Elektrische Leitfähigkeit für zufällige Schrödinger-Operatoren

Größe: px
Ab Seite anzeigen:

Download "Elektrische Leitfähigkeit für zufällige Schrödinger-Operatoren"

Transkript

1 Elektrische Leitfähigkeit für zufällige Schrödinger-Operatoren Peter Müller LMU München

2

3 Inhaltsverzeichnis 1 Zufällige Schrödinger-Operatoren 3 2 Physikalische Heuristik zur elektrischen Leitfähigkeit 9 3 Nicht-kommutative L p -Räume ergodischer Operatoren 13 4 Lineare Antworttheorie in L p (K) 19 1

4 2 INHALTSVERZEICHNIS

5 KAPITEL 1 Zufällige Schrödinger-Operatoren Literatur: W.Kirsch, Random Schrödinger operators: A course in Lecture Notes in Physics, vol. 345, Springer 1989 L.Pastor, A.Figotin, Spectra of random and almost-periodic operators, Springer 1992 R.Carmona, J.Lacroix, Spectral theory of random Schrödinger operators, Birkhäuser 1990 P.Stollmann, Caught by disorder: Bounded states in random media, Birkhäuser 2001 W.Kirsch, An invitation to random Schrödinger operators, arxiv: Ziel: Elektrische Eigenschaften ungeordneter Materialien, z.b. Legierungen, dotierte Halbleiter Abbildung 1.1: irregulärer atomarer Festkörper 3

6 4 1. ZUFÄLLIGE SCHRÖDINGER-OPERATOREN Modellbildung: Keine Wechselwirkung zwischen den Elektronen 1- Elektronen Hamilton-Operator: kinetische Energie + potetielle Energie } {{ } zufälliges Potential Dies ist das einfachste Modell (Anderson, 1958). 1.1 Definition Sei P 0 ein bezüglich des Lebesgue-Maßes absolut stetiges Wahrscheinlichkeitsmaß auf R mit dp 0 L (R) und kompaktem Träger. sei dν Ω := R Zd, d N, P := Z dp 0. Für ω = (ω x ) x Z d Ω und λ > 0 sei H ω := +λv ω auf l 2 (Z d ) ( ψ)(x) := y Zd x y =1 ψ(y) ψ l 2 (Z d ) (V ω ψ)(x) := ω x ψ(x) x Z d. Dies ist der sogenannte Hamilton-Operator des Anderson-Modells. 1.2 Bemerkung (i) (ω x ) x Z d kanonisch realisierte i.i.d. Zufallsvariablen (ii) = ( ) beschränkter selbstadjungierter Operator auf l 2 (Z d ). spec( ) = spec ac ( ) = [ 2d,2d] V ω beschränkter selbstadjungierter Multiplikationsoperatorinl 2 (Z d )für P-fast alle ω Ω, da suppp 0 kompakt ist. (iii) Wir haben drei Modellparameter: λ, d und dp 0 dν (a) H : ω H ω ist eine operatorwertige Zufallsvariable 1.3 Definition (und Lemma) H ergodisch (bezüglich Z d -Translationen) Für y Z d sei τ y : Ω Ω, ω τ y ω = (ω x+y ) x und U y : l 2 (Z d ) l 2 (Z d ), ψ u y ψ := ψ( y) (unitärer Verschiebungsoperator). Dann gilt (Beweis: Übung!) H τyω = U y Hω U y y Z d ω Ω. 1.4 Bemerkung (τ y ) y Z d ist Gruppe ergodischer Schifts auf Ω, das heißt gilt für eine Zufallsvariable X auf Ω X τ y = X y Z d, so folgt X = const. P-fast sicher.

7 1. ZUFÄLLIGE SCHRÖDINGER-OPERATOREN Satz (Nicht-Zufälligkeit des Spektrums) Es existiert S x R kompakt, sodass spec x (H ω ) = S für P-fast alle ω Ω. Hierbei ist x {ac,sc,pp}. Nebenbedingung: spec pp (A) := {Eigenwerte von A}. [ Pastor 1980, Kunz/Souillard 1980, Kirsch/Martinelli 1982] Beweis: (Grundidee) Für alle E 1 < E 2 R ist X E1,E 2 τ y = X E1,E 2 für alle y Z d, wobei ω X ω E 1,E 2 := tr χ [E1,E 2 ](H ω ) messbarer Spektralprojektor. 1.6 Satz (Lage des Spektrums) Wir haben S = [ 2d,2d] +λ supp(p } {{ } 0 ) = spec( ) {E 0 +λν : E } {{ } 0 spec( ), ν supp(p 0 )}, wobei supp(p 0 ) = [v,v + ], v < E 0 < v +. Erwartung: λ Isolator = lokal Leiter = delokal 2d 2d E Abbildung 1.2: 1.7 Definition (Bereich (vollständiger/anderson-)lokalisierung) E loc := {E S : δ,c > 0 sodass x,y Z d E( sup δ x,f(h) χ [E δ,e+δ] (H) δ y 2 ) ce x y }, f L (R): f 1 wobei, das kanonische Skalarprodukt und δ einen kanonischen Basisvektor in l 2 (Z d ) bezeichne.

