Klassiske Grupper. Noter af Jørn B. Olsson
|
|
- Frederikke Axelsen
- 5 år siden
- Visninger:
Transkript
1 Klassiske Grupper Noter af Jørn B. Olsson 1
2 INDHOLD: 1. Den generelle lineære gruppe 2. Endelige lineære grupper 3. Ortogonal og symplektisk geometri 4. Symplektiske grupper 5. Ortogonale grupper 6. Unitære grupper 2
3 1 Den generelle lineære gruppe K version Lad n N og lad K være et vilkårligt legeme. Med GL(n, K), den Generelle Lineære Gruppe, betegner vi gruppen af invertible n n-matricer med koefficienter fra K. Gruppen betegnes også ofte med GL n (K). Vi har altså GL(n, K) = { x = a 11 a 1n a 21 a 2n }. a ij K, det x 0 a n1 a nn Vi lader K = K \ {0} være legemet K s multiplikative gruppe. Når x, y GL(n, K) gælder altså det x K, og det x det y = det xy. Hermed er afbildningen det : GL(n, K) K en gruppehomomorfi. Den er surjektiv fordi for a K er det a = a. Kernen for denne determinantepimorfi betegnes med SL(n, K) = {x GL(n, K) det x = 1} og kaldes den Specielle Lineære Gruppe. Den 1. isomorfisætning for grupper viser, at { SL(n, K) GL(n, K) GL(n, K)/SL(n, K) (1) = K Det er velkendt, at elementerne i GL(n, K) svarer til vektorrumsisomorfier (bijektive lineære afbildninger) af et n-dimensionalt vektorrum på sig selv. Lad os præcisere det: Når V, W er K-vektorrum betegner L K (V, W ) mængden af lineære afbildninger fra V til W. L K (V, W ) er igen et K-vektorrum. Lad B = {v 1, v 2,], v n } være en basis for vektorrummet V, dim K V = n. Når x = [ a11 a 1n. a n1 a nn GL(n, K) er ϕ x L K (V, V ) = L K (V ) defineret ved ϕ x (v i ) = n a ji v j. (Det er velkendt, at en lineær afbildning fastlægges entydigt ved værdierne på en basis.) Man kan så regne efter, at for x, y GL(n, K) gælder ϕ x ϕ y = ϕ xy. 3 j=1
4 Det er klart, at ϕ 1 = id, hvor ( ) og id er identitetsafbildningen på V. Derfor er ϕ x ϕ x 1 = ϕ 1 = id for alle x GL(n, K). Så ϕ er en gruppeisomorfi mellem GL(n, K) og GL(V ) = {τ L K (V ) τ isomorfi }. Hvis vi betragter legemet K som vektorrum over sig selv (af dimension 1), defineres det duale rum V til vektorrummet V som V = L K (V, K). Hvis σ V \ {0}, altså σ 0, så er σ surjektiv. Dimensionssætningen for lineære afbildninger viser dim(ker σ) + dim(σ(v )) = dim V = n så dim(ker σ) = n 1. Dermed er ker σ en hyperplan i V. (Dette er pr. definition et underrum af dimension n 1, codimension 1). Det er let at se, at dim K V = dimk V = n: Hvis {v 1,, v n } som før er en basis for V kan den bruges til at definere den duale basis { v 1,, v n } for V ved v i (v j ) = δ ij (Kronecker delta). (Overvej selv, at { v 1,, v n } er en basis). Antag nu, at σ, σ V har samme hyperplan som kerne: ker σ = ker σ = H, og at {w 1,, w n 1 } er en basis for H. Vælg w n V \ H, således at {w 1,, w n 1, w n } er en basis for V. Lad σ(w n ) = a, σ (w n ) = b. Da w n / ker σ, w n / ker σ er a og b 0. Så er (ba 1 )σ = σ. Dette vises ved at anvende begge disse lineære afbildninger på vores nye basis. For 1 i n 1 er (ba 1 )σ(w i ) = σ (w i ) = 0. For i = n er ba 1 σ(w n ) = ba 1 a = b = σ (w n ). Vi har vist(næsten!) Lemma 1.2. σ, σ V har samme kerne Der eksisterer et c K så cσ = σ. 4
5 Definition. Et element τ GL(V ), τ id, kaldes en transvektion, hvis der findes en hyperplan H V således at v V : v H : τ(v) v H τ(v) = v τ kaldes også en transvektion over H, hvis H skal specificeres. Bemærk at hvis dim(v ) = 1, så har V ingen transvektioner. Det vigtigste (eneste!) eksempel på transvektioner fås som følger: Lad σ V \ {0}. Vælg u ker σ \ {0}, og definer τ(σ, u) L K (V ) ved v V : τ(σ, u)(v) = v + σ(v)u ( ) Det er klart at τ(σ, u) er lineær fordi σ er det. Lad os checke at det er en transvektion. Kernen af σ V \ {0} er en hyperplan H := ker σ. Bemærk, at u H. Vi har derfor ifølge ( ) at der for alle v V gælder τ(σ, u)(v) v = σ(v)u. Da u H er også σ(v)u H. Lad nu v H. Så er τ(σ, u)(v) = v + σ(v)u = v fordi σ(v) = 0. Dermed er vist, at τ(σ, u) er en transvektion over ker σ. Sætning 1.3. (Klassifikation af transvektionerne) Enhver transvektion τ GL(V ), τ id, kan skrives på formen τ = τ(σ, u) for passende σ V \{0}, u ker σ\{0}. Hvis σ, σ V \{0}, u ker σ\{0}, u ker σ \ {0} gælder τ(σ, u) = τ(σ, u ) c K : σ = cσ og u = c 1 u. Bevis. Lad τ id være en transvektion over hyperplanen H. Vælg σ V med kerne H. (Overvej at et sådant σ findes!) Vælg w V \H, således at der altså gælder σ(w) 0, og sæt u = σ(w) 1 (τ(w) w). Da τ er en transvektion over H fås at u H (Overvej!) Når v V er σ(v σ(w) 1 σ(v)w) = σ(v) σ(v) = 0 så v σ(w) 1 σ(v)w H. Da τ er en transvektion over H fås v σ(w) 1 σ(v)w = τ(v) σ(w) 1 σ(v)τ(w) 5
6 eller τ(v) = v + σ(v)[σ(w 1 )(τ(w) w)] = v + σ(v)u. Heraf ses, at τ = τ(σ, u), hvormed sætningens første udsagn er bevist. Antag nu, at τ = τ(σ, u) = τ(σ, u ). Så er ker σ = ker σ, da dette er den hyperplan, som τ er transvektion over. Ifølge Lemma 1.2 findes derfor c K, så σ = cσ. Så er for v V og τ(σ, u )(v) = v + σ (v)u = v + cσ(v)u τ(σ, u)(v) = = v + σ(v)u Da τ(σ, u) = τ(σ, u ) fås cu = u eller u = c 1 u. På den anden side er for c K, v V τ(cσ, c 1 u)(v) = v + (cσ)(v)(c 1 u) = v + σ(v)u = τ(σ, u)(v). Hermed er det andet udsagn bevist. Bemærkning. Vi har defineret τ(σ, u), når σ 0 og u 0. Definitionen af τ(σ, u) τ(σ, u)(v) = v + σ(v)u, har også mening når σ = 0 og/eller u = 0. Så er τ(σ, u) = id. Definition. Hvis τ = τ(σ, u) er en transvektion kaldes underrummet Ku af V for τ s retning. Ifølge Sætning 1.3 har enhver transvektion ( id) en veldefineret retning. Vi erindrer om at to elementer x, y i en gruppe G kaldes konjugerede hvis der findes g G så gxg 1 = y. Mængden af elementer, der er konjugerede til et givet element i G kaldes en konjugationsklasse i G. Lemma 1.4. Lad σ V \ {0}, u V \ {0}, g G = GL(V ). Der gælder gτ(σ, u)g 1 = τ(σg 1, g(u)). 6
7 Bevis. (Lad os bemærke, at σg 1 V er defineret ved at σg 1 (v) = σ(g 1 (v)). Da g G = GL(V ) er jo g 1 G, og derfor g 1 (v) V ). Lad v V. Så er (gτ(σ, u)g 1 )(v) = g(τ(σ, u)(g 1 (v)) = g(g 1 (v) + σ(g 1 (v))u) (definition af τ) = v + σ(g 1 (v))g(u) = τ(σg 1, g(u))(v) Sætning 1.5. Mængden af transvektioner i GL(V ) danner en konjugationsklasse i GL(V ). Bevis. Lad τ = τ(σ, u), τ = τ(σ, u ) være to transvektioner i GL(V ). Lad H = ker σ, H = ker σ være hyperplanerne, der hører til σ og σ. Så har H og H samme dimension n 1. Vælg w og w V så σ(w) = σ (w ) = 1. Dermed er w / H og w / H. (Overvej dette!) På den anden side er pr. definition u H, u H. Derfor kan mængderne {u, w} og {u, w } udvides til baser for V B = {u, u 2,, u n 1, w}, B = {u, u 2,, u n 1, w }, hvor u i H og u i H, 2 i n 1. Lad den lineære afbildning g GL(V ) opfylde g(u) = u, g(u i ) = u i, g(w) = w. Ifølge Lemma 1.4 er gτ(σ, u)g 1 = τ(σg 1, g(u)) = τ(σg 1, u ). Vi mangler at vise, at σg 1 = σ : Da g(h) = H har σg 1 og σ begge H som kerne. Endvidere er σ (w ) = 1 og σg 1 (w ) = σg 1 (gw) = σ(w) = 1. Dermed har σg 1 og σ samme værdier på basiselementerne i B, så de er ens, σg 1 = σ. Det er velkendt, at en konjugationsklasse i en gruppe G frembringer en normal undergruppe af G. Vi vil vise, at transvektionerne frembringer den normale undergruppe SL(V ) i GL(V ), samt at GL(V ) = SL(V ). Hvis τ er en transvektion over hyperplanen H og v V \H, så er B = {u 1, u 2,, u n 1, v} en basis for V når {u 1,, u n 1 } er en basis for H. Der gælder τ(u i ) = u i, i = 1,, n 1 og τ(v) = v + u, hvor u er en vektor i τ s retning, altså u H. Derfor er τ s matrix med hensyn til B: x = GL(n, K)
8 hvor betegner elementer i K. Disse elementer indgår som koefficienter, når man skriver u som linearkombination af u 1,, u n 1. Som trekantsmatrix har x determinant 1, så τ SL(V ). Vi har vist Lemma 1.6. Alle transvektioner i GL(V ) er indeholdt i SL(V ). Lemma 1.7. Lad H være en hyperplan i V. Mængden af transvektioner over H danner sammen med id en undergruppe af G. Bevis. Lad τ(σ 1, u 1 ) og τ( σ 2, ũ 2 ) være transvektioner over H. Ifølge Lemma 1.2 findes et c K så c σ 2 = σ 1, da ker σ 1 = ker σ 2 = H. Fra Sætning 1.3 fås nu, at τ( σ 2, ũ 2 ) = τ(c σ 2, c 1 ũ 2 ) = τ(σ 1, u 2 ), hvor u 2 = c 1 ũ 2. Vi skal vise, at τ(σ 1, u 1 )τ(σ 1, u 2 ) er en transvektion (eller id). For v V er Altså τ(σ 1, u 1 )τ(σ 1, u 2 )(v) = τ(σ 1, u 1 )(v + σ 1 (v)u 2 ) = v + σ 1 (v)u 2 + σ 1 (v + σ 1 (v)u 2 )u 1 = v + σ 1 (v)u 2 + σ 1 (v)u 1 + σ 1 (v)σ 1 (u 2 )u 1 = v + σ 1 (v)(u 1 + u 2 ) (da σ 1 (u 2 ) = 0!) = τ(σ 1, u 1 + u 2 )(v). τ(σ 1, u 1 )τ(σ 1, u 2 ) = τ(σ 1, u 1 + u 2 ). (1.8) Fra definitionen er τ(σ 1, 0) = id, så vi har også τ(σ 1, u 1 ) 1 = τ(σ 1, u 1 ). Hermed er vist, at {τ(σ 1, u) u H} er en gruppe. Bemærkning (1.8). τ(σ 1, u)τ(σ 2, u) = τ(σ 1 + σ 2, u). (Opgave) Sætning 1.9. (1) Mængden af transvektioner danner en GL(V )-konjugationsklasse i SL(V ). (2) Hvis n 3, så danner mængden af transvektioner også en SL(V )- konjugationsklasse. Bevis. (1) følger fra Sætning 1.5 og Lemma 1.6. (2) fås ved at modificere beviset for Sætning 1.5. Det konjugerede element g blev valgt, så det førte en basis B for V over i en anden basis B for V. Elementet g skulle afbilde u på u og w på w. Disse elementer var fastlagt ved antagelse og kan ikke ændres. Hvis n 3 er der elementer u i og u i, der kun er fundet ved basisudvidelse. Ved at erstatte f.eks. u 2 med et multiplum af u 2 kan opnås at det g = 1, altså g SL(V ). 8
