Analysis für Physiker Zusätze
|
|
- Katharina Schreiber
- vor 5 Jahren
- Abrufe
Transkript
1 Analysis für Physiker Zusätze nach den Vorlesungen von Prof. Dr. Werner Timmermann (Sommersemester 2007, Wintersemester 2007/08) Herausgegeben von Jeffrey Kelling Felix Lemke Stefan Majewsky Stand: 23. Oktober 2008
2 Inhaltsverzeichnis Semester Bemerkungen zur Tensorrechnung Definitionen Rechenoperationen mit Tensoren Basis und Koordinatendarstellung Koordinatentransformation von Tensoren Semester Maxwellsche Gleichungen und Differentialformen Grundlagen der Differentialformen Maxwellsche Gleichungen im Minkowski-Raum
3 1.1 Definitionen Seite 3 1 Bemerkungen zur Tensorrechnung Oft wird ein Tensor definiert als ein System von Zahlen T ij... kl... mit 1 i, j, k, l,... n, das sich bei Koordinatentransformationen wie folgt transformiert:... Wir wählen eine äquivalente Definition. 1.1 Definitionen Ab jetzt ist es wichtig, ob Indizes oben oder unten steht. Im folgenden sind alle Vektorräume endlichdimensional und reell. In diesen Vektorräumen gibt es zunächst keine zusätzliche Struktur, insbesondere kein Skalarprodukt. V sei ein Vektorraum der Dimension n. (e 1,..., e n ) sei eine beliebige Basis von V. Für einen Vektor x V sind x i die Koordinaten von x bzgl. der Basis (e k ): x = n x i e i mit x i R, i = 1,..., n i=1 Bemerkung Einstein sche Summenkonvention Über doppelt (jeweils einmal oben und unten) auftretende Indizes wird automatisch summiert, zum Beispiel: n n x i e i x i e i oder A ij k Bk il A ij k Bk il Definition 1.1 i=1 Dualer Vektorraum Der duale Vektorraum V ist der Vektorraum der linearen Funktionale auf V, also V = L(V, R). k,i=1 Definition und Satz 1.2 Duale Basis Sei (e 1,..., e n ) eine beliebige Basis von V. Dann existiert eine Basis (e 1,..., e n ) von V (die zu (e 1,..., e n ) duale Basis) mit folgender Eigenschaft: Insbesondere ist dim V = dim V. e i (e j ) = δ i j (Kronecker-Symbol) Beweis Beachte im Folgenden stets: Eine lineare Abbildung ist bereits dadurch eindeutig definiert, dass man ihre Wirkung auf die Basisvektoren kennt! Also definiere e i (e j ) := δj i. Daraus folgt: e i (x) = e i (x j e j ) = x j (e i (e j )) = x j δ i j = x i Zu zeigen ist noch, dass (e 1,..., e n ) linear unabhängig ist (das ist eine Übungsaufgabe) und dass die (e 1,..., e n ) den Vektorraum V aufspannen. Sei f V, d.h. f(x) = f(x i e i ) = x i f(e i ). Setze c i := f(e i ); anscheinend ist f = c i e i. Das wollen wir zeigen. Sei g := c i e i. g(x) = c i e i (x j e j ) = c i x j e i (e j ) = c i x j δ i j = c i x i = f(x)
4 1.1 Definitionen Seite 4 Satz 1.3 Der zu V duale Vektorraum wird mit V := (V ) bezeichnet. Die Dimension von V ist wiederum n. Es existiert ein kanonischer Isomorphismus j : V V, der durch die Wirkung von j(x) V auf die Elemente f V definiert wird: [j(x)](f) := f(x) f V [j(x)](f) ist linear in f und auch in x. Außerdem ist j bijektiv. Beweis Für die Bijektivität von V genügt es, zu zeigen, dass j injektiv ist; daraus folgt die Surjektivität unmittelbar. Angenommen, j(x) = 0. Zu zeigen ist x = 0, d.h. [j(x)](f) = 0 f, also f(x) = 0 f x = 0 Im Allgemeinen wende e 1,..., e n auf x an. Das genügt, um x = 0 zu sehen. Bemerkung Im Folgenden identifizieren wir immer stillschweigend x und j(x), d.h. wir betrachten x(f) als [j(x)](f) = f(x). Definition 1.4 Seien E 1,..., E k Vektorräume. Eine Abbildung α : E 1... E k R heißt multilinear (bzw.multilinearform), wenn α in jeder Komponente linear ist: i = 1,..., k : α(u 1,..., u i + λv i,..., u k ) = α(u 1,..., u i,..., u k ) + λα(u 1,..., v i,..., u k ) Beispiel 1.1 E 1 = E 2 = E sei ein Vektorraum. Ein Skalarprodukt, : E E R, (u, v) u, v ist bilinear.