8 6 1. ZUFÄLLIGE SCHRÖDINGER-OPERATOREN 1.8 Bemerkung (i) Sei E E loc, I := [E δ,e+δ], f = e it, t 0, im Supremum erlaubt, ψ t := e ith χ I (H)δ 0 } {{ } ψ 0 E[sup δ x,ψ t 2 ] ce x t 0 } {{ } ψ t(x) ψ t (x) 2 q.m.w., dass dass ein Teilchen mit Anfangszustand ψ 0 (Energie I, ψ 0 (x) 2 ce x aus f 1) zur Zeit t bei x gefunden wird (dynamische Lokalisierung). (ii) Die Betonung in Definition 1.7 liegt auf f nicht glatt! Denn für alle f C (R) gilt: Für alle k N existiert c k > 0, sodass für alle x,y Z d δ x,f(h ω δ y ) c k 1+ x y k gleichmäßig in ω. [Deterministisches Ergebnis via Combes-Thomas- Abschätzung und Helffer-Sjøstrand-Formel; siehe Germinet/Klein, Proc. Amer. Math. Soc. 131, (2002)] (iii) Für µ R, T 0, E R sei χ ],µ] (E),falls T = 0 E fµ T (E) = (e (E µ)/t +1) 1,falls T 0 die Fermi-Funktion. T = µ T > 0 Abbildung 1.3: Sei T > 0 oder µ E loc. Dann folgt nach (ii): Für alle k N existiert ein c k > 0, sodass für alle x,y Z d E[ δ x,f T µ (H)δ y 2 ] c k 1+ x y k

9 1. ZUFÄLLIGE SCHRÖDINGER-OPERATOREN 7 gilt. T > 0 klar; T = 0 und µ E loc ist eine Übung! Es gilt sogar exponentieller Abfall in x y für T = 0 und µ E loc [Aizenmann/Graf, J.Phys. A 32, (1998)]. 1.9 Satz (Dynamische Lokalisierung Spektrale Lokalisierung) S ac E loc = = S sc E loc ( S E loc = S pp E loc ) und für jede Eigenfunktion ψ ω E l2 (Z d ) von H ω mit Eigenwert E ω E loc gilt: lim sup x ln ψ ω E (x) x < 0 (exponentieller Abfall der Eigenfunktionen). Beweis: Verallgemeinerte Eigenfunktionen + RAGE-Theorem [siehe Kirsch 2007] 1.10 Satz (Anderson-Lokalisierung) d = 1: Für alle λ > 0 ist E loc = S d 1: (i) starke Unordnung: Es existiert ein λ 0 > 0, sodass für alle λ λ 0 : E loc = S. (ii) extreme Energien: (= nahe Bandkanten) Für alle λ > 0 existiert ein ε λ > 0 : E loc [inf(s),inf(s)+ε λ [ ]sup(s) ε λ,sup(s)]. [ Fröhlich/Spencer 1983, Aizenmann/Molchanov 1993, Germinet/Klein 2001, 2004] 1.11 Bemerkung für f.a.ω (i) E loc offen in S (nach Definition) = es existieren unendlich viele dicht liegende Eigenwerte {Ej ω } j N in E loc (beachte: {Ej ω } j N variieren in ω, während E loc unabhängig von ω). (ii) Vermutung für d 3: spektrale Delokalisierung: λ ]0,λ 0 [ und Intervall I S, sodass λ [0, λ] : S pp I = = S cc I ( S I = S ac I). (Bewiesen auf Bethe-Gitter statt Z d : Klein, 1996, Aizenmann/Warzel, Froese/Hasler/Spitze).

10 8 1. ZUFÄLLIGE SCHRÖDINGER-OPERATOREN dynamische Delokalisierung auch nicht bekannt: Zum Beispiel Diffusion: ψ 0 l 2 (Z d ) und D > 0, sodass E[ x Z d x 2 (e ith ψ 0 )(x) 2 ] t Dt. Im Folgenden: Direkte physikalische Observable zur Charakterisierung als Leiter/Isolator.

11 KAPITEL 2 Physikalische Heuristik zur elektrischen Leitfähigkeit Elektrische Leitfähigkeit: Quantifizierung der Fähigkeit eines Materials auf ein angelegtes elektrisches Feld mit einem elektrischen Strom zu reagieren. Räumlich konstantes, zeitabhängiges Feld: Abbildung 2.1: Energie: H E (t) := H +E(t) X, H hier gemäß Anderson, Operator: (X α ψ)(x) := x α ψ(x), α = 1,...,d. elektrische Stromdichte für nicht wechselwirkende, identische Elektronen: Q.m. Erwartungswert des Geschwindigkeitsoperators eines elektrons mit Fermi-Funktion J(tE) α := τ(w E (t)ẋα) (2.1) mit - Spur pro Volumen τ := E[ δ 0,( )δ 0 ] 9

12 10 2. PHYSIKALISCHE HEURISTIK ZUR ELEKTRISCHEN LEITFÄHIGKEIT - Geschwindigkeitsoperator Ẋ (nicht zufällig!) Ẋ α := i[h(t),x α ] = i[,x α ]. (Übung: (Ẋαψ)(x) = iψ(x+e α ) iψ(x e α )) - Zeitentwickelter Zustand im E-Feld aus thermodynamischem Gleichgewicht (Temperatur T 0, chemische Potential µ R) zur Zeit t = : w E (t) (zufällig!) löst das Anfangswertproblem der Liouville-von Neumann-Gleichung d dt wω E (t) = i[hω E (t),wω E ] lim t w ω E (t) = ft µ (Hω ) - in geeignetem nicht-kommutativen L p -Raum von Operatoren: Siehe nächstes Kapitel. - chemisches Potential µ codiert die Elektronendichte (Jargon für T = 0: µ = Fermi-Energie) Da (2.1) nicht berechenbar für beliebige E(t) ist (viel zu kompliziert!), beschäftigen wir uns mit der Linearen Antworttheorie: falls J(t, E) Taylorentwickelbar in E bis zur Ordnung 2 ist, so ist die erwartete Form: J(t,E) α = d β=1 t keine E 0 -Terme, da E = 0 J = 0 dt ˇσ αβ (t t )E β (t ) +O(E 2 ). } {{ } J lin (t,e) α Lineare Antwortfunktionen t ˇσ αβ (t) R - Maß wiestarkeine-felde β (t )indervergangenheit (t t Kausalität!) Stromdichte J(t,E) α in der Gegenwart beeinflusst. - wird ausschließlich durch H (hier: Anderson) bestimmt Falls E(t) = R dν eiνt σ αβ (ν)êβ(ν) [E reel Ê(ν) = Ê( ν)] J lin(t,e) α = d β=1 R dν eiνt σ αβ (ν)êβ(ν) Stromdichte in linearer Antwort. Komplexe frequenzabhängige Leitfähigkeit (Matrix mit Einträgen) ν σ αβ (ν) := 0 dt e iνt ˇσ αβ (t), ν R. } {{ } R

