Lineaariset Lien ryhmät / Ratkaisut 6 D 381 klo

Samankaltaiset tiedostot
Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

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 )

802320A LINEAARIALGEBRA OSA III

Lien ryhmät D 380 klo Ratkaisut 6+6=12

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

Ennakkotehtävän ratkaisu

Avaruuden R n aliavaruus

Käänteismatriisi 1 / 14

Esko Turunen Luku 3. Ryhmät

Lineaariset yhtälöryhmät ja matriisit

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.

2.8. Kannanvaihto R n :ssä

Matriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A =

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

GROUPS AND THEIR REPRESENTATIONS - FIFTH PILE. Olemme jo (harjoituksissa!) löytäneet Lien ryhmälle SL 2 (R) seuraavat redusoitumattomat esitykset:

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.

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

802320A LINEAARIALGEBRA OSA III LINEAR ALGEBRA PART III

H = : a, b C M. joten jokainen A H {0} on kääntyvä matriisi. Itse asiassa kaikki nollasta poikkeavat alkiot ovat yksiköitä, koska. a b.

Insinöörimatematiikka D

1 Tensoriavaruuksista..

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

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

kaikille a R. 1 (R, +) on kommutatiivinen ryhmä, 2 a(b + c) = ab + ac ja (b + c)a = ba + ca kaikilla a, b, c R, ja

Ville Turunen: Mat Matematiikan peruskurssi P1 1. välikokeen alueen teoriatiivistelmä 2007

Lineaarikuvauksen R n R m matriisi

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Insinöörimatematiikka D

{I n } < { I n,i n } < GL n (Q) < GL n (R) < GL n (C) kaikilla n 2 ja

Determinantti 1 / 30

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III

1. Tarkastellaan esimerkissä 4.9 esiintynyttä neliön symmetriaryhmää

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

Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät sivua Heikki Koivupalo ja Rami Luisto

802320A LINEAARIALGEBRA OSA I

MATEMATIIKAN JA TILASTOTIETEEN LAITOS JYVÄSKYLÄN YLIOPISTO

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.

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

4. LINEAARIKUVAUKSET

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

2.5. Matriisin avaruudet ja tunnusluvut

Ryhmä SO(3) ja sen lineaariset redusoitumattomat esitykset

jonka laskutoimitus on matriisien kertolasku. Vastaavasti saadaan K-kertoiminen erityinen lineaarinen ryhmä

Lineaariset Lien ryhmät / Ratkaisu 1 D 355 klo ja D 381 klo b 0 1

Ominaisarvo ja ominaisvektori

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

MS-A0004/A0006 Matriisilaskenta

Kanta ja Kannan-vaihto

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

1 Lineaariavaruus eli Vektoriavaruus

A = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla:

Insinöörimatematiikka D

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

Insinöörimatematiikka D

Vektoreiden virittämä aliavaruus

ALGEBRA KEVÄT 2013 JOUNI PARKKONEN

1 Kannat ja kannanvaihto

5 Ominaisarvot ja ominaisvektorit

1 Ominaisarvot ja ominaisvektorit

Kanta ja dimensio 1 / 23

Kuvaus. Määritelmä. LM2, Kesä /160

Tensorialgebroista. Jyrki Lahtonen A = A n. n=0. I n, I = n=0

Insinöörimatematiikka D

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Matriisialgebra harjoitukset, syksy 2016

(1.1) Ae j = a k,j e k.

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 9 (6 sivua) OT

x 2 x 3 x 1 x 2 = 1 2x 1 4 x 2 = 3 x 1 x 5 LINEAARIALGEBRA I Oulun yliopisto Matemaattisten tieteiden laitos 2014 Esa Järvenpää, Hanna Kiili

Käänteismatriisin. Aiheet. Käänteismatriisin ominaisuuksia. Rivioperaatiot matriisitulona. Matriisin kääntäminen rivioperaatioiden avulla

Koodausteoria, Kesä 2014

Matematiikka B2 - Avoin yliopisto

Ortogonaalinen ja ortonormaali kanta

1.1. Määritelmiä ja nimityksiä

Ortogonaalisen kannan etsiminen

x = y x i = y i i = 1, 2; x + y = (x 1 + y 1, x 2 + y 2 ); x y = (x 1 y 1, x 2 + y 2 );

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /310

802120P Matriisilaskenta (5 op)