5 1.2 Rechenoperationen mit Tensoren Seite 5 Definition 1.5 Tensor Sei V ein Vektorraum und r, s N. 1. Ein r-fach kovarianter Tensor auf (über) V ist eine multilineare Abbildung α : V r := V }. {{.. V } R r-mal 2. Ein s-fach kontravarianter Tensor auf V ist eine multilineare Abbildung α : (V ) s := V }. {{.. V } R s-mal 3. Für r, s 0 ist ein r-fach kovarianter und s-fach kontravarianter Tensor auf V eine multilineare Abbildung α : V r (V ) s R Bezeichnungen Im folgenden sei das Tensorprodukt. T r (V ) T 0 r (V ) = V... V }{{} V. T s (V ) T s 0 (V ) = s k=1 r-mal ( r ) ( s Tr s (V ) = V i=1 Tensoren über V. = r V ist die Menge aller r-fach kovarianten Tensoren über i=1 V ist die Menge aller s-fach kontravarianten Tensoren über V. V k=1 ) ist die Menge aller r-fach kovarianten und s-fach kontravarianten Dass diese Mengen Vektorräume sind, zeigt man leicht. Im Folgenden sind zu bestimmen: Basen und Dimensionen dieser Räume das Verhalten dieser Räume bei Koordinatentransformation Rechenoperationen mit Tensoren 1.2 Rechenoperationen mit Tensoren Mit Tensoren können viele Rechenoperationen ausgeübt werden, zum Beispiel können gleichartige Tensoren linear kombiniert werden. Besonders wichtig ist das Tensorprodukt oder dyadische Produkt: Seien α Tr s (V ) und β Tr s (V ). Dann ist α β T s+s r+r (V ) und es gilt (α β) (v 1,..., v r, v r+1,..., v r+r, w 1,..., w s, w s+1,..., w s+s ) = α ( v 1,..., v r, w 1,..., w s) β (v r+1,..., v r+r, w s+1,..., w s+s ) Entsprechen wird α β... γ erklärt.
6 1.3 Basis und Koordinatendarstellung Seite 6 Beispiel T 1 0 (V ) = V - Wirke α V (bzw. v V ) auf f V, dann ist α(f) v(f). Analog ist T 0 1 (V ) = V. 2. Seien f, g V [= T 1 (V )]. Dann ist f g T 2 (V ), also wirkt f g auf jeweils zwei Vektoren und es ist (f g) (v 1, v 2 ) = f(v 1 ) g(v 2 ) [v 1,2 V ] Seien v, w V [ = T 1 (V ) ]. Dann ist v w T 2 (V ) und es ist (v w) (f 1, f 2 ) = f 1 (v) f 2 (w) [f 1,2 V ] Die Tensoren der Familie α β bzw. α 1... α m heißen elementare Tensoren. (Wir sehen später, dass zum Beispiel die elementaren Tensoren f v mit f V und v V [ f v T 1 1 (V )] den Raum T 1 1 (V ) = V V aufspannen. Dazu braucht man Linearkombinationen!) Beispiel 1.2 (Fortsetzung) 3. Betrachte ein Skalarprodukt, in V. Das ist ein zweifach kovarianter Tensor, denn er bildet von V V nach R ab. Das Skalarprodukt ist in den Variablen symmetrisch, also ein symmetrischer Tensor. 4. Sei V ein Vektorraum mit einer festen Basis (e 1,..., e n ) und den Vektoren v 1,..., v n V. Seien z 1,..., z n die Koordinatenvektoren von v 1,..., v n bzgl. dieser Basis. Nun ordnen wir den Vektoren die Determinante einer Matrix aus ihren Spaltenvektoren zu: (v 1,..., v n ) z 1,..., z n Dadurch ist ein n-fach kovarianter Tensor definiert. Dieser Tensor ist alternierend, d.h. aus den Vertauschen zweier Argumente folgt ein Vorzeichenwechsel. 1.3 Basis und Koordinatendarstellung Satz 1.6 Sei (e i ) eine Basis für V und (e k ) die duale Basis in V (d.h. e k (e i ) = δk i ). Dann ist { e i 1... e ir e j1... e js : i k {1,..., k}, j l {1,..., n} } ( ) eine Basis von Tr s (V ). Beispiel 1.3 Sei dim V = 2. Wir suchen eine Basis für T 3 (V ) und finden acht Elemente: e 1 e 2 e 3, e 1 e 1 e 2,..., e 2 e 2 e 2 Beweis Zu zeigen: ( ) ist linear unabhängig und erzeugt T s r (V ). Aus Platzgründen sei s = 0 (und r beliebig), also ( ) = { e i 1... e ir : 1 i k n } Beachte, dass für die Anwendung eines Elementes dieser Menge auf die Basisvektoren von V gilt: ( e i 1... e ir) (e j1,..., e jr ) = e i 1 (e j1 )... e ir (e jr ) = δ i 1 j1... δ ir j r
