09 Inhaltsverzeichnis 1 Mengen und Abbildungen 2 2 Körper 15 3 Vektorräume 40 4 Basis und Dimension 53 5 Lineare Abbildungen 67 6 Matrizen 80 7 Lineare Gleichungssysteme

Mehr

Algebra und Zahlentheorie Wintersemester 2013/14

Algebra und Zahlentheorie Wintersemester 2013/14 Algebra und Zahlentheorie Wintersemester 2013/14 Prof. Dr. Annette Huber-Klawitter Fassung vom 8. Februar 2014 Dies ist ein Vorlesungsskript und kein Lehrbuch. Mit Fehlern muss gerechnet werden! Math.

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe Weihnachten und ein gutes neues Jahr! Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]

Mehr

Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung

Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung Ulrich Loup 24.03.2006 Prüfungsstoff: Alegebra I, Analysis IV, Graphentheorie I Prüfer: Prof. Dr. Wilhelm Plesken Protokollant: Dipl.

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

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

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

9. Anwendungen der Fundamentalgruppe

9. Anwendungen der Fundamentalgruppe 76 Andreas Gathmann 9. Anwendungen der Fundamentalgruppe Nachdem wir mit Hilfe von Überlagerungen nun in der Lage sind, Fundamentalgruppen zu berechnen, wollen wir in diesem abschließenden Kapitel noch

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1

Mehr

TECHNISCHE UNIVERSITÄT DRESDEN. Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik Institut für Algebra

TECHNISCHE UNIVERSITÄT DRESDEN. Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik Institut für Algebra TECHNISCHE UNIVERSITÄT DRESDEN Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik Institut für Algebra Halbgruppen binärer Relationen auf einer 3-elementigen Menge Arbeit im Rahmen des

Mehr

2 Algebraische Grundstrukturen

2 Algebraische Grundstrukturen 2 ALGEBRAISCHE GRUNDSTRUKTUREN 1 8. November 2002 2 Algebraische Grundstrukturen Definitionen. Eine binäre Operation (binary operation) oder zweistellige Verknüpfung auf einer Menge M ist eine Abbildung

Mehr

Diskrete Mathematik für Informatiker

Diskrete Mathematik für Informatiker Diskrete Mathematik für Informatiker Markus Lohrey Universität Siegen Wintersemester 2014/2015 Lohrey (Universität Siegen) Diskrete Mathematik Wintersem. 2014/2015 1 / 344 Organisatorisches zur Vorlesung

Mehr

1 Gruppen: Definition und erste Eigenschaften

1 Gruppen: Definition und erste Eigenschaften 1 Gruppen: Definition und erste Eigenschaften Von allen algebraischen Strukturen, die man in der linearen Algebra kennenlernt, haben Gruppen die einfachste Definition. In der Tat sind viele andere algebraische

Mehr

Sudoku-Rätsel und Rainbow-Looms. Burkhard.Wald@Uni-DuE.de. November 2015

Sudoku-Rätsel und Rainbow-Looms. Burkhard.Wald@Uni-DuE.de. November 2015 Sudoku-Rätsel und Rainbow-Looms Burkhard.Wald@Uni-DuE.de November 2015 1 Nachträglich eingefügte Seite Seiten mit dem Titel Nachträglich eingefügte Seite wurden von mir nachträglich eingefügt um den Gebrauchswert

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:

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

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische

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

Zusatztutorium, 25.01.2013

Zusatztutorium, 25.01.2013 Zusatztutorium, 25.01.2013 David Müßig muessig[at]mi.fu-berlin.de http://page.mi.fu-berlin.de/def/tutorium/ WiSe 12/13 1 Der Homomorphiesatz Der Homomorphiesatz scheint für viele eine Art rotes Tuch zu

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

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

KAPITEL 0. Einführung

KAPITEL 0. Einführung Lineare Algebra KAPITEL 0 Einführung Dieses Skript zur Vorlesung Lineare Algebra an der Goethe Universität Frankfurt im Sommersemester 2011 befindet sich noch in der Entstehung und wird fortlaufend aktualisiert

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

Leitfaden Lineare Algebra: Determinanten

Leitfaden Lineare Algebra: Determinanten Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

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

Geometrische Mannigfaltigkeiten

Geometrische Mannigfaltigkeiten Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie

Mehr

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010 Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver

Mehr

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage

Mehr

Der Golay-Code und das Leech-Gitter

Der Golay-Code und das Leech-Gitter Der Golay-Code und das Leech-Gitter Vortrag zum Seminar Gitter und Codes Nils Malte Pawelzik.5.5 Inhaltsverzeichnis Designs 3. Elementare Eigenschaften eines Designs und die Eindeutigkeit eines - (, 5,

Mehr

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

4. Übungsblatt Matrikelnr.: 6423043

4. Übungsblatt Matrikelnr.: 6423043 Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613

Mehr

Analysis 1. Delio Mugnolo. delio.mugnolo@uni-ulm.de. (Version von 18. Dezember 2012)

Analysis 1. Delio Mugnolo. delio.mugnolo@uni-ulm.de. (Version von 18. Dezember 2012) Analysis 1 Delio Mugnolo delio.mugnolo@uni-ulm.de (Version von 18. Dezember 2012) 2 Dies ist das Skript zur Vorlesung Analysis 1, welche ich im Sommersemester 2012 an der Universität Ulm gehalten habe.