Lineaariset Lien ryhmät / Ratkaisu 4 D 355 klo ja D 381 klo

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

MS-C1340 Lineaarialgebra ja

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

LU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24

MS-A0102 Differentiaali- ja integraalilaskenta 1

6. OMINAISARVOT JA DIAGONALISOINTI

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

Matemaattinen Analyysi / kertaus

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1

Lineaarialgebra II P

renkaissa. 0 R x + x =(0 R +1 R )x =1 R x = x

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

Ratkaisuehdotukset LH 3 / alkuvko 45

3.3 Funktion raja-arvo

Numeeriset menetelmät

1 Avaruuksien ja lineaarikuvausten suora summa

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

MAT Algebra 1(s)

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Transkriptio:

JYVÄSKYLÄN YLIOPISO MAEMAIIKAN JA ILASOIEEEN LAIOS Lineaariset Lien ryhmät 27.2.2012 / t 6 D 381 klo. 16-18. 1. Matriisiryhmällä U(n) on epätriviaali normaali aliryhmä SU(n), joka on homomorfismin det : U(n) (R, ) ydin. Osoita suoraan määritelmän mukaan, että Lien algebra 1 (SU(n)) on Lien algebran 1 (U(n)) ideaali. 1. tapa: Olkoon X 1 (SU(n)) ja Y 1 (U(n)). On osoitettava, että [X, Y ] 1 (SU(n)). Valitaan polut A :]a, b[ SU(n) ja B :]a, b[ U(n), joilla A(0) = B(0) = 1, A (0) = X, ja B (0) = Y. arkastellaan kuvausta F :]a, b[ 2 SU(n) : t A(s)B(t)A(s) 1. (Se on todella kuvaus ryhmään SU(n), koska det(a(s)b(t)a(s) 1 ) = det A(s) det B(t)(det A(s)) 1 = det B(t) = 1, mikä vielä kerran todistaa samalla, että SU(n) on normaali aliryhmä U(n):ssa. Kuten viime kerran demoissa saadaan derivoimalla ensin t:n suhteen kohdasssa 0 ja sitten s:n suhteen kohdasssa 0 Lien sulku [X, Y ] tangenttiavaruudessa 1 (SU(n)) kulkevan polun nopeusvektorina, joka tietenkin kuuluu avaruuteen 1 (SU(n)). 2 tapa: 1 (SU(n)) = su(n) = {X X + X = 0 ja r X = 0} {X X + X = 0} = u(n) = 1 (U(n)) 0 on vektorialiavaruus. Lisäksi kaikilla X 1 (SU(n)) ja Y 1 (U(n)) on [X, Y ] u(n), koska u(n) on Lien algebra, ja lisäksi r([x, Y ]) = r(xy Y X) = r(xy ) r(y X) = r(xy ) r(xy ) = 0, koska r on lineaarikuvaus ja aina r(xy ) = r(xy ) (, mikä todistettiin viime kerralla ja todistetaan uudelleen seuraavssa tehtävässä.) Kaikenkaikkian siis [X, Y ] su(n), kuten pitääkin. 2. odistetaan (uudelleen), että sl(n, C) on Lien algebran gl(n, C) ideaali. Itse asiassa näytetään, että jopa minkä tahansa kahden gl(n, C)-matriisin Lien sulku on joukossa sl(n, C): x 11 x 12... x 1n x Olkoon X = 21 x 22... x 2n...... gl(n, C). Olkoot e ij (1 i, j n) avaruuden R n2 ortonormaalin kannan muodostavat kantamatriisit, joilla kohdassa (ij) on 1, x n1 x n2... x nn muuten nollia. a) Mitä ovat matriisitulot e ij X ja Xe ij? Laske r[x, e ij ]. Pitäisi olla 0. Osoita tästä, että r[x, Y ] = 0 kaikilla X, Y gl(n, C). b) Osoita, että sl(n, C) on Lien algebran gl(n, C):n ideaali. c) Laske [e ij, e jk ]. (ulos on e ik, kun i j, muuten e ii e jj. d) Yleistä edellinen laskemalla kaikki [e ij, e kl ]. (ulos on δ jk e il δ li e kj. a) 1. tapa:

