SO(2) und SO(3) Martin Schlederer. 06. Dezember 2012

Größe: px
Ab Seite anzeigen:

Download "SO(2) und SO(3) Martin Schlederer. 06. Dezember 2012"

Transkript

1 SO(2) und SO(3) Martin Schlederer 06. Dezember 2012 Inhaltsverzeichnis 1 Motivation 2 2 Wiederholung Spezielle Orthogonale Gruppe SO(n) Erzeuger Charakter Skalarprodukt SO(2) Drehmatrix R(ϕ) Skalarprodukt Infinitesimaler Erzeuger Beziehung zu L z SO(3) Infinitesimale Erzeuger Kommutatorrelation Weitere irreduzible Darstellungen von SO(3) Charakter Skalarprodukt Clebsch-Gordon Reihe Literatur 11 1

2 1 Motivation Während wir uns bisher auf diskrete Gruppen beschränkt haben, wollen wir nun zwei Gruppen mit kontinuierlichen Symmetrien betrachten. Wir haben also nun Gruppen mit unendlich viele Elementen, die allerdings nur von endlich vielen Parameteren abhängen, die zudem nur Werte in einer endlichen Menge annehmen können. In diesem Zusammenhang wird das Konzept des infinitesimalen Erzeugers eingeführt, über den alle Gruppenelemente miteinander verbunden sind, was dann führt zur Kommutatorrelation führt. Außerdem muss die Orthogonalitätsrelation für kontinuierliche Gruppen abgeändert werden. 2 Wiederholung 2.1 Spezielle Orthogonale Gruppe SO(n) Die SO(n) ist die Gruppe der orthogonalen n n - Matrizen mit Determinante 1. Es gilt also: sowie 2.2 Erzeuger R SO(n) gilt: RR E R R det(r) 1 Im ersten Vortrag haben wir die Gruppe C 3 kennengelernt, die Drehungen um 0, 120 und 240 beschreibt. Die Gruppenelemente haben wir mit e, c und c 2 bezeichnet, wobei gilt: e c 3. Somit kann jedes Element als Potentz von c dargestellt werden. Man sagt, dass c die Gruppe erzeugt und nennt c den Erzeuger der Gruppe. 2.3 Charakter Der Charakter einer Darstellung ist definiert als die Summe der Diagonalelemente der darstellenden Matrix D, also der Spur der Matrix: χ(g) T rd(g) Der Charakter einer Darstellung ist invariant unter Konjugation, ist also konstant auf Konjugationsklassen. 2

3 2.4 Skalarprodukt Als Skalarprodukt zwischen zwei Charakteren wurde definiert: 3 SO(2) 3.1 Drehmatrix R(ϕ) χ (ν) χ (µ) 1 [g] χ (ν) (g)χ (µ) (g) g Die spezielle orthogonale Gruppe der Matrizen wird als SO(2) bezeichnet. Sie beschreibt echte Drehungen (also keine Drehspiegelungen) in zwei Dimensionen, also einer Ebene. Anders als in der Gruppe C 3 haben wir jetzt unendliche viele mögliche Winkel ϕ mit ϕ [0, 2π). Allerdings gibt es nur eine Drehachse, und somit hängen alle Gruppenmitglieder nur von dem einen Parameter ϕ ab. Da die Achsenbenennung beliebig ist, ist im folgenden die z-achse als Drehachse gewählt. Wie bekannt sein dürfte, hat die Drehmatrix folgendende Gestalt: cos ϕ sin ϕ R(ϕ) sin ϕ cos ϕ Wir können nun überprüfen, dass R(ϕ) Element von SO(2) ist: RR cos ϕ sin ϕ cos ϕ sin ϕ sin ϕ cos ϕ sin ϕ cos ϕ ( cos 2 ϕ + sin 2 ϕ cos ϕ sin ϕ cos ϕ sin ϕ ) cos ϕ sin ϕ cos ϕ sin ϕ cos 2 ϕ + sin 2 ϕ 1 0 E 0 1 Außerdem: Somit ist R(ϕ) SO(2). det(r(ϕ) cos 2 ϕ ( sin 2 ϕ) 1 Anmerkung: Eigentlich handelt es sich bei der Drehmatrix R(ϕ) um eine Darstellung der abstrakten Gruppe der Drehungen in zwei Dimensionen, aber da der Kern nur die Identität ϕ 0 ist, ist die Abbildung zwischen Darstellung und abstrakter Gruppe bijektiv und somit die Darstellung isomorph zur abstrakten Gruppe selbst. Die Darstellung ist über den reellen Zahlen nicht weiter reduzibel. Allerdings ist sie über den komplexen Zahlen reduzibel. Bestimmt man die (komplexen) Eigenwerte von R(ϕ), so erhält man e iϕ und e iϕ. 3