13 2. PHYSIKALISCHE HEURISTIK ZUR ELEKTRISCHEN LEITFÄHIGKEIT 11 In-/außerphasiger Anteil ν Re(σ αβ (ν)),gerade in ν i Im(σ αβ (ν)),ungerade in ν Zerlegung J lin (t,e) α = J in lin (t,e) α } {{ } Anteil von Re + Jlin ant (t,e) α. } {{ } Anteil von i Im in- beziehungsweise außerphasiger Anteil des linearen Antwortstroms. Interpretation: E(t) = E 0 cos(ν 0 t) (bzw. sin(ν 0 t)). Ziele: J in lin cos(ν 0 t) (bzw. sin(ν 0 t)) J ant lin sin(ν 0t) (bzw. cos(ν 0 t)) Mathematische Rechtfertigung des obigen Vorgehens Dichte σ αβ durch Spektraleigenschaften von H aus Kubo-Formel Für T = 0 und µ E loc : σ αβ (0) } {{ } = 0 α,β = 1,...,d Gleichstromleitfähigkeit

14 12 2. PHYSIKALISCHE HEURISTIK ZUR ELEKTRISCHEN LEITFÄHIGKEIT

15 KAPITEL 3 Nicht-kommutative L p -Räume ergodischer Operatoren Wir betrachten den Hilbert-Raum H = l 2 (Z d ) und die messbare Abbildung A : Ω BL(H), ω A ω, wobei BL(H) die Menge der beschränkten linearen Operatoren auf H bezeichne. Darüberhinaus ist ω ϕ,a ω ψ messbar für alle ϕ,ψ H.Essei(τ x ) x Z d einegruppeergodischer TransformationenaufΩ.Wir benötigen eine Referenz-Algebra und eine halbendliche, normale, treue Spur. 3.1 Definition (Referenz-Algebra) K := {A : Ω BL(H) messbar, ergodisch, A < }, mit A := P-essup ω Ω A Op. Analog zu 1.3 ist A τxω = U xa ω U x mit U x unitäre (projektive) Darstellung von Z d auf H. 3.2 Lemma K ist von Neumann-Algebra, das heißt -invariante, schwach abgeschlossene Unteralgebra von BL(H Ω ), wobei H Ω := Ω P (dω) H := {Ψ = (ψ ω ) ω Ω : ψ ω H für P-fast alle ω Ω, ω ψ ω messbar, Ψ,Ψ Ω < }. Φ,Ψ Ω := Ω P(dω) ϕω,ψ ω sei das zugehörige Skalarprodukt. Beweis: (Skizze) Ziel: Benutze von Neumanns Bikommutantensatz: K von Neumann-Algebra in BL(H) K = K. Hierbei bezeichnet K := {A BL(H Ω ) : [A,A] = 0 a K} die Kommutante und K := (K ) K die Bikommutante. Wir müssen zeigen, dass K K gültig ist. klar: K BL(H Ω ) [ω (AΨ) ω := A ω ψ ω messbar (zerlegbarer Operator: Diagonal in ω)] Charaktersisierung: 13

16 14 3. NICHT-KOMMUTATIVE L P -RÄUME ERGODISCHER OPERATOREN 3.3 Satz A BL(H Ω ) zerlegbar A M, wobei M := {M f BL(H Ω ) : f L (Ω,P)} und (M f Ψ) ω := f(ω)ψ ω [Beweis: Dixmier, Cor., p.188] A ergodisch U x A ω = A τ xω U x x Z d. Definiere Ûx BL(H Ω ) via (ÛxΨ) ω := U x ψ τ xω, also A ergodisch S U, wobei U := {Ûx : x Z d } K = M U K M U M U K K M M und K K U U, d.h K M U = K 3.4 Definition (und Lemma; Spur auf K) Sei τ : K C, A dp(ω) δ 0,A ω δ 0 =: τ(a). Dann gilt (i) τ(a) A A K, also τ K (ii) τ(a A) = τ(aa ) A K (iii) Treu: 0 A 0 τ(a) > 0 Ω (iv) Normal: Für alle beschränkten, wachsenden Netzte (A i ) i I τ(sup i I A i ) = sup i I τ(a i ). Es sei erwähnt, dass aus (i) und (ii) die Endlichkeit folgt. gilt Beweis: (i) klar! (ii) τ(a A) Parseval = τ x maßerh. = x Z d x Z d Ω Ω = τ(aa ) dp(ω) δ 0,A ω δ x δ x,a ω δ 0 dp(ω) δ 0,A ω δ x δ x,a ω δ 0