7 1.4 Koordinatentransformation von Tensoren Seite 7 Angenommen, es ist c i1,...,i r e i 1... e ir = 0. Wende dies auch beliebige (e j1,..., e jr ) an: ci1,...,i r δ i 1 j1... δ ir j r = 0 c j1,...,j r = 0 Da dies für alle Basisvektoren (e j ) gilt, ist ( ) wirklich linear unabhängig. Noch zu zeigen: ( ) ist ein Erzeugendensystem von T r (V ). Sei α T r (V ) beliebig. Zu zeigen: α = a i1,...,i r e i 1... e ir ( ) Behauptung: Setze a k1,...,k r := α (e k1,..., e kr ). Diese a... erzeugen gemäß ( ) den Vektor α, d.h. für beliebige u 1,..., u r V ist ( ) α (u 1,..., u r ) = ai1,...,i r e i 1... e ir (u 1,..., u r )) Der Beweis dieser Aussage bleibt dem Leser als Übungsaufgabe überlassen, da er sehr lehrreich, wenn auch etwas umständlich ist. Hier zeigen wir eine vereinfachte Variante: Zwei Abbildungen α, β T r (V ) (analog für T s r (V )) sind schon gleich, wenn sie auf den Basisvektoren gleich sind: α (e j1,..., e jr ) = β (e j1,..., e jr ) 1 i k n ( ai1,...,i r e i 1... e ir) (e j1,..., e jr ) = a i1,...,i r δ i 1 j1... δ ir j r = a j1,...,j r = α (e j1,..., e jr ) (siehe oben) Bemerkung Die Darstellung α = a i1,...,i r e i1... e ir sieht für r = 2 anschaulich so aus: n α = a ij e i e j i,j=1 Allerdings lässt sich diese Formulierung nicht anschaulich auf r > 2 übertragen. Definition 1.7 Koordinaten eines Tensors Sei α T s r (V ). Dann heißt das System von Zahlen a j 1,...,j s i 1,...,i r := α ( e j 1,..., e js, e i1,..., e ir ) (1 j k, i l n) Koordinaten von α bzgl. der Basis (e 1,..., e n ), d.h. bezüglich ( ). 1.4 Koordinatentransformation von Tensoren Betrachte in V Basen (e 1,..., e n ) und (e 1,..., e n) mit den dualen Basen ( e 1,..., e n) und (e ) 1,..., e n in V. Sei x V und f V, dann ist x = x i e i = x j e j f = f i e i = f j e j e j = a i j e i e j = a ji e i (1) und e j = b j i e i e j = b ij e i (2)
8 1.4 Koordinatentransformation von Tensoren Seite 8 ( ) a i j kann als Matrix interpretiert werden: oderer Index = Zeilenindex, unterer Index = Spaltenindex (e i ) = ( e 1,..., e ) ( ) n aij, ( e j ) = ( ) e 1 b ij... e n Behauptung: Die Matrizen (a i j ) und (a ji ) sowie (b i j ) und (b ji ) sind jeweils invers zueinander (hier ohne Beweis). Die Transformation der Koordinaten eines Tensors erfolgt dann so: x j = a j i xi x j = a i x i (3) f j = b ji f i f j = bi j f i (4) Man zeigt, dass in unserem Falle der Wahl der Basen in V als duale Basen folgendes gilt: ( ) ( ) ( ) b i j = a ji b ji = ( a i ) j Aus (3) folgt die wichtige Merkregel : a j i = x j x i, a j x j i =, x j x j x i = x i xi, x j = xj x i x i