9 Bemærkning. Argumentet i 1.9 (2) virker ikke for n = 2. Det kan justeres. Lad τ(σ, u) være en transvektion med σ(w) = 1, så B = {u, w} er en basis for V. Lad B = {u, w } være en vilkårlig basis for V. Der findes et α K således at den lineære afbildning g GL(V ) fastlagt ved g(u) = u, g(w) = αw har determinant 1, altså g SL(V ). Så er gτ(σ, u)g 1 = τ(σg 1, u ) en transvektion, hvis matrix med hensyn til B er ( ) 1 α Sætning Transvektionerne frembringer SL(V ), altså ethvert element i SL(V ) er et (endeligt) produkt af transvektioner. Bevis. Kernen i beviset er, at en matrix x af determinant 1 kan omformes til enhedsmatricen gennem elementære række- og søjleomformninger af den type der adderer et multiplum af en række/søjle til en anden række/søjle. Vi får her brug for isomorfien ϕ : GL(n, K) GL(V ) (ϕ : SL(n, K) SL(V )). ϕ er baseret på valget af en basis {v 1,, v n } for V. For 1 i, j n, i j og a K lader vi h ij (a) være den matrix, der har 1 er i diagonalen og elementet a på plads (i, j). Hvis τ ij (a) = ϕ(h ij (a)) fås at τ ij (a)(v k ) = v k k j τ ij (a)(v j ) = v j + av i. Derfor er τ ij (a) en transvektion over H j = span{v 1,, v j 1, v j+1,, v n } med retning Kv i. Når man multiplicerer en matrix x med h ij (a) fra venstre lægges a gange den j te række til den i te række. Ved multiplikation med h ij (a) fra højre lægges a gange den i te søjle til den j te søjle. Det overlades til læseren at overveje, at en vilkårlig x SL(n, K) kan omformes til enhedsmatricen med disse omformninger. (Først skaffes et 1-tal på plads (1, 1), og derefter nuller i resten af 1. række og 1. søjle. Processen gentages til at skaffe et 1-tal på plads (2, 2) osv.) Vi ser altså, at x SL(n, K) kan skrives som produkt af matricer på formen h ij (a). Ved at anvende ϕ fås, at ethvert g SL(V ) kan skrives som produkt af transvektioner på formen τ ij (a). Lemma Hvis en hyperplan i V har mindst 3 elementer, så er alle transvektioner fra GL(V ) indeholdt i GL(V ), GL(V ) s kommutatorgruppe. Bemærkning. Betingelsen i lemmaet er opfyldt når n 2 med undtagelse af tilfældet n = 2, K = 2. 9
10 Bevis. Lad H være en hyperplan i V og lad σ V have kerne H, ker σ = H. Ifølge (1.8) gælder for u 1, u 2 H at τ(σ, u 1 )τ(σ, u 2 ) = τ(σ, u 1 + u 2 ). Vælg u 1 H \ {0} og u 2 H \ {0}, u 2 u 1. Dette er muligt, da H 3. Ifølge Sætning 1.5 findes et g GL(V ) så Hermed fås g 1 τ(σ, u 1 )g = τ(σ, u 2 ). τ(σ, u 1 )g 1 τ(σ, u 1 )g = τ(σ, u 1 )τ(σ, u 2 ) = τ(σ, u 1 + u 2 ) id. ( ) Det sidste skyldes at u 1 + u 2 0 da u 2 u 1 ). Men venstre side af ( ) er en kommutator, da τ(σ, u 1 ) = τ(σ, u 1 ) 1. Hermed indeholder GL(V ) en transvektion, og dermed alle transvektioner, da GL(V ) GL(V ). (Jfr. Sætning 1.5). Sætning Med mindre n = 2 og K = 2, så er GL(V ) = SL(V ). Bevis. For n = 1 er GL(V ) = K og påstanden holder. Antag n 2. Så er vi i situationen hvor antagelsen til Lemma 1.11 holder. Vi får, at da SL(V ) er frembragt af transvektionerne, må SL(V ) GL(V ). Men ifølge (1.1) er GL(V )/SL(V ) K abelsk. Så GL(V ) SL(V ). Bemærkning. GL(2, 2) består af 2 2-matricer over Z 2 med determinant 0, altså determinant 1. Så SL(2, 2) = GL(2, 2). Det er let at se, at GL(2, 2) = S 3, den symmetriske gruppe af grad 3 og orden 6. Endvidere er S 3 = A 3, så sætning 1.12 er forkert i dette tilfælde! (At GL(2, 2) S 3 ses fra, at ( ) har orden 3 og ( ) har orden 2). Vores næste mål er at vise, at SL(V ) næsten er simpel. Det viser sig at være nyttigt at realisere SL(V ) (eller snarere PSL(V ), se nedenfor) som permutationsgruppe. For denne del af argumentet er der igen fordele ved delvis at argumentere med matricer. Lemma Lad G = GL(n, K), S = SL(n, K). Der gælder Z(G) = C G (S) = {ai a K } 10
11 Bevis. Antag at g = (a ij ) C G (S). Så er gh ij (a) = h ij (a)g for alle h ij (a)- matricer. (Jfr. beviset for Sætning 1.10). Når man lægger a gange den j te række til den i te række i g skal man få det samme, som når man lægger a gange den i te søjle til den j te søjle i g. Når a 0 fås ved sammenligning, at alle elementer i den i te søjle pånær (i, i) og alle elementer i den j te række pånær (j, j) må være 0 i g. Derfor er g en diagonalmatrix og det ses let, at alle tal i diagonalen må være ens. Det projektive rum P (V ) over vektorrummet V består af mængden af alle 1-dimensionale underrum i V. Derfor kan P (V ) også ses som mængden af ækvivalensklasser på V = V \ {0} under ækvivalensrelationen v 1 v 2 a K : v 1 = av 2. Vi ser v 1 v 2 Kv 1 = Kv 2. Hvis vi betragter V som rummet K n = {(a 1,, a n ) a i K} så kaldes P (V ) også for P (n 1, K), det projektive rum af dimension n 1 over K. En begrundelse for at dimensionen anses for en mindre end V s kan være, at man jo identificerer proportionale vektorer. Lad os betegne ækvivalensklassen af v V (eller v K n ) med v. For g GL(V ) inducerer afbildningen v g(v) en afbildning på P (V ) ved v g(v). (Hvis v 1 = v 2 eksisterer et a K med v 1 = av 2. Men så er g(v 1 ) = g(av 2 ) = ag(v 2 ), og derfor g(v 1 ) = g(v 2 )). Så GL(V ) opererer på P (V ) og tilsvarende opererer GL(n, K) på P (n 1, K). Antag nu, at g GL(V ) holder alle elementer i P (V ) fast g(v) = v for alle v V. Vi vil vise, at g Z(GL(V )), jfr. Lemma Lad {v 1,, v n } være en basis for V. Da g(v i ) = v i eksisterer a i K så g(v i ) = a i v i for alle i. Lad 1 i < j n. Da g(v i + v j ) = v i + v j eksisterer et b K så g(v i + v j ) = b(v i + v j ). Vi får a i v i + a j v j = bv i + bv j, hvoraf a i = b = a j. Altså er g(v i ) = a 1 v i for alle i, og derfor g = a 1 id. Vi har vist Lemma Z(GL(V )) = {g G g(v) = v for alle v P (V )}. Man siger at Z(GL(V )) er kernen for operationen af GL(V ) på P (V ). 11
12 Vi definerer PGL(V ) = GL(V )/Z(GL(V )) PSL(V ) = SL(V )/Z(SL(V )) = SL(V )/(Z(GL(V )) SL(V )) ifølge Lemma 1.13 den Projektive Generelle Lineære og Projektive Specielle Lineære gruppe. Ifølge Lemma 1.14 opererer PGL(V ) og PSL(V ) på P (V ). Sætning Med undtagelse af tilfældene dim V = n = 2 og K = 2 eller 3 er PSL(V ) PSL(n, K) en simpel gruppe, (idet dog PSL(1, K) dog har orden 1 for alle K). Bevis. Vi forkorter G = GL(V ), S = SL(V ), Z = Z(G). Antag, at U er en S-invariant undergruppe af G (altså S N G (U)), og at U Z. Vi viser, at S U. Heraf vil følge, at PSL(V ) = S/S Z er simpel. Lad nemlig U PSL(V ), og lad U være U s urbillede i S. Da U PSL(V ) er U S, altså U er S- invariant. Hvis U Z, er U = {1}. Hvis U Z kan vi slutte at S U, altså U = PSL(V ). Lad først n 3. Da U Z vælges g U \Z. Ifølge Lemma 1.14 eksisterer lineært uafhængige vektorer u 1, u 2 V med gu 1 = u 2. (Dette betyder bare at gu 1 u 1 ). Lad τ = τ(σ, u 1 ) id være en transvektion. Da g U og U er S-invariant er også τg 1 τ 1 U, da τ S (Lemma 1.6). Vi får derfor at Ved anvendelse af Lemma 1.4 fås at h := gτg 1 τ 1 U. h = τ(σg 1, u 2 )τ(σ, u 1 ) 1. Heraf ses, at h 1, da transvektionerne τ(σg 1, u 2 ) og τ(σ, u 1 ) har forskellige retninger (Ku 2 og Ku 1 ), og derfor er forskellige! Da n 3 eksisterer en hyperplan H i V, som indeholder u 1 og u 2. Da τ(σ, u 1 ) 1 = τ(σ, u 1 ) ifølge (1.8) fås for v V, at h(v) = τ(σg 1, u 2 )τ(σ, u 1 )(v) = τ(σg 1, u 2 )(v σ(v)u 1 ) = v σ(v)u 1 + σg 1 (v σ(v)u 1 )u 2 = v + au 1 + bu 2 for passende a, b K. Altså er h(v) v H for alle v V, og specielt h(h) = H. 12
13 Lad τ = τ(σ, u ) id være en transvektion over H. For v V er h(v) v H, og derfor σ (h(v)) = σ (h(v) v + v) = σ (h(v) v) + σ (v) = σ (v), (1) da σ (H) = 0. Vi får nu for alle v V og Vi får (τ h)(v) = τ (h(v)) Vi betragter to tilfælde: = h(v) + σ (h(v))u (ifølge def. af τ ) = h(v) + (σ (v))u (ifølge (1)) (hτ )(v) = h(v + σ (v)u ) = h(v) + σ (v)h(u ). τ h = hτ h(u ) = u. (2) (I) Antag, at h kommuterer med alle transvektioner over H. Fra (2) fås så, at h(u ) = u for alle u H. Dermed er h U selv en transvektion (over H). Da U indeholder en transvektion og er S-invariant, indeholder U alle transvektioner (ifølge Sætning 1.9 (2)). Dermed er S U ifølge Sætning (II) Antag, at der findes en transvektion τ (σ, u ) over H, så τ h hτ. Så er h = hτ h 1 τ 1 U, h id, fordi U er S-invariant og h S. Men τ 1 er en transvektion over H, og hτ h 1 er en transvektion over hh = H. Heraf fås, at h er en transvektion over H ifølge Lemma 1.7. Vi får igen, at U indeholder en transvektion, og dermed S U. Vi mangler tilfældene n = 1 (som er triviel), og n = 2. Lad n = 2. Vælg som før g U \ Z og u 1, u 2 lineært uafhængige med g(u 1 ) = u 2. Vi har nu, at {u 1, u 2 } er en basis for V. Lad g s matrix med hensyn til {u 1, u 2 } ( være ( 0 1 ) c b ). Da g GL(V ) er b 0. Vælg a K og lad ρ have matricen ac a 1 a 0 med hensyn til {u1, u 2 }. Så er ρ S, så h = ρ 1 g 1 ρg U. Ved matrixmultiplikation fås, at h har følgende matrix med hensyn til {u 1, u 2 }: [ ] a 2 b 1 (1 + a 2 b 1 )c 0 a 2. b 13
14 Lad os skrive denne matrix som [ α β ] 0 α 1 for passende α, β K. For d K er ( 1 0 d 1 ) matricen for en transvektion τ over Ku 1. Vi får at τhτ 1 h 1 U har matricen [ ] 1 d(α 2 1) 0 1 med hensyn til {u 1, u 2 }. Hvis α 2 1 er alle transvektioner i U, hvis matrix med hensyn til {u 1, u 2 } har formen ( ). Fra bemærkningen efter sætning 1.9 fås, at alle transvektioner er i U, så S U. Men α 2 = a 4 b 2, og vi har fri valgmulighed for a. Hvis der findes et a K med a 4 b 2 er vi altså færdige. Ellers har polynomiet X 4 b 2 alle elementer i K som rødder! Men et fjerdegradspolynomium har højst 4 rødder, så K 4, altså K 5. Når K = 4 er K en (cyklisk) gruppe af orden 3, og så er a 4 = a for alle a K, og vi er færdige. Når K = 5 er K cyklisk af orden 4, så a 4 = 1 for alle a K, og vi er færdige med mindre b = ± 1. Igen fås ved en kort matrixberegning, at U indeholder en transvektion. Bemærkning. PSL(2, 2) GL(2, 2) S 3 (se tidligere). Det kan vises, at PSL(2, 3) A 4, den alternerende gruppe af grad 4, og at PSL(2, 4) PSL(2, 5) A 5, en simpel gruppe af orden 60. I sidste del af dette kapitel betragtes såkaldte flag i et n-dimensionalt vektorrum V = V (n, K) over K og deres relation til GL(V ). Et flag i V er en kæde af underrum F : V 0 = {0} V 1 V 2 V n = V, hvor dim K V i = i 0 i n. Enhver basis B = {v 1, v 2,, v n } af V giver på naturlig måde et flag F B ved at sætte V i = span(v 1, v 2,, v i ), 0 i n. Hvis F er et flag i V og B en basis for V, så kaldes B en basis for F, hvis F = F B. Et flag i V kan selvfølgelig have mange forskellige baser. Desuden er det klart, at ethvert flag faktisk har en basis. (Vælg f.eks. v i V i \ V i 1!) 14
15 Et flag F : V 0 V 1 V n = V i V giver os to undergrupper i G = GL(V ), defineret på følgende måde: C(F) = {g GL(V ) i {1,, n} v V i : gv v V i 1 } N(F) = {g GL(V ) i {1,, n} v V i : gv V i } = {g GL(V ) i {1,, n} : g(v i ) = V i } C(F) kaldes flagets centralisator, og N(F) dets normalisator. Ved at skrive gv = v + (gv v) ses, at hvis g C(F), så er g N(F). Det er også klart, at N(F) er en undergruppe i G = GL(V ). At indse at C(F er en undergruppe, kræver måske en lille overvejelse: Antag, at g, h C(F). Specielt gælder g, h N(F), og også g 1 N(F). Lad v V i. Vi skal først vise, at g 1 v v V i. Da v V i og g 1 N(F) er g 1 v V i. Da g C(F) er g(g 1 v) (g 1 v) V i 1. Men v g 1 v = (g 1 v v). Hermed er vist, at g 1 C(F). Nu vises, at ghv v V i 1 for alle v V i. Vi har ghv v = (ghv hv) + (hv v). Da v V i er hv v V i 1. Da hv V i, fordi h N(F), er g(hv) hv V i 1. Vi har vist Sætning Lad G = GL(V ), V = V (n, K). Lad F være et flag i V. Så er N(F) og C(F) undergrupper i G. Det er klart, at G = GL(V ) opererer på mængden F (V ) af flag i V : Hvis g G og F F (V ) F : V 0 V 1 V n = V, så er gf : gv 0 gv 1 gv n = V igen et flag i V. Det ses, at G opererer transitivt på F (V ): Hvis B 1 = {v 1,, v n } er en basis for F 1 og B 2 = {w 1,, w n } er en basis for F 2, så findes der selvfølgelig et g GL(V ) med gv i = w i, i = 1,, n. Med dette valg af g gælder også gf 1 = F 2. Lemma Lad g G, og F F (V ) et flag. Da gælder C(gF) = gc(f)g 1. 15
16 Specielt er C(F) N(F). Bevis. Lad F : V 0 V 1 V n. Vi har h C(gF) i, v V i : h(gv) gv gv i 1 i, v V i : (g 1 hg)v v V i 1 g 1 hg C(F) h gc(f)g 1. Når g N(F), så er gf = F. Det betyder ifølge det ovenstående, at C(F) = C(gF) = gc(f)g 1. Sætning Lad F F (V ). Der gælder N(F) = N G (C(F)). Bevis. Vi bemærker, at ifølge Lemma 1.17 er N(F) N G (C(F)). Lad omvendt h N G (C(F)). Det betyder, at C(F) = hc(f)h 1 = C(hF), ifølge Lemma Vi skal vise, at h N(F), altså at hf = F. Antag, at dette er forkert. Lad F : {0} = V 0 V 1 V n = V. Da hf F eksisterer der et i, 0 i n således at hv i V i og hv j = V j for 0 j < i. Vælg en basis B = {v 1, v 2,, v n } for F. Da h(v i ) V i og h(v j ) = V j for j < i, må der gælder, at hv i / V i. Skriv hv i = a 1 v a k v k, hvor a k 0. Vi har så, at k i + 1, da ellers hv i V i. Vi kan så definere et z C(F) ved zv l = v l for l k zv k = v k + v i. (Det er klart at z C(F), da i < k!) Endvidere er zhv i = a 1 v a k v k + a k v i, så zhv i hv i = a k v i / V i 1 = hv i 1. Da imidlertid hv i hv i viser dette, at z / C(hF). Dette strider mod at C(F) = C(hF), da jo z C(F). Korollar Lad F, F F (V ). Der gælder C(F) = C(F ) F = F. 16
17 Bevis: er triviel. : Lad C(F) = C(F ). Vælg h G = GL(V ), så hf = F. (Elementet h eksisterer, fordi G opererer transitivt på F (V )). Så er hc(f)h 1 = C(hF) = C(F ) = C(F), så h N G (C(F) = N(F) ifølge Sætning Da h N(F) fås F = hf = F. I næste kapitel skal vi se, at hvis legemet K er endeligt og har karakteristik p, så er er flagcentralisatorerne netop p Sylowgrupperne i den endelige gruppe GL(V ). ť 17
18 2 Endelige lineære grupper K version Vi betragter her tilfældet, hvor legemet K er endeligt. Hvis K = q, så er det velkendt at q er en primtalspotens, q = p a, hvor p er karakteristikken af K. Endvidere gælder (ikke helt trivielt), at K, K s multiplikative gruppe, er en cyklisk gruppe. Hvis K = q skriver vi K = GF(q) og GL(n, q) i stedet for GL(n, K), og tilsvarende SL(n, q), PSL(n, q). (Dette er veldefineret, da der for enhver primtalspotens q findes præcis et legeme K med K = q.) Vi har Sætning 2.1. Ordnerne af de endelige lineære grupper er GL(n, q) = (q n 1)(q n q) (q n q n 1 ) = q (n 2) (q 1)(q 2 1) (q n 1) SL(n, q) = PGL(n, q) = GL(n, q) /(q 1) PSL(n, q) = SL(n, q) /(n, q 1) Her betyder (, ) største fælles divisor. Bevis. En n n-matrix er invertibel hvis og kun hvis dens rækker er et lineært uafhængigt sæt af vektorer. Hvis vi ser på en matrix A GL(n, q) kan vi vælge den første række som en vilkårlig vektor 0 i GF(q) n. Der er q n 1 muligheder for dette. Den anden række skal vælges således, at den ikke er proportional med den første. Det er der q n q muligheder for. Den tredie række må ikke være en linearkombination af de to første, så der er q n q 2 muligheder. Således fortsættes, så A kan vælges på n 1 q n q i i=0 måder, altså GL(n, q) = (q n 1)(q n q) (q n q n 1 ). Determinantafbildningen GL(n, q) GF(q) (GF(q) s multiplikative gruppe) har SL(n, q) som kerne. Da GF(q) = q 1 fås SL(n, q) = GL(n, q) /(q 1). For at beregne PSL(n, q) skal vi kende ordenen af Z(GL(n, q) SL(n, q). Matricerne i Z(GL(n, q)) har determinanter a n, hvor a GF(q). Derfor er Z(GL(n, q)) SL(n, q) lig antallet af løsninger til ligningen a n = 1 i den cykliske gruppe GF(q). Dette antal er ( GF(q), n) = (q 1, n). 18
19 Vi betragter nogle vigtige/interessante undergrupper i de endelige lineære grupper. (I): p-sylowgrupperne i GL(n, q), hvor q = p a. Vi vil her benytte resultater fra slutningen af sidste kapitel. Mængden 1 a a 1n 1 a 23 a 2n Q = af øvre trekantsmatricer med 1-taller i diagonalen er åbenbart en undergruppe i G = GL(n, q). Ethvert valg af a ij erne i = 1,, n, j = i + 1,, n giver et element i Q så Q = q (n 1)+(n 2)+ +1 = q (n 2). Fra Sætning 2.1 ses, at Q er en p-sylowgruppe i G. Lad os bemærke, at matricerne i Q har determinant 1, så Q er også en p-sylowgruppe for SL(n, q). Endvidere er Q isomorf til en p-sylowgruppe for PSL(n, q), idet p (n, q 1) = Z(SL(n, q)). (Overvej dette!) Antag nu, at V er et n dimensionalt vektorrum over GF(q) og at B = {v 1,, v n } er en basis for V. Lad F være et flag i V med B som basis og betragt undergruppen P := C(F ) i GL(V ). Hvis g P, så gælder for alle i = 1,, n at gv i v i V i 1. Det betyder, at vi kan skrive gv i = a 1i v 1 + a 2i v a i 1i v i 1 + v i. Derfor er g s matrix mht. B et element i den mængde Q af matricer, vi netop har beskrevet. Hvis omvendt g GL(V ) har en matrix i Q mht. B, så må g C(F ) = P. Vi har hermed vist, at P Syl p (GL(V )). Lad nu F være et andet flag i V. Ifølge Kapitel 1 findes et h GL(V ) med F = hf. Ifølge Lemma 1.17 gælder så, at C(F) = hp h 1, dvs C(F) er også en p-sylowgruppe i GL(V ). Vi har nu næsten vist Sætning 2.2. Hvis V er som ovenfor, så er afbildningen C : F C(F) en bijektion mellem F (V ) og Syl p (GL(V )). Bevis. Vi har set at C(F) er en p Sylowgruppe i GL(V ). Ifølge Korollar 1.19 er afbildningen C injektiv. Sylow s sætning og Lemma 1.17 viser, at C er surjektiv. 19
20 Lad os igen betragte flaget F med basen B = {v 1,..., v n } som ovenfor. Vi har så at g N(F ) netop når vi for alle i kan skrive gv i = a 1i v 1 + a 2i v a i 1i v i 1 + a ii v i, hvor nødvendigvis a ii 0, da gv i / V i 1. Derfor har g s matrix mht. B formen a 11 a a 1n a 22 a 23 a 2n... 0 a nn hvor diagonalelementerne a ii 0. Men ifølge Sætning 1.18 er N(F) = N GL(V ) C(F) for alle F F (V ). For p Sylowgruppen Q in GL(n, q) ovenfor betyder det, at Q s normalisator i GL(n, q) netop består af mængden af øvre trekantsmatricer med elementer 0 i diagonalen. Vi har altså at N = N GL(n,q) (Q) = q (n 2) (q 1) n, idet der er (q 1) n valg for diagonalelementerne. Gruppen N er et semidirekte produkt (se kapitel G4 i noterne om gruppeteori) af Q med gruppen D af diagonalmatricer hvor alle diagonalelementer er 0. Selvfølgelig er D = (q 1) n. Dette eksempel illustrerer også Korollar (3H) i kapitel G3 af noterne. (D er et komplement til Q i N.) (II): Grupperne af permutationes- og monomiale matricer. (Dette eksempel er næsten identisk med (4C) i kapitel G4!) Som vi har set. har gruppen N ovenfor gruppen D af diagonalmatricer som undergruppe 0 D =... 0 D = (q 1) n. Lad igen S n være den symmetriske gruppe af grad n. Når π S n defineres en matrix P (π) G ved P (π) = [a ij ] hvor a ij = δ iπ(j) 20
21 (δ er Kronecker delta ). Det er klart, at P (π) har netop ét element 0 i hver søjle og i hver række. Induktiv anvendelse af søjleudviklingsreglen for determinanter viser, at det P (π) = ±1, så P (π) G. Hvis π, ρ S n gælder P (π)p (ρ) = P (πρ): Lad P (π)p (ρ) = [c ij ]; så er c ij = k δ iπ(k) δ kρ(j) 0 Der eksisterer et k så k = ρ(j) og π(k) = i πρ(j) = i, dvs. c ij = δ iπρ(j). Det betyder, at P er en homomorfi fra S n til G. En matrix på formen P (π), π S n kaldes en (n n)-permutationsmatrix. Der gælder for alll π S n : det P (π) = sign(π), π s fortegn P (π) t = P (π 1 ) Begge disse udsagn bevises ved at skrive π som et produkt af transpositioner (dvs. permutationer på formen (i, j)): Permutationsmatricen P ((i, j)) opnås fra enhedsmatricen E n ved at ombytte den i te og den j te søjle. Derfor er det P (τ) = 1, når τ er en transposition. Det er også klart, at P (τ) = P (τ) t, når τ er en transposition. Hvis π = τ 1 τ 2 τ k, hvor alle τ i er transpositioner, er og k det P (π) = det P (τ i ) = ( 1) k = sign π, i=1 P (π) t = [P (τ 1 ) P (τ k )] t = P (τ k ) t P (τ i ) t = P (τ k ) P (τ 1 ) = P (τ k τ i ) = P (π 1 ). Lad os betegne elementerne i D med a 1 a 2 0 (a 1, a 2,, a n ) =... 0 a n For π S n er P (π) (a 1,, a n ) = (δ iπ(j) a j ) og P (π) 1 (a 1,, a n )P (π) = (a π(1),, a π(n) ), ( ) 21