17 3. NICHT-KOMMUTATIVE L P -RÄUME ERGODISCHER OPERATOREN 15 (iii) Sei A 0 und 0 = τ(a) = Ω dp(ω) δ 0,A ω δ 0 } {{ } 0 0 = δ 0,A ω δ 0 für P-fast alle ω Ω x Z d δ x,a ω δ x = δ 0,Ux Aω U } {{ x δ } 0 A τxω x,y Z d δ x,a ω δ y A 0 = Cauchy-Schwarz (A ω ) δx } {{ } δ x,a ω δ y =0 = 0 ω Ω x, P(Ω x ) = 1 (A ω ) 1 2 δx,(a ω ) 1 2 δy (A ω ) δy Sei Ω := x Z d Ω x, so folgt P( Ω) = 1 und für alle ω Ω δ x,a ω δ y = 0 x,y Z d A ω = 0. (iv) Folgt aus sup i I ϕ 0,A ω i ϕ 0 = ϕ 0,sup i I A ω i ϕ 0 für P-fast alle ω. 3.5 Definition ( Nicht-kommutative L p -Räume) Für p [1, [ ist A p := τ( A p ) 1 p Norm auf K (τ treu, A := (A A) 1 2). Setze für p [1, ] 3.6 Bemerkung L p (K) := K. (i) Definition 3.5 benutzt die Endlichkeit von τ. Falls τ nur halbendlich ist, führe eine Vervollständigung bezüglich der τ-maß-topologie ein (generelles Vorgehen!). (ii) L p (K) enthält unbeschränkte Operatoren für p <. 3.7 Satz (i) L p (K)isteinBanach-Raumfürallep [1, ],insbesondereistl (K) = K. (ii) L 2 (K) ist ein Hilbert-Raum bezüglich A,B := τ(a B). (iii) Für alle p [1, ]; 1 p + 1 q = 1 und A Lp (K), B L q (K) gilt: AB,BA L 1 (K), τ(ab) = τ(ba)und τ(ab) A p B q (Hölder)

18 16 3. NICHT-KOMMUTATIVE L P -RÄUME ERGODISCHER OPERATOREN (iv) L (K) L p (K) L p (K) L 1 (K) für alle p > p ]1, [. Moral: Wie komm. L p -Räume mit endlichem Maß! 3.8 Definition Sei K B := {A K : R > 0, sodass δ x,aδ y = 0, falls x y > R} -Unteralbegra der endlichen Bandoperatoren. Für α {1,...,d} ist α : A i[x α,a] =: α A wohldefiniert als Abbildung von K B in sich selbst (Übung). Setze := ( 1,..., d ) 3.9 Bemerkung X α ist nicht ergodisch!!! δ x, α Aδ y = (x y) δ x,aδ y 3.10 Lemma ( Nicht-Kommutativer Sobolev-Raum) Für alle p [1, ] gilt: (i) W 1,p (K) := {A L p (K) : α A L p (K), α = 1,...,d} liegt dicht in L p (K) und ist -Derivation auf W 1,p (K). (ii) τ( A) = 0 für alle A W 1,1 (K) Beweis: (Grundidee) (i) K B liegt dicht in K bezüglich (siehe Dombrowski), K p = L p (K) K p B = L p (K) und K B W 1,p (K). -Derivation: α A = ( α A), α linear und α (AB) Rechnen = ( α A)B +A( α B) für alle A,B W 1,p (K) mit AB,( α A)B,A( α B) L p (K) (ii) klar, da X αδ0 = Bemerkung Gemäß Bemerkung 1.8(iii) ist f T µ (H) W1,p (K) p [1, [, falls T > 0 und µ E loc Definition Sei H L (K) und p [1, ]. Wir definieren den Liouville-Operator L : L p (K) L p (K), A i[h,a].

19 3. NICHT-KOMMUTATIVE L P -RÄUME ERGODISCHER OPERATOREN Bemerkung (i) cl BL(L p (K)) mit L 2 H (ii) Für p = 2 ist L = L auf L 2 (K) (Übung) (iii) Für alle A L p (K) und für alle B L q (K) mit = 1 gilt p q τ((la)b) = τ(a(lb)) (Übung)

20 18 3. NICHT-KOMMUTATIVE L P -RÄUME ERGODISCHER OPERATOREN

21 KAPITEL 4 Lineare Antworttheorie in L p (K) Grundvoraussetzungen: H wie in Definition 1.1 Ê (C c(r)) d, Ê( ν) = Ê(ν), E(t) := R dν eiνt Ê(ν) Für η > 0 sei F η (t) := t ds eηs E(s) adiabatische Einschalten } {{ } E η(s) Ungleichung: Da H Eη (t) = H +E η (t)x nicht beschränkt, verwende H η (t), ( H ω η(t)ψ)(x) := y Zd x y =1 für alle ψ l 2 (Z d ) und für alle x Z d. physikalisch gleichwertig: e ifη(t)(y x) ψ(y)+ω x ψ(x) i t ψ t = H ω E η (t)ψ t i t ψ t = H ω E η (t) psi t ( ) mit psi t := e ifη(t)x ψ t. H η (t) L (K) für alle t. 4.1 Satz (Yosida; Propagator für Schrödinger-Gleichung) Für P-fast alle ω Ω und für alle t,s R existiert ein U ω (t,s) BL(l 2 (Z d )) unitär, sodass U ω (t,r)u ω (r,s) = U Ω (t,s,),u ω (t,t) = 1,U ω (t,s) = (U ω (s,t)) i t Uω (t,s)ϕ = H ω η (t)uω (t,s)ϕ (also:( )) i s Uω (t,s)ϕ = U ω (t,s) H ω η (s)ϕ (t,s) U ω (t,s) stark stetig Beweis: Satz XIV.3.1 in Yosida, Func. Analysis, Bemerkung Spezialfall E(T) = 0 (also H η (t) = H): mit U (ω) 0 (t) := e ithω. U (ω) (t,s) = U (ω) 0 (t s) 19

22 20 4. LINEARE ANTWORTTHEORIE IN L P (K) 4.3 Definition (und Lemma) Für alle p [1, ], für alle A L p (K) und für alle t,s R sei Es gilt: U(t,s) BL(L p (K)) (Messbarkeit). U(t,s)A : ω U ω (t,s)a ω U ω (s,t). U(t,s) ist eine Isometrie, für p = 2 unitär. (t,s) U(t,s) stark stetig. i t U(t,s)A = [ H η (t),u(t,s)a]. i s U(t,s)A = U(t,s)([ H η (t),a]). Aus den letzten beiden Punkten folgt U(t,s) und U(t,s) liegen in t s BL(L p (K)). Analoges gilt für U 0 (t) := e itα 4.4 Satz Sei p [1, [, T > 0 oder µ E loc. Das Anfangswertproblem i t w E η (t) = [ H η (t),w Eη (t)] lim t w Eη (t) = f T µ(h) hat eine eindeutige Lösung t w(t) L p (K), wobei w Eη (t) = lim U(t,s)w 0 s = f T µ( H η (t)) t ds e ηs U(t,s)(E(s) f T µ( H η (s))). Beweis: Satz 4.1, Definition und Lemma 4.3. Explizizte form der Lösung durch Differenzieren bestätigen. Benutze H ω η (t) = eifη(t) X H ω e ifη(t) X f T µ ( H ω η (t)) = eifη(t) X f T µ (Hω )e ifη(t) X in l 2 (Z d ) f T µ ( H η (t)) = e Fη(t) (f T µ (H)) in Lp (K). 4.5 Satz Sei T > 0 oder µ E loc. Dann ist R γ J(t,γE η ) := τ(w γeη (t) H η (t))

23 4. LINEARE ANTWORTTHEORIE IN L P (K) 21 differenzierbar in γ = 0 und für alle α {1,...,d} J lin (t,e η ) α := γ γ=0 J(t,γE η ) α d ( t = τ ds e ηs E β (s) ( ) e i(t s)l β fµ T (H)) α H β=1 d = e ηt dν e iνt Ê β (ν)σ αβ (ν,η) β=1 R mit σ µ,t αβ (ν,η) := τ ( t ds ( e i(t s)(l+ν iη) β fµ(h) ) ) T α H = iτ((l+ν iη) 1 β f T µ (H)) αh adiabatisch regularisierte Leitfähigkeit. 4.6 Definition Sei T > 0 oder µ E loc, sei B R Borel. Σ µ,t αβ (B) := π α H,χ B (L) β f T µ (H) Leitfähigkeitsmaß (gerades, positives Maß!). Damit σ µ,t αβ (ν,η) = i Σ µ,t αβ π (dλ) 1 λ+ν iη. R 4.7 Satz J in lin (t,e) α := lim ηց0 = d β=1 d β=1 R R ( ) dν e iνt Ê(ν) Re σ µ,t αβ (ν,η) Σ µ,t αβ (dν) eiνt Ê(ν). Beweis: ( ) Re σ µ,t αβ (ν,η) = Σ µ,t αβ (dλ) η/π R (λ+ν) 2 +η Bemerkung (i) Ob Σ µ,t αβ absolut stetig bezüglich des Lebesgue-Maßes ist, ist ein offenes ( ) σ µ,t αβ (ν) = Σµ,T αβ (dν). dν Problem. Sollte dies gelten, so wäre Re

24 22 4. LINEARE ANTWORTTHEORIE IN L P (K) (ii) Definition 4.6 ist die Kubo-Formel für das Leitfähigkeitsmaß. 4.9 Satz(Gleichstromleitfähigkeit) Es sei µ E loc, so gilt lim ηց0 σµ,0 αβ (0,η) = iτ { fµ(h) [ 0 α fµ(h), 0 β fµ(h) ]} 0 = 0.

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada Stochastische Analysis für Zufallsmatrizen Roland Speicher Queen s University Kingston, Kanada Was ist eine Zufallsmatrix? Zufallsmatrix = Matrix mit zufälligen Einträgen A : Ω M N (C) Was ist eine Zufallsmatrix?

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

GNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor

GNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor GNS-Konstruktion und normale Zustände 1 Rückblick Wir betrachten von-neumann-algebren M B(H), d.h. Unteralgebren mit 1 H M, die in der schwachen Operatortopologie (und damit in jeder der anderen) abgeschlossen

Mehr

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur Analysis II Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen

Mehr

8.6.1 Erwartungswert eines beliebigen Operators O 8.6.2 Beispiel: Erwartungswert des Impulses eines freien Teilchens

8.6.1 Erwartungswert eines beliebigen Operators O 8.6.2 Beispiel: Erwartungswert des Impulses eines freien Teilchens phys4.013 Page 1 8.6.1 Erwartungswert eines beliebigen Operators O 8.6.2 Beispiel: Erwartungswert des Impulses eines freien Teilchens phys4.013 Page 2 8.6.3 Beispiel: Orts- und Impuls-Erwartungswerte für

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Extremwertverteilungen

Extremwertverteilungen Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen

Mehr

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω 5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,

Mehr

Einführung in die Statistik

Einführung in die Statistik Einführung in die Statistik Dr. C.J. Luchsinger 2 Zufallsgrössen Literatur Kapitel 2 * Statistik in Cartoons: Kapitel 4 * Krengel: 3.1 und 3.2 in 3 und (Honours Program) 10 sowie 11.1, 11.2 und 11.3 in