9 2.1 Grundlagen der Differentialformen Seite 9 2 Maxwellsche Gleichungen und Differentialformen Der Minkowski-Raum M ist der R 4 mit Elementen der Form x = (x 0, x 1, x 2, x 3 ), und darin eine Bilinearform g, das sogenannte Minkowski-Skalarprodukt (das aber kein richtiges Skalarprodukt ist) mit g(x, y) = x 0 y 0 x 1 y 1 x 2 y 2 x 3 y 3. Sei V ein (reeller) n-dimensionaler Vektorraum und g eine Bilinearform auf V mit den Eigenschaften: g ist symmetrisch g(x, y) = g(y, x) g ist nicht entartet Es gilt eine der folgenden äquivalenten Bedingungen: Wenn g(x, y) = 0 für festes x und alle y V, dann soll x = 0 folgen. Für eine (und damit jede) Basis (v i ) in V ist die Matrix (g(v i, v j )) invertierbar und zudem symmetrisch. Dann ist diese Matrix diagonalisierbar, es existiert also eine Basis (u i ) von V, für die (g(u i, u j )) Diagonalgestalt hat. Bei geeigneter Wahl der (u i ) hat (g(u i, u j )) =: (g ij ) die Gestalt: Das sogenannte Sylvestersche Trägheitsgesetz besagt: Die jeweilige Anzahl der Plus- und Minuszeichen ist unabhängig von der Basis. Im Minkowski-Raum liefert die Standard-Basis (e 0, e 1, e 2, e 3 ) von R 4 gerade (g ij ) = Man nennt eine Basis (w i ) von V orthonormal bezüglich g, wenn g(w i, w j ) = δ ij ist. 2.1 Grundlagen der Differentialformen Die Räume der Differentialformen aus R 4 wurden mit Ω s (R 4 ) bezeichnet, wobei s = 1,..., 4 ist. In Ω 0 (R 4 ) sind die beliebig oft differenzierbaren Funktionen auf R 4 enthalten. Die Elemente von Ω s (R 4 )
10 2.1 Grundlagen der Differentialformen Seite 10 haben in der Standarddarstellung die Struktur: Die Ableitung ist gegeben durch dω = ω = j 1 < <j s ω j1 j s dx j1... dx js j 1 < <j s dω j1 j s dx j1... dx js Ω s+1 (R 4 ) als Zurückführung auf Ableitungen in Räumen Ω s (R 4 ) mit kleinerem s. Für f Ω 0 (R 4 ) gilt df = 3 k=0 f x k dxk Außer (g ij ) wird auch die inverse Matrix betrachtet, die die Form (g ij ) hat. In unserem Fall ist g ij = g ij. Jetzt wird dieses g benutzt, um in den Ω s eine Bilinearform zu definieren. ω = σ = g(ω, σ) := ω j1 j s dx j 1... dx js j 1 < <j s σ i1 i s dx i 1... dx is i 1 < <i s g j 1i1 g jsis ω j1 j s σ i1 i s j 1 < <js i 1 < <is g auf Ω s ist wieder symmetrisch. In obiger Summe sind nur solche Summanden ungleich Null, in denen (j 1,..., j s ) = (i 1,..., i s ) ist, weil g ij = 0 für i j ist. Man sieht jetzt sofort, dass die e j 1 j s := dx j 1... dx js mit j 1 < < j s eine Orthonormalbasis bezüglich der Bilinearform g bilden. Mittels g wird der sogenannte Stern- Operator definiert: : Ω s (R 4 ) Ω 4 s (R 4 ), σ σ mit ω σ = g(ω, σ) dx 0... dx 3 =: g(ω, σ) µ ω Ω s (R 4 ) µ = dx 0... dx 3 ist eine 4-Form. Wegen ω Ω s und σ Ω 4 s ist ω σ Ω 4. Ω 4 besteht nur aus Elementen der Form f dx 0... dx 3. f ist aus C (R 4 ), und natürlich ist g(ω, σ) auch aus C (R 4 ). Der Operator hat unter anderem folgende Eigenschaften: (h σ) = h σ für h C (R 4 ), denn g(ω, h σ) = g(h ω, σ) = h g(ω, σ). ist eindeutig definiert, wenn man weiß, wie auf die Basiselemente wirkt, denn σ = i 1 < <i s σ i1 i s dx i1... dx is σ = Betrachte: e i 1,...,i nk = dx i 1... dx i k. Dann ist e i 1,...,i nk = ±e j 1 j 4 k, i 1 < <i s σ i1 i s (dx i1... dx is ) wobei j 1 <... < j 4 k ist und die j 1,..., j n 4 k {0, 1, 2, 3} \ {i 1,..., i n k} sind. Also ist zum Beispiel e 01 = ±e 23 und e 013 = ±e 2. Für k = 0: 1 ist Basis in Ω 0 und g(1, 1) = 1 1 = 1. Es ist 1 = dx 0... dx 3.