e ij X saadaan matriisista X siirtämällä j:s rivi i:nnen rivin paikalle ja nollaamalla kaikki muut alkiot. Xe ij saadaan matriisista X siirtämällä i:s sarake j:nnen sarakkeen paikalle ja nollaamalla kaikki muut alkiot. r[x, e ij ] = r(xe ij ) r(xe ij ) = x ji x ji = 0. Koska mikä tahansa matriisi Y gl(n) on lineaarikombinaatio kantamatriisesta e ij ja kuvaus Y [X, Y ] r([x, Y ]) on kahden lineaarikuvauksen yhdistelmänä lineaarinen, niin r( X, Y ]) on lineaarikombinaatio nollista, siis 0. On osoitettu, että jopa minkä tahansa kahden gl(n, C)-matriisin Lien sulku on nollajälkisten matriisien joukossa sl(n, C). b) Osoitetaan, että sl(n, C) on Lien algebran gl(n, C):n ideaali. ietysti se on vektorialiavaruus. Olkoon X gl(n, C) ja Y sl(n, C). Silloin edellisen mukaan r( X, Y ]) = 0, joten [X, Y ] sl(n, C). 2. tapa: 2 (e ij X) kl = (e ij ) k x l = δ ik δ j x l = δ ik δ j x l = δ ik x jl (Xe ij ) kl = x k (e ij ) l = x k δ i δ jl = δ jl x k δ i = δ jl x ki c) Kohdan a) mukaan [e ij, e jk ] = e ik, kun i j, muuten e ii e jj. ämän näkee kummallakin tavalla sijoittamalla X = e jk. ai sitten laskee ensin d)-kohdan, josta tämä on erikoistapaus. d) Kohdan a) mukaan [e ij, e kl ] = δ jk e il δ li e jk. ämän näkee kummallakin tavalla sijoittamalla X = e kl. 3. a) Osoita, ettei myöskään Lien algebra u(n) = {X X + X = 0} ole yksinkertainen etsimällä Lien algebrasta u(n) = {X X + X = 0} yksiulotteinen ideaali I. (Lue tehtävä loppuun!) b) Osoita, että I on aliryhmän Z(U(n)) tangenttiavaruus. c) Osoita, että exp on surjektio I Z(U(n)). a) Olkoon I = RX Lien algebran u(n) = {X X + X = 0} (reaalisesti) yksiulotteinen ideaali. Ideaaliominaisuus merkitsee, että kaikilla Y u(n) on [X, Y ] RX eli [X, Y ] X. Erityisesti kelpaa tilanne [X, Y ] = 0, joka vallitsee ainakin kaikille ykkösmatriisin suuntaisille X = 1. Mutta tässä tehtävässä etsitään ideaalia I = RX u,

joten on vaadittava X + X = 0 eli 1 + 1 = 0 eli ir. Etsityksi yksiulotteiseksi ideaaliksi kelpaa siis I = ir1. b) unnetusti Z(U(n)) = {e it 1 t R} U(1), jolle kuvaus t A(t) = e it 1 on surjektiivinen polku, jolla A(0) = 1 ja A (0) = ie i 0 1 = i1 =, joka juuri virittää a)-kohdan ideaalin. c) Näkyy olevan! 4. Osoita, että jokainen su(n) on yksinkertainen Lien algebra: Luennolla osoitettiin, että sl(n, C) on yksinkertainen ja että sl(n, C) = su(n) + i su(n). Osoita, että jos I su(n) olisi epätriviaali ideaali, niin I + ii sl(n, C) = su(n) + i su(n) olisi epätriviaali ideaali. Ainakin I + ii on ilmeinen vektorialiavaruus. Se eroaa tietenkin triviaalista ideaalista {0}, mutta myös triviaalista ideaalista sl(n, C) = su(n) + i su(n), sillä sl(n, C)- matriisin A hajoitelma A = B + ic su(n) + i su(n) on yksikäsitteinen, joten jos valitaan B su(n) \ I, niin B + ib (su(n) + i su(n)) \ I + ii. Lopuksi tutkitaan Lien sulkeet. Olkoon siis X + iy I + ii ja Z + iw su(n) + i su(n). Lasketaan = (X + iy )(Z + iw ) (Z + iw )(X + iy ) = XZ Y W + i(xw + Y Z) ZX + W Y i(zy + W X) = [X, Z] [Y, W ] + i([x, W ] + [Y, Z]) I + ii. 5. Lien algebra so(4) ei ole yksinkertainen, mutta suuremmilla n N Lien algebra so(n) on yksinkertainen. odistus on samantapainen kuin sl(n, C):n tapauksessa, mutta hieman mutkikkaampi, koska kantavektorit joudutaan valitsemaan toisin, sillä so(n) muodostuu kaikista reaalisista vinosymmetrisistä matriiseista. On luonnollista valita kantavektoreiksi matriisit: E ij = e ij e ji. x 11 x 12... x 1n x Olkoon X = 21 x 22... x 2n....... Laske XE ij. Mikä yksinkertaisuustodistusten x n1 x n2... x nn välinen ero paljastuu? (Ei ole tarkoitus todistaa yksinkertaisuutta tässä.) Jaettiin kirjasta kaikki tähän liittyvä. 3

6. Luennolla on osoitettu, että log on bijektio matriisiryhmän G joltain ykkösen ympäristöltä U 1 vastaavan Lien algebran g origon ympäristölle V 0 ja exp on sen käänteiskuvaus, erityisesti ympäristöt U 1 ja V 0 ovat siis homeomorfiset. Osoita tämän avulla, että ympäristöt voidaan valita siten, että matriisiryhmässä jokaisella alkiolla A U 1 on kaikilla n N olemassa n:s juuri B, vieläpä tasan yksi ympäristöön U 1 kuuluva. (Vertailun vuoksi; ryhmässä SO(2) on ykkösalkiolla kaksi neliöjuurta, mutta toinen on kaukana ykkösestä.) Valitaan ryhmässä G neutraalialkion ympäristö U 1 = {A G A 1 < 1 100 }, jolloin logartimifunktio on diffeomorfismi U 1 V 0 = log(u 1 ) g. Olkoon A U 1 ja n N. arkastellaan A:n kuvaa log A g. Koska g on vektoriavaruus, niin 1 log A g n ja siis B = exp( 1 log A) G. ämä B on n A G, sillä B n = (exp( 1 log n n A))n = exp(log A) = A. Mutta ei ole laskematta selvää, että olisi B U 1 eli 1 log A V n 0. Kun A U 1, niin log A = log(1 (1 A)) = Kaikille X g on Erityisesti exp X 1 = (1 A) k ±k X k k! X k k! 1 A k k X k = e X 1. k! 4 1 k100 k < 1 90. B 1 = exp( 1 n log A) 1 1 e n log A 1 = e 1 n log A 1 e 1 1 1 90 n 1 e 180 1 < 100. Että juuri B on ainoa ratkaisu joukossa U 1 johtuu siitä, että logaritmifunktio ja eksponenttifunktio ovat toisilleen käänteiset U 1 V 0 ja toteuttavat yhteenlaskukaavansa, joten A:n n:nnen juuren etsiminen vastaa tasan log A :n määräämistä. n 7. Mietipä tätä! (kirjan harjoitukset sivulta 153-154. ) Näissä harjoitustehtävissä todistetaan mm, että ja e X e Y = e Y e X = XY = Y X e X+Y = e X e Y = XY = Y X, mikä kumoaa aikaisemmissa harjoituksissa esiintyneen Wikipediasta poimimani tuloksen. odistus etenee näin: Olkoon aluksi e X e Y = e Y e X. Osoitetaan, että XY = Y X. Voi olettaa, että X ja Y ovat pienempiä kuin vaikkapa 1, jolloin 10 ex 1 ja e Y 1 ovat < 1 ja siis logaritmisarja antaa X = log(e X ) ja Y = log(e Y ). Siis XY = Y X, sarjan termithän voidaan vaihtaa. (Vrt. s. 141 eli logaritmin summakaavan todistus.)

Jos taas oletetaan, että e X+Y = e X e Y, niin Campbellin, Bakerin j Hausdorffin lauseen mukaan e X+Y = e X e Y = e X+Y + 1 2 [X,Y ]+ylemmänasteisia termejä. Siis jälleen, jos X ja Y ovat pienempiä kuin vaikkapa 1, jolloin myös [X, µ] 10 on pieni (suurususluokka 1/100), niin X + Y = X + Y + 1[X, Y ] + ylemmänasteisia termejä, joten 0 = + 1[X, Y ] + 2 2 ylemmänasteisia termejä, erityisesti 0 = + 1 [X, Y ]. Koska tämä pätee pienille X, Y 2 se pätee aina. 5