Mehr

Kapitel 5 KONVERGENZ

Kapitel 5 KONVERGENZ Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz

Mehr

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung

Mehr

Zahlen und metrische Räume

Zahlen und metrische Räume Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus

Mehr

Kapitel 4: Stationäre Prozesse

Kapitel 4: Stationäre Prozesse Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud

Mehr

Übungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016

Übungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016 Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)

Mehr

Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator

Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Universität Bielefeld Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Matthieu Felsinger Universität Bielefeld Mathematisches Kolloquium, TU Clausthal 05. Februar 2014 1 Einleitung

Mehr

Kapitel 3. Konvergenz von Folgen und Reihen

Kapitel 3. Konvergenz von Folgen und Reihen Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden

Mehr

Analysis II (FS 2015): Vektorfelder und Flüsse

Analysis II (FS 2015): Vektorfelder und Flüsse Analysis II (FS 215): Vektorfelder und Flüsse Dietmar A. Salamon ETH-Zürich 7. April 215 1 Der Fluss eines Vektorfeldes Sei U R n eine offene Menge und sei f : U R n eine lokal Lipschitz-stetige Abbildung.

Mehr

4 Unabhängige Zufallsvariablen. Gemeinsame Verteilung

4 Unabhängige Zufallsvariablen. Gemeinsame Verteilung 4 Unabhängige Zufallsvariablen. Gemeinsame Verteilung Häufig werden mehrere Zufallsvariablen gleichzeitig betrachtet, z.b. Beispiel 4.1. Ein Computersystem bestehe aus n Teilsystemen. X i sei der Ausfallzeitpunkt

Mehr

Konvergenz im quadratischen Mittel - Hilberträume

Konvergenz im quadratischen Mittel - Hilberträume CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften

Mehr

Geometrische Mannigfaltigkeiten

Geometrische Mannigfaltigkeiten Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Exkurs: Polnische Räume

Exkurs: Polnische Räume Ein normaler Hausdorff-Raum mit abzählbarer Basis kann auf viele Weisen metrisiert werden; man kann insbesondere eine einmal gewonnene Metrik in vielerlei Weise abändern, ohne die von ihr erzeugte Topologie

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

Spezielle Eigenfunktionen des Transfer-Operators für Hecke Kongruenz Untergruppen

Spezielle Eigenfunktionen des Transfer-Operators für Hecke Kongruenz Untergruppen Spezielle Eigenfunktionen des Transfer-Operators für Hecke Kongruenz Untergruppen Diplomarbeit 2005 Markus Fraczek Institut für Theoretische Physik Technische Universität Clausthal Abteilung Statistische

Mehr

3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten

3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C

Mehr

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1). Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)

Mehr

Physik 4, Übung 8, Prof. Förster

Physik 4, Übung 8, Prof. Förster Physik 4, Übung 8, Prof. Förster Christoph Hansen Emailkontakt Dieser Text ist unter dieser Creative Commons Lizenz veröffentlicht. Ich erhebe keinen Anspruch auf Vollständigkeit oder Richtigkeit. Falls

Mehr

ϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).

ϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ). 1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Zusammenfassung der Lebesgue-Integrationstheorie

Zusammenfassung der Lebesgue-Integrationstheorie Zusammenfassung der Lebesgue-Integrationstheorie Das Lebesguesche Integral verallgemeinert das Riemannsche Integral. Seine Vorteile liegen für unsere Anwendungen vor allem bei den wichtigen Konvergenzsätzen,

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Definition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i

Definition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i 3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und

Mehr

Varianz und Kovarianz

Varianz und Kovarianz KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]

Mehr

Stabilität mittels Ljapunov Funktion

Stabilität mittels Ljapunov Funktion Stabilität mittels Ljapunov Funktion Definition Eine C 1 Funktion V : D R, D R, heißt eine Ljapunov Funktion auf K r (0) D für f(y), falls gilt: 1) V(0) = 0, V(y) > 0 für y 0 2) V,f(y) 0 ( y, y r) Gilt

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,

Mehr

Mathematik für Naturwissenschaftler I WS 2009/2010

Mathematik für Naturwissenschaftler I WS 2009/2010 Mathematik für Naturwissenschaftler I WS 2009/2010 Lektion 18 8. Januar 2010 Kapitel 5. Funktionen mehrerer Veränderlicher, Stetigkeit und partielle Ableitungen 5.2. Partielle Ableitungen von Funktionen

Mehr

Kapitel 16 SATZ VON FUBINI UND DIE TRANSFORMATIONSFORMEL

Kapitel 16 SATZ VON FUBINI UND DIE TRANSFORMATIONSFORMEL Kapitel 16 SAT VON FUBINI UND DIE TRANSFORMATIONSFORMEL Im folgenden sind X und Y metrische Räume, oder allgemeiner topologische Hausdor räume, und sind Radon-Integrale auf X bzw. Y. Fassung vom 24. Januar

Mehr

Mathematik des Hybriden Monte-Carlo. Marcus Weber. Zuse Institute Berlin

Mathematik des Hybriden Monte-Carlo. Marcus Weber. Zuse Institute Berlin Mathematik des Hybriden Monte-Carlo Marcus Weber Zuse Institute Berlin Statistische Thermodynamik Ziel: Am Computer ein Ensemble samplen. Messung im Gleichgewicht (zeitunabhängige Verteilung π der Systemzustände

Mehr

Stochastik I. Vorlesungsmitschrift

Stochastik I. Vorlesungsmitschrift Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................

Mehr

Eigenschaften kompakter Operatoren

Eigenschaften kompakter Operatoren Eigenschaften kompakter Operatoren Denition Seien X, Y normierte Räume und sei A : X Y linear. Dann heiÿt A kompakt (vollstetig), wenn für jede beschränkte Menge B X die Menge A(B) kompakt ist. Eigenschaften

Mehr

3.3 Das Abtasttheorem

3.3 Das Abtasttheorem 17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann

Mehr

2 Zufallsvariable, Verteilungen, Erwartungswert

2 Zufallsvariable, Verteilungen, Erwartungswert 2 Zufallsvariable, Verteilungen, Erwartungswert Bisher: Zufallsexperimente beschrieben durch W-Räume (Ω, A, P) Häufig interessiert nur eine zufällige Größe X = X(ω), die vom Ergebnis ω des Zufallsexperiments

Mehr

Zahlen und metrische Räume

Zahlen und metrische Räume Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,

Mehr

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6 ALLGEMEINE THEORIE DES ELEKTROMAGNETISCHEN FELDES IM VAKUUM 25 Vorlesung 060503 6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6.1 Grundaufgabe der Elektrodynamik Gegeben: Ladungsdichte

Mehr

4.5 Schranken an die Dichte von Kugelpackungen

4.5 Schranken an die Dichte von Kugelpackungen Gitter und Codes c Rudolf Scharlau 19. Juli 2009 341 4.5 Schranken an die Dichte von Kugelpackungen Schon in Abschnitt 1.4 hatten wir die Dichte einer Kugelpackung, speziell eines Gitters bzw. einer quadratischen

Mehr

1 Stochastische Prozesse in stetiger Zeit

1 Stochastische Prozesse in stetiger Zeit 1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.

Mehr

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C. Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel

Mehr

Gaußsche Prozesse - ein funktionalanalytischer Zugang

Gaußsche Prozesse - ein funktionalanalytischer Zugang Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften Gaußsche Prozesse - ein funktionalanalytischer Zugang Bachelorarbeit in Wirtschaftsmathematik vorgelegt von Clemens Kraus am 31. Mai

Mehr

Hilbertraum-Methoden

Hilbertraum-Methoden Skript zur Vorlesung Hilbertraum-Methoden SS 2013 Peter Junghanns Hinweis: Das vorliegende Skript stellt nur ein Gerüst zu den Inhalten der Vorlesung dar. Die Vorlesung selbst bietet weiterführende Erläuterungen,

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte 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

Mehr

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte.

eine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte. Analysis, Woche 5 Folgen und Konvergenz A 5. Cauchy-Folgen und Konvergenz Eine Folge in R ist eine Abbildung von N nach R und wird meistens dargestellt durch {x n } n=0, {x n} n N oder {x 0, x, x 2,...

Mehr

Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen

Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science an der Technischen Universität Berlin Verfasser:

Mehr

Grundzustandsberechnung von Gross-Pitaevskii Gleichungen

Grundzustandsberechnung von Gross-Pitaevskii Gleichungen Grundzustandsberechnung von Gross-Pitaevskii Gleichungen Christoph Bischko, Lukas Einkemmer, Dominik Steinhauser Fakultät für Mathematik, Informatik und Physik Universität Innsbruck 2. Juli, 2010 Christoph,

Mehr

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft: Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein

Mehr

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w = 1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition

Mehr

Finanzmathematik - Wintersemester 2007/08. http://code.google.com/p/mitgetexed/

Finanzmathematik - Wintersemester 2007/08. http://code.google.com/p/mitgetexed/ Finanzmathematik - Wintersemester 2007/08 http://code.google.com/p/mitgetexed/ Stand: 4. November 2007 Inhaltsverzeichnis 1 Motivation und erste Begriffe 2 2 Endliche Finanzmärkte 4 3 Das Cox-Ross-Rubinstein-Modell

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

1.3 Ein paar Standardaufgaben

1.3 Ein paar Standardaufgaben 1.3 Ein paar Standardaufgaben 15 1.3 Ein paar Standardaufgaben Einerseits betrachten wir eine formale und weitgehend abgeschlossene mathematische Theorie. Sie bildet einen Rahmen, in dem man angewandte

Mehr

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

Supersymmetrische Quantenmechanik

Supersymmetrische Quantenmechanik Supersymmetrische Quantenmechanik Vorlesung mit Übungen Sommersemester 2014 Universität Erlangen-Nürnberg Georg Junker European Southern Observatory 15. April 2014 Vorbemerkungen 1. Montags 9-12 Vorlesung;

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

Physikalische Chemie IV Statistische Thermodynamik, SS2013

Physikalische Chemie IV Statistische Thermodynamik, SS2013 Physikalische Chemie IV Statistische Thermodynamik, SS013 Inhaltsverzeichnis mit Referenzen 1. Einführung 1.1 Vergleich makroskopische und mikroskopische Systeme: Beispiel: ideales Gas, Herleitung eines

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Caputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen

Caputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen Seminar Fraktionale Differentialgleichungen Prof. Dr. P.E. Kloeden, WS1000/2001 Caputo fraktionale Differentialgleichungen Lars Grüne, 25.1.2001 Basierend auf Fractional Differential Equations, Theory

Mehr

Höhere Mathematik II für die Fachrichtung Physik

Höhere Mathematik II für die Fachrichtung Physik Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz WS 5/6 8..6 Höhere Mathematik II für die Fachrichtung Physik Bachelor-Modulprüfung Aufgabe

Mehr

H. Gruber, R. Neumann. Erfolg im Mathe-Abi. Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen

H. Gruber, R. Neumann. Erfolg im Mathe-Abi. Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen H. Gruber, R. Neumann Erfolg im Mathe-Abi Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen Inhaltsverzeichnis Inhaltsverzeichnis Analysis Von der

Mehr

Wachstumsverhalten ganzer Funktionen. Inhaltsverzeichnis

Wachstumsverhalten ganzer Funktionen. Inhaltsverzeichnis Wachstumsverhalten ganzer Funktionen Vortrag zum Seminar zur Funktionentheorie, 11.6.212 Simon Langer Inhaltsverzeichnis 1 Einleitung 2 2 Wachstumsverhalten ganzer Funktionen 3 3 Ganze Funktionen endlicher

Mehr

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).