11 2.2 Maxwellsche Gleichungen im Minkowski-Raum Seite 11 Für k = 1: Es ist g(e 0, e 0 ) = 1 sowie g(e i, e i ) = g(dx i, dx i ) = g ii 1 1 = 1 für i 1. Es folgt: e 0 e 123 = µ e 0 = e 123 e 1 e 023 = µ e 1 = e 023 Für k = 2: Es ist g(e 0i, e 0i ) = 1 und g(e ij, e ij ) = 1 für i, j {1, 2, 3} und i < j. Also ergibt sich: e 01 = e 23 e 02 = e 13 e 03 = e 12 e 12 = e 03 e 13 = e 02 e 23 = e 01 Das Kodifferential δ : Ω s Ω s 1 wird definiert durch δ := d : Ω s Ω 4 s d Ω 5 s Ω s Maxwellsche Gleichungen im Minkowski-Raum Führe in den Maxwell schen Gleichungen (in der Vorlesung in vereinfachter Form in den Formeln (18.5) und (18.6) dargestellt; relevant sind auch (18.7) bis (18.10)) Vierervektoren ein: J = (j 0, j 1, j 2, j 3 ) mit j 0 := ϱ A = (A 0, A 1, A 2, A 3 ) mit A 0 := V (18.10) wird jetzt div J = 0 Aus dem Ansatz (18.7) wird jetzt einheitlich folgendes (mit Kurzschreibweise j = / x j ): E 1 = ( 0 A 1 1 A 0 ) E 2 = ( 0 A 2 2 A 0 ) E 3 = ( 0 A 3 3 A 0 ) H 1 = ( 2 A 3 3 A 2 ) H 2 = ( 3 A 1 1 A 3 ) H 3 = ( 1 A 2 2 A 1 ) Definiere nun den sogenannten Faraday-Tensor: F = F µν dx µ dx ν mit F µν = µ A ν ν A µ µ<ν 0 E 1 E 2 E 3 F = E 1 0 H 3 H 2 E 2 H 3 0 H 1 E 3 H 2 H 1 0 Damit kann man zeigen, dass (18.6a) äquivalent sind zu µ F νλ + ν F λµ + λ F µν = 0 ( )
12 2.2 Maxwellsche Gleichungen im Minkowski-Raum Seite 12 für paarweise verschiedene µ, ν und λ zwischen 0 und 3. Zum Beispiel für µ, ν, λ = 1, 2, 3: 1 F F F 12 = 1 H H H 3 = div H = 0 Bilde die 1-Form ω A = 3 A i dx i. Aus Definition von F folgt: F = dω A. Daraus folgt df = d(dω A ) = 0; i=0 dies ist eine 3-Form. Schreibt man df = 0 in den Komponenten (=Faktoren vor dem Basiselement) aus, so erhält man genau ( ). Jetzt wird die 2-Form F berechnet: F = (F 01 dx 0 dx 1 + F 02 dx 0 dx 2 + F 03 dx 0 dx 3 + F 12 dx 1 dx 2 + F 13 dx 1 dx 3 + F 23 dx 2 dx 3 ) = F 01 dx 2 x = G µν dx µ dx ν = G µ<ν 0 H 1 H 2 H 3 G = H 1 0 E 3 E 2 H 2 E 3 0 E 1 H 3 E 2 E 1 0 Dann kann man (18.6b) umschreiben zu: dg = 4π σ J σ J = j 0 dx 1 dx 2 dx 3 j 1 dx 0 dx 2 dx 3 + j 2 dx 0 dx 1 dx 3 j 3 dx 0 dx 1 dx 2 In Komponenten ist µ G νλ + ν G λµ + λ G µν = 4π j κ, wobei (κ, µ, ν, λ) eine gerade Permutation von (0, 1, 2, 3) ist. σ J = ω J = j κ dx κ mit j κ = j κ Dann kann man alles zusammenfassen: (18.6a) wird zu df = 0. (18.6b) wird zu dg = 4π σ J Es ist δf = d F = dg = (4π σ J ) = 4π σ J = 4π ω J.
Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung
Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrTensoren auf einem Vektorraum
ANHANG A Tensoren auf einem Vektorraum In diesem Anhang werden einige Definitionen und Ergebnisse betreffend Tensoren ohne Anspruch auf mathematische Strenge zusammengestellt. Das Ziel ist, den modernen
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
Mehr3 Bilinearform, Basen und Matrizen
Lineare Algebra II 2. Oktober 2013 Mitschrift der Vorlesung Lineare Algebra II im SS 2013 bei Prof. Peter Littelmann von Dario Antweiler an der Universität zu Köln. Kann Fehler enthalten. Veröentlicht
MehrMultilineare Algebra
Multilineare Algebra Handout zur Vorlesung Differentialgeometrie Dr. Bernd Ammann, Prof. Chr. Bär Literatur Frank Warner, Foundations of differentiable manifolds and Lie groups, Kapitel 2 1 Tensoren Motivation.