22 som man let kan regne efter. Lad os betegne P (π, a 1,, a n ) = P (π) (a 1,, a n ). Fra ( ) fås, at for π, ρ S n, a i, b j K er P (π, a 1,, a n )P (ρ, b 1,, b n ) = P (π)p (ρ)p (ρ 1 ) (a 1,, a n )P (ρ) (b 1,, b n ) = P (πρ) (a ρ(1),, a ρ(n) ) (b 1,, b n ) = P (πρ) (a ρ(1) b 1,, a ρ(n) b n ) = P (πρ, a ρ(1) b 1,, a ρ(n) b n ). Det betyder, at mængden M = {P (π, a 1,, a n ) π S n, a 1,, a n K } danner en undergruppe i G, kaldet den monomiale undergruppe. Vi har M = n!(q 1) n og M kan ses som mængden af generaliserede permutationsmatricer, hvor 1-tallerne er erstattet med elementer fra K = GF(q). (III): En stor cyklisk undergruppe og dens normalisator. Lad igen G = GL(n, q), og betragt legemet L = GF(q n ) med q n elementer. Det er klart at K = GF(q) er et dellegeme af L, og derfor kan L betragtes som et vektorrum over K. (For a K og x L er ax L). Da L = K n, må dim K L = n. Når l L, er afbildningen T l : x lx, K-lineær: For a, b K, x, y L er T l (ax + by) = l(ax + by) = alx + bly = at l (x) + bt l (y). Det er også klart, at T l1 T l2 = T l1 l 2 for l 1, l 2 L, og at T 1 = id, så når vi betragter L som K-vektorrum er T l GL(L) for alle l L. Hvis vi lader l = GF(q n ), er l = q n 1, og derfor er T l GL(L) et element af orden q n 1. Da GL(L) GL(n, K) har GL(n, q) også en stor cyklisk undergruppe C = z orden q n 1. Kan vi beregne matricerne for elementerne i C direkte? I princippet ja. Man kan få ideer ved at se i bogen Lidl & Niederreiter: Finite fields, Kap. 2. Vi betragter her tilfældet n = 2. Så er l = q 2 1. Sæt k = l q+1. Vi har k = q 1, og derfor må k = GF(q), da K = GF(q) er (den 22
23 eneste) undergruppe i GF(q 2 ) af orden q 1 (idet GF(q 2 ) jo er cyklisk). Elementerne 1 og l q er lineært uafhængige som vektorer i K-vektorrummet L. (Hvis a1 + bl q = 0, hvor a, b K, må l q = a K, en modstrid). b Vi vil gerne beregne den lineære afbildning T l s matrix med hensyn til denne basis. Lad os først bemærke, at da K og L har karakteristisk p, så gælder (c + d) p = c p + d p for alle a, d L. [Dette resultat (af Frobenius) fås fra binomialformlen og den kendsgerning, at alle binomialkoefficienter ( p i), 0 < i < p, er delelige med p]. Da q = p a fås også (c + d) q = c q + d q ( ) for alle c, d L. Betragt specielt elementet α = l + l q L. Vi har, at α q = (l + l q ) q = l q + l q2 = l q + l = α så α q 1 = 1. Dermed må α K, da α s orden i L går op i (q 1) (!) Vi kan nu let beregne T l s matrix med hensyn til {1, l q }. Vi skal skrive l 1 = l og l l q = l q+1 som K-lineære kombinationer af 1 og l q. Men per definition er l q+1 = k K, så anden søjle i T l s matrix er [ k 0 ]. Ifølge definitionen af α er l = α lq = α 1 1 l q, så første søjle i T l s matrix er [ 1 α ]. Derfor er [ ] [ ] α k l z = = q + l l q den ønskede matrix for T l, så C = z = [ α ] k 1 0 er en cyklisk gruppe af orden q 2 1 i GL(2, q). Hvis vi fortsætter med at betragte GL(2, q) som GL(L), så er afbildningen θ : c c q for c L faktisk K-lineær: Ifølge ( ) er θ(c + d) = θ(c) + θ(d) for c, d L, og når a K er θ(ac) = (ac) q = a q c q = ac q, da a q = a, når a K. Lad os også bemærke at θ = 2, da θ 2 (c) = c q2 = c for alle c L. Det er let at se, at θ s matrix med hensyn til {1, l q } er t = [ 1 α 0 1 ]. 23
24 Der gælder t 2 = I, tz = [ 1 0 k 0 ], og derfor (tz)2 = ki = [ k 0 k 0 ]. Dette er også den lineære afbildning T k s matrix, og T k = (T l ) q+1, da k = l q+1. Da z er T l s matrix fås (tz) 2 = z q+1, og derfor er tzt = z q. Dette viser, at t N G (C). Man kan vise, at C s normalisator i G ikke er større. For generelt n gælder, at [N G (C) : C] = n, og faktorgruppen N G (C)/C er cyklisk. (Huppert: Endliche Gruppen I, s. 187). (IV): GL(2, q) s andre Sylowgrupper: I afsnit (I) fandt vi bl.a. p-sylowgruppen i GL(2, q) når q = p a. (Den har orden q og er isomorf til GF(q) s additive gruppe, altså elementær-abelsk.) Lad nu r være et primtal, r p, r GL(2, q) = q(q 2 1)(q 1) = q(q + 1)(q 1) 2. Vi har altså r (q 1) 2 (q + 1). Antag først, at r = 2. Så er p (og q) ulige så q 1 og q + 1 er begge lige. Der er tale om to på hinanden følgende lige tal, så det ene er delelig med (mindst) 4, og det andet kun med 2. Hvis q 1 (mod 4) lader vi 2 b være den højeste potens af 2, som går op i q 1. Vi har b 2, og ordenen af en 2-Sylow gruppe i GL(2, q) er 2 2b+1. Lad α GF(q) have orden 2 b. Så danner {[ ] α i 0 U 1 = 0 i, j < 2 b} 0 α j en abelsk undergruppe af GL(2, q) af orden 2 2b. Men permutationsmatricen [ ] normaliserer U 1, så U = U 1, [ ] har orden 2 2b+1, og er dermed en 2-Sylow gruppe i GL(2, q). Hvis q 3 mod 4 lader vi 2 b være den højeste potens af 2, som går op i q + 1. Vi har b 2, og ordenen af en 2-Sylow gruppe i GL(n, q) er 2 b+2 (idet kun 2 går op i q 1). Lad C være den cykliske gruppe af orden q 2 1 = (q + 1)(q 1), vi fandt i (III). En 2-Sylowgruppe U 1 i C er cyklisk af orden 2 b+1 (da 2 b (q + 1) og 2 (q 1)). Elementet t, som vi fandt i (III), har orden 2 og normaliserer C, og dermed også U 1. Så er U = U 1, t 24
25 en 2-Sylowgruppe i GL(2, q). Man kan vise, at U er en såkaldt semidiedergruppe. Lad nu r > 2. Der er to tilfælde r (q 1) og r (q + 1). Hvis r (q + 1), så er en r-sylowgruppe for den cykliske gruppe C også en r-sylowgruppe for G, da r q(q 1), og G = q(q 1) C. Hvis r (q 1) lader vi α være en r-sylowgruppe i GF(q). Hvis α = r b har en r-sylowgruppe i G ordenen r 2b og kan realiseres som {[ ] α i 0 U = 0 i, j < r b} 0 α j, en abelsk gruppe. 25
26 3 Ortogonal og symplektisk geometri K version Kilde: E. Artin: Geometric algebra Lad V være et n-dimensionalt vektorrum over det vilkårlige legeme K. Vi betragter en afbildning, : V V K. Den kaldes et semiskalarprodukt hvis der gælder for alle u, v, w V og a K: u + v, w = u, w + v, w u, v + w = u, v + u, w au, v = u, v. Hvis yderligere u, av = a u, v så kaldes afbildningen et skalarprodukt. Lad igen V være det duale rum til V. Et skalarprodukt, på V inducerer på naturlig måde en afbildning φ L K (V, V ): For u V defineres φ(u) V ved φ(u)(v) = u, v. (Overvej et φ(u) V for alle u V og derefter, at φ L K (V, V ) ud fra definitionen af skalarprodukt). Vi ser, at ker φ = {u V for alle v V : u, v = 0}. Da dim V = dim V vides fra lineær algebra, at φ er en isomorfi mellem V og V hvis og kun hvis ker φ = {0}. I så tilfælde kaldes, for ikke-udartet (non-degenerate). At, er ikke-udartet betyder altså: Hvis u, v = 0 for alle v V, så er u = 0. Hvis B = {v 1, v 2,, v n } er en basis for V kaldes n n-matricen A = (a ij ), hvor a ij = v i, v j for matricen for, med hensyn til basen B. Den duale basis B = {ˆv 1,, ˆv n } til B blev i Kapitel 1 defineret ved at ˆv i (v j ) = δ ij. 26
27 Så forbinder matricen A elementerne φ(v i ) og ˆv j i V. Der gælder: φ(v i ) = n a ijˆv j. j=1 ( ) Det ses som følger: For 1 k n er på den ene side φ(v i )(v k ) = v i, v k = a ik, og på den anden side ( n ) a ijˆv j (v k ) = j=1 = n a ijˆv j (v k ) j=1 n a ij δ jk = a ik. j=1 Da φ(v i ) og n a ijˆv j stemmer overens på en basis, er de ens, så ( ) er vist. j=1 Vi konkluderer, at A er matricen, der med hensyn til baserne B og B for V og V hører til den lineære afbildning φ : V V. Derfor er (ifølge et resultat fra den lineære algebra) φ en isomorfi netop når matricen A er invertibel (dvs. den har determinant 0). Vi har vist: Lemma 3.1. Et skalarprodukt på V ikke-udartet hvis og kun hvis dets matrix med hensyn til en basis for V er invertibel (dvs. at matricen har determinant 0). Man kan beregne hvad der sker med matricen for et skalarprodukt, når man erstatter en basis i V med en anden. Lad x = (b ij ) GL(n, K). Erstat basen B = {v 1,, v n } med hvor B = {w 1,, w n }, w i = n b ki v k. k=1 27
28 Hvis A er, s matrix med hensyn til B fås, at, s matrix med hensyn til B er x t Ax: n n w i, w j = b ki v k, b lj v l = k=1 n b ki a kl b lj k,l=1 = ã ij, hvor à = (ã ij) = x t Ax. Denne beregning har også et andet aspekt. Vi kan definere isometrigruppen G, for, som følger G, = {g GL(V ) u, v V : u, v = g(u), g(v) }. Det er klart, at G, er en undergruppe i GL(V ). Hvis g G, og x er g s matrix med hensyn til B, så må, s matrix med hensyn til B og med hensyn til B = {g(v 1 ),, g(v n )} være den samme, altså A = x t Ax. Når, er ikke-udartet er det A 0, så når x er matricen for en isometri g gælder det A = det(x t Ax) = (det x) 2 det A, altså (det x) 2 = 1. Vi har vist Sætning 3.2. Når, er ikke-udartet, så har en isometri for, determinant +1 eller 1. Isometrier med determinanten +1 kaldes rotationer og isometrier med determinanten 1 kaldes reflektioner. Mængden af rotationer er netop G, SL(V ), og danner altså en normal undergruppe af index 1 eller 2 i G,. (Overvej dette.) Lad igen, være et vilkårligt skalarprodukt. Det kaldes svagt symmetrisk (forkortet s.s.), hvis der gælder l=1 For alle u, v V : u, v = 0 v, u = 0. Sætning 3.3. Lad, være s.s. Der gælder enten For alle v V : v, v = 0 eller For alle u, v V : u, v = v, u. 28
29 Bevis. Lad u, v, w V. Der gælder u, u, w v u, v w = u, u, w v u, u, v w = u, w u, v u, v u, w = 0. Da skalarproduktet er s.s. fås 0 = u, w v u, v w, u eller u, w v, u = u, v w, u, ( ) for alle u, v, w V. Sætter vi u = w fås For alle u, v V : u, u v, u = u, v u, u eller u, u ( u, v v, u ) = 0 for alle u, v V. ( ) Antag nu, at der findes v, w V så v, w w, v. Vi viser, at da for alle u V gælder u, u = 0. Hvis u, v v, u følger fra ( ) at u, u = 0. Antag altså, at u, v = v, u. Det følger fra ( ) (med u og v byttet om!) at v, w u, v = v, u w, v. Da v, w = w, v og u, v = v, u fås heraf, at u, v = v, u = 0. Ved at bytte v og w om fås analogt, at u, w = w, u = 0. Så er u + v, w = u, w + v, w = v, w w, v = w, u + w, v = w, u + v. Fra ( ) (anvendt på vektorerne u + v og w) fås, at u + v, u + v = 0. Da u, v = v, u = 0 fås 0 = u, u + v, v. Men da v, w w, v må v, v = 0 ifølge ( ) anvendt på v, w. Vi får 0 = u, u som ønsket. Definition. Et skalarprodukt, på V kaldes 29
30 symplektisk, hvis u, u = 0 for alle u V ortogonal, hvis, er s.s. og ikke symplektisk. Vi har altså ifølge Sætning 3.3, at et ortogonalt skalarprodukt er symmetrisk: u, v = v, u for alle u, v V. Lad os også bemærke, at hvis, er symplektisk, så er skalarproduktet skævsymmetrisk: (Det ses som følger: u, v = v, u for alle u, v V. 0 = u + v, u + v = u, u + u, v + v, u + v, v = u, v + v, u.) Tilvarende er selvfølgelig matricen for, med hensyn til en vilkårlig basis symmetrisk, hvis, er ortogonal (a ij = a ji ), og skævsymmetrisk, hvis, er symplektisk (a ij = a ji, a ii = 0). Et vektorrum med et symplektisk (ortogonalt) skalarprodukt kaldes et symplektisk (ortogonalt) rum. For ortogonale rum vil vi altid antage, at kar(k) 2, hvor kar(k) er K s karakteristik. Vi kalder V ikke-udartet, hvis, er ikke-udartet. I resten af dette afsnit antages, at skalarproduktet, på V er s.s. Når U V defineres U = {v V for alle u U er u, v = 0}. Det er klart, at U er et underrum af V, også selv om U eventuelt ikke er det. Når U er et underrum, så defineres radikalet rad U af U ved rad U = U U. Specielt er rad V = V. (Det er klart, at, er ikke-udartet, hvis og kun hvis rad V = {0}, men vi antager ikke at generelt,, er ikke-udartet). Lad V = U 1 U 2 U r være skrevet som direkte sum af underrummene U 1,, U r, hvilket betyder, at enhver vektor v V på præcis en måde kan skrives v = u 1 + u u r, hvor u i U i. 30
31 Vi skriver så V = U 1 U 2 U r hvis der yderligere gælder, at U i Uj for alle i j, og kalder V en ortogonal (direkte) sum af U 1,, U r. Hvis V = U 1 U 2 U r, så gælder det, at indskrænkningerne, i af, til ethvert U i er et s.s. skalarprodukt på U i. (Overvej!) Lemma 3.4. Lad V være ikke-udartet. Lad U V være et underrum. Der gælder U = U og dim U + dim U = dim V. Hvis U er ikke-udartet (dvs. rad U = {0}) er V = U U. Bevis. Definer φ U : V Û ved φ U (v)(u) = v, u for v V, u U. (Så er φ U er φ ovenfor, efterfulgt af en indskrænkning). Det er så klart, at φ U L K (V, Û), og at ker φ U = U. Derfor inducerer φ U en injektiv lineær afbildning fra V/U til Û. Specielt er altså dim V dim U = dim V/U dim Û = dim U, dim V dim U + dim U. På den anden side kan vi definere en lineær afbildning φ U : U V/U ved φ U (u )(v + U) = u, v, (u U, v + U V/U). Lad os bemærke, at hvis v + U = v + U, så er v v U, og derfor u, v v = 0, altså u, v = u, v. Derfor er φ U veldefineret. Nu er ( ) ker φ U = U rad V (overvej dette), så ker φ U = {0}, da rad V = {0}. Vi får så dim U dim V/U = dim V/U = dim V dim U, dim U + dim U V. ( ) Fra ( ) og ( ) fås dim U + dim U = dim V. Hvis vi anvender det netop beviste udsagn på underrummet U af V fås dim U + dim U = dim V, 31
32 altså dim U = dim U. Da trivielt U U = (U ) fås U = U. Det sidste udsagn i lemmaet er trivielt, da rad U = U U. Lemma 3.5. Lad V = U 1 U 2 U r. Hvis hvor u i, v i U i, så er u = u u r, v = v v r, u, v = r u i, v i = i=1 r u i, v i i. i=1 Bevis. u, v = r i,j=1 u i, v j = r i=1 u i, v i idet u i, v j = 0 når i j, idet U i U j. Da u i, v i U i er u i, v i = u i, v i i. Sætning 3.6. Lad V = U 1 U 2 U r. Der gælder rad V = rad U 1 rad U 2 rad U r. Bevis. Lad u = u 1 + u u r, hvor u i U i. Vi har u rad V For alle v V : u, v = 0 For alle i og v i U i : u, v i = 0 For alle i og v i U i : u i, v i = 0 (ifølge Lemma 3.5) For alle i : u i rad U i u rad U 1 rad U r. Lemma 3.7. Antag at V = rad V U (hvor U er et vektorrumskomplement til underrummet rad V af V ). Så gælder V = rad V U og rad U = {0}. Bevis. For v rad V og u V er v, u = 0. Specielt er v, u = 0 for v rad V, u U, så V = rad V U. At rad U = {0} følger fra Sætning 3.6. Definition. Et underrum U V kaldes isotropt, hvis u 1, u 2 = 0 for alle u 1, u 2 U. Det betyder, at U = rad U. En vektor u V kaldes isotrop hvis u, u = 0 og u 0. 32
33 Det er klart, at alle vektorer i et isotropt underrum er isotrope, men underrum bestående af isotrope vektorer er ikke isotrope. F.eks. er jo i et symplektisk rum alle vektorer isotrope! For ortogonale rum er det anderledes. Lemma 3.8. Lad V være et ortogonalt rum. Hvis alle vektorer i V er isotrope, så er V isotrop. Bevis. Lad u, v V. Vi ved fra tidligere, at u, v = v, u. ( ) På den anden side er 0 = u + v, u + v = u, u + v, v + u, v + v, u = u, v + v, u, altså u, v = v, u. ( ) Hvis vi adderer ( ) og ( ) fås 2 u, v = 0 og da (ifølge en generel antagelse for ortogonale rum) kar(k) 2 fås u, v = 0. Vi introducerer nu en vigtig byggeklods for vores rum, den hyperbolske plan. Lemma 3.9. Lad V være et ikke-udartet rum af dimension 2. Hvis V indeholder en isotrop vektor, så eksisterer der v 1, v 2 V med v 1, v 1 = v 2, v 2 = 0 og v 1, v 2 = 1 (1) Et sådant rum kaldes en hyperbolsk plan og vektorerne v 1, v 2 der opfylder (1) kaldes et hyperbolsk par. (Bemærk, at i det symplektiske tilfælde spiller rækkefølgen af v 1 og v 2 en rolle, idet så v 2, v 1 = 1). Bevis. Antag, at v 1 V er isotrop. Vælg u V ikke-proportional med v 1, så {v 1, u} er en basis for V. Betragt en linearkombination v 2 = av 1 + bu af v 1 og u, hvor a, b K. Vi forsøger at bestemme a og b, så v 2, v 2 = 0 og v 1, v 2 = 1. Vi beregner da v 1, v 1 = 0 og v 1, v 2 = a v 1, v 1 + b v 1, u ( ) = b v 1, u, v 2, v 2 = ab( v 1, u + u, v 1 ) + b 2 u, u. ( ) 33
34 Da V er ikke-udartet, er v 1, u 0. (Ellers var v 1 rad V ). Ifølge ( ) kan vi så vælge b = v 1, u 1 og få v 1, v 2 = 1. Hvis V er symplektisk er vi færdige, da så v 2, v 2 = 0 (alle vektorer er isotrope). Lad V være ortogonal. Hvis v 2, v 2 = 0 fås fra ( ) (forkort b), at vi må have 0 = a( v 1, u + u, v 1 ) + b u, u ( ) = 2a u, v 1 + b u, u. Vi har allerede fastlagt b. Da kark 2 kan ( ) løses med hensyn til a, og vi får det ønskede. Definition. V kaldes ortogonalt indekomposabel, hvis V ikke kan skrives som hvor U 1 {0} og U 2 {0}. V = U 1 U 2, Lemma Hvis V er ortogonalt indekomposabel, så er V enten ikkeudartet eller isotropt. (1) Hvis V er ortogonal er dim V = 1. (2) Hvis V er symplektisk og ikke-udartet, er V en hyperbolsk plan. Specielt er dim V = 2. Bevis. Ifølge Lemma 3.7 gælder V = rad V U for et passende underrum U af V. Der er derfor 2 muligheder: rad V = {0} eller rad V = V. Dette viser første udsagn i lemmaet. (1) Antag, at V er ortogonal. Hvis V er isotrop, må dim V = 1, da ellers V er ortogonalt dekomposabel. (Hvis V = U 1 U 2, er automatisk V = U 1 U 2!) Hvis V er ikke-udartet indeholder V ifølge Lemma 3.8 en ikke-isotrop vektor v. Ifølge Lemma 3.4 fås V = Kv (Kv), hvor (Kv) har dimension n 1. Vi får n 1 = 0, n = 1. (2) Hvis V er symplektisk og ikke-udartet, vælges v V \{0}. Da v, v = 0 og V er ikke-udartet, må der findes et u V, så v, u 0. Specielt er V Kv. Lad U = Ku + Kv, dim U = 2. Antag, at a, b K med au + bv rad U. Så er au + bv, u = b v, u = 0, da u, u = 0. Da v, u = 0 fås b = 0. Ved at betragte au + bv, v fås analogt, at a = 0. Derfor er rad U = {0}, så U er ikke-udartet. Fra Lemma 3.4 fås V = U U, så V = U. At V er en hyperbolsk plan følger nu fra Lemma
35 Dette lemma har en vigtig struktursætning som konsekvens. Sætning (1) Hvis V er ortogonal gælder V = Kv 1 Kv 2 Kv n. Rummet V er ikke-udartet hvis og kun hvis ingen af vektorerne v i er isotrope. (2) Hvis V er symplektisk og ikke-udartet gælder V = P 1 P 2 P k, hvor hvert P i er en hyperbolsk plan. Specielt har V lige dimension: 2k. Bevis. V kan skrives som en ortogonal sum af endelig mange ortogonalt indekomposable underrum. Disse har ifølge Lemma 3.10 dimension 1, når V er ortogonal, og dimension 2, når V er symplektisk og ikke-udartet. I det ortogonale tilfælde er det klart, at isotrope vektorer v i er i rad V. Vi får senere brug for følgende: Lemma Lad V være ikke-udartet. Antag at σ G, opfylder, at σ(kv) = Kv for alle v V (dvs. at σ opererer trivielt på det projektive rum). Så er σ = ± id. Bevis. Ifølge Lemma 1.14 er σ = a id for et a K. For alle u, v V må u, v = σ(u), σ(v) = au, av = a 2 u, v. Da V er ikke-udartet må a 2 = 1, altså a = ± 1. Til sidst omtales generelle isometrier. Lad, være et skalarprodukt på V og {, } et skalarprodukt på W. En vektorrumsisomorfi ρ : V W kaldes en isometri, hvis der gælder u, v = {ρ(u), ρ(v)} for alle u, v V. Det er klart, at alle væsentlige egenskaber af en geometri bibeholdes ved isometrier. For eksempel er isometrigrupperne isomorfe: Hvis x G, så er ρ x ρ 1 G {, }, 35
36 og x ρ x ρ 1 er en isomorfi mellem G, og G {, }. Hvis u, v W eksisterer u, v V, så ρ(u) = u, ρ(v) = v. Vi har nu {u, v } = {ρ(u), ρ(v)} = u, v, da ρ isometri = x(u), x(v), da x G, = {(ρ x)(u), (ρ x)(v)}, da ρ isometri = {(ρ x ρ 1 )(u ), (ρ x ρ 1 )(v )} Lemma Antag at V og W er ikke-udartede symplektiske rum af samme dimension 2k. Så eksisterer der en isometri mellem V og W. Bevis. Hvis v 1, v 2 og v 1, v 2 er to hyperbolske par, og P og P de hyperbolske planer frembragt af v 1, v 2 og v 1, v 2, fastlægges ved ρ(v 1 ) = v 1 og ρ(v 2 ) = v 2 en isometri mellem P og P. (For eksempel er {ρ(v 1 ), ρ(v 2 )} = 1 (i P ), og v 1, v 2 = 1 (i P ), så v 1, v 2 = {ρ(v 1 ), ρ(v 2 )}). Ifølge Sætning 3.11 (2) findes der hyperbolske planer P 1, P 2,, P k og P 1, P 2,, P k, så V = P 1 P 2 P k W = P 1 P 2 P k. Det er klart, at isometrierne mellem hvert P i og P i forklaret ovenfor inducerer en isometri mellem V og W. 36
37 4 Symplektiske grupper K version Det forrige kapitel ledte op til, at vi har to klasser af geometrier med dertil hørende isomorfigrupper. Vi betragter her det symplektiske tilfælde. I dette kapitel antages V at være et ikke-udartet symplektisk rum. Ifølge Sætning 3.11 er V = P 1 P 2 P n, hvor hvert P i er en hyperbolsk plan. Vi antager, at hvert P i er udspændt af et hyperbolsk par P i = Kv i + Kw i. Vi har så at dim V = 2n, V har basis B = {v 1, w 1, v 2, w 2,, v n, w n }, og der gælder for alle i, j, i j v i, v i = 0, w i, w i = 0, v i, w i = 1 v i, v j = v i, w j = w i, w j = 0. Skalarproduktets matrix med hensyn til B er altså A = En basis med hensyn til hvilken skalarproduktets matrix ser sådan ud, kaldes en symplektisk basis for V. Der findes pånær isometri kun ét ikke-udartet symplektisk rum af dimension 2n (ifølge Lemma 3.13), og derfor er deres isometrigrupper isomorfe, (jfr. Kapitel 3). Isometrigrupperne betegnes med Sp(V ) eller Sp(2n, K). Hvis matricen A er som ovenfor, gælder ifølge Kapitel 3, at Sp(2n, K) = {X GL(2n, K) X t AX = A}. Bemærkning. Hvis B er en symplektisk basis for V og g Sp(V ), så er g(b) igen en symplektisk basis for V : B = {v 1, w 1, v 2, w 2,, v n, w n }, g(b) = {g(v 1 ), g(w 1 ), g(v 2 ), g(w 2 ),, g(v n ), g(w n )}. 37
38 For eksempel er g(v i ), g(v j ) = v i, v j = 0, fordi g er en isometri. Omvendt, hvis B = {v 1, w 1, v 2, w 2,, v n, w n} er en anden symplektisk basis for V, så vil der ved h : v i v i, w i w i fastlægges et element h GL(V ). (Basis føres i basis). Men faktisk er h Sp(V ), som man let ser. Det eneste element i Sp(V ) som holder en symplektisk basis fast elementvis, er id. Vi har hermed forklaret, at Sp(V ) virker transitivt og tro på mængden af symplektiske baser for V. Da V er ikke-udartet, så er afbildningen φ L K (V, V ) defineret ved φ(u)(v) = u, v en isomorfi (jfr. Kapitel 3). For u V lader vi ũ V betegne φ(u). Vi kan med det samme afklare, hvilke transvektioner (Kapitel 1) i GL(V ) er indeholdt i Sp(V ). En generel transvektion kan skrives τ(σ, u), hvor σ V og u ker σ, og er defineret ved τ(σ, u)(v) = v + σ(v)u for alle v V. Lemma 4.1. Lad τ(σ, u) GL(V ) være en transvektion. Der gælder τ(σ, u) Sp(V ) c K : σ = cũ. Bevis. Sæt τ = τ(σ, u). Lad v, w V. Der gælder τ(v), τ(w) = v + σ(v)u, w + σ(w)u = v, w + σ(v) u, w + σ(w) v, u, da u, u = 0 (symplektisk geometri). Bemærk, at pr. definition er u, w = ũ(w) og v, u = u, v = ũ(v). Vi får derfor fra det ovenstående, at udsagnet τ Sp(V ) er ensbetydende med For alle v, w V : σ(v)ũ(w) = σ(w)ũ(v). ( ) Det er klart, at hvis σ = cũ, c K, så er ( ) opfyldt. Antag nu, at ( ) er opfyldt. Vælg w V så ũ(w) 0. Dette er muligt, da ũ V \ {0} fordi u 0. Sæt c = σ(w)ũ(w) 1. Fra ( ) fås så at σ(v) = cũ(v) for alle v V, altså σ = cũ. 38
4. Semidirekte produkter - teori og eksempler G version
4. Semidirekte produkter - teori og eksempler G4-2004-version Lad G være en gruppe, og A en undergruppe af automorfigruppen Aut(G). Vi danner en ny gruppe kaldet G A, (detsemidirekte produkt af G med A).
Læs mereMatematik YY Foråret Kapitel 1. Grupper og restklasseringe.
Matematik YY Foråret 2004 Elementær talteori Søren Jøndrup og Jørn Olsson Kapitel 1. Grupper og restklasseringe. Vi vil i første omgang betragte forskellige typer ligninger og søge efter heltalsløsninger
Læs mereOversigt over gruppeteori: definitioner og sætninger
Oversigt over gruppeteori: definitioner og sætninger (G, ) kaldesengruppe, når følgende aksiomer er opfyldt: 0) (G, ) er en organiseret (stabil) mængde: a, b G a b G 1) Den associative lov gælder, dvs.
Læs mereAlgebra2 Obligatorisk opgave
Algebra2 Obligatorisk opgave Anders Bongo Bjerg Pedersen, 070183 Eksamensnummer 45 23. maj 2005 Opgave 1 Vi har: σ = σ 6 5 = (σ 3 ) 2 (σ 5 ) 1 = (1 3 5 2 4)(8 7 6). b) Ordnen af en p-cykel er (jfr. 2.18)
Læs mere3.1 Baser og dimension
SEKTION 3 BASER OG DIMENSION 3 Baser og dimension Definition 3 Lad V være et F-vektorrum Hvis V = {0}, så har V dimension 0 2 Hvis V har en basis bestående af n vektorer, så har V dimension n 3 Hvis V
Læs mereGruppeteori Abstrakt gruppeteori Noter ved Jørn B. Olsson Version 2009
Gruppeteori Abstrakt gruppeteori Noter ved Jørn B. Olsson Version 2009.. what wealth, what a grandeur of thought may spring from what slight beginnings. (H.F. Baker on gruppebegrebet) 1 INDHOLD: 1. Lidt
Læs mereMatematik 2AL, vinteren
EO 1 Matematik 2AL, vinteren 2002 03 Det er tilladt at skrive med blyant og benytte viskelæder, så længe skriften er læselig, og udviskninger foretages grundigt. Overstregning trækker ikke ned og anbefales
Læs mereLineær Algebra F08, MØ
Lineær Algebra F08, MØ Vejledende besvarelser af udvalgte opgaver fra Ugeseddel 3 og 4 Ansvarsfraskrivelse: Den følgende vejledning er kun vejledende. Opgaverne kommer i vilkårlig rækkefølge. Visse steder
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA], 2, 3, [S] 9.-3 Nøgleord og begreber Koordinatvektorer, talpar, taltripler og n-tupler Linearkombination Underrum og Span Test linearkombination Lineær uafhængighed Standard vektorer Basis
Læs mereDefinition multiplikation En m n-matrix og en n p-matrix kan multipliceres (ganges sammen) til en m p-matrix.
Oversigt [LA] 3, 4, 5 Nøgleord og begreber Matrix multiplikation Identitetsmatricen Transponering Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse matricer Test invers
Læs mereNøgleord og begreber. Definition multiplikation En m n-matrix og en n p-matrix kan multipliceres (ganges sammen) til en m p-matrix.
Oversigt [LA] 3, 4, 5 Matrix multiplikation Nøgleord og begreber Matrix multiplikation Identitetsmatricen Transponering Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse
Læs mere6.1 Reelle Indre Produkter
SEKTION 6.1 REELLE INDRE PRODUKTER 6.1 Reelle Indre Produkter Definition 6.1.1 Et indre produkt på et reelt vektorrum V er en funktion, : V V R således at, for alle x, y V, I x, x 0 med lighed x = 0, II
Læs mereAffine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2
Affine rum I denne note behandles kun rum over R. Alt kan imidlertid gennemføres på samme måde over C eller ethvert andet legeme. Et underrum U R n er karakteriseret ved at det er en delmængde som er lukket
Læs mere8 Regulære flader i R 3
8 Regulære flader i R 3 Vi skal betragte særligt pæne delmængder S R 3 kaldet flader. I det følgende opfattes S som et topologisk rum i sportopologien, se Definition 5.9. En åben omegn U af p S er således
Læs mereTeoretiske Øvelsesopgaver:
Teoretiske Øvelsesopgaver: TØ-Opgave 1 Subtraktion division i legemer: Er subtraktion division med elementer 0 i legemer veldefinerede, eller kan et element b have mere end ét modsat element -b eller mere
Læs mereOversigt [LA] 3, 4, 5
Oversigt [LA] 3, 4, 5 Nøgleord og begreber Matrix multiplikation Identitetsmatricen Transponering Fra matrix til afbildning Fra afbildning til matrix Test matrix-afbildning Inverse matricer Test invers
Læs mere2. Gruppen af primiske restklasser.
Primiske restklasser 2.1 2. Gruppen af primiske restklasser. (2.1) Setup. I det følgende betegner n et naturligt tal større end 1. Den additive gruppe af restklasser modulo n betegnes Z/n, og den multiplikative
Læs mereLineær Algebra, TØ, hold MA3
Lineær Algebra, TØ, hold MA3 Lad mig allerførst (igen) bemærke at et vi siger: En matrix, matricen, matricer, matricerne. Og i sammensætninger: matrix- fx matrixmultiplikation. Injektivitet og surjektivitet
Læs mereLineær algebra: Matrixmultiplikation. Regulære og singulære
Lineær algebra: Matrixmultiplikation. Regulære og singulære matricer Institut for Matematiske Fag Aalborg Universitet 2011 Matrixmultiplikation Definition Definition A = [a ij ], B = [b ij ]: AB = C =
Læs mereLigningssystemer - nogle konklusioner efter miniprojektet
Ligningssystemer - nogle konklusioner efter miniprojektet Ligningssystemet Ax = 0 har mere end en løsning (uendelig mange) hvis og kun hvis nullity(a) 0 Løsningerne til et konsistent ligningssystem Ax
Læs mereNote om endelige legemer
Note om endelige legemer Leif K. Jørgensen 1 Legemer af primtalsorden Vi har i Lauritzen afsnit 2.1.1 set følgende: Proposition 1 Lad n være et positivt helt tal. Vi kan da definere en komposition + på
Læs mereDesignMat Uge 1 Gensyn med forårets stof
DesignMat Uge 1 Gensyn med forårets stof Preben Alsholm Efterår 2010 1 Hovedpunkter fra forårets pensum 11 Taylorpolynomium Taylorpolynomium Det n te Taylorpolynomium for f med udviklingspunkt x 0 : P
Læs mereTidligere Eksamensopgaver MM505 Lineær Algebra
Institut for Matematik og Datalogi Syddansk Universitet Tidligere Eksamensopgaver MM55 Lineær Algebra Indhold Typisk forside.................. 2 Juni 27.................... 3 Oktober 27..................