Mehr

Die Klein-Gordon Gleichung

Die Klein-Gordon Gleichung Kapitel 5 Die Klein-Gordon Gleichung 5.1 Einleitung Die Gleichung für die Rutherford-Streuung ist ein sehr nützlicher Ansatz, um die Streuung von geladenen Teilchen zu studieren. Viele Aspekte sind aber

Mehr

Wortproblem für kontextfreie Grammatiken

Wortproblem für kontextfreie Grammatiken Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?

Mehr

6 Hauptachsentransformation

6 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

Mehr

TEILWEISE ASYNCHRONE ALGORITHMEN

TEILWEISE ASYNCHRONE ALGORITHMEN TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner

Mehr

e βεa = 1 β eα Z 1 (β,v ), über die allgemeine Beziehung e αn Z (kl) N (β,v )

e βεa = 1 β eα Z 1 (β,v ), über die allgemeine Beziehung e αn Z (kl) N (β,v ) Im Limes e α lautet das großkanonische Potential XII.29) Ωβ,,α)= ln ± e α βεa β β eα a a e βεa = β eα Z β, ), XII.62) mit Z β, ) der kanonischen Zustandssumme für ein Teilchen. Der ergleich mit der allgemeinen

Mehr

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x

Mehr

4 Das Riemann-Integral im R n

4 Das Riemann-Integral im R n $Id: nintegral.tex,v 1.11 2012/11/27 14:07:09 hk Exp hk $ 4 Das Riemann-Integral im R n 4.3 Jordan-meßbare engen In der letzten Sitzung hatten wir schließlich das n-dimensionale Riemann-Integral auch auf

Mehr

11 Stochastisches Integral und Itô-Formel

11 Stochastisches Integral und Itô-Formel 11 Stochastisches Integral und Itô-Formel Im diskreten Finanzmodell bei selbstfinanzierender Strategie ϑ = {ϑ n n=,...,n mit Anfangswert V gilt : Ṽ n ϑ = V + n ϑ T j S j. j=1 Dieser diskontierte Wertprozess

Mehr

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013 Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Analyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse

Analyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse Analyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse Yannik Behr Gliederung 1 Stochastische Prozesse Stochastische Prozesse Ein stochastischer Prozess ist ein Phänomen, dessen

Mehr

Gerade, Strecke, Halbgerade, Winkel (in (R n,, ))

Gerade, Strecke, Halbgerade, Winkel (in (R n,, )) Gerade, Strecke, Halbgerade, Winkel (in (R n,, )) A B Winkel Gerade Halbgerade Strecke A A A Gerade ist Punktmenge L A,v := {A+t v t R}, wobei v 0. Halbgerade (Strahl) ist Punktmenge H A,v := {A+t v t

Mehr

Informatik IC2. Balazs Simon 2005.03.26.

Informatik IC2. Balazs Simon 2005.03.26. Informatik IC2 Balazs Simon 2005.03.26. Inhaltsverzeichnis 1 Reguläre Sprachen 3 1.1 Reguläre Sprachen und endliche Automaten...................... 3 1.2 Determinisieren.....................................

Mehr

Der Satz von Cramér (1938) Ausarbeitung zu einem Vortrag im Seminar Große Abweichungen am Maren Urner

Der Satz von Cramér (1938) Ausarbeitung zu einem Vortrag im Seminar Große Abweichungen am Maren Urner Der Satz von Cramér (1938) Ausarbeitung zu einem Vortrag im Seminar Große Abweichungen am 04.12.2010 Maren Urner In diesem Vortrag soll der Satz von Cramér als ein Prinzip großer Abweichungen (LDP) vorgestellt

Mehr

Proseminar Mathematik. Ungleichungen I Betreuung: Natalia Grinberg. Karlsruher Institut für Technologie

Proseminar Mathematik. Ungleichungen I Betreuung: Natalia Grinberg. Karlsruher Institut für Technologie Proseminar Mathematik Ungleichungen I 12.6.215 Betreuung: Natalia Grinberg Karlsruher Institut für Technologie Inhaltsverzeichnis 1 Young-Ungleichung 2 2 Hölder-Ungleichung 4 3 Minkowski-Ungleichung 5

Mehr

Amerikanischen Optionen

Amerikanischen Optionen Die Bewertung von Amerikanischen Optionen im Mehrperiodenmodell Universität-Gesamthochschule Paderborn Fachbereich 17 Seminar Finanzmathematik SS 2001 Referentin: Christiane Becker-Funke Dozent: Prof.

Mehr

4.2 Gleichstromkreise

4.2 Gleichstromkreise 4.2 Gleichstromkreise Werden Ladungen transportiert, so fließt ein elektrischer Strom I dq C It () [] I A s dt Einfachster Fall: Gleichstrom; Strom fließt in gleicher ichtung mit konstanter Stärke. I()

Mehr

Mathematik I Internationales Wirtschaftsingenieurwesen

Mathematik I Internationales Wirtschaftsingenieurwesen Mathematik I Internationales Wirtschaftsingenieurwesen Integralrechnung 03.12.08 Das unbestimmte Integral/Stammfunktion Das bestimmte Integral/Flächenberechnung Integral als Umkehrung der Ableitung Idee:

Mehr

Analysis I - Stetige Funktionen

Analysis I - Stetige Funktionen Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr