Vektorknippen och tensorfält

Storlek: px
Starta visningen från sidan:

Download "Vektorknippen och tensorfält"

Transkript

1 Analys 360 En Webbaserad Analyskurs Differentialtopologi Vektorknippen och tensorfält Anders Källén MatematikCentrum LTH

2 Vektorknippen och tensorfält 1 (10) 1 Introduktion Tensorer är en typ av objekt som är viktiga i vissa delar av den matematiska fysiken, såsom kontinummekaniken och den allmänna relativitetsteorin. Inom differentialtopologin generaliseras och geometriseras dessa till s.k. vektorknippen, vilka är målet för detta kapitel. Vektorknippen över en mångfald är en naturlig generalisering av tangentknippen. Dessa var en mångfald så konstruerad att den bestod av alla tangentrum till en given mångfald, så hopsatta att tangentrummen T x M varierade glatt med baspunkten x på M. I ett vektorknippe har vi på samma sätt satt ett givet vektorrum, som alltså inte behöver vara tangentrummet, i varje punkt, och satt ihop det hela så att resultatet är en glatt mångfald. Efter att ha gått igenom definitionen, och också gett en alternativ formulering av denna definition, så ska vi sedan se hur man med hjälp av gamla vektorknippen kan konstruera nya. I den processen kommer vi att speciellt konstruera en uppsättning vektorrum som konstrueras ur tangentrummet till en mångfald, nämligen de tensorrum som fysiken är intresserad av. Därefter ska vi se hur man kan förse ett givet vektorknippe med mer struktur, såsom en orientering eller en metrik. Och slutligen ska vi ge på det hela ur ett annat perspektiv, som bygger mer på symmetrier. Och som därför har fått bilda bas för den matematiska formuleringen av partikelfysiken. 2 Vad är ett vektorknippe? Ett (reellt) vektorknippe består av två glatta mångfalder E och M och en glatt, surjektiv avbildning π : E M sådan att för varje x M fibern E x = π 1 (x) är ett n-dimensionellt reellt vektorrum. Dessutom ska vi lokalt ha att om (U, φ) är en karta på M, så gäller att det finns en karta Φ : π 1 (U) U R n, sådana att mängderna (π 1 (U), Φ) ska utgöra en atlas på E och restriktionen av Φ till en fiber E x, x U, ska vara en linjär isomorfi mellan E x och R n. Det totala rummet E är en n + k-dimensionell mångfald om M är en k-dimensionell mångfald och fiberdimensionen är n. Vi kallar E för totalrummet, M för basrummet och π är en projektion av det förra på det andra, och vi säger att E är ett vektorknippe av rangen n över M om fiberdimensionen är n. Anmärkning Om ɛ i = (0,..., 1,..., 0) är den i:te basvektorn i R n kan vi sätta e i (x) = Φ 1 (x, ɛ i ), x U. Vi får då glatta avbildningar e i : U E sådana att alla vektorer v E x kan skrivas v = i v ie i (x). Vi kan uttrycka detta som att identifikationen π 1 (U) = U R n sker genom att vi lokalt väljer vektorerna e i. Det är nu bekvämt att införa följande terminologi. En glatt avbildning s : M E sådan att π s = id M kallas en sektion av E. Villkoret innebär att för varje x M gäller

3 Vektorknippen och tensorfält 2 (10) att s(x) E x. Om detta är sant i en öppen delmängd U M talar vi om en lokal sektion. I en koordinatomgivning (π 1 (U i ), Φ i ) gäller för en sektion s att vi kan skriva Φ i (s(x)) = (x, s i (x)) där s i : U R n. Anmärkning Ett vektorknippe har alltid en sektion, nämligen nollsektionen s(x) = 0, x M. Med hjälp av nollsektionen kan vi se M som undermångfald till E. Om ett vektorknippe E över M är diffeomorft med M R n, sägs det vara trivialt. Det är ekvivalent med att det finns n stycken sektioner s i som är linjärt oberoende överallt. En sådan uppsättning (ordnade) sektioner kallas en ram på E. Vi har alltså att om det finns en global ram på E är E trivialt, medan definitionen av vektorknippe innebär att det i en omgivning till varje punkt finns en lokal ram. Det finns en alternativ beskrivning av vektorknippen som utgår ifrån en atlas {(U i, φ i )} på M och tillhörande trivialiseringar (π 1 (U i ), Φ i ) av E. Motsvarande övergångsfunktioner Φ ij = Φ j Φ 1 i kan skrivas Φ ij (x, v) = (x, g ij (x)v) där g ij är inverterbara n n-matriser. Annorlunda uttryckt, övergångsfuktionerna på E beskrivs av funktioner Dessa uppfyller de s.k. kocykel-villkoren g ij : U i U j GL(n, R). g ij g ji = id, g ij g jk = g ik. (1) För en sektion s gäller att den i lokala koordinater uppfyller s i (x) = g ij (x)s j (x), x U i U j. Anmärkning Vi kan också definiera komplexa vektorknippen om vi istället använder C n i stället för R 2n. Då tar vi alltså komplexa matriser. Om M är en komplex mångfald och alla g ij är holomorfa säges M vara ett holomorft vektorknippe. Vi återkommer till detta längre fram i detta kapitel. Komplexa vektorknippen är alltså reella vektorknippen av dubbla dimensionen, men har mer struktur p.g.a. den komplexa strukturen på C. Anmärkning Ett vektorknippe vars fiberdimension är ett kallas ett linjeknippe. Lägg märke till att om det är ett vektorknippe över C, så är den reella fiberdimensionen 2. Det är ofta användbart att betrakta t.ex. tangentknippen till en 2-dimensionell yta som komplexa linjeknippen. Anmärkning Hur går vi då från beskrivningen av ett vektorknippe i form av övergångsmatriser, till ett vektorknippe enligt vår ursprungliga definition? Vi börjar med att på mängden E = i I(U i R n {i}) M R n I införa relationen (x, t, i) (x, t, j) x = x och t = g ij (x)t.

4 Vektorknippen och tensorfält 3 (10) P.g.a. (1) är detta en ekvivalensrelation, och vi sätter E = E / som vi förser med kvottoplogin och låter κ : E E vara den kanoniska projektionen. Ur projektionen E X induceras en kontinuerig projektion π : E X för vilken π 1 (x) får strukturen av ett n-dimensionellt vektorrum över R. Det gäller att π 1 (U i ) = κ(u i R n {i}) och κ : U i R n {i} π 1 (U i ) är homeomorfismer. Om vi låter Φ i vara inverserna till dessa följer påståendet om vi identifierar U i R n {i} med U i R n Vi tar nu och tittar på några exempel. Exempel 1 Om M är en glatt mångfald så är dess tangentknippe T M ett vektorknippe på M. Det beskrivs i form av övergångsfunktioner till en given atlas {(U i, φ i )} på M med hjälp av g ij = d(φ j φ 1 i ) i φ i (U i U j ). Om vi låter y 1,..., y n vara de lokala koordinaterna i U j och x 1,..., x n de lokala koordinaterna i U i, så betyder det att g ij = ( y ν / x µ ), alltså funktionalmatrisen för koordinatbytet. I fysiken definierar man objekt som vid variabelbyte transformeras med hjälp av funktionalmatrisen på detta sätt som vektorer. Det innebär att man alltid arbetar i lokala koordinater. Exempel 2 Tangentknippet till enhetssfären S n i R n+1 ges av T S n = {(x, v) S n R n+1 ; v x}. För att konstruera trivialiseringar definierar vi för varje x S n den öppna mängden U x som består av den (öppna) halvsfär som har x som nordpol. Definiera φ x : π 1 (U x ) U x T x S n genom φ x (y, v) = (y, p x (v)), där p x är den ortogonala projektionen på hyperplanet T x S n. Då är (π 1 (U x ), φ x ) en karta om vi identifierar T x S n med R n. Av dessa är tangentknippena till S 1, S 3 och S 7 triviala. Det är de enda som är det, och att orsaken till att det är så har att göra med att det bara är på R 2, R 4 och R 8 man kan definiera en multiplikation (förutom R förstås). Vi börjar med n = 1. Om vi sätter v(x) = ( x 2, x 1 ), så är sektionen x (x, v(x)) aldrig noll på T S 1. Det betyder att T S 1 är trivialt, och en trivialisering ges av inversen till avbildningen S 1 R (x, t) (x, tv(x)) T S 1. Detta blir klarare om vi identifierar R 2 med C. Vektorfältet är då z iz och z, iz är ortogonala vektorer. Anledningen till att T S 3 är trivialt är på samma sätt Hamiltons kvartioner H. Dessa innebär att vi skriver x R 4 som z = x 1 + x 2 i + x 3 j + x 4 k där ij = ji = k, kj = jk = i, ki = ik = j och i 2 = j 2 = k 2 = ijk = 1. Med hjälp av dessa definierar vi följande tre vektorfält (x 1, x 2, x 3, x 4 ) ( x 2, x 1, x 4, x 3 ) d.v.s. z iz (x 1, x 2, x 3, x 4 ) ( x 3, x 4, x 1, x 2 ) d.v.s. z jz. (x 1, x 2, x 3, x 4 ) ( x 4, x 3.x 2.x 1 ) d.v.s. z kz

5 Vektorknippen och tensorfält 4 (10) Man ser lätt att de är parvis ortogonala, och därmed en ram på T S 3 som alltså är trivialt. Den underliggande orsaken till att detta fungerar är att kvarterionmultiplikationen uppfyller zw = z w där. är den vanliga längdmätningen i R 4. Kvarterionerna 1, i, j, k bildar den vanlig ON-basen och vi får en ny ON-bas genom att multiplicera alla dessa med en kvarterion z S 3. Samma konstruktion fungerar för Cayleys oktoner, som man kan tänka på som H H med en multiplikation definierad av (z 1, z 2 )(w 1, w 2 ) = (z 1 w 1 w 2 z 2, z 2 w 1 + w 2 z 1 ). De uppfyller nyckelegenskapen zw = z w. Så om vi imiterar konstruktionen ovan får vi sju stycken ortogonala tangentvektorer på S 7. Exempel 3 Ett annat vektorknippe hörande till en hyperyta är normalknippet. För S n innebär det vektorknippet med totalrum (T S n ) = {(x, v) S n R n+1 ; v = tx för något t R.} Detta är ett trivialt 1-dimensionellt vektorknippe, där trivialiseringen ges av inversen till avbildningen S n R (x, t) (x, tx) T S n. Exempel 4 Parametrisera S 1 med e iθ och definiera Möbiusknippet på S 1 som {(e iθ L θ } S 1 R 2, där L θ är de 1-dimensionella linjerna som ges av te iθ/2, t R. En lokal trivialisering fås av t.ex. ψ : L S 1 \p (e iθ, ce iθ/2 ) (e iθ, c) S 1 \p R. Denna trivialisering kan inte utvidgas kontinuerligt till punkten p. Exempel 5 Det reella projektiva n-planet P n är rummet av linjer i R n+1 genom origo. Eftersom en sådan linje skär enhetssfären S n i antipodala punkter kan vi alternativt se det projektiva rummet som att vi identifierar antipodala punkter på enhetssfären. Det kanoniska linjeknippet, också kallat Hopfknippet, γ 1 n på P n definieras just som det underrum till P n R n+1 som består av par (l, v) med v l. En övertäckning av det projektiva rummet ges av de n+1 mängderna U i = {x; x i 0} och motsvarande karta är φ i (x) = x 1 i (x 0,..., x i 1, x i,..., x n ). Det betyder att Φ i : φ 1 i (U i ) U i R n ges av Φ i ([x], tx) = ([x], tx i ). Ur det följer sedan att övergångsfunktionerna för γn 1 ges av g ij (x) = x j /x i i U i U j. Hopfknippet γ 1 1 över P 1 S 1 är isomorft med Möbiusknippet. Vi går över γ 1 1 med hjälp en linje som roterar vinkeln π, så vi får en rektangel [0, π] R med sidorna {0} R och {π} R identifierade. Identifikationen är (0, x) (π, x) eftersom en vektor som roterats vinkeln π producerar sig själv i motsatt riktning. Om s är en sektion av Hopfknippet så kan vi lyfta den till en glatt avbildning Ψ : S n γ 1 n sådan att Ψ( x) = Ψ(x). Men det betyder att Ψ(x) = ([x], f(x)x) där f : S n R är sådan att f( x) = f(x). Enligt medelvärdessatsen finns då minst ett nollställe till f. Det följer att alla sektioner av Hopfknippet är noll någonstans, och alltså är Hopfknippet inte ett trivialt knippe för något n. Till det kanonska linjeknippet har vi också ett ortogonalt komplement i form av vektorknippet (γ 1 n) = {(l, v) P n R n+1 ; v l.}

6 Vektorknippen och tensorfält 5 (10) 3 Direkta summan av vektorknippen Ur givna vektorknippen kan man konstruera nya. För detta börjar vi med följande observation som lämnas som övning. Exempel 6 En avbildning f mellan två vektorknippen E och F på M ges av en glatt avbildning f : E F sådan att f(e x ) F x och f x : E x F x är linjär. Då blir nollrummet till f ett underknippe N(f) E och värderummet V (f) ett underknippe till F om och endast om f är av konstant rang överallt. En närliggande konstruktion finns i nästa lemma. Lemma 1 Låt (E, π, M) vara ett vektorknippe och f : N M en glatt avbildning. Då finns ett vektorknippe (f E, π, N) sådant att f E x E f(x). Anmärkning Avbildningen f kallas tillbakadragningen av E från M till N. Om {(U i, φ i )} är en atlas på M så ges övergångsfunktionerna av g ij f i f 1 (U i ) f 1 U j ) och en sektion s av E dras uppenbarligen tillbaka till en sektion f s = s f av f E. Bevis. Per definition har vi att f E = {(y, v) N E; f(y) = π(v)} och π (y, v) = y. Tillbakadragningen av ett trivialt knippe är trivialt eftersom då består f E av alla (y, x, v) med x = f(y), vilket gör faktorn M överflödig. Alternativt kan vi se det som att en ram s i av E leder till en ram f s i av f E. Men detta visar också att f E är lokalt trivialt om E är det. Ur detta följer att om A M är en delmängd så får vi ett vektorknippe på A från ett vektorknippe på M. Ett underknippe F E är en samling underrum F x E x sådana att F = x F x är en undermångfald till E. Det senare betyder att det till varje x M finns en karta (U, φ) och en trivialisering (med E U = π 1 (U)) sådan att Φ : E U U R n Φ F : F U U R k U R n. Det innebär att E:s övergångsmatriser ser ut som ( ) huv (x) k g UV (x) = UV (x) 0 j UV (x) på U V. Här ser vi att F har övergångsfunktionerna h UV och matriserna j UV är övergångsfunktioner för kvotknippet E/F vars fibrer är E x /F x. En annan konstruktion är den kartesiska produkten av två vektorknippen (E i, π i, M i ), i = 1, 2 som vi skriver (E 1 E 2, π 1 π 2, M 1 M 2 ). Konstruktionen är uppenbar. Detta för oss till den direkta summan av de två vektorknippena över samma mångfald M. Den definieras av E 1 E 2 = {(v 1, v 2 ) E 1 E 2 ; π 1 (v 1 ) = π 2 (v 2 )}

7 Vektorknippen och tensorfält 6 (10) och är alltså restriktionen av E 1 E 2 till diagonalen M = {(x, x) M M}. Fibrerna är naturligtvis den direkta summan av motsvarande fibrer. Den direkta summan av två triviala vektorknippen är naturligtvis också trivialt, men det kan hända att två icke-triviala, eller ett icke-trivialt och ett trivialt, vektorknippes direkta summa blir trivialt. Exempel 7 För tangentknippet T S n och dess normalknippe (T S n ) gäller att T S n (T S n ) S n R n+1. Den direkta summan består ju av tripletter (x, v, tx) där x S n, t R och v x, och avbildningen (x, v, tx) (x, v + tx) ger en isomorfism mellan den direkta summan och S n R n+1 Exempel 8 Om γ 1 n är det kanoniska linjeknippet på P n, ser vi på samma sätt att avbildningen (l, v, w) (l, v + w) definierar en isomorfism mellan den direkta summan γ 1 n (γ 1 n) och P n R n+1. I fallet n = 1 är (γ 1 1) isomorf med γ 1 1; använd multiplikation med i, och vi har sett att γ 1 1 är isomorf med Möbiusknippet över S 1 = P 1, så det följer ur detta att den direkta summan av två Möbiusknippen är ett trivialt vektorknippe. För att se detta geometriskt inbäddar vi Möbiusknippet i det trivala knippet S 1 R 2 genom att ta linjen i fibern {θ} R 2 som har vinkeln θ/2 med x-axeln, och då gäller att de ortogonala fibrerna bildar ett andra Möbiusknippe. 4 Tensorprodukter av vektorknippen Om vi har två vektorknippen (E i, π i, M), i = 1, 2 över samma mångfald M kan vi konstruera ett nytt vektorknippe E 1 E 2 vars fibrer består av tensorprodukterna av fibrerna i de två vektorknippena. Den enklaste beskrivningen av denna får vi om vi karakteriserar vektorknippet genom sina övergångsmatriser istället. Till en given atlas {(U i, φ i )} på M, låt dessa vara g 1 ij respektive g 2 ij för de två vektorknippena. Då kommer tensorprodukten att definieras av övergångsfunktionerna g 1 ij g 2 ij i U i U j. Givet ett vektorrum V definieras dess duala rum V som de linjära reellvärda avbildningarna på V. Till en linjär isomorfism Φ x : E x V har vi den duala isomorfism är Φ t x : V E x. Det följer att (Φ t x) 1 : E x V är isomorfismer. Om nu E är ett vektorknippe så kan vi med hjälp av denna observation konstruera det duala knippet E och vi ser då att om g ij är övergångsfunktionerna för en övertäckning för E, så följer att övergångsfunktionerna av E ges av (g t ij) 1. Med hjälp av tensorprodukten och ett vektorknippe och dess dual kan vi definiera allmänna tensorrum T j,k (E) = ( j 1E) ( k 1E ). Till T 0,k (E) finns några viktiga underknippen, nämligen först de alternerande k-linjära formerna Λ k (E ). När k = n är detta ett linjeknippe med övergångsfunktioner det g ij. På motsvarande sätt har vi underknippet av symmetriska k-linjära former Sym k (E ) Ett vektorfält på en mångfald M är en sektion av tangentk nippet T M. På motsvarande sätt är en 1-form på M en sektion av dess dual, kotangentknippet T M. Allmännare

8 Vektorknippen och tensorfält 7 (10) definieras en k-form på M som en sektion av Λ k (T M). Lokalt, om (U, φ) är en koordinatomgivning på M och om x är de vanliga koordinaterna i R n och ɛ i är enhetsvektorn i x i, så definierar vi φi (x) = (dφ 1 )(φ(x))(ɛ i ). Dessa blir ett vektorfält på U, och vi ser att ett godtyckligt vektorfält på U kan skrivas k 1 a i(x) φi (x). På motsvarande sätt kan vi skriva en 1-form lokalt som i a idφ i, där dφ i är den duala basen till φi. Genom att bilda produkter av tangentknippen och kotangentknippen får vi tensorknippena T r,s (M) = ( r 1T M) ( s 1T M) av typ (r, s). Ett element i T r,s sägs vara kovariant av ordning r och kontravariant av ordning s. En sektion av T r,s (M) sägs vara en (r, s) tensor på M. Notera att bland (0, k)-tensorerna har vi sektionerna av Λ k (T M), alltså k-formerna på M. Ett annat delknippe är S k (T M) som består av alla k-linjära och symmetriska former. Ett annat sätt att se konstruktionen av tensorknippena utifrån ett givet vektorknippe E utgår ifrån en atlas på E med övergångsfunktioner {g ij }. Vi har ju att alla g ij GL(n, R) och om vi tar en grupphomomorfism ρ : GL(n, R) GL(n, R), alltså en avbildning sådan att ρ(ab) = ρ(a)ρ(b) och ρ(id) = id, så kan vi ur E definiera ett nytt vektorknippe E ρ genom att använda samma atlas med övergångsfunktionerna ρ(g ij ). Vi har då att a) med ρ(a) = A får vi E ρ = E, b) med ρ(a) = (A t ) 1 får vi E ρ = E, c) m.m. På detta sätt har vi en bekväm metod att associera nya vektorknippen till ett givet. 5 Orienterade vektorknippen Det finns olika sätt att lägga mer struktur på ett vektorknippe. Vi ska nu se på några exempel och börjar med orientering. Om vi har två baser e, e på ett vektorrum V, så gäller att det finns ett A GL(V ) sådan att e = Ae. Eftersom det A är antingen positivt eller negativt, kan vi dela upp baserna i två ekvivalensklasser genom att utgå ifrån en bas och säga att alla baser med positiv determinant på A (relativt denna givna bas) utgör den ena klassen, och de med negativ determinant den andra. Den första klassen svarar mot att vi endast betraktar baser svarande mot element i komponenten GL + (V ) av GL(V ). Att välja en av dessa ekvivalensklasser av baser är detsamma som att välja en orientering av V. En alternativ beskrivning av detta får vi genom att observera att Λ n (V ) är ett 1-dimensionellt rum och att element ω Λ n (V ) är sådana att ω(av 1,..., Av n ) = det Aω(v 1,..., v n ). Att välja en orientering på V är därför detsamma som att välja ett element i Λ n (V ). Detta överförs naturligt till vektorknippen E. Den lokala trivialiseringen innebär att vi väljer en lokal ram, och av kontinuitetsskäl måste den bevara orienteringen i närliggande

9 Vektorknippen och tensorfält 8 (10) fibrer. För att vi ska kunna orientera hela knippet måste det gå att gå från en lokal trivialisering till en annan utan att orienteringen ändras, vilket är ekvivalent med att varje övergångsmatris har positiv determinant. Vi kan alltså säga att vi har ett orienterat vektorknippe om övergångsfunktionerna alla ligger i undergruppen GL + (n, R). Alternativt kan vi beskriva det som att vi fixerar ett element i Λ n (E ) som aldrig är noll. Vi orienterar en mångfald M genom att välja en orientering på dess tangentknippe T M. Anmärkning Vi kan notera att att orientera ett vektorknippe är något annat än att orientera totalrummet E som en mångfald. I det senare fallet ska vi ju orientera tangentknippet T E. Vi säger att (E, π, M) är ett G-vektorknippe, där G är en undergrupp till GL(n, V ), om det gäller att alla övergångsmatriser g ij (x) G. Detta ger mer struktur åt vektorknippet, och att orientera det är ett första exempel. 6 Vektorknippen med en skalärprodukt En annan struktur vi kan lägga på ett vektorknippe är en skalärprodukt. Det innebär att vi i varje fiber definierar en icke-singulär, positivt definit, bilinjär form på sådant sätt att den varierar kontinuerligt med basrummet. Ett annat sätt att uttrycka det är att vi tar en sektion av den symmetriska tensorprodukten S 2 (E ). Om vektorknippet E är försett med en skalärprodukt och E 0 E är ett underknippe, så är även E 0, vars fibrer består av E 0x, ett underknippe. Bevis. Låt (U, φ) vara en karta på M runt en punkt x sådan att π 1 (U) E 0 U (R m 0) U R n genom en ortonormerad ram e 1,..., e m på U. Vi kan då komplettera den till en ortonormerad ram i E x och överföra den till en ram i π 1 (U). Genom Gram-Schmidts ortogonaliseringsförfarande kan vi sedan göra den ortonormerad i varje fiber i π 1 (U), och detta så att vi får en glatt ram för π 1 (U) E 0. Därmed har vi utvidgat vår ram för E 0 till en ram för E som avbildar E 0 på U R m och E 0 på U R n m. Det vi har visat är alltså att om det finns en skalärprodukt på ett vektorknippe E på M och E 0 är ett underknippe till E, så finns ett underknippe E 0 till E sådant att E 0 E 0 E. Anmärkning Vi kan notera att E 0 E/E 0. Med en positivt definit skalärprodukt på E kan vi alltid välja de vektorfält som definierar våra lokala trivialiseringar så att de utgör en ortonormerad bas. Det betyder att vi betraktar (E, π, M) som ett O(n)-vektorknippe, där O(n) är den ortogonala undergruppen till GL(n, R). Lemma 2 Varje reellt vektorknippe har en positivt definit skalärprodukt. Bevis. I varje trivialisering kan vi alltid dra tillbaka den euklidiska skalärprodukten i R n till π 1 (U). Vidare gäller att om g och g skalärpodukter, så är alla linjärkombinationer på formen (1 t)g+t g, 0 t 1, också positivt definita skalärprodukter, vilket gör att vi kan sätta ihop skalärprodukterna i trivialiseringarna till en globalt definierad skalärprodukt med hjälp av en partition av enheten.

10 Vektorknippen och tensorfält 9 (10) Anmärkning Notera att beviset fungerar därför att vi har positivt definita former. Argumentet fungerar inte för indefinita former. Lemma 3 Om M är kompakt finns till varje knippe (E, π, M) ett knippe (E, π, M) sådant att E E är ett trivialt knippe. Bevis. I syfte att motivera konstruktionen, antag först att det är sant och att E = M R N. Vi kan då konstruera en avbildning E R N som är en linjär isomorfism i varje fiber. Det vi ska göra i beviset är att vända på logiken här: först konstruera en avbilding E R N som är en linjär injektion i varje fiber, och sedan visa att detta ger en inbäddning av E i M R N som en direkt summand. Varje punkt x M har en omgivning U x över vilken E är trivial. Tag φ x : M [0, 1] sådan att φ x = 0 utanför U x och φ x (x) 0. Mängderna φ 1 x ((0, 1]) utgör då en öppen övertäckning av M. Eftersom M är kompakt har denna en ändlig delövertäckning (U i, φ i ), i = 1,..., M. Definiera sedan g i : E R n genom g i (v) = φ i (π(v))(π i h i (v)) där π i h i är sammansättningen av den lokala trivialiseringen h i : π 1 (U i ) U i R n och projektionen π i på R n. Då är g i en linjär injektion på varje fiber över φ 1 i ((0, 1]). Sätt g = (g 1,..., g M ) : E R M, som också blir en linjär injektion på varje fiber. Paret f = (π, g) definierar nu en avbildning E M R N. Bilden av denna är ett underknippe eftersom projektionen av R N på den i:te R n -faktorn ger den andra koordinaten i den lokala trivialiseringen över φ i ((0, 1]). Det följer att E är isomorf med ett underknippe till M R N. Från det föregående lemmat följer att det finns ett komplement-knippe E sådant att E E är isomorft med M R N. En mångfald M vars tangentknippe T M är försedd med en positivt definit skalärprodukt kallas en Riemannsk mångfald. Dess metrik är då alltså en sektion av S 2 (T M) och kan skrivas i lokala koordinater x 1,..., x n på M som n g = g ij (x)dx i dx j. i,j=1 Detta kan generaliseras till skalärprodukter som inte är positivt definita. Vi måste bara välja en lämplig kvadratisk form Q i R n att utgå ifrån. Vi kan sedan alltid välja vår bas ortonormerad i överförd mening, och om vi väljer att hålla oss till sådana så gör vi en reduktion av GL(V ) till den ortogonala undergruppen O(V, Q). Anmärkning För indefinita metriker gäller emellertid att de inte måste finnas det är inte säkert att en given mångfald har en indefinit skalärprodukt av en viss typ. T.ex. kan man visa att S 2 inte har någon metrik av Minkowskityp. 7 Ramknippen och dess associerade vektorrum Vi ska nu titta närmare på relationen mellan gruppen GL(n, R n ) och ett vektorknippe E av rang n över en mångfald M. Vi börjar med att betrakta endast ett vektorrum V. Om e 0 är en ordnad bas för V, så vet vi att varje annan bas e för V fås med hjälp av en matris A GL(n, R n ) genom e = e 0 A. Låt mängden av baser på V betecknas F (V ). Vi har då gjort två viktiga observationer:

11 Vektorknippen och tensorfält 10 (10) a) Gruppen GL(n, R) opererar från vänster på V genom (v, A) Av, medan den opererar från höger på F (V ) genom (e, A) ea. Vidare ser vi att avbildningen är en isomorfism. R A : F (V ) e ea F (V ), A GL(n, R) b) När vi valt ett e 0 så ser vi att vi kan identifiera F (V ) och G genom att e och A identifieras om e = e 0 A. Eftersom G är en mångfald (den är en öppen delmängd av ett vektorrum), betyder det att även F (V ) är en mångfald. Vidare har vi att om vi kan rekonstruera V ur F (V ) på följande sätt. Låt v V vara en given vektor. Till varje bas e F (V ) finns då ett x(e) R n sådant att v = ex(e). Om vi byter bas till ea ändras koordinaterna till x(ea) = A 1 x(e). Om vi därför tar alla par (e, x) i F (V ) R n och inför ekvivalensrelationen (e, x) (ea, A 1 x), så gäller att F (V ) R n / blir detsamma som V. Låt nu E vara ett vektorknippe på M. Vi ska då konstruera en ny mångfald (ej vektorknippe) som består av alla baser i någon fiber till E. Vi definierar alltså mängden F (E) = F (E x ). x M Då opererar GL(n, R n ) på fibrerna i F (E) på samma sätt som ovan. Vidare, om π 1 (U) är en karta på E, så finns en lokal ram e 0 definierad på U som definierar denna trivialisering. Då gäller att varje annan lokal ram e på U kan skrivas e = e 0 A där A : U GL(n, R n ). Vi ser därför att vi lokalt kan identifiera motsvarande del av F (E) över U med U GL(n, R n ) genom att e(x) svarar mot (x, A(x)). Eftersom detta är en glatt mångfald, ser vi att även F (E) är en glatt mångfald, som vi kallar ramknippet för E. Vi har en naturlig projektion från F (E) M som vi också kan kalla π (den gör ju samma sak som π på E: identifierar baspunkt). Varje fiber π 1 (x) är isomorf med GL(n, R n ). Från F (E) kan vi rekonstruera E precis som ovan: vi använder samma ekvivalensrelation fast nu på E R n. Men vi kan utvidga detta. Om ρ är en grupphomomorfism på GL(n, R n ), och vi istället använder ekvivalensen (e, x) (ea, ρ(a 1 )x), så får vi det associerade vektorknippet E ρ. Följande observation är nu viktig. En sektion s : M E ρ kan uppfattas som en funktion f : F (E) R n som är sådan att R Af = f R A = ρ(a 1 ) f. Processen är som följer. Till x M tar vi e π 1 (x) och sedan det f(e) R n som bestäms av att s(x) = ef(e). Vi ser att f(e) utgör koordinaterna i den givna basen e, och transformationslagen beskriver hur sektionen ändrar koordinater när vi byter bas. Detta svarar mot den klassiska tensorlärans transformationslagar. Antag nu att vi lägger lite mer struktur på E, t.ex. kan vi ge det en orientering. Vi är då naturligtvis endast intresserade av baser med samma orientering, och diskussionen ovan fungerar exakt lika bra om vi ersätter gruppen GL(n, R n ) med gruppen GL + (n, R n ) av inverterbara matriser med positiv determinant. På samma sätt, om vi har en positivt definit metrik på E så kanske vi endast är intresserade av ortonormerade baser, och då byter vi ut GL(n, R n ) mot gruppen O(n) av ortogonala matriser istället. Vi ser att vi får mer struktur på E genom att reducera den grupp vi arbetar med.

Övningar. MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Avd. Matematik. Linjär algebra 2. Senast korrigerad:

Övningar. MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Avd. Matematik. Linjär algebra 2. Senast korrigerad: MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Avd. Matematik Linjär algebra 2 Senast korrigerad: 2006-02-10 Övningar Linjära rum 1. Låt v 1,..., v m vara vektorer i R n. Ge bevis eller motexempel till

Läs mer

Om ortonormerade baser i oändligtdimensionella rum

Om ortonormerade baser i oändligtdimensionella rum Analys 360 En webbaserad analyskurs Funktionsutvecklingar Om ortonormerade baser i oändligtdimensionella rum Anders Källén MatematikCentrum LTH anderskallen@gmail.com Om ortonormerade baser i oändligtdimensionella

Läs mer

Övningar. c) Om någon vektor i R n kan skrivas som linjär kombination av v 1,..., v m på precis ett sätt så. m = n.

Övningar. c) Om någon vektor i R n kan skrivas som linjär kombination av v 1,..., v m på precis ett sätt så. m = n. Övningar Linjära rum 1 Låt v 1,, v m vara vektorer i R n Ge bevis eller motexempel till följande påståenden Satser ur boken får användas a) Om varje vektor i R n kan skrivas som linjär kombination av v

Läs mer

1 Linjära ekvationssystem. 2 Vektorer

1 Linjära ekvationssystem. 2 Vektorer För. 1 1 Linjära ekvationssystem Gaußelimination - sriv om systemet för att få ett trappformat system genom att: byta ordningen mellan ekvationer eller obekanta; multiplicera en ekvation med en konstant

Läs mer

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Linjära avbildningar II Innehåll Repetition:

Läs mer

Linjär Algebra, Föreläsning 2

Linjär Algebra, Föreläsning 2 Linjär Algebra, Föreläsning 2 Tomas Sjödin Linköpings Universitet Geometriska vektorer, rummen R n och M n 1 En (geometrisk) vektor är ett objekt som har storlek och riktning, men inte någon naturlig startpunkt.

Läs mer

Andragradspolynom Några vektorrum P 2

Andragradspolynom Några vektorrum P 2 Låt beteckna mängden av polynom av grad högst 2. Det betyder att p tillhör om p(x) = ax 2 + bx + c där a, b och c är reella tal. Några exempel: x 2 + 3x 7, 2x 2 3, 5x + π, 0 Man kan addera två polynom

Läs mer

SF1624 Algebra och geometri Tentamen med lösningsförslag onsdag, 11 januari 2017

SF1624 Algebra och geometri Tentamen med lösningsförslag onsdag, 11 januari 2017 SF64 Algebra och geometri Tentamen med lösningsförslag onsdag, januari 7. (a) För vilka värden på k har ekvationssystemet (med avseende på x, y och z) kx + ky + z 3 x + ky + z 4x + 3y + 3z 8 en entydig

Läs mer

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Linjära avbildningar IV Innehåll Nollrum och

Läs mer

17. Övningar ÖVNINGAR Låt F och G vara avbildningar på rummet, som i basen e = {e 1,e 2,e 3 } ges av. x 1 x 2 2x 2 + 3x 3 2x 1 x 3

17. Övningar ÖVNINGAR Låt F och G vara avbildningar på rummet, som i basen e = {e 1,e 2,e 3 } ges av. x 1 x 2 2x 2 + 3x 3 2x 1 x 3 192 17 ÖVNINGAR 17. Övningar 17.1. Låt F och G vara avbildningar på rummet, som i basen e = {e 1,e 2,e 3 } ges av F(eX) = ey = e x 1 x 2 2x 2 + 3x 3 2x 1 x 3, G(eX) = e x 1 x 2 x 2 2 x 2 + x 3 Undersök

Läs mer

1. (Dugga 1.1) (a) Bestäm v (3v 2u) om v = . (1p) and u =

1. (Dugga 1.1) (a) Bestäm v (3v 2u) om v = . (1p) and u = Kursen bedöms med betyg,, 5 eller underkänd, där 5 är högsta betyg. För godkänt betyg krävs minst poäng från uppgifterna -7. Var och en av dessa sju uppgifter kan ge maximalt poäng. För var och en av uppgifterna

Läs mer

1 som går genom punkten (1, 3) och är parallell med vektorn.

1 som går genom punkten (1, 3) och är parallell med vektorn. KTH Matematik Extra uppgifter på linjär algebra SF1621 Analytiska metoder och linjär algebra 2 för OPEN och T Förkunskaper Obs en del av detta är repetition från förra kursen Men innan ni ens börjar med

Läs mer

SF1624 Algebra och geometri

SF1624 Algebra och geometri Föreläsning 16 Institutionen för matematik KTH 5 december 2017 Modul 6 Veckans arbete 1. Idag: Ortonormalt, kap 7.1-7.2 a. Ortogonala och ortonormala baser b. Gram-Schmidts metod c. Ortogonala matriser

Läs mer

Analys på en torus. MatematikCentrum LTH

Analys på en torus. MatematikCentrum LTH Analys på en torus Anders Källén MatematikCentrum LTH anderskallen@gmail.com Sammanfattning I den här artikeln ska vi diskutera differentialgeometri på en torus, både inbäddad som en badring i rummet och

Läs mer

Linjära avbildningar. Låt R n vara mängden av alla vektorer med n komponenter, d.v.s. x 1 x 2. x = R n = x n

Linjära avbildningar. Låt R n vara mängden av alla vektorer med n komponenter, d.v.s. x 1 x 2. x = R n = x n Linjära avbildningar Låt R n vara mängden av alla vektorer med n komponenter, d.v.s. R n = { x = x x. x n } x, x,..., x n R. Vi räknar med vektorer x, y likandant som i planet och i rymden. vektorsumma:

Läs mer

1 De fyra fundamentala underrummen till en matris

1 De fyra fundamentala underrummen till en matris Krister Svanberg, mars 2012 1 De fyra fundamentala underrummen till en matris 1.1 Definition av underrum En given delmängd M av IR n säges vara ett underrum i IR n om följande gäller: För varje v 1 M,

Läs mer

Oändligtdimensionella vektorrum

Oändligtdimensionella vektorrum Oändligtdimensionella vektorrum Vi har i den här kursen huvudsakligen studerat ändligtdimensionella vektorrum. Dessa är mycket användbara objekt och matriskalkyl ger en bra metod att undersöka dom med.

Läs mer

MVE022 Urval av bevis (på svenska)

MVE022 Urval av bevis (på svenska) MVE22 Urval av bevis (på svenska) J A S, VT 218 Sats 1 (Lay: Theorem 7, Section 2.2.) 1. En n n-matris A är inverterbar precis när den är radekvivalent med indentitesmatrisen I n. 2. När så är fallet gäller

Läs mer

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A SF1624 Algebra och geometri Lösningsförslag till tentamen 2010-10-22 DEL A (1) Uttrycket (x, y, z) (1, 1, 1) + s(1, 3, 0) + t(0, 5, 1) definierar ett plan W i rummet där s och t är reella parametrar. (a)

Läs mer

Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 9 juni 2011 kl

Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 9 juni 2011 kl 1 Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 9 juni 2011 kl 08.00-1.00. OBS: Inga hjälpmedel är tillåtna på tentamensskrivningen. Bonuspoäng

Läs mer

TMV166 Linjär algebra för M, vt 2016

TMV166 Linjär algebra för M, vt 2016 TMV166 Linjär algebra för M, vt 2016 Lista över alla lärmål Nedan följer en sammanfattning av alla lärmål i kursen, uppdelade enligt godkänt- och överbetygskriterier. Efter denna lista följer ytterligare

Läs mer

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister Vektorgeometri för gymnasister Per-Anders Svensson http://w3.msi.vxu.se/users/pa/vektorgeometri/gymnasiet.html Institutionen för datavetenskap, fysik och matematik Linnéuniversitetet Vektorer i planet

Läs mer

Om immersioner och Whitneys inbäddningssats

Om immersioner och Whitneys inbäddningssats Analys 360 En Webbaserad Analyskurs Differentialtopologi Om immersioner och Whitneys inbäddningssats Anders Källén MatematikCentrum LTH anderskallen@gmail.com Om immersioner och Whitneys inbäddningssats

Läs mer

Geometriska vektorer

Geometriska vektorer Föreläsning 1, Linjär algebra IT VT2008 1 Geometriska vektorer De begrepp som linjär algebra kretsar kring är vektorer och matriser Dessa svarar mot datorernas fält (`arra') av dimension ett respektive

Läs mer

Linjär algebra på några minuter

Linjär algebra på några minuter Linjär algebra på några minuter Linjära ekvationssystem Ekvationssystem: { Löses på matrisform: ( ) ( ) I det här fallet finns en entydig lösning, vilket betyder att determinanten av koefficientmatrisen

Läs mer

Egenvärden och egenvektorer

Egenvärden och egenvektorer Föreläsning 10, Linjär algebra IT VT2008 1 Egenvärden och egenvektorer Denition 1 Antag att A är en n n-matris. En n-vektor v 0 som är sådan att A verkar som multiplikation med ett tal λ på v, d v s Av

Läs mer

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A SF64 Algebra och geometri Lösningsförslag till tentamen 04-05-0 DEL A. Planet P innehåller punkterna (,, 0), (0, 3, ) och (,, ). (a) Bestäm en ekvation, på formen ax + by + cz + d = 0, för planet P. (

Läs mer

Doktorandkurs i flera komplexa variabler, vt 2010

Doktorandkurs i flera komplexa variabler, vt 2010 Doktorandkurs i flera komplexa variabler, vt 2010 Frank Wikström 10 februari 2010 Frank Wikström () Doktorandkurs i flera komplexa variabler, vt 2010 10 februari 2010 1 / 20 Dagens program Plurisubharmoniska

Läs mer

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna Uppsala Universitet Matematiska Institutionen Bo Styf LAoG I, 5 hp ES, KandMa, MatemA -9-6 Sammanfattning av föreläsningarna 3-7 Föreläsningarna 3 7, 8/ 5/ : Det viktigaste är här att du lär dig att reducera

Läs mer

FFM234, Klassisk fysik och vektorfält - Föreläsningsanteckningar

FFM234, Klassisk fysik och vektorfält - Föreläsningsanteckningar FFM234, Klassisk fysik och vektorfält - Föreläsningsanteckningar Christian Forssén, Institutionen för fysik, Chalmers, Göteborg, Sverige Sep 11, 2017 12. Tensorer Introduktion till tensorbegreppet Fysikaliska

Läs mer

8. Euklidiska rum 94 8 EUKLIDISKA RUM

8. Euklidiska rum 94 8 EUKLIDISKA RUM 94 8 EUKLIDISKA RUM 8. Euklidiska rum Definition 8.. En skalärprodukt på vektorrummet V är en funktion som till varje par av element u och v i V ordnar ett reellt tal u v eller u v med följande egenskaper:.

Läs mer

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A SF64 Algebra och geometri Lösningsförslag till tentamen 533 DEL A Planet H ges av ekvationen 3x y + 5z + a) Bestäm en linje N som är vinkelrät mot H ( p) b) Bestäm en linje L som inte skär planet H ( p)

Läs mer

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Linjära avbildningar I Innehåll En liten tillbakablick:

Läs mer

19. Spektralsatsen Spektralsatsen SPEKTRALSATSEN

19. Spektralsatsen Spektralsatsen SPEKTRALSATSEN 9 SPEKTRALSATSEN 9. Spektralsatsen 9.. Spektralsatsen Symmetriska avbildningar är en viktig klass av linjära avbildningar. Vi kommer nedan att formulera ett antal viktiga resultat för dessa avbildningar

Läs mer

LINJÄR ALGEBRA II LEKTION 8+9

LINJÄR ALGEBRA II LEKTION 8+9 LINJÄR ALGEBRA II LEKTION 8+9 JOHAN ASPLUND Innehåll. Kvadratiska former. Allmänna linjära avbildningar Matriser för allmänna linjära avbildningar. Uppgifter Extrauppgift från tenta Extrauppgift från tenta

Läs mer

Föreläsningsanteckningar Linjär Algebra II Lärarlyftet

Föreläsningsanteckningar Linjär Algebra II Lärarlyftet Föreläsningsanteckningar Linjär Algebra II Lärarlyftet Per Alexandersson Föreläsning I Timme I: Repetition av matriser, linjära ekvationssystem Linjärt ekvationssystem: x + y + z 3w = 3 2x + y + z 4w =

Läs mer

4x az = 0 2ax + y = 0 ax + y + z = 0

4x az = 0 2ax + y = 0 ax + y + z = 0 LUNDS TEKNISKA HÖGSKOLA MATEMATIK TENTAMENSSKRIVNING LINJÄR ALGEBRA 206-03-4 kl 8 3 INGA HJÄLPMEDEL Lösningarna skall vara försedda med ordentliga motiveringar Alla koordinatsystem får antas vara ortonormerade

Läs mer

Norm och QR-faktorisering

Norm och QR-faktorisering Norm och QR-faktorisering Skalärprodukten på C n (R n ) hänger ihop med några viktiga klasser av matriser. För en komplex matris A betecknar vi med A H det Hermitiska konjugatet till A, dvs A H = A T.

Läs mer

Crash Course Algebra och geometri. Ambjörn Karlsson c januari 2016

Crash Course Algebra och geometri. Ambjörn Karlsson c januari 2016 Crash Course Algebra och geometri Ambjörn Karlsson c januari 2016 ambjkarlsson@gmail.com 1 Contents 1 Projektion och minsta avstånd 4 2 Geometriska avbildningar och avbildningsmatriser 5 3 Kärnan 6 3.1

Läs mer

Lösningar till utvalda uppgifter i kapitel 1

Lösningar till utvalda uppgifter i kapitel 1 Lösningar till utvalda uppgifter i kapitel. Vi utnyttjar definitionen av skalärprodukt som ger att u v u v, där α är (minsta) vinkeln mellan u v. I vårt fall så får vi 7 =. Alltså är den sökta vinkeln

Läs mer

6.1 Skalärprodukt, norm och ortogonalitet. TMV141 Linjär algebra E VT 2011 Vecka 6. Lärmål 6.1. Skalärprodukt. Viktiga begrepp

6.1 Skalärprodukt, norm och ortogonalitet. TMV141 Linjär algebra E VT 2011 Vecka 6. Lärmål 6.1. Skalärprodukt. Viktiga begrepp 6.1 Skalärprodukt, norm och ortogonalitet TMV141 Linjär algebra E VT 2011 Vecka 6 Skalärprodukt Norm/längd Normerad vektor/enhetsvektor Avståndet mellan två vektorer Ortogonala vektorer Ortogonala komplementet

Läs mer

Inför tentamen i Linjär algebra TNA002.

Inför tentamen i Linjär algebra TNA002. Inför tentamen i Linjär algebra TNA002. 1. Linjära ekvationssytem (a) Omskrivningen av ekvationssystem på matrisform samt utföra radoperationer. (b) De 3 typer av lösningar som dyker upp vid lösning av

Läs mer

1. (a) (1p) Undersök om de tre vektorerna nedan är linjärt oberoende i vektorrummet

1. (a) (1p) Undersök om de tre vektorerna nedan är linjärt oberoende i vektorrummet 1 Matematiska Institutionen, KTH Lösningar till tentamensskrivning på kursen Linjär algebra, SF1604, för CDA- TE, CTFYS och vissa CL, fredagen den 13 mars 015 kl 08.00-13.00. Examinator: Olof Heden. OBS:

Läs mer

1 Ortogonalitet. 1.1 Skalär produkt. Man kan tala om vinkel mellan vektorer.

1 Ortogonalitet. 1.1 Skalär produkt. Man kan tala om vinkel mellan vektorer. Ortogonalitet Man kan tala om vinkel mellan vektorer.. Skalär produkt Vi definierar längden (eller normen) av en vektor som ett reellt tal 0 (Se boken avsnitt.). Vi definierar skalär produkt (Inner product),

Läs mer

Frågorna 1 till 6 ska svaras med ett kryss för varje korrekt påstående. Varje uppgift ger 1 poäng.

Frågorna 1 till 6 ska svaras med ett kryss för varje korrekt påstående. Varje uppgift ger 1 poäng. ATM-Matematik Mikael Forsberg 34-4 3 3 Matematik med datalogi, mfl. Linjär algebra mag4 6 3 Skrivtid: 9:-4:. Inga hjälpmedel. Lösningarna skall vara fullständiga och lätta att följa. Börja varje ny uppgift

Läs mer

Linjär Algebra, Föreläsning 9

Linjär Algebra, Föreläsning 9 Linjär Algebra, Föreläsning 9 Tomas Sjödin Linköpings Universitet Euklidiska rum Vi ska nu införa en extra struktur på vektorrum, en så kallad skalärprodukt, vilken vi kan använda för att definiera längd

Läs mer

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Areor, vektorprodukter, volymer och determinanter

Läs mer

LÖSNINGAR LINJÄR ALGEBRA LUNDS TEKNISKA HÖGSKOLA MATEMATIK

LÖSNINGAR LINJÄR ALGEBRA LUNDS TEKNISKA HÖGSKOLA MATEMATIK LUNDS TEKNISKA HÖGSKOLA MATEMATIK LÖSNINGAR LINJÄR ALGEBRA 2017-10-2 1 Om vi skriver ekvationssystemet på matrisform AX = Y, så vet vi att systemet har en entydig lösning X = A 1 Y då det A 0 Om det A

Läs mer

LINJÄRA AVBILDNINGAR

LINJÄRA AVBILDNINGAR LINJÄRA AVBILDNINGAR Xantcha november 05 Linjära avbildningar Definition Definition En avbildning T : R Ñ R (eller R Ñ R ) är linjär om T pau ` bvq at puq ` bt pvq för alla vektorer u, v P R (eller u,

Läs mer

1 Grundläggande kalkyler med vektorer och matriser

1 Grundläggande kalkyler med vektorer och matriser Krister Svanberg, mars 2015 1 Grundläggande kalkyler med vektorer och matriser Trots att läsaren säkert redan behärskar grundläggande vektor- och matriskalkyler, ges här i Kapitel 1 en repetition om just

Läs mer

{ 1, om i = j, e i e j = 0, om i j.

{ 1, om i = j, e i e j = 0, om i j. 34 3 SKALÄPRODUKT 3. Skaläprodukt Definition 3.. Skalärprodukten mellan två vektorer u och v definieras där θ är vinkeln mellan u och v. u v = u v cos θ, Anmärkning 3.. Andra beteckningar för skalärprodukt

Läs mer

6. Matriser Definition av matriser 62 6 MATRISER. En matris är ett rektangulärt schema av tal: a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A =

6. Matriser Definition av matriser 62 6 MATRISER. En matris är ett rektangulärt schema av tal: a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A = 62 6 MATRISER 6 Matriser 6 Definition av matriser En matris är ett rektangulärt schema av tal: A a a 2 a 3 a n a 2 a 22 a 23 a 2n a m a m2 a m3 a mn Matrisen A säges vara av typ m n, där m är antalet rader

Läs mer

16.7. Nollrum, värderum och dimensionssatsen

16.7. Nollrum, värderum och dimensionssatsen 170 16 LINJÄRA AVBILDNINGAR 16.7. Nollrum, värderum och dimensionssatsen Definition 16.33. Låt F : V W vara en linjär avbildning. 1. Nollrummet till F definierar vi som mängden av alla u V, vilkas bild

Läs mer

DEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 17 april 2010 kl

DEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 17 april 2010 kl Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF604, den 7 april 200 kl 09.00-4.00. DEL I. En triangel i den tredimensionella rymden har sina hörn i punkterna

Läs mer

DEL I 15 poäng totalt inklusive bonus poäng.

DEL I 15 poäng totalt inklusive bonus poäng. Matematiska Institutionen KTH TENTAMEN i Linjär algebra, SF604, den 5 december, 2009. Kursexaminator: Sandra Di Rocco Svaret skall motiveras och lösningen skrivas ordentligt och klart. Inga hjälpmedel

Läs mer

Föreläsning 3, Linjär algebra IT VT Skalärprodukt

Föreläsning 3, Linjär algebra IT VT Skalärprodukt Föreläsning 3, Linjär algebra IT VT2008 1 Skalärprodukt Denition 1 Låt u oh v vara två vektorer oh låt α vara minsta vinkeln mellan dem Då denierar vi skalärprodukten u v genom u v = u v os α Exempel 1

Läs mer

(d) Mängden av alla x som uppfyller x = s u + t v + (1, 0, 0), där s, t R. (e) Mängden av alla x som uppfyller x = s u där s är ickenegativ, s 0.

(d) Mängden av alla x som uppfyller x = s u + t v + (1, 0, 0), där s, t R. (e) Mängden av alla x som uppfyller x = s u där s är ickenegativ, s 0. TM-Matematik Mikael Forsberg, 734-4 3 3 Rolf Källström, 7-6 93 9 För Campus och Distans Linjär algebra mag4 och ma4a 6 5 Skrivtid: 9:-4:. Inga hjälpmedel. Lösningarna skall vara fullständiga och lätta

Läs mer

Möbiusavbildningar. 1 Inledning. Låt a, b, c och d vara komplexa tal och antag att ad bc = 0. Då kallas. Definition 1.

Möbiusavbildningar. 1 Inledning. Låt a, b, c och d vara komplexa tal och antag att ad bc = 0. Då kallas. Definition 1. Möbiusavbildningar Lars-Åke Lindahl 1 Inledning Definition 11 avbildningen en Möbiusavbildning Låt a, b, c och d vara komplexa tal och antag att ad bc = 0 Då kallas Tz = az + b cz + d (Om ad bc = 0 är

Läs mer

Linjär algebra på 2 45 minuter

Linjär algebra på 2 45 minuter Linjär algebra på 2 45 minuter π n x F(x) Förberedelser inför skrivningen Den här genomgången täcker förstås inte hela kursen. Bra sätt att lära sig kursen: läs boken, diskutera med kompisar, gå igenom

Läs mer

ax + y + 4z = a x + y + (a 1)z = 1. 2x + 2y + az = 2 Ange dessutom samtliga lösningar då det finns oändligt många.

ax + y + 4z = a x + y + (a 1)z = 1. 2x + 2y + az = 2 Ange dessutom samtliga lösningar då det finns oändligt många. LUNDS TEKNISKA HÖGSKOLA MATEMATIK TENTAMENSSKRIVNING Linjär algebra 8 kl 4 9 INGA HJÄLPMEDEL. För alla uppgifterna, utom 3, förklara dina beteckningar och motivera lösningarna väl. Alla baser får antas

Läs mer

DEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604 för D, den 5 juni 2010 kl

DEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604 för D, den 5 juni 2010 kl 1 Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF164 för D, den 5 juni 21 kl 9.- 14.. Examinator: Olof Heden. Hjälpmedel: Inga hjälpmedel är tillåtna på tentamensskrivningen.

Läs mer

SF1624 Algebra och geometri Lösningsförsag till modelltentamen

SF1624 Algebra och geometri Lösningsförsag till modelltentamen SF1624 Algebra och geometri Lösningsförsag till modelltentamen DEL A (1) a) Definiera begreppen rektangulär form och polär form för komplexa tal och ange sambandet mellan dem. (2) b) Ange rötterna till

Läs mer

e = (e 1, e 2, e 3 ), kan en godtycklig linjär

e = (e 1, e 2, e 3 ), kan en godtycklig linjär Linjära avbildningar II Förra gången visade vi att givet en bas i rummet, e = (e 1, e 2, e 3 ), kan en godtycklig linjär avbildning F : R 3 R 3 representeras av en matris: Om vi betecknar en vektor u:s

Läs mer

0 Allmänt. Följande delar behöver man kunna utöver avsnitten som beskrivs senare i dokumentet.

0 Allmänt. Följande delar behöver man kunna utöver avsnitten som beskrivs senare i dokumentet. Linja r algebra TATA (del) Allmänt Följande delar behöver man kunna utöver avsnitten som beskrivs senare i dokumentet. Matrisekvationer och Gauss-elimination o Parameterform Allmänt om vektorer o Räknelagar

Läs mer

. b. x + 2 y 3 z = 1 3 x y + 2 z = a x 5 y + 8 z = 1 lösning?

. b. x + 2 y 3 z = 1 3 x y + 2 z = a x 5 y + 8 z = 1 lösning? Repetition, Matematik 2, linjär algebra 10 Lös ekvationssystemet 5 x + 2 y + 2 z = 7 a x y + 3 z = 8 3 x y 3 z = 2 b 11 Ange för alla reella a lösningsmängden till ekvationssystemet 2 x + 3 y z = 3 x 2

Läs mer

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A SF1624 Algebra och geometri Lösningsförslag till tentamen 14129 DEL A 1 (a) Bestäm linjen genom punkterna A = (,, 1) och B = (2, 4, 1) (1 p) (b) Med hjälp av projektion kan man bestämma det kortaste avståndet

Läs mer

. (2p) 2x + 2y + z = 4 y + 2z = 2 4x + 3y = 6

. (2p) 2x + 2y + z = 4 y + 2z = 2 4x + 3y = 6 Kursen bedöms med betyg, 4, 5 eller underkänd, där 5 är högsta betyg För godkänt betyg krävs minst 4 poäng från uppgifterna -7 Var och en av dessa sju uppgifter kan ge maximalt poäng För var och en av

Läs mer

SF1624 Algebra och geometri

SF1624 Algebra och geometri Föreläsning 10 Institutionen för matematik KTH 21 november 2016 Dagens och veckans ämnen Idag: Allmänna vektorrum, baser, koordinater, kap 4.1-4.4: Vektorrum och delrum, igen Bas, igen Koordinater med

Läs mer

Prov i matematik Civilingenjörsprogrammen EL, IT, K, X, ES, F, Q, W, Enstaka kurs LINJÄR ALGEBRA

Prov i matematik Civilingenjörsprogrammen EL, IT, K, X, ES, F, Q, W, Enstaka kurs LINJÄR ALGEBRA UPPSALA UNIVERSITET Matematiska institutionen Volodymyr Mazorchuk Ryszard Rubinsztein Prov i matematik Civilingenjörsprogrammen EL, IT, K, X, ES, F, Q, W, Enstaka kurs LINJÄR ALGEBRA 007 08 16 Skrivtid:

Läs mer

Algebraiska egenskaper hos R n i)u + v = v + U

Algebraiska egenskaper hos R n i)u + v = v + U Underrum till R n, nollrum, kolonnrum av en matris, rank, bas, koordinater, dimension. Påminnelse om R n s egenskaper: Algebraiska egenskaper hos R n i)u + v = v + U v) c(u + v) = cu + cv ii) ( u + v)

Läs mer

16.7. Nollrum, värderum och dimensionssatsen

16.7. Nollrum, värderum och dimensionssatsen 86 6 LINJÄRA AVBILDNINGAR 6.7. Nollrum, värderum och dimensionssatsen Definition 6.36. Låt F : V W vara en linjär avbildning.. Nollrummet till F definierar vi som mängden av alla u V som avbildas på nollvektorn,

Läs mer

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A. (1 p) (c) Bestäm avståndet mellan A och linjen l.

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A. (1 p) (c) Bestäm avståndet mellan A och linjen l. SF64 Algebra och geometri Lösningsförslag till tentamen 5.6. DEL A. Betrakta följande punkter i rummet: A = (,, ), B = (,, ) och C = (,, ). (a) Ange en parametrisk ekvation för linjen l som går genom B

Läs mer

Om mångfalder, abstrakta och som delmängder i olika rum

Om mångfalder, abstrakta och som delmängder i olika rum Analys 360 En Webbaserad Analyskurs Differentialtopologi Om mångfalder, abstrakta och som delmängder i olika rum Anders Källén MatematikCentrum LTH anderskallen@gmail.com Om mångfalder, abstrakta och som

Läs mer

Linjär Algebra, Föreläsning 2

Linjär Algebra, Föreläsning 2 Linjär Algebra, Föreläsning 2 Tomas Sjödin Linköpings Universitet Riktade sträckor och Geometriska vektorer En (geometrisk) vektor är ett objekt som har storlek och riktning, men inte någon naturlig startpunkt.

Läs mer

LYCKA TILL! kl 8 13

LYCKA TILL! kl 8 13 LUNDS TEKNISK HÖGSKOL MTEMTIK TENTMENSSKRIVNING Linjär algebra 0 0 kl 8 3 ING HJÄLPMEDEL Förklara dina beteckningar och motivera lösningarna väl Om inget annat anges är koordinatsystemen ortonormerade

Läs mer

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A SF1624 Algebra och geometri Lösningsförslag till tentamen 2011-06-09 DEL A (1) Betrakta ekvationssystemet x y 4z = 2 2x + 3y + z = 2 3x + 2y 3z = c där c är en konstant och x, y och z är de tre obekanta.

Läs mer

Lösningar av uppgifter hörande till övning nr 5.

Lösningar av uppgifter hörande till övning nr 5. Lösningar av uppgifter hörande till övning nr 5. H.7 a) Antag att p är ett polynom med grad p < n. Då kan p skrivas som en linjärkombination av ortogonalpolynomen p k, där k < n. Alltså är p c k p k, m

Läs mer

LINJÄR ALGEBRA II LEKTION 6

LINJÄR ALGEBRA II LEKTION 6 LINJÄR ALGEBRA II LEKTION 6 JOHAN ASPLUND INNEHÅLL 1 Inre produktrum 1 2 Cauchy-Schwarz olikhet 3 3 Ortogonala projektioner och Gram-Schmidts process 3 4 Uppgifter 4 61:13(a) 4 61:23(a) 4 61:29 5 62:7

Läs mer

Läsanvisningar till kapitel Komplexa tals algebraiska struktur

Läsanvisningar till kapitel Komplexa tals algebraiska struktur Läsanvisningar till kapitel 1.1. Jag tänkte bara kort berätta hur strukturen hos dessa läsanvisningar kommer vara innan vi kör gång på allvar. Jag kommer i dessa läsanvisningar säga vad jag anser är viktigt

Läs mer

Kontsys F7 Skalärprodukt och normer

Kontsys F7 Skalärprodukt och normer Repetition Skalärprodukt Norm Kontsys F7 Skalärprodukt och normer Pelle 11 februari 2019 Linjära rum Repetition Skalärprodukt Norm Linjära rum Linjärt underrum Ett linjärt rum över R är en mängd H där

Läs mer

KTH, Matematik. Övningar till Kapitel , 6.6 och Matrisframställningen A γ av en rotation R γ : R 2 R 2 med vinkeln γ är

KTH, Matematik. Övningar till Kapitel , 6.6 och Matrisframställningen A γ av en rotation R γ : R 2 R 2 med vinkeln γ är KTH, Matematik Övningar till Kapitel 5.5-5.6, 6.6 och 8.3-8.6. Matrisframställningen A γ av en rotation R γ : R R med vinkeln γ är ( cos(γ sin(γ. sin(γ cos(γ Då R α+β = R α R β, är matrisen ( cos(α + β

Läs mer

Vektorgeometri för gymnasister

Vektorgeometri för gymnasister Vektorgeometri för gymnasister Per-Anders Svensson http://homepage.lnu.se/staff/psvmsi/vektorgeometri/gymnasiet.html Fakulteten för teknik Linnéuniversitetet Diagonalisering av linjära avbildningar III

Läs mer

SKRIVNING I VEKTORGEOMETRI

SKRIVNING I VEKTORGEOMETRI SKRIVNING I VEKTORGEOMETRI 201-0-0 14.00-17.00 Om inget annat uttryckligen sägs, kan koordinaterna för en vektor i antas vara givna i en ON-bas. Baser i rummet kan dessutom antas vara positivt orienterade.

Läs mer

Modul 1: Komplexa tal och Polynomekvationer

Modul 1: Komplexa tal och Polynomekvationer Modul : Komplexa tal och Polynomekvationer. Skriv på formen a + bi, där a och b är reella, a. (2 + i)( 2i) 2. b. + 2i + 3i 3 4i + 2i 2. Lös ekvationerna a. (2 i)z = 3 + i. b. (2 + i) z = + 3i c. ( 2 +

Läs mer

En vektor är mängden av alla sträckor med samma längd och riktning.

En vektor är mängden av alla sträckor med samma längd och riktning. En vektor är mängden av alla sträckor med samma längd och riktning. Slappdefinition En vektor är en riktad sträcka som får parallellförflyttas. Tänk på vektorn som en pil. Betecknar vektorer med små bokstäver

Läs mer

Slappdefinition. Räkning med vektorer. Bas och koordinater. En vektor är mängden av alla sträckor med samma längd och riktning.

Slappdefinition. Räkning med vektorer. Bas och koordinater. En vektor är mängden av alla sträckor med samma längd och riktning. Slappdefinition En vektor är mängden av alla sträckor med samma längd och riktning. En vektor är en riktad sträcka som får parallellförflyttas. Tänk på vektorn som en pil. Betecknar vektorer med små bokstäver

Läs mer

Uppgifter till kurs: Geometriska analys och designmetoder för olinjära system

Uppgifter till kurs: Geometriska analys och designmetoder för olinjära system Uppgifter till kurs: Geometriska analys och designmetoder för olinjära system Erik Frisk 2 juni 200 Uppgift. Antag ett linjärt system som beskrivs av exkvationerna: ẋ = Ax+Bu y = Cx med n = 4 tillstånd,

Läs mer

Explorativ övning 9 RELATIONER OCH FUNKTIONER

Explorativ övning 9 RELATIONER OCH FUNKTIONER Explorativ övning 9 RELATIONER OCH FUNKTIONER Övningens syfte är att bekanta sig med begreppet relation på en mängd M. Begreppet relation i matematiska sammanhang anknyter till betydelsen av samma ord

Läs mer

= 0. Båda skärningsvinklarna är således π/2 (ortogonala riktningsvektorer).

= 0. Båda skärningsvinklarna är således π/2 (ortogonala riktningsvektorer). Institutionen för Matematik, KTH Torbjörn Kolsrud SF163, ifferential- och integralkalkyl II, del 2, flervariabel, för F1. Tentamen torsdag 19 augusti 21, 14. - 19. Inga hjälpmedel är tillåtna. Svar och

Läs mer

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson Uppsala Universitet Matematiska Institutionen Thomas Erlandsson MATRISER MED MERA VEKTORRUM DEFINITION Ett vektorrum V är en mängd av symboler u som vi kan addera samt multiplicera med reella tal c så

Läs mer

DEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 15 mars 2010 kl

DEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 15 mars 2010 kl 1 Matematiska Institutionen KTH Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 15 mars 010 kl 14.00-19.00. Hjälpmedel: Inga hjälpmedel är tillåtna på tentamensskrivningen. Betygsgränser:

Läs mer

A = x

A = x Matematiska Institutionen KTH Lösningar till några övningar på linjära avbildningar och egenvärden och ehenvektorer inför lappskrivning nummer 5 på kursen linjär algebra SF604, ht 07.. (a) A(2,, 0) A(2(,

Läs mer

SF1624 Algebra och geometri Tentamen Torsdag, 17 mars 2016

SF1624 Algebra och geometri Tentamen Torsdag, 17 mars 2016 SF4 Algebra och geometri Tentamen Torsdag, 7 mars Skrivtid: 8:-: Tillåtna hjälpmedel: inga Examinator: Tilman Bauer Tentamen består av nio uppgifter som vardera ger maximalt fyra poäng. Del A på tentamen

Läs mer

Determinanter, egenvectorer, egenvärden.

Determinanter, egenvectorer, egenvärden. Determinanter, egenvectorer, egenvärden. Determinanter av kvadratiska matriser de nieras recursivt: först för matriser, sedan för matriser som är mest användbara. a b det = ad bc c d det a a a a a a a

Läs mer

Veckoblad 3, Linjär algebra IT, VT2010

Veckoblad 3, Linjär algebra IT, VT2010 Veckoblad 3, Linjär algebra IT, VT Vi inleder den tredje veckan med att gå igenom begreppen determinant och invers matris som vi inte hann med i vecka, se veckoblad för övningar etc på dessa avsnitt. Därefter

Läs mer

SKRIVNING I VEKTORGEOMETRI

SKRIVNING I VEKTORGEOMETRI SKRIVNING I VEKTORGEOMETRI 017-05-09 Om inget annat uttryckligen sägs, kan koordinaterna för en vektor i antas vara givna i en ON-bas. Baser i rummet kan dessutom antas vara positivt orienterade. 1. Bestäm

Läs mer

Vi definierar addition av två vektorer och multiplikation med en reell skalär (tal) λλ enligt nedan

Vi definierar addition av två vektorer och multiplikation med en reell skalär (tal) λλ enligt nedan ORTOGONALA VEKTORER OCH ORTONORMERADE (ORTONORMALA) BASER I R n INLEDNING ( repetition om R n ) Låt RR nn vara mängden av alla reella n-tipplar (ordnade listor med n reella tal) dvs RR nn {(aa, aa,, aa

Läs mer

LÖSNINGAR TILL LINJÄR ALGEBRA kl 8 13 LUNDS TEKNISKA HÖGSKOLA MATEMATIK. 1. Volymen med tecken ges av determinanten.

LÖSNINGAR TILL LINJÄR ALGEBRA kl 8 13 LUNDS TEKNISKA HÖGSKOLA MATEMATIK. 1. Volymen med tecken ges av determinanten. LUNDS TEKNISKA HÖGSKOLA MATEMATIK LÖSNINGAR TILL LINJÄR ALGEBRA 2018-08-29 kl 8 1 1 Volymen med tecken ges av determinanten a 2 2 2 4 2 1 2a 1 = a 2 2 2 0 4 2 = 4(a 2)(1 a) 0 2a 1 Parallellepipedens volym

Läs mer

Stöd inför omtentamen i Linjär algebra TNA002.

Stöd inför omtentamen i Linjär algebra TNA002. LINKÖPINGS UNIVERSITET ITN, Campus Norrköping Univ lekt George Baravdish Stöd inför omtentamen i Linjär algebra TNA002. Läsråd: Detta är ett stöd för dig som vill repetera inför en omtentamen. 1. Börja

Läs mer

Linjära avbildningar. Definition 1 En avbildning mellan två vektorrum, F : V U, kallas linjär om. EX. Speglingar, rotationer, projektioner i R 3.

Linjära avbildningar. Definition 1 En avbildning mellan två vektorrum, F : V U, kallas linjär om. EX. Speglingar, rotationer, projektioner i R 3. Linjära avbildningar Definition 1 En avbildning mellan två vektorrum, F : V U, kallas linjär om F (v +v ) = F (v)+f (v ) och F (cv) = cf (v) för alla v, v V och alla skalärer c. EX. Speglingar, rotationer,

Läs mer