Symmetrialuokat. Esimerkki Pisteryhmä C 3v E C 3 C 3. σ v σ v σ v. C3v E C 3 C E E C 3 C C 3 C 3 C. σ v σ v σ v σ v E C 3 C.

Samankaltaiset tiedostot
MNQT, kl Ryhmäteoria

pääkiertoakseli #$%%ä 2C 2 C 2!"

Ortogonaaliset matriisit, määritelmä 1

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

4. Liikemäärämomentti

Varauksensiirto-siirtymä

KJR-C2002 Kontinuumimekaniikan perusteet, viikko 47/2017

Lineaarialgebra ja matriisilaskenta I

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset

Matemaattinen Analyysi / kertaus

2.5. Matriisin avaruudet ja tunnusluvut

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

5 OMINAISARVOT JA OMINAISVEKTORIT

Matriisilaskenta Laskuharjoitus 1 - Ratkaisut / vko 37

Symmetrisistä ryhmistä symmetriaryhmiin

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

9.2 Lineaarikuvaus Olkoon A kuvaus (funktio) vektoriavaruudesta V vektoriavaruuteen U: jos nyt

Insinöörimatematiikka D

Lineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Insinöörimatematiikka D

Koodausteoria, Kesä 2014

Lineaarialgebra MATH.1040 / trigonometriaa

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Ortogonaalinen ja ortonormaali kanta

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )

6. OMINAISARVOT JA DIAGONALISOINTI

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 1 / vko 44

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA =

Jos γ on tylppä, niin. c 2 = h 2 + (b + s) 2 = a 2 s 2 + (b + s) 2 = a 2 + b 2 + 2bs

ja siten kyseisen symmetriaryhmä on toinen dihedraaliryhmä (D 2 )

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

MS-C1340 Lineaarialgebra ja

Lineaarialgebra ja matriisilaskenta I

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

LAATTATEORIAA. Yleistä. Kuva 1.

LUKU 10. Yhdensuuntaissiirto

MS-A0004/A0006 Matriisilaskenta

7 Vapaus. 7.1 Vapauden määritelmä

1.1. Määritelmiä ja nimityksiä

ominaisvektorit. Nyt 2 3 6

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Lineaarialgebra ja matriisilaskenta I. LM1, Kesä /218

CHEM-C2220 Orgaanisen synteesin perusteet

Matriisilaskenta Luento 12: Vektoriavaruuden kannan olemassaolo

a b 1 c b n c n

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Muodonmuutostila hum

Viikon aiheet. Funktion lineaarinen approksimointi

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

ULKOELEKTRONIRAKENNE JA METALLILUONNE

MS-C1340 Lineaarialgebra ja

2.8. Kannanvaihto R n :ssä

Tyyppi metalli puu lasi työ I II III

JAKSO 2 KANTA JA KOORDINAATIT

TIEA241 Automaatit ja kieliopit, kevät Antti-Juhani Kaijanaho. 26. tammikuuta 2012

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio

Lineaarialgebra, kertausta aiheita

1 Avaruuksien ja lineaarikuvausten suora summa

POIKKIPINNAN GEOMETRISET SUUREET

Lineaarikuvauksen R n R m matriisi

Suorien ja tasojen geometriaa Suorien ja tasojen yhtälöt

Käänteismatriisi 1 / 14

Insinöörimatematiikka D

Matriisialgebra harjoitukset, syksy x 1 + x 2 = a 0

Lineaarialgebra ja matriisilaskenta I

Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Vektoreiden virittämä aliavaruus

1 Matriisit ja lineaariset yhtälöryhmät

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:

Esimerkki 19. Esimerkissä 16 miniminormiratkaisu on (ˆx 1, ˆx 2 ) = (1, 0).

Kanta ja dimensio 1 / 23

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.

Inversio-ongelmien laskennallinen peruskurssi Luento 3

Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.

Ratkaisuehdotukset LH 8 / vko 47

1 Ominaisarvot ja ominaisvektorit

Johdatus lineaarialgebraan

c) 22a 21b x + a 2 3a x 1 = a,

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Numeeriset menetelmät

KJR-C1001: Statiikka L2 Luento : voiman momentti ja voimasysteemit

Lisää ryhmästä A 5 1 / 28. Lisää ryhmästä

4.6 Matriisin kääntäminen rivioperaatioilla

Inversio-ongelmien laskennallinen peruskurssi Luento 4

3.1 Lineaarikuvaukset. MS-A0007 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

4 Korkeamman kertaluvun lineaariset differentiaaliyhtälöt

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

Luento 3: 3D katselu. Sisältö

Koodausteoria, Kesä 2014

Suoran yhtälöt. Suoran ratkaistu ja yleinen muoto: Suoran yhtälö ratkaistussa, eli eksplisiittisessä muodossa, on

Transkriptio:

Smmetrialuokat Pisterhmän elementit kuuluvat samaan luokkaan, Jos jokin rhmän operaatioista muuttaa ne keskenään toisikseen : P R - Q R missä P, Q, R kuuluvat samaan pisterhmään P, Q kuuluvat samaan luokkaan Esimerkki Pisterhmä C v E C C Cv E C C E E C C C C C E C C E C E C C C E C C C E

Smmetriaelementit muodostavat kolme luokkaa: () E, () C, C, (),, C C - E C C C - C E (C ) - C C C Smmetriaoperaatioiden matriisiesitkset Identiteetti, E 0 0 0 0 0 0 Inversio, i - 0 0 0-0 0 0 - - - - Heijastus, σ() - 0 0 0 0 0 0 - Rotaatio, C n cos(π/n) sin(π/n) 0 -sin(π/n) cos(π/n) 0 0 0 cos(π/n)+ sin(π/n) - sin(π/n)+ cos(π/n)

Pisterhmän matriisiesitkset Pisterhmä C v : - smmetriaoperaatiot E, C, σ(), σ() - kiertoakseli -akseli) E 0 0 0 0 0 0 Esitksen karakteri diagonaalielementtien summa σ() 0 0 σ() - 0 0 Χ(E) Χ(C ) - 0-0 0 0 0 0 0 0 Huom! Χ[σ()] Χ[σ()] -koordinaatti on riippumaton - ja - koordinaatista C cos(π/) sin(π/n) 0 -sin(π/) cos(π/) 0 0 0-0 0 0-0 0 0 (, ) 0 0-0 0-0 0 - - 0 0 E C σ() σ() () () () () () Esits, jota voidaan ksinkertaistaa: redusoituva esits Esits, jota ei voida ksinkertaistaa: redusoitumaton esits

Suuri ortogonaalisuuslause Rhmän kertaluku h i:nnen operaation redusoitumattoman esitksen dimensio l i Smmetriaoperaatio R i:nnen redusoitumattoman esitksen operaatiota R vastaavan matriisin m:nnen rivin ja n:nnen sarakkeen elementti on Γ i (R) mn h Γi ( R) mnγj ( R) m' n' δijδmm' δnn' l l δ δ rs rs, jos r s 0, jos r s i j Säännöt redusoitumattomille esitksille () Rhmän redusoitumattomien esitsten dimensioiden neliöiden summa on rhmän kertaluku Σl i h () Ortogonaalisuusehto Σχ i (R)χ j (R) 0 kun i j () Redusoitumattoman esitksen karakterien neliöiden summa on h Σ[χi(R)] h Σn g χi(r) h missä n g luokassa olevien oeraatioiden lukumäärä (4) Samaan luokkaan kuuluvien operaatioiden matriisien karakterit ovat samat annetulle esitkselle (5) Rhmän redusoitumattomien esitsten lkm on rhmän luokkien lkm.

Karakteritaulut Tarkastellaan pisterhmän C v karakteritaulua: C v E C A +, A - R E - 0 (,)(R,R ) ( -,)(,) C v E C A +, Alue I: Karakterit Alue II: Redusoitumattomien esitsten Mullikenin smbolit A - R E - 0 (,)(R,R ) ( -,)(,) () ksidimensionaaliset esitkset A tai B kaksidimensionaaliset esitkset E kolmidimensionaaliset esitkset T C v E C A +, A - R E - 0 (,)(R,R ) ( -,)(,) () A: esits smmetrinen pääkiertoakselin suhteen B: esits epäsmmetrinen pääkiertoakselin suhteen () alaindeksit ja : esits smmetrinen tai epäsmmetrinen pääkiertoakselia vastaan kohtisuorassa olevan C :n suhteen tai, jos sellaista ei ole, pääkiertoakselin suuntaisen peilitason suhteen (4) heittomerkit ja : smmetrinen tai epäsmmetrinen horisontaalin peilitason suhteen (5) alaindeksit g ja u: smmetrinen tai epäsmmetrinen smmetriakeskuksen suhteen

Alue III: Koordinaattiakselin, ja sekä akselien mpäri tapahtuvien kiertojen R, R, R esitkset C v E C Kättö: () IR-aktiivisten perusvärähteljen luokittelu () spektroskooppiset valintasäännöt A +, A - R E - 0 (,)(R,R ) ( -,)(,) Alue IV: Koordinaattien binääritulojen luokittelu Kättö: C v E C A +, A - R E - 0 (,)(R,R ) ( -,)(,) () keskusatomin d-orbitaalien luokittelu ligandikenttäteoriassa () Raman-aktiivisten perusvärähteljen luokittelu Esitksen redusointi Redusoitumaton esits: tarkoin rajattu lkm Redusoituva esits: rajaton lkm Redusoituvat esitkset redusoitumattomien esitsten lineaarikombinaatioita n Γ h g n g Χ R Χ Γ redusoitumattoman esitksen lkm redusoituvassa esitksessä redusoitumattoman esitksen karakteri rhmän kertaluku redusoituvan esitksen karakteri luokan operaatioiden lkm

Esimerkki N-H sidosten smmetria NH -moleklissä Redusoituvan esitksen muodostaminen: Suoritetaan ksi operaatio kustakin luokasta ja tarkastellaan muuttuvia vektoreita (tässä tapauksessa sidoksia): () Jos vektori ei muutu, annetaan arvo + () Jos vektorin merkki muuttuu, annetaan arvo - () Kaikki muut muutokset johtavat arvoon 0