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

Kongruenzrechnung. 2 Kongruenzrechnung 7 2.1 Rechnenregeln Addition und Multiplikation... 7 2.2 Rechenregeln bzgl. verschiedener Moduln...

Kongruenzrechnung. 2 Kongruenzrechnung 7 2.1 Rechnenregeln Addition und Multiplikation... 7 2.2 Rechenregeln bzgl. verschiedener Moduln... Kongruenzrechnung Inhaltsverzeichnis 1 Einführung und Definitionen 2 1.1 Einige Beispiele aus dem Alltag..................... 2 1.2 Kongruenzrechnung im Alltag und Rechenproben........... 3 1.3 Kongruenzen

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Mehr

Didaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule

Didaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule Zahlbereichserweiterungen in der Hauptschule Didaktik der Zahlbereiche 4 Dr. Christian Groß Lehrstuhl Didaktik der Mathematik Universität Augsburg Wintersemester 2006/07 Natürliche Zahlen, : Klasse 5 positive

Mehr

Qualitative Datenanalyse

Qualitative Datenanalyse Qualitative Datenanalyse Prof. Dr. Stefan E. Schmidt Francesco Kriegel TU Dresden Fakultät Mathematik Institut Algebra SS 2007 28. September 2008 Inhaltsverzeichnis Kapitel 1 Formale Begriffsanalyse 1

Mehr

WS 2008/09. Diskrete Strukturen

WS 2008/09. Diskrete Strukturen WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

Mehr

Mathematik wirklich verstehen

Mathematik wirklich verstehen Mathematik wirklich verstehen Eine Einführung in ihre Grundbegriffe und Denkweisen Von Arnold Kirsch 3. verbesserte Auflage Aulis Verlag Deubner & Co KG Köln Inhaltsverzeichnis Vorwort 11 Teil A Zahlen

Mehr

Codes und Codegitter. Katharina Distler. 27. April 2015

Codes und Codegitter. Katharina Distler. 27. April 2015 Codes und Codegitter Katharina Distler 7. April 015 Inhaltsverzeichnis 1 Codes 4 Codegitter 14 Einleitung Die folgende Seminararbeit behandelt das Konzept von Codes und Codegittern. Da sie bei der Informationsübertragung

Mehr

Lineare Algebra I & II. Gert-Martin Greuel Universität Kaiserslautern Fachbereich Mathematik

Lineare Algebra I & II. Gert-Martin Greuel Universität Kaiserslautern Fachbereich Mathematik Lineare Algebra I & II Gert-Martin Greuel Universität Kaiserslautern Fachbereich Mathematik Ausarbeitung der je vierstündigen Vorlesung im Wintersemester 1999/2000 und Sommersemester 2000 durch Thomas

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

1 Aussagenlogik und Mengenlehre

1 Aussagenlogik und Mengenlehre 1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres

Mehr

4. Abbildung / Funktion

4. Abbildung / Funktion 4. Abbildung / Funktion In der Mathematik ist eine Funktion oder Abbildung eine Beziehung zwischen zwei Mengen, die jedem Element der einen Menge (Eingangsgröße, Funktionsargument, unabhängige Variable,

Mehr

ax 2 + bx + c = 0, (4.1)

ax 2 + bx + c = 0, (4.1) Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die

Mehr

Mathematik II für Studierende der Informatik Kapitel. Kodierungstheorie

Mathematik II für Studierende der Informatik Kapitel. Kodierungstheorie Mathematik II für Studierende der Informatik Kapitel Kodierungstheorie Markus Junker Sommersemester 2011 (korrigierte Version vom Sommersemester 2012) Einführung, Beispiele, Definitionen Ausgangspunkt

Mehr

6 Fehlerkorrigierende Codes

6 Fehlerkorrigierende Codes R. Reischuk, ITCS 35 6 Fehlerkorrigierende Codes Wir betrachten im folgenden nur Blockcodes, da sich bei diesen das Decodieren und auch die Analyse der Fehlertoleranz-Eigenschaften einfacher gestaltet.

Mehr

1 Motiviation 2 1.1 Die Thompson Untergruppe... 2

1 Motiviation 2 1.1 Die Thompson Untergruppe... 2 Inhaltsverzeichnis 1 Motiviation 2 1.1 Die Thompson Untergruppe................... 2 2 Lineare Algebra 6 2.1 Der duale Vektorraum V.................... 7 2.2 Erweiterungen des Grundkörpers................

Mehr

Die reellen Lösungen der kubischen Gleichung

Die reellen Lösungen der kubischen Gleichung Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................

Mehr

Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von

Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik Lineare Algebra zusammengestellt von Sabine Giese, Josef Heringlehner, Birgit Mielke, Hans Mielke und Ralph-Hardo Schulz 98 Aufgaben,

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Vorlesung Analysis I / Lehramt

Vorlesung Analysis I / Lehramt Vorlesung Analysis I / Lehramt TU Dortmund, Wintersemester 2012/ 13 Winfried Kaballo Die Vorlesung Analysis I für Lehramtsstudiengänge im Wintersemester 2012/13 an der TU Dortmund basiert auf meinem Buch

Mehr

Vorlesung. 1 Zahlentheorie in Z. Leitfaden. 1.1 Teilbarkeit. Angela Holtmann. Algebra und Zahlentheorie. (natürliche Zahlen ohne die Null)

Vorlesung. 1 Zahlentheorie in Z. Leitfaden. 1.1 Teilbarkeit. Angela Holtmann. Algebra und Zahlentheorie. (natürliche Zahlen ohne die Null) Algebra und Zahlentheorie Vorlesung Algebra und Zahlentheorie Leitfaden 1 Zahlentheorie in Z Bezeichnungen: Z := {..., 3, 2, 1, 0, 1, 2, 3,...} (ganze Zahlen) und N := {1, 2, 3,...} (natürliche Zahlen

Mehr

4. Relationen. Beschreibung einer binären Relation

4. Relationen. Beschreibung einer binären Relation 4. Relationen Relationen spielen bei Datenbanken eine wichtige Rolle. Die meisten Datenbanksysteme sind relational. 4.1 Binäre Relationen Eine binäre Relation (Beziehung) R zwischen zwei Mengen A und B

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

Mehr

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Stefan Lucks Diskrete Strukturen (WS 2009/10) 57 2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Uhr: Stunden mod 24, Minuten mod 60, Sekunden mod 60,... Rechnerarithmetik: mod 2 w, w {8, 16, 32,

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

8. Quadratische Reste. Reziprozitätsgesetz

8. Quadratische Reste. Reziprozitätsgesetz O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung

Mehr

11 Normalformen von Matrizen

11 Normalformen von Matrizen 11 Normalformen von Matrizen Wir wenden uns in diesem Kapitel noch einmal der Untersuchung linearer Abbildungen auf endlichdimensionalen Vektorräumen und deren Darstellung mittels Matrizen zu Speziell

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

3.1. Die komplexen Zahlen

3.1. Die komplexen Zahlen 3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen

Mehr

Gleichungen - Aufgabenstellung und Lösungsstrategien

Gleichungen - Aufgabenstellung und Lösungsstrategien Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung

Mehr

Lernmaterial für die Fernuni Hagen effizient und prüfungsnah

Lernmaterial für die Fernuni Hagen effizient und prüfungsnah Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem

Mehr

Lineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche

Lineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche Lineare Algebra für Informatiker TUM Sommersemester 20 Dozent: Christian Pötzsche Janosch Maier 3. Juli 20 Herzlichen Dank an Lucas Westermann, Florian Scheibner (https://github. com/lswest/lamitschrift)

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik Einheit 1 Mathematische Methodik 1. Problemlösen 2. Beweistechniken 3. Wichtige Grundbegriffe Methodik des Problemlösens Klärung der Voraussetzungen Welche Begriffe sind zum Verständnis

Mehr

Die Weierstraßsche Funktion

Die Weierstraßsche Funktion Die Weierstraßsche Funktion Nicolas Weisskopf 7. September 0 Zusammenfassung In dieser Arbeit führen wir die Weierstraßsche Funktion ein und untersuchen einige ihrer Eigenschaften. Wir zeigen, dass jede

Mehr

9. Natürliche Zahlen, rationale Zahlen, reelle Zahlen.

9. Natürliche Zahlen, rationale Zahlen, reelle Zahlen. 9-1 Funktionen 9 Natürliche Zahlen, rationale Zahlen, reelle Zahlen Hier soll ein Überblick gegeben werden, wie die reellen Zahlen ausgehend von den natürlichen Zahlen konstruiert werden Dies erfolgt in

Mehr

3.2 Spiegelungen an zwei Spiegeln

3.2 Spiegelungen an zwei Spiegeln 3 Die Theorie des Spiegelbuches 45 sehen, wenn die Person uns direkt gegenüber steht. Denn dann hat sie eine Drehung um die senkrechte Achse gemacht und dabei links und rechts vertauscht. 3.2 Spiegelungen

Mehr

Einführung in die Kodierungstheorie

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

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen

Mehr

Zuammenfassung: Reelle Funktionen

Zuammenfassung: Reelle Funktionen Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,

Mehr