Mehr7 Vektorräume und Körperweiterungen
$Id: vektor.tex,v 1.4 2009/05/28 16:37:16 hk Exp $ 7 Vektorräume und Körperweiterungen Bisher haben wir zwar die Existenz und Eindeutigkeit von Tensorprodukten bewiesen, und auch einige ihrer Eigenschaften
MehrWiederholungsserie II
Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095
Mehr2. Isotropie. Beweis: (i) (ii): β U ist nicht ausgeartet. U U = {0} (ii) (iii): β U ist nicht ausgeartet. Da β nicht ausgeartet ist, gilt U = U:
2. Isotropie Im folgenden sei V ein K-Vektorraum der Dimension n. Es sei q eine quadratische Form darüber und β die zugehörige symmetrische Bilinearform. Zudem gelte in K: 1 + 1 0. Notation 2.0: Wir nennen
Mehr4 Orthogonale Endormorphismen
4 Orthogonale Endormorphismen Frage: Bei welchen Abbildungen R R bzw. R 3 R 3 bleibt der Abstand zwischen zwei Punkten erhalten? Für α R setzen wir cosα sin α D(α) = und S(α) := sin α cosα ( cos α sin
MehrLineare Algebra II (SS 13)
Lineare Algebra II (SS 13) Bernhard Hanke Universität Augsburg 03.07.2013 Bernhard Hanke 1 / 16 Selbstadjungierte Endomorphismen und der Spektralsatz Definition Es sei (V,, ) ein euklidischer oder unitärer
Mehr7.3 Unitäre Operatoren
Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren
Mehr3 Vektorräume abstrakt
Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrKlausur Sommersemester 2011 Tensorrechnung für Ingenieure Musterlösung
Klausur Sommersemester 2011 Tensorrechnung für Ingenieure Musterlösung Prof Dr-Ing Ch Tsakmakis Dipl-Ing J Frischmann FB 13, FG Kontinuumsmechanik Aufgabe 1 (Klausuraufgabe) Seien drei Vektoren u, v, w
MehrTensoren. Oliver Jin, Florian Stöttinger, Christoph Tietz. January 24, 2012
Tensoren Oliver Jin, Florian Stöttinger, Christoph Tietz January 24, 2012 Inhaltsverzeichnis Einleitung Einstein sche Summenkonvention Ko- und Kontravariant Stufen Transformationsverhalten Symmetrie Tensoralgebra
MehrLineare Abbildungen und Orthonormalsysteme
KAPITEL Lineare Abbildungen und Orthonormalsysteme. Lineare Abbildungen und Koordinatendarstellungen.. Lineare Abbildungen und ihre Basisdarstellung. Seien V, W Vektorraume uber R. Mit einer Abbildung
Mehr4 Bilinearformen und Skalarprodukte
4 Bilinearformen und Skalarprodukte 4 Grundlagen über Bilinearformen Definition 4 Sei V ein K-Vektorraum Eine Bilinearform b auf V ist eine Abbildung b : V V K mit folgenden Eigenschaften: (B) x, y, z
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 2/3) Bernhard Hanke Universität Augsburg 20..202 Bernhard Hanke / 3 Matrizen und Lineare Abbildungen Es seien lineare Abbildungen, d.h. Matrizen gegeben. B = (b jk ) : R r R n, A
MehrLineare Abbildungen und Matrizen
48 Kapitel 2 Lineare Abbildungen und Matrizen 2. Lineare Abbildungen Wir fixieren wieder einen Körper K, etwa IR oder C. Unser Ziel ist nun die Untersuchung der Beziehungen zwischen zwei K-Vektorräumen,
Mehrauf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a
x LINEARE ABBILDUNGEN Denition: Seien V; V Vektorraume Eine Abbildung f heit linear, falls (i) (ii) f(x + y) f(x) + f(y) (x; y V ) f(x) f(x) ( R; x V ) Bemerkungen: I (i) und (ii) oben sind aquivalent
MehrVorlesung. Mathematik für Physiker III. Kapitel 3 Differentialformen. 10. Differentialformen 1. Ordnung
Vorlesung Mathematik für Physiker III Kapitel 3 Differentialformen 10. Differentialformen 1. Ordnung Sei V ein Vektorraum über R, V sein Dualraum. Zu einer k-dimensionalen Untermannigfaltigkeit M des R
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrLineare Algebra I Lösungsvorschlag
Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und
Mehr1 Eigenschaften von Abbildungen
Technische Universität München Christian Neumann Ferienkurs Lineare Algebra für Physiker Vorlesung Dienstag WS 2008/09 Thema des heutigen Tages sind zuerst Abbildungen, dann spezielle Eigenschaften linearer
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
Mehr1 Grundlagen zur Darstellungstheorie
Seminar Gruppen in der Physik SS 06 Vortrag 1 Gruppen und ihr Darstellung Matthias Nagl 1 Grundlagen zur Darstellungstheorie In diesem Vortrag wird es nur um lineare Darstellungen endlicher Gruppen in
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
Mehr8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet:
8. EIGENWERTTHEORIE I 139 8 Eigenwerttheorie I Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: K[x] = Abb[N, K] = {P ; P = a n x n + a n 1 x n 1 + + a 0 ; a
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Heimarbeitsblatt 14
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker Wintersemester 3/4 Heimarbeitsblatt 4 Die Lösungshinweise dienen
MehrDefinitionen. b) Was bedeutet V ist die direkte Summe von U und W? V ist direkte Summe aus U und W, falls V = U + W und U W = {0}.
Technische Universität Berlin Wintersemester 7/8 Institut für Mathematik 9. April 8 Prof. Dr. Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Nachklausur zur Linearen Algebra I Aufgabe ++ Punkte Definieren
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 12 (SS 2011) Abgabetermin: Donnerstag, 7. Juli http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Hier
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 56 Basiswechsel bei Tensorprodukten Lemma 56.1. Es sei K ein Körper und seien V 1,...,V n endlichdimensionale
Mehr3 Bilinearformen und quadratische Formen
3 Bilinearformen und quadratische Formen Sei V ein R Vektorraum. Definition: Eine Bilinearform auf V ist eine Abbildung s : V V R, welche linear in beiden Variablen ist, d.h.: Für u, v, w V und λ, µ R
MehrVorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)
1 Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 14: Vektorräume und lineare Abbildungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 6. Oktober 2009) Vektorräume
MehrFerienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte
Technische Universität München, Fakultät für Physik Ferienkurs - ineare Algebra Hanna Schäfer 03. März 04 0. inearität. f : M N, x : y = f(x) Merkinhalte. f(x + λy) = f(x) + λf(y), x, y V, λ K 3. ineare
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzugen zur Vorlesung: Der Vollständigkeit
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
Mehr4.3 Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen
196 KAPITEL 4. VEKTORRÄUME MIT SKALARPRODUKT 4. Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen In diesem Abschnitt betrachten wir Vektorräume über IR und über C. Ziel ist es, in solchen Vektorräumen
Mehr49 Tensorprodukt. Diese Abbildung ist offensichtlich bilinear. Sie hat außerdem die folgende universelle Eigenschaft:
49 Tensorprodukt Zusammenfassung Das Tensorprodukt von Vektorräumen erlaubt die Linearisierung von bilinearen und multilinearen Abbildungen zwischen Vektorräumen. Varianten des Tensorproduktes sind das
MehrAnalysis. Lineare Algebra
Analysis Ableitung Ableitungsregeln totale und partielle Ableitung Extremwertbestimmung Integrale partielle Integration Substitution der Variablen Koordinatentransformationen Differentialgleichungen Lineare
MehrKapitel 5. Vektorräume mit Skalarprodukt
Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
Mehrω : V V V (Die Vertauschung zweier Vektoren liefert ein extra Minuszeichen.)
Analysis 3, Woche 12 Differentialformen I 121 Multilineare Algebra Sei V ein Vektorraum über R Dann definiert man V als den Vektorraum der stetigen linearen Abbildungen L : V R Allgemeiner kann man multilineare
MehrLineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,
MehrDeterminanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.
Determinanten Motivation: Man betrachte das lineare Gleichungssystem [ [ [ a b x u = (1) c d y v Sei obda a und c Dann ist (1) äquivalent zu [ [ ca cb x = ac ad y und ferner zu [ [ ca cb x ad cb y Falls
MehrLineare Algebra 2 (SS 13) Blatt 13: Musterlösung
Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra 2 (SS ) Blatt : Musterlösung Aufgabe. Es sei C (R) der R-Vektorraum der unendlich oft differenzierbaren Funktionen auf R und : C (R) C (R), f f die Abbildung,
Mehr7.2 Die adjungierte Abbildung
7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)
MehrLösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3
MehrLösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 24 1. Zeige: Ist 1 n := min{dim K (V 1 ), dim K (V 2 )} < für Vektorräume V 1 und V 2, so ist jeder Tensor in V 1 K V 2 eine Summe von
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
MehrKoordinaten und darstellende Matrizen
Koordinaten und darstellende Matrizen Olivier Sète 4 Juli 2008 Inhaltsverzeichnis Koordinatenabbildung 2 Definition und Eigenschaften 2 2 Beispiel 3 2 Matrixdarstellung eines Vektorraumhomomorphismus 3
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
Mehr4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit
4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit Definition 4.41. Eine Familie F linearer Operatoren heißt vertauschbar oder kommutierend, wenn für je zwei Operatoren U,T in F gilt: UT = TU.