Læs mereGEOMETRI-TØ, UGE 12. A σ (R) = A f σ (f(r))
GEOMETRI-TØ, UGE 12 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imfaudk Opvarmningsopgave 1, [P] 632 Vis at Ennepers flade σ(u, v) = ( u u 3 /3
Læs mereVi indleder med at minde om at ( a) = a gælder i enhver gruppe.
0.1: Ringe 1. Definition: Ring En algebraisk struktur (R, +,, 0,, 1) kaldes en ring hvis (R, +,, 0) er en kommutativ gruppe og (R,, 1) er en monoide og hvis er såvel venstre som højredistributiv mht +.
Læs mereMatematik og Form: Matrixmultiplikation. Regulære og singu
Matematik og Form: Matrixmultiplikation. Regulære og singulære matricer Institut for Matematiske Fag Aalborg Universitet 2012 Matrixmultiplikation Definition Definition A = [a ij ], B = [b ij ]: AB = C
Læs mere4.1 Lineære Transformationer
SEKTION 41 LINEÆRE TRANSFORMATIONER 41 Lineære Transformationer Definition 411 ([L], s 175) Lad V, W være F-vektorrum En lineær transformation L : V W er en afbildning, som respekterer lineær struktur,
Læs mereMM05 - Kogt ned. kokken. Jacob Aae Mikkelsen. 23. januar 2007
MM05 - Kogt ned Jacob Aae Mikkelsen kokken 23. januar 2007 1 INDHOLD 1 ARITMETIK I Z Indhold 1 Aritmetik i Z 2 2 Kongruens i Z 4 3 Ringe 6 4 Aritmetik i F[x] 9 5 Kongruens i F[x] og kongruensklasse aritmetik
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA] 1, 2, 3, [S] 9.1-3 Nøgleord og begreber Koordinatvektorer, talpar, taltripler og n-tupler Linearkombination Underrum og Span Test linearkombination Lineær uafhængighed Standard vektorer Basis
Læs mereSylvesters kriterium. Nej, ikke mit kriterium. Sætning 9. Rasmus Sylvester Bryder
Sætning 9 Sylvesters kriterium Nej, ikke mit kriterium Rasmus Sylvester Bryder Inspireret af en statistikers manglende råd om hvornår en kvadratisk matrix er positivt definit uden at skulle ud i at bestemme
Læs mereBesvarelser til Lineær Algebra Ordinær Eksamen Juni 2017
Besvarelser til Lineær Algebra Ordinær Eksamen - 12. Juni 2017 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereModule 1: Lineære modeller og lineær algebra
Module : Lineære modeller og lineær algebra. Lineære normale modeller og lineær algebra......2 Lineær algebra...................... 6.2. Vektorer i R n................... 6.2.2 Regneregler for vektorrum...........
Læs mereLidt alment om vektorrum et papir som grundlag for diskussion
Definition : vektorrum, vektorer Et vektorrum er en mængde af elementer med operationerne sum (+) og numerisk multiplikation (), så følgende regler gælder for alle a, b, c og for alle reelle tal s, t R.
Læs mereLineær Algebra - Beviser
Lineær Algebra - Beviser Mads Friis 8 oktober 213 1 Lineære afbildninger Jeg vil i denne note forsøge at give et indblik i, hvor kraftfuldt et værktøj matrix-algebra kan være i analyse af lineære funktioner
Læs mere9.1 Egenværdier og egenvektorer
SEKTION 9.1 EGENVÆRDIER OG EGENVEKTORER 9.1 Egenværdier og egenvektorer Definition 9.1.1 1. Lad V være et F-vektorrum; og lad T : V V være en lineær transformation. λ F er en egenværdi for T, hvis der
Læs mereChapter 3. Modulpakke 3: Egenværdier. 3.1 Indledning
Chapter 3 Modulpakke 3: Egenværdier 3.1 Indledning En vektor v har som bekendt både størrelse og retning. Hvis man ganger vektoren fra højre på en kvadratisk matrix A bliver resultatet en ny vektor. Hvis
Læs merez 1 = z 1z 1z 1 z 1 2 = z z2z 1 z 2 2
M å l e p u n k t R i e m a n n s k G e o m e t r i E 8 J a ko b L i n d b l a d B l a ava n d 2 5 3 6 7 5 27 oktober 28 I n s t i t u t fo r M at e m at i s k e Fag A a r h u s U n i v e r s i t e t indledning
Læs mereDesignMat Uge 11 Lineære afbildninger
DesignMat Uge Lineære afbildninger Preben Alsholm Forår 008 Lineære afbildninger. Definition Definition Lad V og W være vektorrum over samme skalarlegeme L (altså enten R eller C for begge). Afbildningen
Læs mereLineær Algebra eksamen, noter
Lineær Algebra eksamen, noter Stig Døssing, 20094584 June 6, 2011 1 Emne 1: Løsninger og least squares - Løsning, ligningssystem RREF (ERO) løsninger Bevis at RREF matrix findes Løsninger til system (0,
Læs mereDet Ingeniør-, Natur- og Sundhedsvidenskabelige basisår Matematik 2A, Forår 2007, Hold 4 Opgave A Kommenteret version
Det Ingeniør-, Natur- og Sundhedsvidenskabelige basisår Matematik 2A, Forår 2007, Hold 4 Opgave A Kommenteret version Opgaven består af et antal delopgaver Disse er af varierende omfang Der er også en
Læs mereLineær algebra 1. kursusgang
Lineær algebra 1. kursusgang Eksempel, anvendelse To kendte punkter A og B på en linie, to ukendte punkter x 1 og x 2. A x 1 x 2 B Observationer af afstande: fra A til x 1 : b 1 fra x 1 til x 2 : b 2 fra
Læs mereOversigt [LA] 11, 12, 13
Oversigt [LA] 11, 12, 13 Nøgleord og begreber Ortogonalt komplement Tømrerprincippet Ortogonal projektion Projektion på 1 vektor Projektion på basis Kortest afstand August 2002, opgave 6 Tømrermester Januar
Læs mereGruppeteori. Michael Knudsen. 8. marts For at motivere indførelsen af gruppebegrebet begynder vi med et eksempel.
Gruppeteori Michael Knudsen 8. marts 2005 1 Motivation For at motivere indførelsen af gruppebegrebet begynder vi med et eksempel. Eksempel 1.1. Lad Z betegne mængden af de hele tal, Z = {..., 2, 1, 0,
Læs mereKursusgang 3 Matrixalgebra Repetition
Kursusgang 3 Repetition - froberg@mathaaudk http://peoplemathaaudk/ froberg/oecon3 Institut for Matematiske Fag Aalborg Universitet 12 september 2008 1/12 Lineære ligningssystemer Et lineært ligningssystem
Læs mereLineære normale modeller (1) udkast. 1 Flerdimensionale stokastiske variable
E6 efterår 999 Notat 8 Jørgen Larsen 22. november 999 Lineære normale modeller ) udkast Ved hjælp af lineær algebra kan man formulere og analysere de såkaldte lineære normale modeller meget overskueligt
Læs mereDiagonalisering. Definition (diagonaliserbar)
1 Diagonalisering 2 Definition (diagonaliserbar) Lad A være en n n-matrix. A siges at være diagonaliserbar hvis A er similær med en diagonal matrix, dvs. A = PDP 1, hvor D er en n n diagonal matrix og
Læs mereFacitliste 1 MAT 2AL. 5. f (x) er irreducibel i Z 5 [X].
Facitliste 1 Facitliste til eksamensopgaver Facit til de første 14 opgavesæt er blevet til paa basis af Jonas B. Rasmusssens facitliste. Han regnede størstedelen af opgaverne, medens han fulgte kurset,
Læs mereOm første og anden fundamentalform
Geometri, foråret 2005 Jørgen Larsen 9. marts 2005 Om første og anden fundamentalform 1 Tangentrummet; første fundamentalform Vi betragter en flade S parametriseret med σ. Lad P = σu 0, v 0 være et punkt
Læs mereDesignMat. Preben Alsholm. September Egenværdier og Egenvektorer. Preben Alsholm. Egenværdier og Egenvektorer
DesignMat September 2008 fortsat Eksempel : et Eksempel 4 () af I II uden I Lad V være et vektorrum over L (enten R eller C). fortsat Eksempel : et Eksempel 4 () af I II uden I Lad V være et vektorrum
Læs mereMatricer og lineære ligningssystemer
Matricer og lineære ligningssystemer Grete Ridder Ebbesen Virum Gymnasium Indhold 1 Matricer 11 Grundlæggende begreber 1 Regning med matricer 3 13 Kvadratiske matricer og determinant 9 14 Invers matrix
Læs mereBesvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 2016
Besvarelser til Lineær Algebra med Anvendelser Ordinær Eksamen 206 Mikkel Findinge http://findinge.com/ Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan.
Læs mereLineær Algebra. Lars Hesselholt og Nathalie Wahl
Lineær Algebra Lars Hesselholt og Nathalie Wahl Oktober 2016 Forord Denne bog er beregnet til et første kursus i lineær algebra, men vi har lagt vægt på at fremstille dette materiale på en sådan måde,
Læs mere1 Vektorrum. MATEMATIK 3 LINEÆR ALGEBRA M. ANV. 4. oktober Miniprojekt: Lineær algebra på polynomier
MATEMATIK 3 LINEÆR ALGEBRA M. ANV. 4. oktober 2017 Miniprojekt: Lineær algebra på polynomier Grupperne forventes at regne de små opgaver i afsnittene 1 5 i løbet af de første 4 halve dage. Dernæst tilføjes
Læs mereEgenværdier og egenvektorer
1 Egenværdier og egenvektorer 2 Definition Lad A være en n n matrix. En vektor v R n, v 0, kaldes en egenvektor for A, hvis der findes en skalar λ således Av = λv Skalaren λ kaldes en tilhørende egenværdi.
Læs mereBesvarelser til Lineær Algebra Ordinær Eksamen - 5. Januar 2018
Besvarelser til Lineær Algebra Ordinær Eksamen - 5. Januar 08 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereDesignMat Kvadratiske matricer, invers matrix, determinant
DesignMat Kvadratiske matricer, invers matrix, determinant Preben Alsholm Uge 5 Forår 010 1 Kvadratiske matricer, invers matrix, determinant 1.1 Invers matrix I Invers matrix I Definition. En n n-matrix
Læs mereOversigt [LA] 1, 2, 3, [S] 9.1-3
Oversigt [LA] 1, 2, 3, [S] 9.1-3 Nøgleord og begreber Talpar, taltripler og n-tupler Linearkombination og span Test linearkombination Hvad er en matrix Matrix multiplikation Test matrix multiplikation
Læs mereSymmetriske og ortogonale matricer Uge 7
Symmetriske og ortogonale matricer Uge 7 Preben Alsholm Efterår 2009 1 Symmetriske og ortogonale matricer 1.1 Definitioner Definitioner En kvadratisk matrix A = [ a ij kaldes symmetrisk, hvis aij = a ji
Læs mereLineær Algebra. Lars Hesselholt og Nathalie Wahl
Lineær Algebra Lars Hesselholt og Nathalie Wahl 2. udgave, oktober 207 Forord Denne bog er beregnet til et første kursus i lineær algebra, men vi har lagt vægt på at fremstille dette materiale på en sådan
Læs mere6. Fokale undergrupper, Grün s sætninger, Z grupper G version
6. Fokale undergrupper, Grün s sætninger, Z grupper G6-2004-version Vi starter med et par generelle bemærkninger. Som sædvanligt betegner G =[G, G] kommutatorundergruppen i gruppen G. (6A) Lemma: Lad H
Læs mereSymmetriske matricer
Symmetriske matricer Preben Alsholm 17. november 008 1 Symmetriske matricer 1.1 Definitioner Definitioner En kvadratisk matrix A = a ij kaldes symmetrisk, hvis aij = a ji for alle i og j. Altså hvis A
Læs mereBesvarelser til Lineær Algebra Ordinær Eksamen Juni 2018
Besvarelser til Lineær Algebra Ordinær Eksamen - 5. Juni 28 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mereØlopgaver i lineær algebra
Ølopgaver i lineær algebra 30. maj, 2010 En stor del af de fænomener, vi observerer, er af lineær natur. De naturlige matematiske objekter i beskrivelsen heraf bliver vektorrum rum hvor man kan lægge elementer
Læs mereLineær algebra: Egenværdier, egenvektorer, diagonalisering
Lineær algebra: Egenværdier, egenvektorer, diagonalisering Institut for Matematiske Fag Aalborg Universitet 2011 Egenvektorer og egenværdier Mål: Forståelse af afbildningen x Ax fra R n R n for en n n-matrix
Læs mereLINALG JULENØD 2013 SUNE PRECHT REEH
LINALG JULENØD 203 SUNE PRECHT REEH Resumé I denne julenød skal vi se på lineær algebra for heltallene Z Hvad går stadig godt? og hvad går galt? I de reelle tal R kan vi for ethvert a 0 altid finde R som
Læs mereModulpakke 3: Lineære Ligningssystemer
Chapter 4 Modulpakke 3: Lineære Ligningssystemer 4. Homogene systemer I teknikken møder man meget ofte modeller der leder til systemer af koblede differentialligninger. Et eksempel på et sådant system
Læs mereNøgleord og begreber Ortogonalt komplement Tømrerprincippet. [LA] 13 Ortogonal projektion
Oversigt [LA] 11, 12, 13 Nøgleord og begreber Ortogonalt komplement Tømrerprincippet Ortogonal projektion Projektion på 1 vektor Projektion på basis Kortest afstand August 2002, opgave 6 Tømrermester Januar
Læs mereFacitliste til nyere eksamensopgaver
Facitliste Facitliste til nyere eksamensopgaver Listen indeholder facit (eller vink) til eksamensopgaverne (i MatAL, Alg og ) fra sommeren 003 og fremefter. Bemærk, at de facitter, der står på listen,
Læs mere3. Hall undergrupper og komplementer G version
1 3. Hall undergrupper og komplementer G3-2004-version I dette kapitel betragtes kun endelige grupper. Lad altså G være en endelig gruppe. Definition: En undergruppe H i G kaldes en Hall undergruppe, hvisder
Læs mereDesignMat Uge 1 Repetition af forårets stof
DesignMat Uge 1 Repetition af forårets stof Preben Alsholm Efterår 008 01 Lineært ligningssystem Lineært ligningssystem Et lineært ligningssystem: a 11 x 1 + a 1 x + + a 1n x n = b 1 a 1 x 1 + a x + +
Læs mereSymmetriske og ortogonale matricer Uge 6
Symmetriske og ortogonale matricer Uge 6 Preben Alsholm Efterår 2010 1 Symmetriske og ortogonale matricer 1.1 Skalarprodukt og Cauchy-Schwarz ulighed Skalarprodukt og Cauchy-Schwarz ulighed Det sædvanlige
Læs mereSymmetri. - i tapetmønstre
Symmetri - i tapetmønstre MAT 4. SEMESTER PROJEKT GRUPPE G3-114 MATEMATIK & STATISTIK AALBORG UNIVERSITET DEN 23. MAJ 2012 Institut for Matematiske Fag Fredrik Bajers Vej 7G 9220 Aalborg Ø Telefon 99
Læs mereDesignMat Uge 2. Preben Alsholm. Efterår Lineære afbildninger. Preben Alsholm. Lineære afbildninger. Eksempel 2 på lineær.
er DesignMat Uge 2 er er lineær lineær lineær lineære er I smatrix lineære er II smatrix I smatrix II Efterår 2010 Lad V og W være vektorrum over samme skalarlegeme L (altså enten R eller C for begge).
Læs mereMordell s Sætning. Henrik Christensen og Michael Pedersen. 17. december 2003
Mordell s Sætning Henrik Christensen og Michael Pedersen 17. december 2003 Mordells sætning siger at gruppen C(Q) af rationale punkter over en ellipse C er en endeligt frembragt abelsk gruppe. Elliptiske
Læs mere= λ([ x, y)) + λ((y, x]) = ( y ( x)) + (x y) = 2(x y).
Analyse 2 Øvelser Rasmus Sylvester Bryder 17. og 20. september 2013 Supplerende opgave 1 Lad λ være Lebesgue-målet på R og lad A B(R). Definér en funktion f : [0, ) R ved f(x) = λ(a [ x, x]). Vis, at f(x)
Læs mereNoter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec.
Noter om Komplekse Vektorrum, Funktionsrum og Differentialligninger LinAlg 2004/05-Version af 16. Dec. 1 Komplekse vektorrum I defininitionen af vektorrum i Afsnit 4.1 i Niels Vigand Pedersen Lineær Algebra
Læs mereFigur. To ligninger i to ubekendte. Definition Ved m lineære ligninger med n ubekendte forstås. Definition 6.4 Givet ligningssystemet
Oversigt [LA] 6, 7, 8 Nøgleord og begreber Lineære ligningssystemer smængdens struktur Test løsningsmængde Rækkereduktion Reduceret matrix Test ligningssystem Rækkeoperationsmatricer Rangformlen Enten-eller
Læs mereLineære 1. ordens differentialligningssystemer
enote 7 enote 7 Lineære ordens differentialligningssystemer Denne enote beskriver ordens differentialligningssystemer og viser, hvordan de kan løses Der bruges egenværdier og egenvektorer i løsningsproceduren,
Læs mere1 Vektorrum. MATEMATIK 3 LINEÆR ALGEBRA 6. oktober 2016 Miniprojekt: Lineær algebra på polynomier
MATEMATIK 3 LINEÆR ALGEBRA 6. oktober 2016 Miniprojekt: Lineær algebra på polynomier Grupperne forventes at regne en mængde af opgaver, som tilsammen dækker 100 point. De små opgaver giver hver 5 point,
Læs mereMATEMATIK 3 AL. Klassisk Algebra. Christian U. Jensen. Typeset by AMS-TEX
MATEMATIK 3 AL Klassisk Algebra Christian U. Jensen 2004 Typeset by AMS-TEX Matematisk Afdeling Universitetsparken 5 2100 København Ø c 2004 Matematisk Afdeling FORORD TIL 1998-UDGAVEN At lære og at tilegne
Læs mereOversigt [LA] 10, 11; [S] 9.3
Oversigt [LA] 1, 11; [S] 9.3 Nøgleord og begreber Repetition: enhedsvektor og identitetsmatrix Diagonalmatricer Diagonalisering og egenvektorer Matrixpotens August 22, opgave 2 Skalarprodukt Længde Calculus
Læs mereHilbert rum. Chapter 3. 3.1 Indre produkt rum
Chapter 3 Hilbert rum 3.1 Indre produkt rum I det følgende skal vi gøre brug af komplekse såvel som reelle vektorrum. Idet L betegner enten R eller C minder vi om, at et vektorrum over L er en mængde E
Læs mereForelæsningsnoter til. Lineær Algebra. Niels Vigand Pedersen. Udgivet af. Asmus L. Schmidt. Københavns Universitet Matematisk Afdeling
Forelæsningsnoter til Lineær Algebra Niels Vigand Pedersen Udgivet af Asmus L Schmidt Københavns Universitet Matematisk Afdeling August Revideret 9 ii udgave, oktober 9 Forord Gennem en særlig aftale varetages
Læs mereSkriftlig eksamen Vejledende besvarelse MATEMATIK B (MM02)
SYDDANSK UNIVERSITET ODENSE UNIVERSITET INSTITUT FOR MATEMATIK OG DATALOGI Skriftlig eksamen Vejledende besvarelse MATEMATIK B (MM2) Fredag d. 2. januar 22 kl. 9. 3. 4 timer med alle sædvanlige skriftlige
Læs mereIndhold. 5. Vektorrum og matricer Koordinattransformationer
Indhold Lineære afbildninger og matricer Talrummene R n, C n Matricer 8 3 Lineære afbildninger 4 Matrix algebra 8 5 Invers matrix 6 6 Transponeret og adjungeret matrix 9 Række- og søjleoperationer Lineære
Læs mereGEOMETRI-TØ, UGE 8. X = U xi = {x i } = {x 1,..., x n }, U α, U α = α. (X \ U α )
GEOMETRI-TØ, UGE 8 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imf.au.dk. Opvarmningsopgave 1. Lad X være en mængde og T familien af alle delmængder
Læs mereBesvarelser til Lineær Algebra Ordinær eksamen - 6. Juni 2016
Besvarelser til Lineær Algebra Ordinær eksamen - 6. Juni 2016 Mikkel Findinge Bemærk, at der kan være sneget sig fejl ind. Kontakt mig endelig, hvis du skulle falde over en sådan. Dette dokument har udelukkende
Læs mere1.1 Legemer. Legemer er talsystemer udstyret med addition og multiplikation, hvor vi kan regner som vi plejer at gøre med de reelle tal.
SEKTION 11 LEGEMER 11 Legemer Legemer er talsystemer udstyret med addition og multiplikation, hvor vi kan regner som vi plejer at gøre med de reelle tal Definition 111 Et legeme F er en mængde udstyret
Læs mere2010 Matematik 2A hold 4 : Prøveeksamen juni 2010
1 of 7 31-05-2010 13:18 2010 Matematik 2A hold 4 : Prøveeksamen juni 2010 Welcome Jens Mohr Mortensen [ My Profile ] View Details View Grade Help Quit & Save Feedback: Details Report [PRINT] 2010 Matematik
Læs mereMatematik for økonomer 3. semester
Matematik for økonomer 3. semester cand.oecon. studiet, 3. semester Planchesæt 2 - Forelæsning 3 Esben Høg Aalborg Universitet 10. september 2009 Institut for Matematiske Fag Aalborg Universitet Esben
Læs mere12.1 Cayley-Hamilton-Sætningen
SEKTION 12.1 CAYLEY-HAMILTON-SÆTNINGEN 12.1 Cayley-Hamilton-Sætningen Sætning 12.1.1 (Cayley-Hamilton) Lad A Mat n,n (C). Så gælder p A (A) =. Sætningen gælder faktisk over et vilkårligt legeme, men vi
Læs mere1.1. n u i v i, (u, v) = i=1
1.1 1. Hilbert rum 1.1. Hilbert rum og deres geometri. Definition 1.1. Et komplekst vektor rum V kaldes et indre produkt rum (eller præ-hilbert rum), når det er forsynet med en funktion (, ): V V C, som
Læs mereEuler-karakteristik for fusionskategorier
Euler-karakteristik for fusionskategorier Martin Wedel Jacobsen 17. april 2010 Indledning Der findes mange forskellige metoder til delvis klassifikation af endelige grupper. En af de mest velkendte er
Læs mereLokalt ekstremum DiploMat 01905
Lokalt ekstremum DiploMat 0905 Preben Alsholm Institut for Matematik, DTU 6. oktober 00 De nition Et stationært punkt for en funktion af ere variable f vil i disse noter blive kaldt et egentligt saddelpunkt,
Læs mereMatematik: Struktur og Form Matrixmultiplikation. Regulære og singulære matricer
Matematik: Struktur og Form Matrixmultiplikation. Regulære og singulære matricer Martin Raussen Department of Mathematical Sciences Aalborg University 2017 1 / 12 Matrixmultiplikation Am n = [aij ], Bn
Læs mere3. Operatorer i Hilbert rum
3.1 3. Operatorer i Hilbert rum 3.1. Riesz repræsentationssætning og den adjungerede operator. Vi vil nu se mere systematisk på lineære afbildninger mellem Hilbert rum. Der er en tradition for at afbildninger
Læs mereGEOMETRI-TØ, UGE 6. . x 1 x 1. = x 1 x 2. x 2. k f
GEOMETRI-TØ, UGE 6 Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imfaudk Opvarmningsopgave 1 Lad f : R 2 R være tre gange kontinuert differentierbar
Læs mereUnderrum - generaliserede linjer og planer
1 Om miniprojekt 2 2 Kirchoffs love. Opstil lineære ligningssystemer og løs dem. 0-1-matricer. Systematisk information om grafer/netværk (som i Dagens anvendelse kursusgang 9): Flyforbindelser. Skemalægning.
Læs mereKvadratiske matricer. enote Kvadratiske matricer
enote enote Kvadratiske matricer I denne enote undersøges grundlæggende egenskaber ved mængden af kvadratiske matricer herunder indførelse af en invers matrix for visse kvadratiske matricer. Det forudsættes,
Læs mere