4 Bestimmt man auch noch die Eigenvektoren zu den Eigenwerten, so erhält man folgende Gleichung: x + iy e iϕ 0 x + iy x iy 0 e iϕ x iy Wie man erkennt, sind die irreduziblen Darstellungen dank der komplexen Zahlen nur noch 1 1-Matrizen, die mit ganzen Zahlen durchnummeriert werden können: 3.2 Skalarprodukt D (m) e imϕ Die Skalarprodukt von Charakteren muss nun natürlich entsprechend angepasst werden. Die gewichtete Summe über alle Gruppenmitglieder wird dabei durch eine passende Integration über ϕ ersetzt: 1 2π [g] g 0 2π Also: χ (ν) χ (µ) 2π 0 2π χ(ν) (ϕ)χ (µ) (ϕ) Als Beispiel soll die Zerlegung der Drehmatrix R(ϕ) nochmal geprüft werden. Bei einer Zerlegung in irreduzible Darstellungen erhält man die Koeffizienten durch: a m χ (m) χ Der Charakter χ von R(ϕ) ist 2 cos ϕ. Also folgt: Also: a m 2π 0 2π 2π eimϕ 2 cos(ϕ) 0 2π eimϕ (e iϕ + e iϕ ) δ m,m 1 + δ m,m+1 R(ϕ) D (1) D ( 1) in Übereinstimmung mit der vorherigen Zerlegung. Die Clebsch-Gordon-Reihe wird einfach zu: 3.3 Infinitesimaler Erzeuger D (m) D (m ) D (m+m ) Den infinitesimalen Erzeuger einer Gruppe kann man finden, indem man Elemente betrachtet, die infinitesimal nahe am neutralen Element liegen, also gilt: ϕ 1. Dann kann man die Drehmatrix nach ϕ entwickeln und erhält: R(ϕ) E iϕx + O(ϕ 2 ) 4

5 oder anders ausgedrückt ix dr(ϕ) ϕ0 X bezeichnet man nun als infinitesimalen Erzeuger. Im Fall unserer Drehmatrix ergibt sich: 0 1 ix 1 0 Das besondere an diesem infinitesimalen Erzeuger ist nun, dass sich jede beliebige Drehung um einen endlichen Winkel durch die Exponentierung von X erzeugt werden kann: R(ϕ) exp( iϕx) Dieser Ansatz funktioniert bei allen kontinuierlichen Gruppen, bei denen die Elemente kontinuierlich mit dem neutralen Element verbunden sind, also z.b. nicht bei Spiegelungen. R und X sind natürlich Matrizen, die Exponentierung muss also als Reihe aufgefasst werden: 1 exp( iϕx) n! ( iϕ)n X n 2 0 i Da X 2 i 0 und es folgt: exp( iϕx) n0 1 0 E zerfällt die Summe in gerade und ungerade Terme cos ϕ sin ϕ 1 0 cos ϕ sin ϕ R(ϕ) sin ϕ cos ϕ 3.4 Beziehung zu L z Bei einer Rotation gilt: Ψ( x) Ψ ( x ) Ψ(R 1 x ) Û R Ψ( x ) Ψ(R 1 x ) Û R bezeichnet hierbei die Rotation der Funktion im Raum der Wellenfunktionen. Für ein sehr kleines ϕ ergibt das: dψ(r, θ) (E iϕx)ψ(r, θ) Ψ(r, θ) ϕ dθ Da ϕ sehr klein ist, kann man ix mit d/dθ identifizieren und erhält: da L z i d dθ. X i d dθ L z, 5

6 4 SO(3) Diese Gruppe beschreibt Drehungen in drei Dimensionen. Es gibt wieder eine Bijektion zwischen der abstrakten Gruppe und den Matrizen, sodass die Darstellung als orthogonale Matrizen isomorph zur abstrakten Gruppe ist. Ebenso wie zuvor handelt sich um eine kontinuierliche Symmetrie, aber statt einen Parameter ϕ erhält man nun drei Parameter, da man drei Achsen hat, um die rotiert werden kann. 4.1 Infinitesimale Erzeuger Es gibt (mindestens) zwei Arten, die infinitesimalen Erzeuger zu finden: Einerseits kann man die Drehmatrizen für die Koordinatenachsen betrachen: Drehung um die z-achse: cos ϕ sin ϕ 0 R 3 (ϕ) sin ϕ cos ϕ Den Erzeuger findet man wie zuvor: Oder kurz: ix 3 dr 3(ϕ) ϕ0 (X 3 ) ij iɛ ij wobei ɛ ijk der Epsilon-Tensor ist. Analog wird bei den anderen Drehachsen vorgegangen: Drehung um die x-achse: R 1 (ϕ) 0 cos ϕ sin ϕ 0 sin ϕ cos ϕ Oder kurz: und: Drehung um y-achse: ix 1 dr 1(ϕ) ϕ0 (X 1 ) ij iɛ ij cos ϕ 0 sin ϕ R 2 (ϕ) sin ϕ 0 cos ϕ 6

7 Oder kurz: ix 2 dr 2(ϕ) ϕ0 (X 2 ) ij iɛ ij Also kann man zusammenfassen: (X k ) ij iɛ ijk Eine andere Art, die Erzeuger zu finden, ist, eine kleine Drehung um eine beliebige normierte Drehachse n zu betrachten. n soll hierbei durch eine orthonormale Basis ausgedrückt sein. Die Verrückung ist senkrecht zu der Ebene, die durch n und r aufgespannt wird. Die Größe der Verrückung ist für kleines ϕ: Zusammen ergibt das: Oder in Komponentenschreibweise: Also: mit Das zeigt: r i r i + 3 j,k1 δ r (r sin θ)ϕ r r + δ r r + ( n r)ϕ ϕɛ ikj n k r j r i 3 j,k1 ϕɛ ijk n k r j (R(ϕ)) ij δ ij ϕɛ ijk n k δ ij iϕ(x n ) ij (X n ) ij 3 iɛ ijk n k k1 3 n k (X n ) ij ( n X) ij k1 R n (ϕ) exp( i n Xϕ) 3 (δ ij ϕɛ ijk n k )r j j,k1 mit dem allgemeinen Erzeuger X n n X, also um eine beliebige (normierte) Drehachse n. So ergibt sich zum Beispiel für den Spezialfall n (1, 0, 0) : n X X Kommutatorrelation Die infinitesimalen Erzeuger spannen einen Vekorraum auf, was bedeuted, dass jede beliebige Linearkombination von ihnen wieder einen Erzeuger gibt. Allerdings gibt es noch eine weitere Verknüpfung, bei der man wieder einen Erzeuger erhält. Diese Verknüpfung ist der Kommutator: [X, Y ] XY Y X 7

8 Diese Verknüpfung ist nicht assoziativ, erfüllt aber die Jacobi-Identität: [[X, Y ], Z] + [[Y, Z], X] + [[Z, X], Y ] 0 Aufgrund dieser Eigenschaften bilden die Infinitesimalen Erzeuger eine Lie-Algebra, worauf in einem späteren Vortrag noch eingegangen wird. Anschaulich gesagt ist der Kommutator auch ein Maß dafür, wie stark dass Kommutativgesetz verletzt wird. Ein Weg, die Kommutatorrelation zu erhalten, ist es, sie einfach mithilfe der Matrizen, die wir oben hergeleitet haben, auszurechnen: i 0 0 i [X 1, X 2 ] 0 0 i i 0 i 0 i 0 0 i i ix Analog kann man den Kommutator für die anderen Kombinationen berechnen und erhält: [X i, X j ] iɛ ijk X k Ein anderer Weg, diese Relation herzuleiten, ist die folgende Konjugation zu betrachten: R n (ϕ) S(θ)R n (ϕ)s 1 (θ) mit ϕ infinitesimal klein. Diese Konjugation entspricht einer Drehung um eine gedrehte Achse n S(θ) n. Wird als Achse für die Drehung um θ die z-achse gewählt, so gilt: S(θ) exp( ix 3 θ) Wählt man außerdem als Drehachse für ϕ die x-achse, so gilt zusätzlich: n cos θ S(θ) n sin θ 0 und somit: n X X1 cos θ + X 2 sin θ Eingesetzt in die obere Gleichung ergibt dies: e ix 3θ e ix 1ϕ e ix 3θ e i(x 1 cos θ+x 2 sin θ)ϕ Entwickelt man die Gleichung um ϕ 0 folgt: e ix 3θ X 1 e ix 3θ X 1 cos θ + X 2 sin θ 8

9 Leitet man nun nach θ ab und setzt θ 0, erhält man: ix 3 X 1 + X 1 ix 3 i[x 3, X 1 ] X 2 [X 3, X 1 ] ix 2 Die restlichen Relationen kann man analog herleiten. 4.3 Weitere irreduzible Darstellungen von SO(3) Da die abstrakte Gruppe SO(3) generell dreidimensionale Drehungen beschreibt, wir uns bisher aber nur auf dreidimensionale Drehungen in einem dreidimensionalen Raum beschränkt haben, wollen wir nun eine allgemeinere Formel für die Darstellung finden. Dabei wird die oben hergeleitete Kommutatorrelation als fundamental angesehen. Das Problem ist also, irreduzible Matrizen zu finden, die die Kommutatorrelation erfüllen. Diese beschreiben dann dreidimensionale Drehungen in (Hilbert-)Räumen mit beliebiger Dimension. Identifiziert man J X, wie vorhin für J z gezeigt wurde, so wird dieses Problem auf eines zurückgeführt, das in der Quantenmechanik bekannt ist. Deshalb soll auf die Herleitung an dieser Stelle verzichtet werden. Da J 2 mit einer Komponente, zb J z, kommutiert, haben sie gemeinsame Eigenfunktionen. Es folgt: J 2 jm 2 j(j + 1) jm J z jm m jm mit j m j. Damit folgt für die infinitesimalen Erzeuger: jm X 3 jm mδ m m jm X + jm [(j m)(j + m + 1)] 1/2 δ m,m+1 jm X jm [(j + m)(j m + 1)] 1/2 δ m,m 1 Wobei X ± X 1 ± ix 2. Dies sind die Erzeuger für R(ϕ) in einer (2j+1)-dimensionalen Darstellung. Da (2j+1) eine ganze, positive Zahl ergeben muss, kann j ganzzahlig oder halbzahlig sein. Tatsächlich führen die ganzzahligen Werte zum (mechanischen) Drehimpuls, während die halbzahligen j zum Spin führen, der dann eine Periodizität von 4π aufweist. Für j 1 erhält man wieder die Erzeuger, die wir vorhin hergleitet hatten, allerdings in einer anderen Basis. 4.4 Charakter Den Charakter einer [2j+1]-Darstellung findet man wieder über die Spur der zugehörigen Drehmatrix. X 3 diag(j, j 1,..., j + 1, j) 9

10 R 3 (ϕ) exp( ix 3 ϕ) diag(e ijϕ, e i(j 1)ϕ,..., e i(j 1)ϕ, e ijϕ ) χ (j) (ϕ) T rr 3 (ϕ) e ijϕ + e i(j 1)ϕ e i(j 1)ϕ + e ijϕ ijϕ 1 ei(2j+1)ϕ e 1 e iϕ e i(j+1/2)ϕ e i(j+1/2)ϕ e i ϕ 2 e i ϕ 2 sin(j + 1/2)ϕ sin ϕ 2 Da der Charakter konstant auf Konjugationsklassen ist, also nicht von der Drehachse abhängt, gilt diese Formel für den Charakter nicht nur für die z-achse, sondern generell. Bei ganzzahligem j erhält man: Und für halbzahlige j: mit j n + 1/2. j χ (j) (ϕ) cos(mϕ) m1 n χ (j) (ϕ) cos(m + 1/2)ϕ m0 4.5 Skalarprodukt Auch für SO(3) muss das Skalarprodukt für Charaktere wieder abgewandelt werden. Wichtig ist dabei, dass das Integral invariant unter Drehungen sein muss, also gelten muss:...dµ(ϕ)...dµ(ϕ ) Die Suche nach dem Maß, das diese Relation erfüllt, liefert für SO(3): Also: χ (j) χ (j ) 2π 4.6 Clebsch-Gordon Reihe 0 1 2π [g] g 0 2π (1 cos ϕ) 2π (1 cos ϕ)sin((j + 1/2)ϕ) sin ϕ 2 sin((j + 1/2)ϕ) sin ϕ ) 2 Wie wir bereits in vorangegangenen Vorträgen gehört haben, kann man das direkte Produkt zweier irreduzibler Darstellungen auch als Summe von irreduziblen Darstellungen ausdrücken: D (j 1) D (j 2) j 1 +j 2 j j 1 j 2 D (j) Der Beweis wird am besten direkt mit den Charakteren geführt: χ (j 1) (ϕ)χ (j 2) (ϕ) ei(j 1+1/2)ϕ e i(j 1+1/2)ϕ 2i sin ϕ 2 j 2 m j 2 e imϕ 10

11 j 2 1 2i sin ϕ e i(j 1+m+1/2)ϕ e i(j 1 m+1/2)ϕ 2 m j 2 Da man über einen symmetrischen Bereich summiert, kann man im zweiten Summanden -m zu m umschreiben. Definiert man noch j j 1 + m so folgt: χ (j 1) (ϕ)χ (j 2) (ϕ) j 1 +j 2 j j 1 j 2 sin((j )ϕ) sin ϕ 2 j 1 +j 2 j j 1 j 2 χ (j) (ϕ) Womit die Gleichung gezeigt ist. Diese Beziehung schlägt sich in der Quantenmechanik nieder, wo bei der Addition von zwei Drehimpulsen j 1, j 2 der neue Drehimpuls alle Werte zwischen j 1 j 2 und j 1 + j 2 annehmen kann. 5 Literatur H. F. Jones. Groups, Representations and Physics. Taylor & Francis Group, 2. edition,

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische

Mehr

ax 2 + bx + c = 0, (4.1)

ax 2 + bx + c = 0, (4.1) Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die

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

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? 1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2

Mehr

Mathematischer Vorkurs für Physiker WS 2009/10

Mathematischer Vorkurs für Physiker WS 2009/10 TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,

Mehr

4.4. Rang und Inversion einer Matrix

4.4. Rang und Inversion einer Matrix 44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert

Mehr

1 Fraktale Eigenschaften der Koch-Kurve

1 Fraktale Eigenschaften der Koch-Kurve Anhang Inhaltsverzeichnis Fraktale Eigenschaften der Koch-Kurve iii. Einführung.................................. iii.2 Defintion.................................... iii.3 Gesamtlänge der Koch-Kurve........................

Mehr

1.9 Eigenwerte und Eigenvektoren

1.9 Eigenwerte und Eigenvektoren .9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +

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

mit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"

mit Skalarprodukt aus i-tem Zeilenvektor und j-tem Spaltenvektor Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"

Mehr

3.1. Die komplexen Zahlen

3.1. Die komplexen Zahlen 3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen

Mehr

++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1

++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1 Hauptachsentransformation. Einleitung Schneidet man den geraden Kreiskegel mit der Gleichung = + und die Ebene ++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen +2 + +dx+ey+f = 0. Die

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Lösungen Serie 6 (Vektorräume, Skalarprodukt) Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9

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

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

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

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn. Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

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

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

Einführung Gruppen, Beispiele, Konjugationsklassen

Einführung Gruppen, Beispiele, Konjugationsklassen Einführung Gruppen, eispiele, Konjugationsklassen Fabian Rühle 21.10.2015 Inhaltsverzeichnis 1 Definition von Gruppen und einfache eispiele 1 2 Die zyklische Gruppe n 2 3 Die Diedergruppe D n 3 4 Die Permutationsgruppe

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

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

Mehr

Mathematische Erfrischungen III - Vektoren und Matrizen

Mathematische 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

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

Mehr

einführendes Beispiel: In der Skizze ist die durch die Punkte A(2, 4, 3) B(2, 6, 2) C(4, 4, 2) festgelegte Ebene ε dargestellt.

einführendes Beispiel: In der Skizze ist die durch die Punkte A(2, 4, 3) B(2, 6, 2) C(4, 4, 2) festgelegte Ebene ε dargestellt. 6 4. Darstellung der Ebene 4. Die Parametergleichung der Ebene einführendes Beispiel: In der Skizze ist die durch die Punkte A(2, 4, 3) B(2, 6, 2) C(4, 4, 2) festgelegte Ebene ε dargestellt. 0 2 r uuur

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 10: Inverse Matrix und Determinante D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Einführung in die Tensorrechnung

Einführung in die Tensorrechnung 1. Definition eines Tensors Tensoren sind Grössen, mit deren Hilfe man Skalare, Vektoren und weitere Grössen analoger Struktur in ein einheitliches Schema zur Beschreibung mathematischer und physikalischer

Mehr

Gitterherstellung und Polarisation

Gitterherstellung und Polarisation Versuch 1: Gitterherstellung und Polarisation Bei diesem Versuch wollen wir untersuchen wie man durch Überlagerung von zwei ebenen Wellen Gttterstrukturen erzeugen kann. Im zweiten Teil wird die Sichtbarkeit

Mehr

Analytische Geometrie II

Analytische Geometrie II Analytische Geometrie II Rainer Hauser März 212 1 Einleitung 1.1 Geradengleichungen in Parameterform Jede Gerade g in der Ebene oder im Raum lässt sich durch einen festen Punkt auf g, dessen Ortsvektor

Mehr

1 Vektoren, Vektorräume, Abstände: 2D

1 Vektoren, Vektorräume, Abstände: 2D Vektoren, Vektorräume, Astände: D Definition: Die Menge aller (geordneten Paare reeller Zahlen (oder allgemeiner: Elemente eines elieigen Körpers, als Spalten geschrieen, ezeichnen wir als Vektoren: R

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

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH ) Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon

Mehr

Kapitel 15: Differentialgleichungen

Kapitel 15: Differentialgleichungen FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen

Mehr

ein geeignetes Koordinatensystem zu verwenden.

ein geeignetes Koordinatensystem zu verwenden. 1.13 Koordinatensysteme (Anwendungen) Man ist immer bemüht, für die mathematische Beschreibung einer wissenschaftlichen Aufgabe ( Chemie, Biologie,Physik ) ein geeignetes Koordinatensystem zu verwenden.

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Lorentz- und Poincaré-Gruppe und SL(2,C)

Lorentz- und Poincaré-Gruppe und SL(2,C) Lorentz- und Poincaré-Gruppe und SL(2,C) Alexander Baade Andreas Müllers Christian Wuttke 24.01.2005 Inhaltsverzeichnis 1 Wiederholung der Grundlagen 2 2 Die SL(2,C) und die eigentlichen orthochronen Lorentz-Gruppe

Mehr

Definition: Euklidischer Raum mit Skalarprodukt. Die kanonische Basis von Einheitsvektoren sind paarweise orthogonal zueinander:

Definition: Euklidischer Raum mit Skalarprodukt. Die kanonische Basis von Einheitsvektoren sind paarweise orthogonal zueinander: Definition: Euklidischer Raum mit Skalarprodukt Einsteinsche Summenkonvention (ES): über doppelt vorkommende Indizes wird summiert. Die kanonische Basis von Einheitsvektoren sind paarweise orthogonal zueinander:

Mehr

Invariantentheorie. Vorlesung 5. Invariantenringe zu Untergruppen

Invariantentheorie. Vorlesung 5. Invariantenringe zu Untergruppen Prof. Dr. H. Brenner Osnabrück WS 2012/2013 Invariantentheorie Vorlesung 5 Invariantenringe zu Untergruppen Proposition 5.1. Es sei R G R eine Operation einer Gruppe G auf einem kommutativen Ring durch

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Lösungen Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Kapitel I: Mengen Aufgabe

Mehr

Leitfaden Lineare Algebra: Determinanten

Leitfaden Lineare Algebra: Determinanten Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv

Mehr

Gruppentheorie und Symmetrie in der Chemie

Gruppentheorie und Symmetrie in der Chemie Gruppentheorie und Symmetrie in der Chemie Martin Schütz Institut für theoretische Chemie, Universität Stuttgart Pfaffenwaldring 55, D-70569 Stuttgart Stuttgart, 26. April 2002 Mathematische Definition

Mehr

Theoretische Physik 1, Mechanik

Theoretische Physik 1, Mechanik Theoretische Physik 1, Mechanik Harald Friedrich, Technische Universität München Sommersemester 2009 Mathematische Ergänzungen Vektoren und Tensoren Partielle Ableitungen, Nabla-Operator Physikalische

Mehr

1 0 1, V 3 = M, und λ A = λa

1 0 1, V 3 = M, und λ A = λa Aufgabe 57. Magische Quadrate Eine reelle 3 3-Matrix A = a 11 a 12 a 13 a 21 a 22 a 23 heißt magisches Quadrat, falls alle Zeilensummen, alle Spaltensummen und die beiden Diagonalsummen a 11 + a 22 + a

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE Wiederholungsblatt Elementargeometrie im SS 01 bei Prof. Dr. S. Goette LÖSUNGSSKIZZE Die Lösungen unten enthalten teilweise keine vollständigen Rechnungen. Es sind aber alle wichtigen Zwischenergebnisse

Mehr

Trägheitsmomente starrer Körper

Trägheitsmomente starrer Körper Trägheitsmomente starrer Körper Mit Hilfe von Drehschwingungen sollen für einen Würfel und einen Quader die Trägheitsmomente für verschiedene Drehachsen durch den Schwerpunkt gemessen werden. Das zugehörige

Mehr

Das Noethertheorem in der Quantenmechanik und die SO(4)-Symmetrie des Wasserstoffatoms

Das Noethertheorem in der Quantenmechanik und die SO(4)-Symmetrie des Wasserstoffatoms Das Noethertheorem in der Quantenmechanik und die SO(4)-Symmetrie des Wasserstoffatoms Matthias Jacobi und Hendrik Spahr 13.12.2006 1 Inhaltsverzeichnis 1 Das Noethertheorem in der Quantenmechanik 3 1.1

Mehr

Didaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule

Didaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule Zahlbereichserweiterungen in der Hauptschule Didaktik der Zahlbereiche 4 Dr. Christian Groß Lehrstuhl Didaktik der Mathematik Universität Augsburg Wintersemester 2006/07 Natürliche Zahlen, : Klasse 5 positive

Mehr

2. Aufgabe Vereinfachen Sie die folgenden Ausdrücke so, dass möglichst wenige Multiplikationen ausgeführt werden müssen!

2. Aufgabe Vereinfachen Sie die folgenden Ausdrücke so, dass möglichst wenige Multiplikationen ausgeführt werden müssen! Studiengang: PT/LOT/PVHT Semester: WS 9/ lgebra Serie: 2 Thema: Matrizen, Determinanten. ufgabe Gegeben sind die Matrizen = µ 2 3 2 µ 3 2 4, B = 2 Berechnen Sie: a) 2 + 3B b) B 2 c) B T d) B T e) T B f)

Mehr

Grundlagen der Monte Carlo Simulation

Grundlagen der Monte Carlo Simulation Grundlagen der Monte Carlo Simulation 10. Dezember 2003 Peter Hofmann Inhaltsverzeichnis 1 Monte Carlo Simulation.................... 2 1.1 Problemstellung.................... 2 1.2 Lösung durch Monte

Mehr

Vektoren. Kapitel 3. 3.1 Skalare, Vektoren, Tensoren. 3.2 Vektoren

Vektoren. Kapitel 3. 3.1 Skalare, Vektoren, Tensoren. 3.2 Vektoren Kapitel 3 Vektoren 31 Skalare, Vektoren, Tensoren Viele physikalische Größen lassen sich bei bekannter Maßeinheit durch Angabe ihres Betrages als reelle Zahl vollständig angeben Solche Größen nennt man

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

2.9 Die komplexen Zahlen

2.9 Die komplexen Zahlen LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in

Mehr

Hans Walser, [20090509a] Wurzeln aus Matrizen

Hans Walser, [20090509a] Wurzeln aus Matrizen Hans Walser, [0090509a] Wurzeln aus Matrizen 1 Worum es geht Zu einer gegebenen,-matri A suchen wir,-matrizen B mit der Eigenschaft: BB = B = A. Wir suchen also Quadratwurzeln der Matri A. Quadrieren Wenn

Mehr

11. Vorlesung Wintersemester

11. Vorlesung Wintersemester 11. Vorlesung Wintersemester 1 Ableitungen vektorieller Felder Mit Resultat Skalar: die Divergenz diva = A = A + A y y + A z z (1) Mit Resultat Vektor: die Rotation (engl. curl): ( rota = A Az = y A y

Mehr

7 Orthogonale und unitäre Matrizen

7 Orthogonale und unitäre Matrizen $Id: orthogonal.tex,v.6 2/7/ 4::3 hk Exp $ $Id: mdiffb.tex,v.3 2/7/ 4::5 hk Exp hk $ 7 Orthogonale und unitäre Matrizen 7.2 Drehungen Wir wollen uns jetzt mit Drehungen im dreidimensionalen Raum beschäftigen.

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

3.3 Klassifikation quadratischer Formen auf R n

3.3 Klassifikation quadratischer Formen auf R n 3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen

Mehr

6 Symmetrische und hermitesche Matrizen

6 Symmetrische und hermitesche Matrizen $Id: quadrat.tex,v.0 0/06/9 :47:4 hk Exp $ $Id: orthogonal.tex,v.4 0/06/9 3:46:46 hk Exp $ 6 Symmetrische und hermitesche Matrizen 6.3 Quadratische Funktionen und die Hauptachsentransformation Wir sind

Mehr

46 Eigenwerte und Eigenvektoren symmetrischer Matrizen

46 Eigenwerte und Eigenvektoren symmetrischer Matrizen 46 Eigenwerte und Eigenvektoren symmetrischer Matrizen 46.1 Motivation Symmetrische Matrizen (a ij = a ji für alle i, j) kommen in der Praxis besonders häufig vor. Gibt es für sie spezielle Aussagen über

Mehr

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010 Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und

Mehr

1.2 Das kartesische Koordinatensystem

1.2 Das kartesische Koordinatensystem Kapitel 1 Vektoralgebra 1.1 Einführung Am ersten Kapitel widmen wir uns den Grundlagen der Vektoralgebra, wobei wir speziell auf die Definitionen von Skalaren und Vektoren eingehen und Produkte zwischen

Mehr

1 Vorlesungen: und Vektor Rechnung: 1.Teil

1 Vorlesungen: und Vektor Rechnung: 1.Teil 1 Vorlesungen: 4.10.005 und 31.10.005 Vektor Rechnung: 1.Teil Einige in der Physik auftretende Messgrößen sind durch eine einzige Zahl bestimmt: Temperatur T K Dichte kg/m 3 Leistung P Watt = J/s = kg

Mehr

1 Mechanik starrer Körper

1 Mechanik starrer Körper 1 Mechanik starrer Körper 1.1 Einführung Bisher war die Mechanik auf Massepunkte beschränkt. Nun gehen wir den Schritt zu starren Körpern. Ein starrer Körper ist ein System aus Massepunkten, welche nicht

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

Outline. 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 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

Mehr

II.2 Lösung der freien Klein Gordon-Gleichung

II.2 Lösung der freien Klein Gordon-Gleichung II. Lösung der freien Klein Gordon-Gleichung II..1 Allgemeine Lösung Da die Klein Gordon-Gleichung eine lineare partielle Differentialgleichung ist, kann man als Lösungsansatz eine ebene Welle φ(x) N e

Mehr

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter

Mehr

www.mathe-aufgaben.com

www.mathe-aufgaben.com Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit sin() f() =. Aufgabe : ( VP) Berechnen Sie das Integral ( )

Mehr

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

4.3 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

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Vektoren und Matrizen Einführung: Wie wir gesehen haben, trägt der R 2, also die Menge aller Zahlenpaare, eine Körperstruktur mit der Multiplikation (a + bi(c + di ac bd + (ad + bci Man kann jedoch zeigen,

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen

Mehr

Lineare Algebra und analytische Geometrie II (Unterrichtsfach)

Lineare Algebra und analytische Geometrie II (Unterrichtsfach) MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00

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

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

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

r a t u Parametergleichung der Geraden durch den Punkt A mit dem Richtungsvektor u t R heisst Parameter

r a t u Parametergleichung der Geraden durch den Punkt A mit dem Richtungsvektor u t R heisst Parameter 8 3. Darstellung der Geraden im Raum 3.. Parametergleichung der Geraden Die naheliegende Vermutung, dass eine Gerade des Raumes durch eine Gleichung der Form ax + by + cz +d = 0 beschrieben werden kann

Mehr

Abbildung 10.1: Das Bild zu Beispiel 10.1

Abbildung 10.1: Das Bild zu Beispiel 10.1 Analysis 3, Woche Mannigfaltigkeiten I. Definition einer Mannigfaltigkeit Die Definition einer Mannigfaltigkeit braucht den Begriff Diffeomorphismus, den wir in Definition 9.5 festgelegt haben. Seien U,

Mehr

Lineare Algebra. Teil III. Inhaltsangabe

Lineare Algebra. Teil III. Inhaltsangabe Teil III Lineare Algebra Inhaltsangabe 3 Lineare Algebra 22 3.1 Einführung.......................... 22 3.2 Matrizen und Vektoren.................... 23 3.3 Spezielle Matrizen...................... 24

Mehr

Lineare Algebra: Theorie und Anwendungen

Lineare Algebra: Theorie und Anwendungen Lineare Algebra: Theorie und Anwendungen Sommersemester 2012 Bernhard Burgeth Universität des Saarlandes c 2010 2012, Bernhard Burgeth 1 VEKTOREN IN DER EBENE UND IM RAUM 2 1 Vektoren in der Ebene und

Mehr

entspricht der Länge des Vektorpfeils. Im R 2 : x =

entspricht der Länge des Vektorpfeils. Im R 2 : x = Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.

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

Übungsaufgaben Vektoren

Übungsaufgaben Vektoren Kallenrode, www.sotere.uos.de Übungsaufgaben Vektoren 1. Gegeben sind die Einheitsvektoren in Zylinderkoordinaten e ϱ = cos ϕ sin ϕ, e ϕ = sin ϕ cos ϕ und e z = 0 0 0 0 1 und Kugelkoordinaten: sin ϑ cos

Mehr

Vektoren - Basiswechsel

Vektoren - Basiswechsel Vektoren - Basiswechsel Grundprinzip Für rein geometrische Anwendungen verwendet man üblicherweise die Standardbasis. Damit ergibt sich in den Zahlenangaben der Koordinaten kein Unterschied zu einem Bezug

Mehr

3.6 Drehungen in der Ebene

3.6 Drehungen in der Ebene 3.6-1 3.6 Drehungen in der Ebene 3.6.1 Die Drehmatrix Gelegentlich müssen wir die Lage eines Teilchens in einem ebenen Koordinatensystem beschreiben, das gegenüber einem festen System um φ gedreht ist.

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

Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen)

Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen) Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie (Lineare Abbildungen) Dozent/in: R. Burkhardt Büro:.6 Klasse: Semester: Datum: HS 8/9. Aufgabe Zeige, dass die folgenden Abbildungen

Mehr

8. Übungsblatt zur Mathematik I für Maschinenbau

8. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 8. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS / 6..-.. Aufgabe G (Matrixinversion mit Gauß-Algorithmus

Mehr