MehrHauptachsentransformation: Eigenwerte und Eigenvektoren
Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
Mehr5 Diagonalisierbarkeit
5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
MehrWichtige Kenntnisse der Linearen Algebra
Wichtige Kenntnisse der Linearen Algebra In Kapitel 3 der Vorlesung werden wir sehen (und in Kapitel 6 vertiefen, dass zur Beschreibung von Quantensystemen mathematische Begriffe aus dem Gebiet der Linearen
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/201 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.201, 11 Uhr Lösungen der
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
Mehr4.2 Die adjungierte Abbildung
4.2. DIE ADJUNGIERTE ABBILDUNG 177 4.2 Die adjungierte Abbildung Die Vektorräume dieses Paragraphen seien sämtlich euklidisch, die Norm kommt jetzt also vom inneren Produkt her, v = v v. Zu f Hom R (V,
Mehr4.4 Hermitesche Formen
44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung
MehrVektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)
Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz
Mehr9 Tensoren. für jede Permutation π S q ; T heißt anti-symmetrisch, wenn T kπ(1)...k π(q) T k1...k q. = sgn(π) T k1...k q
Tensoren finden Anwendung in der Differentialgeometrie, in der Relativitätstheorie und in der Quantenmechanik. Wenn wir einen Vektor zunächst für praktische Zwecke als eine Liste von 3 (oder, in n Dimensionen,
Mehr1 Lineare Abbildungen
1 Lineare Abbildungen Definition 1 Sei K ein Körper und V und W K-Vektoräume. Eine Abbildung f : V W heisst linear oder Homomoprhismus, wenn gilt: fv 1 + v 2 = fv 1 + fv 2 v 1, v 2 V fλv = λfv λ K, v V
MehrLeitfaden 20. t = dim V dimu.
Leitfaden 2 Einschub (Nachtrag zur LA I): Komplementärbasen Sei V ein Vektorraum, U ein Unterraum Eine Folge (v,, v t ) von Vektoren aus V heißt linear unabhängig modulo U, falls folgendes gilt: sind p
Mehrtechnische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
MehrBasiswissen über Bilinearformen mit Betrachtung symmetrischer Bilinearformen
Basiswissen über Bilinearformen mit Betrachtung symmetrischer Bilinearformen Zhelun Chen Proseminar Lineare Algebra WS016/017 Universität Konstanz Zusammenfassung In diesem Proseminar lernen wir einige
Mehrα i e i. v = α i σ(e i )+µ
Beweis: Der Einfachheit halber wollen wir annehmen, dass V ein endlich-dimensionaler Vektorraum mit Dimension n ist. Wir nehmen als Basis B {e 1,e 2,...e n }. Für beliebige Elemente v V gilt dann v α i
MehrLösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung
D-MATH Lineare Algebra I/II HS 07/FS 08 Dr Meike Akveld Lösung 3: Sylvesters Trägheitssatz & Singulärwertzerlegung Wir wissen, dass eine Basis B von R n existiert, sodass p [β Q ] B I I q 0 n p q gilt
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
Mehr09. Lineare Abbildungen und Koordinatentransformationen
09. Lineare Abbildungen und Koordinatentransformationen Definition. Seien V und W Vektorräume. Unter einer linearen Abbildung versteht man eine Abbildung F : V W, v F v w mit folgender Eigenschaft: F λ
Mehr(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.
() In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
MehrHM II Tutorium 1. Lucas Kunz. 24. April 2018
HM II Tutorium 1 Lucas Kunz 24. April 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Körper...................................... 2 1.2 Gruppen..................................... 2 1.3 Vektorraum...................................
Mehr2.3 Basis und Dimension
23 Basis und Dimension Erinnerung Gegeben ein K-Vektorraum V, ein Vektorensystem x,, x n in V Eine Linearkombination in den x i ist ein Vektor der Form λ x + + λ n x n mit λ i K Die λ i heißen Koeffizienten
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehr