Gruppe SU(3) und Quarkmodell

Größe: px
Ab Seite anzeigen:

Download "Gruppe SU(3) und Quarkmodell"

Transkript

1 WESTFÄLISCHE WILHELMS-UNIVERSITÄT MÜNSTER Institut für theoretische Physik Seminarvortrag über Gruppe SU() und Quarkmodell von Babak Alikhani am 5..

2 Inhaltverzeichnis. Die Gruppen U(n) und SU(n). Die Generatoren der U(n) und SU(n).. Generatoren der SU().. Generatoren der SU(). T-, U-, V- Multiplett. Konstruktion der SU()-Multipletts 5. Das Quark-Modell 5.. Das kleinste triviale Multiplett 5.. Das kleinste nichttriviale Multiplett 5.. Konstruktion aller SU()-Multipletts aus den elementaren Darstellungen

3 . Die Gruppen U(n) und SU(n) U eine unitäre quadratische n n-matrix, d.h. U + U I, U U +, det U () Die Matrix U lässt sich durch eine invertierbare Matrix S diagonalisieren, also U SUS eine Diagonalmatrix ist. (U, ) bilden eine Gruppe bzgl. Matrizenmultiplikation; diese Gruppe wird mit U(n) bezeichnet, was unitäre Gruppe in n Dimensionen andeuten soll. H eine hermitische quadratische n n-matrix, d.h. H + H; die diagonale Eigenwerte sind reell: H ii H * ii Spur(H) reell. () Die Matrix U kann so geschrieben werden: U e ih () Wenn U diagonal ist, muss auch H diagonal sein. Daher gilt: H L ih H L e detexp M O M H L nn H e det M e i(spurshs ) e H e L L O L i(spurss e H) M H nn e e i(spurh) i( H + H + L+ H ) e iα e i(spurh ) det U α oder mπ (5) Diese einschränkten Matrizen bilden eine Gruppe, die so genannte Spezielle unitäre Gruppe in n Dimensionen SU(n). Sie hat n - Parameter und ist eine Untergruppe von U(n).. Die Generatoren der U(n) und SU(n) Die Gruppe U(n) hat n Parameter φ j und daher auch n Generatoren λ i Da H hermitisch sein muss kann man im Fall der U(n) n unabhängige n n-matrizen als Generator nehmen. Es gilt also: λ, λ ic λ (6) [ i j] ijk k Analog könne Generatoren der SU(n) irgendwelche (n -) linear unabhängige hermitischen n n-matrizen mit Spur Null genommen werden. Letzteres ist notwendig, damit det U erfüllt ist... Generatoren der SU() In diesem Fall ist n, also SU() hat Generatoren, die Paulischen Spinmatrizen: i σ, σ, σ (7) i die linear unabhängigen hermitischen -Matrizen sind, die mit Einheitsmatrix den -Matrizenraum vollständig aufspannen. Die Vertauschungsbeziehungen der σ i lauten: σ, σ i ε σ (8) Üblicherweise nimmt man [ i j] ijk k Si σi als Generatoren der SU(). Die S i beschreiben die Spins. Die Operatoren der φ i j S j SU() können mit () durch U e dargestellt werden... Generatoren der SU() SU() hat 8 Generatoren. Da SU() Untergruppe von SU() Generatoren von SU() aus der SU()-Generatoren durch Erweiterung i ; λ i ; λ λ ()

4 λ ; λ 5 i i ; λ 6 ; λ 8 i; λ 8 i (9) Vertauschungsbeziehungen λ, λ if λ () [ i j ] ijk k fijk:: Strukturkonstante, antisymmetrisch gegen Austausch zweier benachbarter Indizes, d.h.: fijk fjik fikj usw. () ijk f ijk Üblicherweise: Fi λi [ F i, Fj ] if ijk Fk () Nach Gell-Mann Fi : F-Spin Wir führen die sphärische Darstellung ein: T F i F, V F i F 5, U F6 i F 7 T F, Y F8 () Einige Vertauschungsbeziehungen: [ T,T ] T [ T, U ] m U [ T,V ] V Y,T Y, U U Y,V V [ ] [ ] [ ] [ T,Y] () Y und T kommutieren gemeinsame Eigenzustände von Y und T : T Y T Y T T Y, Ŷ T Y Y T Y (5) Was passier, wenn man die Operatoren T, U und V auf den Zustand Also, analog gilt: [, Vˆ ] Vˆ ( Vˆ Vˆ ) Vˆ T Y Vˆ T Y Vˆ erhöht bzw. erniedrigt die Quantenzahl T um ½. Vˆ erhöht bzw. erniedrigt die Quantenzahl Y um. erniedrigt bzw. erhöht die Quantenzahl T um ½. erhöht bzw. erniedrigt die Quantenzahl Y um. erhöht bzw. erniedrigt die Quantenzahl T um. erhöht bzw. erniedrigt die Quantenzahl Y nicht. Vˆ Y T T Y T Y anwendet? Vˆ ( Vˆ T Y ) T ( Vˆ T Y ) (6) T Y

5 Die ganzzahligen Einheiten der Y-Achse gegenüber der T-Achse um den Faktor gestaucht.. T-, U-, V- Multiplett Es gilt: [ +, ], [ +, ] Ŷ,[ Vˆ +,Vˆ ] Ŷ + Vˆ Die Operatoren {,, }{,,, }{, Vˆ,Vˆ, } Vˆ erfüllen die Lie-Algebra der SU(). T-Spin-Algebra, U-Spin-Algebra, V-Spin-Algebra sind in sich geschlossen. SU()-Multipletts setzen sich aus T-, U-, V-Multipletts zusammen. Aus SU()-Algebra (Drehimpuls- bzw. Isospinalgebra) folgt: T,max < T < +T,max SU()-Multipletts symmetrisch zur Y-Achse T-, U-, V-Algebren gleichberechtigte Unteralgebra der SU() SU()-Multipletts symmetrisch auch zur U und V Achsen. Die drei Symmetrieachsen schneiden sich unter. Daher der Nullpunkt (T, Y )ist Mittelpunkt eines jeden SU()-Multipletts. (7). Konstruktion der SU()-Multipletts Zustand mit dem größten T -Wert Ψ max T,max Y + Ψ max Ψmax Vˆ + Ψmax (8) Die Grenze der Multipletts durch wiederholte Anwendung von Vˆ auf Ψ. Das geht p mal gut und das (p + ) - te Mal gibt es Zustand anwenden. max p ( Vˆ ) ( Vˆ ) + Ψ p+ max Ψ (q + ) - te Mal gibt es max erreicht. Das geht q mal gut und das q+ p+ ( ) ( Vˆ ) Ψ max Frage : Warum im unteren Eckpunkt nach links und nicht nach rechts abbiegen? α) SU() - Multipletts Sechsech - Strukturmit - Symmetrie. Aus allg.symm β) Nullpunkt Y T als Mittelpunt enthalten. Grenze des Multipletts immer KONVEX

6 5. Das Quark-Modell SU() Symmetrienliefern Multiplettstrukturen. SU() gesuchteneuesymmetrienin der Ordnungder Elementarteilchen 5.. Das kleinste triviale Multiplett Das kleinste Darstellung der F-Spin-Algebra ist die Singulett-Darstellung mit T, Y, also das kleinste triviale Multiplett. 5.. Das kleinste nichttriviale Multiplett In SU(): die kleinste nichttriviale Darstellung das Isospindublett mit T.Da SU() Unteralgebra von SU() das kleinste SU() enthält mindestens ein T - Dublett.U,V, T Algebra gleichberechtigt SU() Multiplett muss sowohl ein T - als auch ein V - und U - Dublett enthalten. Es ergibt sich nebenstehende Figuren : Beide Darstellungen enthalten ein Isodublett T also +, nächste Aufgabe : Bestimmung der Y - Werte und ein U -Spin -Singulet Ŷ haben dieselbe Hyperladung Ŷ und jetzt Bestimmung von Da also und Ŷ Y ; ( + ) Y. Es gilt auch : und ein Isosingulett T. ; (Ŷ ) Ŷ ( aus einem V -Spin - Dublett von ( : (Ŷ + ) ) Y Ŷ + +, + ) + Insgesamt gilt : Ψ, ; Ψ,, Ψ, 5.. Konstruktion aller SU()-Multipletts aus den elementaren Darstellungen - +

7 Eine enge Analogie zur Situation bei der SU() - Drehimpulsalgebra : zu jedem Wert j,,,,...gibt es ein Multiplett der Dimension (j+ ) mit den Zuständen jm, m - j,...,,... + j. Zweiter Weg zur Konstruktion der SU() - Multipletts ist die Kopplung des fundamentalen Dubletts : j, m +, Jetzt zur SU() : Aufbau aus den fundamentalen Quarks a) Def.: Zustand mit max. Gewicht : T > T oder T [ ] bzw. Antiquarks[ ] (T, Y) hat größeres Gewicht als (T, Y ), wenn gilt T und Y > Y : Möglichkeiten Wenn Zustand mit max. Gewicht bekannt Konstruktion des Multipletts durch Schieboperatoren b) Regeln für die Reduzierung direkter Produkte aus SU()- Multipletts i) Quark-Antiquark,, Vˆ Beispiel : Pseudoskalare Mesonen ii) Quark-Quark-Quark

8 Beispiel : Baryonenoktett Beispiel : Dekuplett der Baryonenresonanzen

Zusammenfassung des Vortrags SU(3) und das Quarkmodell im Seminar zur Theorie der Teilchen und Felder. Artur Sperling

Zusammenfassung des Vortrags SU(3) und das Quarkmodell im Seminar zur Theorie der Teilchen und Felder. Artur Sperling Zusammenfassung des Vortrags SU(3) und das Quarkmodell im Seminar zur Theorie der Teilchen und Felder Artur Sperling 01.12.2010 Theorie der Teilchen und Felder SU(3) und das Quarkmodell Sperling 1 Inhaltsverzeichnis

Mehr

Zusammenfassung meines Vortrags zum Thema Die Gruppe SU(3) und das Quarkmodell im Seminar zur Theorie der Teilchen und Felder

Zusammenfassung meines Vortrags zum Thema Die Gruppe SU(3) und das Quarkmodell im Seminar zur Theorie der Teilchen und Felder Zusammenfassung meines Vortrags zum Thema Die Gruppe SU(3) und das Quarkmodell im Seminar zur Theorie der Teilchen und Felder Katrin Schmietendorf 4. Juni 2008 Inhaltsverzeichnis 1 Mathematische Beschreibung

Mehr

Elemente der Gruppentheorie

Elemente der Gruppentheorie Elemente der Gruppentheorie Tobias Sudmann 06.11.2006 Rolle der Gruppentheorie in der Physik abstraktes mathematisches Modell Symmetriebegriff historisch: Harmonievorstellung bei Plato, Pythagoras, Kepler,...

Mehr

Darstellungstheorie und das Standardmodell

Darstellungstheorie und das Standardmodell Seminarvortrag in Anwendung von Lie-Algebren Darstellungstheorie und das Standardmodell 22.11.2010 Torsten Hartmann 1 Lie-Gruppen, Lie-Algebren - Erinnerung Lie-Gruppe: Erfüllt die Gruppenaxiome: [G1]

Mehr

Liegruppen und Liealgebren

Liegruppen und Liealgebren Liegruppen und Liealgebren Arne Münkel 29. Januar 2013 Inhaltsverzeichnis 1 Motivation und Definition 1 2 Die Adjungierte Darstellung und die Killingform 2 3 Die Cartan Basis 4 4 Eigenschaften der Wurzeln

Mehr

SU(3) und das Quarkmodell

SU(3) und das Quarkmodell SU() und das Quarkmodell Seminar zur Theorie der Teilchen und Felder Institut für Theoretische Physik Steffen Finger 0.05.05 s fing06@uni-muenster.de Abstract Bei diesem Dokument handelt es sich um die

Mehr

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung

Mehr

Nach der Drehung des Systems ist der neue Zustandsvektor

Nach der Drehung des Systems ist der neue Zustandsvektor Vorlesung 1 Die allgemeine Theorie des Drehimpulses Eine Drehung des Quantensystems beschreibt man mit Hilfe des Drehimpulsoperators. Um den Drehimpulsoperator zu konstruieren, betrachten wir einen Vektor

Mehr

Das Konzept der Symmetrie (Hermann Weyl)

Das Konzept der Symmetrie (Hermann Weyl) Das Konzept der Symmetrie (Hermann Weyl) Werkzeugkiste: Transformationsgruppen Dreieck Drehung Dreieck R.P. Feynman: Ein Objekt heißt symmetrisch, wenn man mit ihm etwas anstellen kann, ohne es am Ende,

Mehr

Fallstudien der mathematischen Modellbildung Teil 3: Quanten-Operationen. 0 i = i 0

Fallstudien der mathematischen Modellbildung Teil 3: Quanten-Operationen. 0 i = i 0 Übungsblatt 1 Aufgabe 1: Pauli-Matrizen Die folgenden Matrizen sind die Pauli-Matrizen, gegeben in der Basis 0, 1. [ [ [ 0 1 0 i 1 0 σ 1 = σ 1 0 = σ i 0 3 = 0 1 1. Zeigen Sie, dass die Pauli-Matrizen hermitesch

Mehr

Liegruppen Die Gruppen SU(n) Anwendung: Spin und SU(2)

Liegruppen Die Gruppen SU(n) Anwendung: Spin und SU(2) Aufbau der Hadronen aus Quarks Henning Gast B etr eu er : P r o f. G. F l ü gge W inter sem ester / Übersicht. Einführung. Einige Begriffe aus der Gruppentheorie Liegruppen Die Gruppen SU(n) Anwendung:

Mehr

Lineare Algebra: Determinanten und Eigenwerte

Lineare Algebra: Determinanten und Eigenwerte : und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b

Mehr

L5.6 Symmetrische, hermitesche, orthogonale und unitäre Matrizen (Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen)

L5.6 Symmetrische, hermitesche, orthogonale und unitäre Matrizen (Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen) L5.6 Symmetrische, heresche, orthogonale und unitäre Matrizen (Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen) In diesem Kapitel kommen Matrizen in Zusammenhang Skalarprodukt vor.

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

Ausgewählte Lösungen zu den Übungsblättern 9-10 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt

Mehr

1 Rechnen mit 2 2 Matrizen

1 Rechnen mit 2 2 Matrizen 1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12

Mehr

eine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ.

eine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ. Eigenwert, Eigenvektor In der Regel hat bei einer linearen Abbildung das Bild eines Vektors eine andere Richtung als das Original r. Bei der Untersuchung der geometrischen Eigenschaften von linearen Abbildungen

Mehr

Rotationsgruppen und Drehimpulsoperatoreigenwerte

Rotationsgruppen und Drehimpulsoperatoreigenwerte Rotationsgruppen und Drehimpulsoperatoreigenwerte Philipp Stephani. Juni 008 Inhaltsverzeichnis Rotationsgruppen. Definition: Gruppe............................... Rotationen im dreidimensionalen Raum

Mehr

Übersicht über das Quarkmodell. Lunchclub-Seminarvortrag am Pascal Gunkel

Übersicht über das Quarkmodell. Lunchclub-Seminarvortrag am Pascal Gunkel Übersicht über das Quarkmodell Lunchclub-Seminarvortrag am 04.02.15 Pascal Gunkel Gliederung Einleitung Globale Transformationen in der QCD SU(3)-Flavor-Symmetrie Poincaré Invarianz SU(3)-Color-Symmetrie

Mehr

(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.

(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet. L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors

Mehr

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

MC-Serie 11: Eigenwerte

MC-Serie 11: Eigenwerte D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung

Mehr

6. Normale Abbildungen

6. Normale Abbildungen SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische

Mehr

und Unterdeterminante

und Unterdeterminante Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,

Mehr

und Unterdeterminante

und Unterdeterminante Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,

Mehr

Lineare Algebra für PhysikerInnen

Lineare Algebra für PhysikerInnen Universität Wien, SS 2015 Lineare Algebra für PhysikerInnen Beispiele für Multiple-Choice-Fragen Punkteschlüssel: [Typ 1 aus 4] und [Typ 3 aus 4]... 0.8 Punkte [Typ 2 aus 4]... 1 Punkt Bei der schriftlichen

Mehr

1. Übungsblatt: Lineare Algebra I Abgabe: 1. November 2001 in den Übungsgruppen

1. Übungsblatt: Lineare Algebra I Abgabe: 1. November 2001 in den Übungsgruppen Hannover, den 25. Oktober 200. Übungsblatt: Lineare Algebra I Abgabe:. November 200 in den Übungsgruppen (je 3 Punkte) Beweisen oder widerlegen Sie die folgenden Aussagen über Mengen. a) A (B C) = (A B)

Mehr

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können

Mehr

Wiederholungsserie II

Wiederholungsserie 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

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2 2

Mehr

Serie 8: Online-Test

Serie 8: Online-Test D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen

Mehr

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

Quantenchromodynamik: Grundlagen

Quantenchromodynamik: Grundlagen Quantenchromodynamik: Grundlagen SU(3) Symmetrie und Quarkmodell Quark-Antiquark Zustände MESONEN 3-Quark Zustände BAYONEN Farbe: theoretische Notwendigkeit und experimentelle Evidenz Gluonfeld Lagrangian

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

Mehr

Für das Allgemeine lineare Gleichungssystem mit n linearen Gleichungen und n Unbekannten

Für das Allgemeine lineare Gleichungssystem mit n linearen Gleichungen und n Unbekannten Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 008 6. Januar.009 Kapitel 6 Leontieff Modell, Lineare

Mehr

Liegruppen und Liealgebren

Liegruppen und Liealgebren Literatur Liegruppen und Liealgebren Vortrag im Rahmen des Proseminars zur Quantenmechanik II von Hannes Zechlin (1. Teil) und Sandra Flessau (2. Teil) Universität Hamburg, 20. Dezember 2006 [1] M. Chaichian

Mehr

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A

Mehr

Universität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n

Universität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine

Mehr

Einige Lösungsvorschläge für die Klausur zur Vorlesung

Einige Lösungsvorschläge für die Klausur zur Vorlesung Prof Klaus Mohnke Institut für Mathematik Einige Lösungsvorschläge für die Klausur zur Vorlesung Lineare Algebra und analtische Geometrie II* - SS 7 Aufgabe Im R mit dem Standardskalarprodukt ist die folgende

Mehr

Serie 8: Fakultativer Online-Test

Serie 8: Fakultativer Online-Test Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung

Mehr

D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j

D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 0 Tom Ilmanen Musterlösung 2. Falls b := (v,,v n ) eine Orthonormalbasis von V ist, dann lassen sich die Komponenten von einem Vektor v = n i= t i v i bezüglich

Mehr

Klausurähnliche Aufgaben

Klausurähnliche Aufgaben Sommersemester 2007/08 Lineare Algebra Klausurähnliche Aufgaben Aufgabe 1 Seien v 1, v 2, v 3, v 4, v 5, v 6 die Vektoren in R 5 mit v 1 = (1, 2, 3, 1, 2), v 2 = (2, 4, 6, 2, 4), v 3 = ( 1, 1, 3, 0, 3),

Mehr

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β

Mehr

Klausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen.

Klausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen. Klausur Lineare Algebra I am 03.02.10 Es sind insgesamt 60 Punkte bei der Klausur zu erreichen. Aufgabe 1. (6 Punkte insgesamt) a.) (3P) Definieren Sie, was eine abelsche Gruppe ist. b.) (3P) Definieren

Mehr

1 Darstellungsmatrizen

1 Darstellungsmatrizen Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Darstellungsmatrizen Vereinbarungen für dieses Kapitel: K Körper V und W endlich-dimensionale K-Vektorräume B = {v

Mehr

Moderne Experimentalphysik III: Kerne und Teilchen (Physik VI)

Moderne Experimentalphysik III: Kerne und Teilchen (Physik VI) Moderne Experimentalphysik III: Kerne und Teilchen (Physik VI) Günter Quast, Roger Wolf, Pablo Goldenzweig 27. Juni 2017 INSTITUTE OF EXPERIMENTAL PARTICLE PHYSICS (IEKP) PHYSICS FACULTY KIT University

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist

Mehr

Musterlösung Serie 21

Musterlösung Serie 21 D-MATH Lineare Algebra II FS 09 Prof. Richard Pink Musterlösung Serie Positiv-Definitheit und Singulärwertzerlegung. Welche der folgenden drei reellen symmetrischen Matrizen sind positiv definit? A : 6

Mehr

Klausur zur Vorlesung Lineare Algebra I

Klausur zur Vorlesung Lineare Algebra I Heinrich Heine Universität Düsseldorf 31.07.2010 Mathematisches Institut Lehrstuhl für Algebra und Zahlentheorie Prof. Dr. Oleg Bogopolski Klausur zur Vorlesung Lineare Algebra I Bearbeitungszeit: 120

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (Teschl/Teschl 14.2) Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =

Mehr

7.3 Unitäre Operatoren

7.3 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

Mehr

Ferienkurs Quantenmechanik - Probeklausur

Ferienkurs Quantenmechanik - Probeklausur Seite Ferienkurs Quantenmechanik - Sommersemester 5 Fabian Jerzembeck und Sebastian Steinbeiÿer Fakultät für Physik Technische Universität München Aufgabe FRAGEN ( BE): a) Wie lautet die zeitabhängige

Mehr

Das 2-Higgs-Dublett-Modell (2HDM)

Das 2-Higgs-Dublett-Modell (2HDM) Das 2-Higgs-Dublett-Modell 2HDM Lukas Emmert, 17.12.2015 KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT 1 KIT Universität des Landes Baden-Württemberg und Das 2-Higgs-Dublett-Modell Lukas Emmert nationales Forschungszentrum

Mehr

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Hauptachsentransformation: 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

Mehr

Musterlösung zur Serie 10

Musterlösung zur Serie 10 D-MATH, D-PHYS, D-CHAB Lineare Algebra II FS 1 Prof. Giovanni Felder, Thomas Willwacher Musterlösung zur Serie 1 1. a) Zur Erinnerung: Eine Äquivalenzrelation auf einer Menge M ist eine Relation, die die

Mehr

32 2 Lineare Algebra

32 2 Lineare Algebra 3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die

Mehr

Lineare Algebra. 13. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching

Lineare Algebra. 13. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching Lineare Algebra 3. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 29, 27 Erinnerung Satz. Axiomatischer Zugang, Eigenschaften der Determinante. Die Abbildung det :

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG. Serie 13

Lineare Algebra und Numerische Mathematik für D-BAUG. Serie 13 P. Grohs T. Welti F. Weber Herbstsemester 2015 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Serie 13 Diese letzte Serie des Semesters befasst sich noch einmal mit wichtigen Themen

Mehr

5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit

5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit ME Lineare Algebra HT 2008 99 5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit 5.1 Ein Beispiel zur Motivation Als einfachstes Beispiel eines dynamischen Systems untersuchen wir folgendes Differentialgleichungssystem

Mehr

Rotationssymmetrie und Drehimpuls in der Quantenmechanik

Rotationssymmetrie und Drehimpuls in der Quantenmechanik Theoretische Physik V QM II Projekt 13 Rotationssymmetrie und Drehimpuls in der Quantenmechanik Präsentation von Nikolas Rixen, Pawel Mollenhauer und Madeleine Nuck Einleitung http://www.quantumdiaries.org/2011/06/19/helicity-chirality-mass-and-the-higgs/

Mehr

Serie 12: Eigenwerte und Eigenvektoren

Serie 12: Eigenwerte und Eigenvektoren D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie : Eigenwerte und Eigenvektoren Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom 7 und 9 Dezember Finden Sie für folgende

Mehr

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016 Name, Vorname Matrikel-Nr. Aufg. Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 206 Bearbeiten Sie bitte

Mehr

47 Singulärwertzerlegung

47 Singulärwertzerlegung 47 Singulärwertzerlegung 47.1 Motivation Wir haben gesehen, dass symmetrische Matrizen vollständig mithilfe ihrer Eigenwerte und Eigenvektoren beschrieben werden können. Diese Darstellung kann unmittelbar

Mehr

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21 5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11

Mehr

Lösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1

Lösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1 D-MAVT Lineare Algebra II FS 8 Prof. Dr. N. Hungerbühler Lösungen Serie. Welche der folgenden Vektoren sind Eigenvektoren der Matrix? (a) (,, ). Ein Vektor v ist Eigenvektor von A :=, falls Av ein skalares

Mehr

(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.

(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet. L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Anwendungen in der Physik: Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors - Normalmoden

Mehr

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 2 2. (Frühjahr 29, Thema 3, Aufgabe 3) Gegeben sei die reelle 3 3 Matrix 4 2 A = 2 7 2 R 3 3. 2 2 a)

Mehr

Latent Semantic Analysis. Christian Ebert & Fritz Hamm. Lineare Algebra IV: Diagonalisierungen. Latent Semantic. Analysis/Indexing. 12.

Latent Semantic Analysis. Christian Ebert & Fritz Hamm. Lineare Algebra IV: Diagonalisierungen. Latent Semantic. Analysis/Indexing. 12. 12. Januar 2012 Eigenwerte & Diagonalisierungen I Sei V ein K-Vektorraum und A ein Endomorphismus/eine n n Matrix über K {R, C} Erinnerung 1 Gilt A x = λ x, x 0 V, λ K, heißt λ Eigenwert und x Eigenvektor

Mehr

Lineare Darstellungen von Symmetrischen Gruppen

Lineare Darstellungen von Symmetrischen Gruppen Lineare Darstellungen von Symmetrischen Gruppen 150 232 (Holtkamp) 2st., Mi 12.00-14.00, NA 2/24 1 Beispiel 1. Freies Monoid über Alphabet X Beispiel 2. S 1, S 2, S 3,... Satz 1. (Bijektion zw. Partitionen

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare Algebra 1. Roger Burkhardt Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 2 Rechenoperationen und Gesetze Gleichheit

Mehr

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden? Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. 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

Mehr

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops 15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den

Mehr

3 Determinanten, Eigenwerte, Normalformen

3 Determinanten, Eigenwerte, Normalformen Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses

Mehr

Lösung 8: Quadratische Formen, Sylvesters Trägheitssatz

Lösung 8: Quadratische Formen, Sylvesters Trägheitssatz D-MATH Lineare Algebra II FS 207 Dr. Meike Akveld Lösung 8: Quadratische Formen, Sylvesters Trägheitssatz. Wir erinnern an den Hauptachsensatz: Jede von 0 verschiedene quadratische Form Q auf R 3 ist bis

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik 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

Mehr

Aufbau der Hadronen aus Quarks

Aufbau der Hadronen aus Quarks Aufbau der Hadronen aus Quarks Henning Gast Betreuer: Prof. G. Flügge Wintersemester / Zusammenfassung In diesem Seminarvortrag beschäftige ich mich mit dem statischen Modell, das den Aufbau der Hadronen

Mehr

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren 92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl

Mehr

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren 92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl

Mehr

Determinante. Die Determinante. einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden.

Determinante. Die Determinante. einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden. Determinante Die Determinante det A = det(a 1,..., a n ) einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden. Multilineariät: det(..., αa j + βb j,...) = α det(...,

Mehr

Klausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag

Klausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 23): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag 3. Mit Hilfe elementarer Zeilenumformungen sowie der Tatsache, daß sich die Determinante

Mehr

Berechnung der Determinante

Berechnung der Determinante Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,

Mehr

L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren. Gegeben. Gesucht: Diagonalform: Finde und! Definition: Eigenvektor, Eigenwert

L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren. Gegeben. Gesucht: Diagonalform: Finde und! Definition: Eigenvektor, Eigenwert L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors

Mehr

+ x 2 y 2 = f( x 1 ) + f( x 2 ), z 1 + z 2. z 1. a jj + n bjj = SpurA + SpurB ; j=1

+ x 2 y 2 = f( x 1 ) + f( x 2 ), z 1 + z 2. z 1. a jj + n bjj = SpurA + SpurB ; j=1 Höhere Mathematik für technische Studiengänge Vorbereitungsaufgaben für die Übungen Lineare Abbildungen, Eigenwerte Lösungen Lösungshinweise: a nicht linear, denn zb fα α, αy +, α + αz T α, αy +, α + z

Mehr

Lineare Algebra I Ferienblatt

Lineare Algebra I Ferienblatt Wintersemester 09/0 Prof. Dr. Frank-Olaf Schreyer Dr. Janko Boehm Lineare Algebra I Ferienblatt. Sei, das Euklidische Skalarprodukt auf R. Das Kreuzprodukt a b von Vektoren a, b R ist durch die Formel

Mehr

Geometrische Deutung linearer Abbildungen

Geometrische Deutung linearer Abbildungen Geometrische Deutung linearer Abbildungen Betrachten f : R n R n, f(x) = Ax. Projektionen z.b. A = 1 0 0 0 1 0 0 0 0 die senkrechte Projektion auf die xy-ebene in R 3. Projektionen sind weder injektiv

Mehr

4 Lineare Abbildungen Basisdarstellungen

4 Lineare Abbildungen Basisdarstellungen 4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w

Mehr

T := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass

T := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass I. a) Es sei (G, ) eine abelsche Gruppe mit neutralem Element e G. Zeigen Sie, dass U := {g G g 3 = e G } eine Untergruppe von G ist. b) In der symmetrischen Gruppe S 4 definieren wir analog zu a) die

Mehr

Lineare Algebra II 8. Übungsblatt

Lineare 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.

Mehr

Kerne und Teilchen. Moderne Physik III

Kerne und Teilchen. Moderne Physik III Kerne und Teilchen Moderne Physik III Vorlesung # 17 7. Grundlagen der Elementarteilchen-Physik 7.1 Der Teilchenzoo 7.2 Hadronen und Leptonen 7.3 Wechselwirkungen im Standardmodell - starke Wechselwirkung

Mehr

Mathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie und Erziehungswissenschaften Blatt 2

Mathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie und Erziehungswissenschaften Blatt 2 Fakultät Mathematik WS 27/8 Institut für Mathematische Stochastik / Institut für Analysis Dr. W. Kuhlisch, Dr. F. Morherr Mathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie

Mehr

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein

Mehr