Der Harmonische Oszillator mit singulären und nichtlinearen Störungen als Modell für PT-symmetrische Bose-Einstein-Kondensate

Größe: px
Ab Seite anzeigen:

Download "Der Harmonische Oszillator mit singulären und nichtlinearen Störungen als Modell für PT-symmetrische Bose-Einstein-Kondensate"

Transkript

1 Masterarbeit Der Harmonische Oszillator mit singulären und nichtlinearen Störungen als Modell für PT-symmetrische Bose-Einstein-Kondensate Jacob Cornelius Fuchs 2. November 2016 Prüfer: Apl. Prof. Dr. Jörg Main Mitberichter: Jun.-Prof. Dr. Thomas Weiss Universität Stuttgart, 1. Institut für Theoretische Physik

2

3 Inhaltsverzeichnis Einleitung 5 1 Grundlagen Der Harmonische Oszillator mit singulären Störungen Physikalische Interpretation des Modells Der PT -Operator PT -symmetrische Systeme Exzeptionelle Punkte Numerische Behandlung des Harmonischen Oszillators mit singulären Störungen Numerische Methode Ergebnisse für eine reelle, gerade Störung Ergebnisse für eine rein imaginäre, ungerade Störung Ergebnisse für gemischte Störungen Anzahl der Kontrollparameter Grundlagen der Funktionalanalysis Hilberträume Beschränkte Operatoren Unbeschränkte Operatoren Resolvente und Spektrum Spezielle Klassen beschränkter Operatoren Kompakte Operatoren Schattenklassen Störungstheoretische Behandlung des harmonischen Oszillators mit singulären Störungen Herleitung der Störungsreihe Berechnung der Terme niedrigster Ordnung Berechnung der Faktoren J Berechnung der Terme niedriger Ordnung Approximation der Terme niedrigster Ordnung

4 Inhaltsverzeichnis 4.4 Exkurs: Numerische Berechnung von Reihen Numerische Berechnung von Reihen Klassifizierung der Arten von Konvergenz Wynn s Rho Algorithmus Exakte Berechnung der Störungsreihe Analytische Behandlung des Harmonischen Oszillators mit singulären Störungen Lösungsansatz Gleichungssystem für die Koeffizienten Erster Fall: Nullstelle der parabolischen Zylinderfunktion U bei x = b Zweiter Fall: keine Nullstelle der parabolischen Zylinderfunktion U bei x = b Exzeptionelle Punkte Entwicklung der Lösung für große Koeffizienten Störung der Lösungen außerhalb Zusammenfassung und Ausblick 79 Literatur 83 Danksagung 89 4

5 Einleitung Nach den Postulaten der Quantenmechanik werden physikalische Messgrößen als hermitesche Operatoren ( Observablen ) in einem Hilbertraum dargestellt. Dies garantiert, dass man stets reelle Messwerte erhält. Jedoch hat sich gezeigt, dass auch die Untersuchung nicht hermitescher Operatoren lohnenswert ist [1]. So bieten diese z. B. eine einfache Beschreibung von Resonanzphänomenen oder von offenen Systemen, die mit der Umgebung wechselwirken. Dabei werden auch neue Phänomene beobachtet. Zum Beispiel ist für hermitesche Operatoren bekannt, dass ihre Eigenwerte eine vollständige Orthonormalbasis des Hilbertraums bilden. In nicht hermiteschen Systemen hingegen treten auch sog. exzeptionelle Punkte auf, an welchen nicht nur die Eigenwerte, sonder auch die Eigenzustände entarten [2]. Diese konnten auch schon vielfach experimentell beobachtet werden (siehe z. B. [3]). In letzter Zeit hat eine bestimmte Klasse nicht hermitescher Systemen besondere Aufmerksamkeit genossen: die sog. PT -symmetrischen Systeme [4]. Diese zeichnen sich dadurch aus, dass sie invariant sind unter kombinierter Raum- und Zeitspiegelung. Ein wichtiger Grund für die Beschränkung auf hermitesche Operatoren in der Quantenmechanik ist, wie oben erwähnt, dass diese ein rein reelles Spektrum besitzen. Es hat sich jedoch gezeigt, dass PT -symmetrische Systeme ebenfalls rein reelle Spektren aufweisen können, wofür im Wesentlichen die PT -Symmetrie verantwortlich ist [4a]. Eine experimentelle Realisierung fand z. B. in optischen Systemen [5] oder dissipativen Mikrowellen-Billards [6] statt. Außerdem wurden in vielen theoretischen Arbeiten Vorschläge für die Realisierung in echten quantenmechanischen Systemen untersucht, in [7, 8] z. B. wurden PT -symmetrische Bose-Einstein-Kondensate betrachtet. Ausgangspunkt dieser letztgenannten Arbeiten war die Beschreibung der Gesamtwellenfunktion Ψ(r, t) des Kondensates im Rahmen einer Molekularfeldtheorie (engl. mean field theory ). Die Wechselwirkung der Teilchen untereinander wird dabei durch die Kontaktwechselwirkung angenähert, also dem Pseudo-Potential V int (r, r ) = (4π 2 Na/m) δ(r r ), wobei N die Teilchenzahl, m deren Masse und a die Streulänge beschreibt. Die zeitliche Dynamik ist dann bestimmt durch die Gross-Pitaevskii-Gleichung [9] i ( ) t Ψ(r, t) = 2 2m + V ext(r) + 4π 2 Na Ψ(r, t) 2 Ψ(r, t), m 5

6 Einleitung wobei die Nichtlinearität Ψ(r, t) 2 Ψ(r, t) die Kontaktwechselwirkung wiedergibt. Für das externe Potential V ext (r) wurde in [7, 8] ein Doppelmuldenpotential gewählt mit einem zusätzlichen Imaginärteil, welcher das Einkoppeln von Teilchen in die eine Mulde und das Auskoppeln von Teilchen aus der anderen Mulde modelliert. Ein relativ einfach handhabbares Modell bot außerdem eine Realisierung, bei welcher das Doppelmuldenpotential durch ein (komplexes) Doppel-δ-Potential ersetzt wurde [10]. Bemerkenswert sind auch die mathematischen Arbeiten von Mityagin und Siegl, welche eine harmonische Falle mit zusätzlichen δ-potentialen untersucht haben [11, 12], sowie eine Arbeit von Haag u. a., welche diese mathematischen Untersuchungen durch eine numerische Rechnung stützt [13]. Dabei wurden störungstheoretische Methoden aus der Funktionalanalysis bzw. Spektraltheorie verwendet. Die Nichtlinearität der Gross-Pitaevskii-Gleichung (siehe oben) konnte dabei nicht berücksichtigt werden, da die Spektraltheorie lediglich lineare Operatoren behandelt. Auf diese Weise konnte bewiesen werden, dass die Eigenwerte in einem gewissen Parameterbereich für den PT -symmetrischen Fall alle reell sind [12a] (vgl. auch Abschnitt 4.1). Ferner konnte eine Abschätzung der Eigenwerte für kleine Parameter angegeben werden [12b]. An diese Untersuchungen knüpft auch die hier vorliegende Arbeit an. Es wird ein harmonischer Oszillator mit zusätzlichen Doppel-δ-Potentialen betrachtet. Das Spektrum dieses Modellsystems soll möglichst genau berechnet und dessen Abhängigkeit von den Parametern analysiert werden. Dazu werden drei verschiedene Methoden genutzt. Als erstes wird eine numerische Methode verwendet. Danach wird der störungstheoretische Ansatz von Mityagin [12] nochmals genauer untersucht und mit den numerischen Ergebnissen verglichen. Ein besonderes Augenmerk liegt dabei auf der Frage, in welchen Parameterbereichen diese Methode angewandt werden kann und ob mit dieser Methode auch die Lage von exzeptionellen Punkten berechnet werden können. Als letztes wird das System noch mit Methoden aus der Analysis untersucht. Dabei sollen neben quantitativen auch auf qualitative Aussagen über das Spektrum eingegangen werden. Die Arbeit ist folgendermaßen strukturiert: Im ersten Kapitel wird auf die zugrundeliegenden physikalischen Grundlagen eingegangen. Diese umfassen das in dieser Arbeit betrachtete Modell und dessen physikalischen Interpretation, die PT -Symmetrie sowie die grundlegenden Eigenschaften PT -symmetrischer Systeme und die exzeptionellen Punkte. Danach wird in Kapitel 2 die numerische Behandlung besprochen und die damit erhaltenen Ergebnisse diskutiert. In Kapitel 4 wird der störungstheoretische Ansatz von Mityagin [12] vorgestellt und die darin aufgestellt Störungsreihe etwas genauer untersucht. Diesem Kapitel werden die für das Verständnis nötige Grundlagen der Funktionalana- 6

7 lysis vorangestellt (Kapitel 3). In Kapitel 5 wird das Modell noch mithilfe von Methoden der Analysis untersucht. 7

8

9 1 Grundlagen 1.1 Der Harmonische Oszillator mit singulären Störungen In dieser Arbeit wird der (quantenmechanische) Harmonische Oszillator mit einem Doppel-δ-Potential betrachtet. Dabei sind die beiden δ-potentiale symmetrisch um den Ursprung bei x = ±b positioniert; die (vorerst beliebige, komplexe) Koeffizienten werden entsprechend mit s ± bezeichnet. Daraus erhält man die Schrödingergleichung ( ) 2 d + x 2 + s + δ(x b) + s δ(x + b) ψ(x) = µ ψ(x), (1.1) dx wobei der Einfachheit halber die Einheiten so gewählt wurden, dass die Vorfaktoren vor der Ableitung und dem Potential des harmonischen Oszillators gerade eins sind. Das gesamte Potential wird im Folgenden mit V (x) bezeichnet und die singuläre Störung (das Doppel-δ-Potential) mit W (x): V (x) = x 2 + W (x), W (x) = s + δ(x b) + s δ(x + b). (1.2) Das Doppel-δ-Potential lässt sich aufteilen in einen geraden Anteil W g (x) und einen ungeraden Anteil W u (x), wobei die jeweiligen Koeffizienten mit s g bzw. s u bezeichnet werden: W g (x) = s g (δ(x b) + δ(x + b)), s g = (s + + s )/2 und (1.3) W u (x) = s u (δ(x b) δ(x + b)), s u = (s + s )/2. (1.4) Eine Veranschaulichung des Potentials ist in Abb. 1.1 dargestellt. In den nachfolgenden Ausführungen wird oft der PT -symmetrische Fall betrachtet, also der Fall, wenn s g rein reell und s u rein imaginär ist (mehr über PT -Symmetrie ist in den Abschnitte 1.3 und 1.4 zu finden). Dann wird zumeist s g = s r und s u = is i geschrieben. Werden im umgekehrten Fall die Koeffizienten s r und s i verwendet, so ist im entsprechenden Kontext stets s g R und is u R anzunehmen. 9

10 1 Grundlagen V (x) x 2 W g (x) W u (x) x Abbildung 1.1: Der Harmonische Oszillator mit singulären Störungen. Dargestellt ist das gesamte Potential V (x), wobei der gerade Teil W g (x) des Doppel-δ-Potentials rot und der ungerade Teil W u (x) grün hervorgehoben ist. 1.2 Physikalische Interpretation des Modells Das oben eingeführte mathematische Modell kann z. B. als Modell für ein Bose-Einstein-Kondensat dienen. Da Bose-Einstein-Kondensate Vielteilchenphänomene sind, findet ihre adäquate Beschreibung im Rahmen der zweiten Quantisierung statt. Mithilfe der Molekularfeldtheorie (engl. mean field theory ) kann jedoch eine effektive Beschreibung mittels einer Gesamtwellenfunktion Ψ erhalten werden. Diese wird dabei durch die Gross-Pitaevskii-Gleichung ( ) 2 2m + V (r) + 4π 2 Na m Ψ(r) 2 Ψ(r) = µ Ψ(r) (1.5) bestimmt, die neben dem externen Potential V (r) auch einen nicht linearen Potentialterm enthält. Dieser beschreibt die Kontaktwechselwirkung der Teilchen untereinander. Des weiteren beschreiben die Größen N, a und µ die Teilchenzahl, die Streulänge der Wechselwirkung und das chemische Potential. Eine genauere Darstellung findet man z. B. in dem Artikel [9]. Interpretiert man das Modell (1.1) als Gross-Pitaevskii-Gleichung, so stellt das harmonische Potential x 2 eine äußere Falle dar und der Realteil des Doppel-δ-Potentials zwei (je nach Vorzeichen) attraktive oder repulsive Potentialmulden. Der Imaginärteil hingegen kann (für positives Vorzeichen) als Zu- oder (für negatives Vorzeichen) als Abfluss von Teilchen interpretiert werden. Im Gegensatz zur Gross-Pitaevskii-Gleichung ist jedoch in Gleichung (1.1) 10

11 1.3 Der PT -Operator kein nicht linearer Term enthalten, sodass nur Bose-Einstein-Kondensate von nicht wechselwirkenden Bosonen beschrieben werden. Obwohl für die meisten Bosonen die Teilchen-Teilchen-Wechselwirkung nicht vernachlässigt werden kann, bieten Feshbach-Resonanzen eine Möglichkeit, die Stärke der Wechselwirkung zu beeinflussen, also insbesondere auch zu verringern [9]. 1.3 Der PT -Operator Zwei wichtige Symmetrien in der Physik sind die Raumspiegelung und die Zeitumkehr. Im folgenden werden diese durch die Operatoren P und T repräsentiert. Bei Anwendung dieser Operationen verhalten sich die Orte und Impulse wie folgt: P : ˆr ˆr, ˆp ˆp und T : ˆr ˆr, ˆp ˆp. (1.6) Aus der klassischen Mechanik ist bekannt, dass diese Symmetrieoperationen die Physik nicht ändern. Beim Übergang zur Quantenmechanik bedeutet dies, dass die kanonischen Vertauschungsrelationen erhalten werden müssen: P [ˆr i, ˆp j ] P 1 = T [ˆr i, ˆp j ] T 1 = [ˆr i, ˆp j ] = i δ i,j. (1.7) Zusammen mit obigen Eigenschaften erhält man, dass dies nur erfüllt ist, wenn P ein linearer und T ein antilinearer Operator ist, d. h. und P(α 1 ψ 1 + α 2 ψ 2 ) = α 1 Pψ 1 + α 2 Pψ 2 (1.8) T (α 1 ψ 1 + α 2 ψ 2 ) = α 1 T ψ 1 + α 2 T ψ 2. (1.9) Durch Komposition erhält man den PT -Operator. Dies ist ebenfalls ein antilinearer Operator; gegenüber Orts- und Impulsoperator verhält er sich wie folgt: PT : ˆr ˆr, ˆp ˆp. (1.10) Bezüglich der Wellenfunktionen lassen sich die Operatoren wie folgt beschreiben: (Pψ)(r, t) = ψ( r, t), (1.11) (T ψ)(r, t) = ψ(r, t) und (1.12) (PT ψ)(r, t) = ψ( r, t). (1.13) 11

12 1 Grundlagen 1.4 PT -symmetrische Systeme Eine physikalische Observable Ô nennt man PT -symmetrisch, wenn der Kommutator [PT, Ô] = 0 ist. Analog heißt ein physikalisches System PT -symmetrisch, wenn der Hamiltonoperator Ĥ des Systems PT -symmetrisch ist. Für ein zeitunabhängiges System (Ĥ = ˆp2 /2m + V (ˆr)) folgt aus PT V (ˆr) = V ( ˆr) PT (1.14) zusammen mit der PT -Symmetrie des Impulsoperators, dass ein Hamiltonoperator genau dann PT -symmetrisch ist, wenn das Potential V (ˆr) die Gleichung V (r) = V ( r) (1.15) erfüllt. Diese Bedingung ist gleichbedeutend damit, dass der Realteil des Potentials eine gerade und der Imaginärteil eine ungerade Funktion von r ist. Betrachte nun einen Eigenzustand ψ eines PT -symmetrischen Operators Ô zum Eigenwert λ. Dann ist der Zustand PT ψ ein Zustand zum Eigenwert λ: Ô (PT ψ) = PT (Ôψ) = PT (λ ψ) = λ (PT ψ). (1.16) Ist nun ψ ebenfalls PT -symmetrisch, d. h., gilt ψ = PT ψ, so folgt λ = λ und damit λ R. Daher sind die Eigenzustände von Ô entweder PT -symmetrisch oder sie treten als Paare (ψ, PT ψ) auf mit komplex konjugierten Eigenwerten. 1 Dies wiederum bedeutet, dass PT -symmetrische Systeme, welche nicht hermitesch sind, ebenfalls ein rein reelles Spektrum besitzen können. 1.5 Exzeptionelle Punkte Exzeptionelle Punkte treten in nicht hermiteschen Quantensystemen auf, die von mehreren Parametern abhängen. Betrachtet man die (i. Allg. komplexen) Eigenwerte einer (nicht hermiteschen) Observablen als Funktionen dieser Parameter, so ist es möglich, dass mehrere davon verschiedene Zweige einer Funktion repräsentieren. Die entsprechende Verzweigungssingularität nennt man dann einen exzeptionellen Punkt. An diesem entarten nicht nur die Eigenwerte, sondern auch die Eigenzustände. Als Grad des exzeptionellen Punktes bezeichnet 1 Im letzten Schritt wurde verwendet, dass wegen Gleichung (1.16) die Eigenwerte des PT -Operators einen Betrag von eins besitzen. Durch Multiplikation mit einer geeigneten globalen Phase erhält man daraus stets eine PT -symmetrische Wellenfunktion. 12

13 1.5 Exzeptionelle Punkte man den Grad des Verzweigungspunktes (also die Anzahl der verschiedenen Zweige). In der Literatur wird bei einem exzeptionellen Punkt N-ter Ordnung oft kurz von einem EPN gesprochen, siehe z. B. [2]. Beispielsystem Im Folgenden sollen diese Eigenschaften anhand eines einfachen Modellsystems veranschaulicht werden. Dieses ist gegeben durch die Matrix ( ) a ζ M(ζ) = ζ b mit a b und ζ C. Sie besitzt das charakteristische Polynom (1.17) χ M(ζ) (λ) = (a λ) (b λ) ζ 2 = λ 2 (a + b) λ + a b ζ 2 (1.18) und damit die Eigenwerte λ 1,2 = a + b 2 ± 1 2 (a b) ζ 2. (1.19) Man bemerke, dass die (komplexe) Wurzel zwei Zweige besitzt, welche den beiden Lösungen λ 1,2 entsprechen. Die exzeptionellen Punkte also die Verzweigungspunkte entsprechen gerade den Nullstellen des Radikanten, also ζ ± = ±i(a b)/2. Für diese gilt M(ζ ± ) a + b 2 ( ) 1 0 = 0 1 ( (a b)/2 ) ±i(a b)/2 ±i(a b)/2 (a b)/2 (1.20) und damit ist der jeweilige Eigenraum die lineare Hülle von (1, ±i). Man bemerke, dass dieser eindimensional ist und damit M(ζ ± ) nicht diagonalisierbar. Exzeptionelle Punkte in zweidimensionalen PT -symmetrischen Matrixmodellen Wie man im vorigen Abschnitt 1.4 gesehen hat, zeichnen sich PT -symmetrische Systeme dadurch aus, dass die Eigenwerte stets reell sind oder als komplex konjugierte Paare auftreten. Für Matrizen ist dies äquivalent dazu, dass das charakteristische Polynom reell ist (d. h., dass alle Koeffizienten des charakteristischen Polynoms reell sind). Betrachte nun eine allgemeine 2 2-Matrix ( ) a b M =. (1.21) c d 13

14 1 Grundlagen Ihr charakteristische Polynom lautet χ M (λ) = λ 2 (a + d) λ + ad bc, (1.22) sodass sie genau dann PT -symmetrisch ist, wenn die beiden Bedingungen Im(a + d) = 0 und Im(ad bc) = 0 (1.23) erfüllt sind. Erstere ist äquivalent zu Im(a) = Im(d), sodass man für letztere die Gleichung Im(a) (Re(d) Re(a)) Re(b) Im(c) Im(b) Re(c) = 0 (1.24) erhält. Für die Eigenwerte erhält man damit λ ± = 1 2 (a + d) ± 1 2 (a d) 2 + 4bc. (1.25) Man bemerke, dass die Diskriminante wegen der PT -Symmetrie stets reell ist. Damit erhält man einen kritischen Punkt (λ + = λ ), wenn die Parameter die Gleichung (a + d) 2 4 (ad bc) = (a d) 2 + 4bc = 0 (1.26) erfüllen. In diesem Fall gilt selbstverständlich ( ) (a d)/2 d det(m λi) = det = 1 ( (a d) 2 + 4bc ) = 0, (1.27) c (d a)/2 4 sodass der Nullraum von M λi nicht nulldimensional ist. Darüber hinaus sieht man an der Form von M λi, dass der Nullraum genau dann zweidimensional ist, wenn M λi die Nullmatrix ist, also a d = b = c = 0 gilt. Dies ist aber äquivalent dazu, dass M schon diagonal ist. Andernfalls ist er zweidimensional und es handelt sich bei dem kritischen Punkt um einen exzeptionellen Punkt, an welchem die Matrix nicht diagonalisierbar ist. 14

15 2 Numerische Behandlung des Harmonischen Oszillators mit singulären Störungen Zuerst soll das Modell (1.1) mit einer numerischen Methode untersucht werden und die dabei gewonnen Beobachtungen diskutiert werden, bevor in den Kapitel 4 und 5 eine störungstheoretische und eine analytische Methode verwendet werden. In Abschnitt 2.1 wird die numerische Methode, die verwendet wurde, besprochen. In den darauffolgenden Abschnitten werden dann die Ergebnisse für verschiedene Wahlen der Parameter besprochen. Hierbei soll ausschließlich der PT -symmetrische Fall s g = s r und s u = is i berücksichtigt werden, da dieser dem physikalisch interessanten Fall entspricht. 2.1 Numerische Methode Um die Differentialgleichung (1.1) numerisch zu lösen, ist es denkbar, die Funktionen in der Basis des Harmonischen Oszillators zu entwickeln. Dann lassen sich die Operatoren als unendlichdimensionale Matrizen darstellen, deren Eigenwerte es zu bestimmen gilt. Zur numerischen Lösung könnte man nun die Funktionen durch eine Linearkombination der ersten N Eigenwerte approximieren und die Operatoren entsprechend durch N N-Matrizen. Im Fall der δ-potentiale fallen die Matrixelemente jedoch sehr langsam ab. 1 Daher müssen zur korrekten Bestimmung der niedrigsten Eigenwerte schon sehr große Matrizen verwendet werden. Aus diesem Grund wird hier eine andere numerische Methode verwendet. Der Leitgedanke dieser Methode ist, die Differentialgleichung (1.1) zu lösen unter der Bedingung, dass die Wellenfunktion für x ± abfällt. Dazu wird dieses Randwertproblem mithilfe eines einfachen Schießverfahrens auf ein Anfangswertproblem reduziert, dessen numerische Behandlung sehr gut verstanden ist (vgl. z. B. [14, Kap. 18]). Weitere Vorteile dieser Methode sind, dass dabei nicht nur die Eigenwerte berechnet werden, sondern auch die Wellenfunktionen, und 1 Auf diese Problematik wird auf in Abschnitt 4.5 auf den Seiten 52 bis 54 nochmals eingegangen. 15

16 2 Numerische Behandlung ψ(x) 0,5 0,4 0,3 0,2 0,1 0 0,1 0,2 0,3 ψ( x end ) 2 ψ 2 ψ(0), ψ (0) ψ(x) 2 Re(ψ(x)) ψ(x end ) 2 0, x Abbildung 2.1: Veranschaulichung der numerischen Methode zur Bestimmung der Lösungen. dass sie sich auch bei vorhandener Nichtlinearität anwenden lässt, wie es z. B. schon in [7, 13] gemacht wurde. Zu Beginn werden ein Eigenwert µ sowie Anfangswerte ψ(0) und ψ (0) gewählt. Danach kann die Wellenfunktion ψ(x) berechnet werden, z. B. mithilfe eines Runge-Kutta Verfahrens 2. An den Positionen x = ±b der δ-potentiale müssen dabei die Anschlussbedingungen ψ(±b) = lim x ±b ψ(x) = lim x ±b ψ(x) und (2.1) s ± ψ(±b) = lim x ±b ψ (x) lim x ±b ψ (x) (2.2) berücksichtigt werden. Man erhält damit die Werte der Wellenfunktion und deren Ableitung an einem gewählten Endpunkt x end sowie die Norm der Wellenfunktion, wie es in Abb. 2.1 veranschaulicht ist. Für die gesuchten Lösungen sind ψ(x end ) 2 und ψ (x end ) 2 sehr klein und die Norm beträgt eins 3. Daher lassen sich die entsprechenden Eigen- und Anfangswerte mit einer Nullstellensuche 2 Für diese Arbeit wurde ein Runge-Kutta-Fehlberg Verfahren mit Schrittweitensteuerung verwendet. 3 Im linearen Fall kann die Normierung durch Skalierung der Anfangsbedingungen erreicht werden. Im nicht linearen Fall ist dies nicht mehr möglich und daher muss die Normierungsbedingung explizit berücksichtigt werden. 16

17 2.2 Ergebnisse für eine reelle, gerade Störung oder einer Minimierung bestimmen. 4 Die Konvergenz des Verfahrens kann verbessert werden, indem die Zahl der unbestimmten Freiheitsgrade reduziert wird. Da Gleichung (1.1) eine lineare Differentialgleichung ist, ist mit ψ(x) auch c ψ(x), c C, eine Lösung. Aufgrund der Normierungsbedingung ψ = 1 muss c = 1 gelten, jedoch kann die Phase von c frei gewählt werden. Dieser Freiheitsgrad kann durch die Bedingung Im(ψ(0)) = 0 eliminiert werden. In bestimmten Fällen können auch weitere Symmetrien oder Eigenschaften der Differentialgleichung ausgenutzt werden: Für ein rein reelles Potential z. B. kann die Lösung stets reell gewählt werden, sodass man zusätzlich Im(ψ(x)) 0 voraussetzen kann. Weiter lassen sich die Lösungen im Falle eines geraden Potentials in gerade und ungerade Lösungen unterteilen. Für gerade Lösungen gilt ψ (0) = 0, für ungerade Lösungen ψ(0) = 0. Ebenso lässt sich für PT -symmetrische Lösungen Re(ψ (0)) = 0 und Im(ψ(0)) = 0 einsetzen (vgl. Abschnitt 1.4). Solche zusätzlichen Bedingungen haben zur Folge, dass zum einen die Dimension des Parameterraums für die Nullstellensuche reduziert wird, vor allem aber auch die Dimension des Lösungsraumes um eine Dimension verringert wird (und damit im besten Fall die Lösung eindeutig wird). Außerdem genügt es für gerade, ungerade und PT -symmetrische Lösungen, die Wellenfunktion für x > 0 oder x < 0 zu berechnen, was die Berechnung derselben verkürzt. 2.2 Ergebnisse für eine reelle, gerade Störung Zuerst wird das System für eine reelle, gerade Störung untersucht, wobei s u = 0 ist und s g = s r variiert wird. Die mit der oben beschriebenen numerischen Methode gewonnen Eigenwerte sind in Abb. 2.2 dargestellt. Verschwindet die Störung, so erhält man wie erwartet die Eigenwerte des Harmonischen Oszillators. Nimmt die Stärke der Störung zu, so werden die Eigenwerte kleiner. Dies liegt daran, dass das Doppel-δ-Potential wegen s g < 0 attraktiv ist. Zudem bleibt das Eigenwertspektrum stets reell; dies verkörpert den Umstand, dass eine reelle Differentialgleichung stets reelle (Fundamental-) Lösungen besitzt. Außerdem ist zu bemerken, dass die Störung dieselben Symmetrieeigenschaften wie das Potential des Harmonischen Oszillators besitzt. Dadurch bleibt die Symmetrie der Wellenfunktionen bei Zunahme der Störung erhalten. 4 Obwohl für die gesuchten Lösungen ψ(x end ) 2 und ψ (x end ) 2 i. d. R. nicht exakt verschwinden, hat sich in der Praxis gezeigt, dass eine Nullstellensuche mithilfe des Powell- Hybridverfahrens [15] gute Ergebnisse erzielt und dabei sehr effizient ist. 17

18 2 Numerische Behandlung µ 6 4 Re(µ 0 ) Re(µ 1 ) 2 Re(µ 2 ) Re(µ 3 ) 0 Re(µ 4 ) Re(µ 5 ) Re(µ 6 ) s r Abbildung 2.2: Eigenwerte µ im Falle einer reellen, geraden Störung mit s g = s r und s u = 0 sowie b = 1,0. n = 0 n = 1 1,0 0,5 0 0,5 1,0 1,0 0,5 0 0,5 s r = 0,2 s r = 1,5 s r = 3,0 1, x x Re(ψ(x)) ψ(x) 2 Abbildung 2.3: Wellenfunktionen ψ der zwei niedrigsten Zustände für eine reelle, gerade Störung mit s g = s r und s u = 0 sowie b = 1,0 (vgl. Abb. 2.2). 18

19 2.3 Ergebnisse für eine rein imaginäre, ungerade Störung Auffällig ist der starke Abfall der beiden niedrigsten Eigenwerte: Diese scheinen sogar gegen zu gehen. Dies kann dadurch erklärt werden, dass die Wellenfunktionen sich um die beiden δ-potentiale konzentriert. Damit erinnern sie an die beiden gebundenen Lösungen des geraden Doppel-δ-Potentials ohne Harmonischen Oszillator (vgl. z. B. [16]). Ferner ist zu bemerken, dass die übrigen Eigenwerte für s r gegen einen Grenzwert konvergieren. Auf dieses Verhalten wird in Kapitel 5 genauer eingegangen. 2.3 Ergebnisse für eine rein imaginäre, ungerade Störung Als nächstes wird das Verhalten für eine rein imaginäre, ungerade Störung untersucht. Das Ergebnis für die entsprechenden Eigenwerte ist in Abb. 2.4 dargestellt, und ein paar der entsprechenden Wellenfunktionen in Abb Für kleine Störungen sind die Eigenwerte ebenfalls reell zumindest diejenigen, welche in Abb. 2.4 abgebildet sind (in [12] wird dies für das gesamte Spektrum bewiesen, siehe Seite 41). Zudem sind in Übereinstimmung mit Abschnitt 1.4 sämtliche Wellenfunktionen PT -symmetrisch. Dies sieht man z. B. an den beiden linken Wellenfunktionen in Abb. 2.5: Ihr Realteil ist gerade und ihr Imaginärteil ungerade. Außerdem erkennt man bei diesen Wellenfunktionen Ähnlichkeiten zu den Wellenfunktionen des Harmonischen Oszillators: Das Betragsquadrat besitzt genau so viele Minima wie die entsprechenden Hermite-Funktionen Nullstellen. Bei Zunahme der Störstärke ändert sich jedoch das Spektrum: In Abb. 2.4 sind Paare von Eigenwerten zu erkennen, die jeweils bei einer bestimmten Störstärke s i = s crit i gleich werden. An diesem Punkt findet eine Bifurkation statt. Nach der Bifurkation sind die Eigenwerte nicht mehr reell, sondern treten als komplex konjugierte Paare auf wie es aufgrund der PT -Symmetrie zu erwarten ist (siehe Abschnitt 1.4). Bei der Bifurkation handelt es sich um einen exzeptionellen Punkt. Dies sieht man daran, dass an der Bifurkation nicht nur die Eigenwerte, sondern auch die Wellenfunktionen identisch sind (vgl. Abb. 2.5). Allgemein spricht man bei einem solchen Szenario auch von einer Brechung der PT -Symmetrie. Ändert man den Parameter b (also die Position der δ-potentiale), so ändert sich das Spektrum quantitativ, das oben beschriebene qualitative Verhalten beleibt jedoch erhalten: Es gibt viele Zustandspaare, welche ein solches Bifurkationsszenario durchlaufen, bei welchem die PT -Symmetrie gebrochen wird. Dies bedeutet jedoch auch, dass allein der Parameter s r genügt, um das Auftre- 19

20 2 Numerische Behandlung 12 µ 10 Re(µ 0 ) 8 Re(µ 1 ) Re(µ 2 ) 6 Re(µ 3 ) Re(µ 4 ) 4 Re(µ 5 ) Im(µ 0 ) 2 Im(µ 1 ) Im(µ 2 ) 0 Im(µ 3 ) Im(µ 4 ) Im(µ 5 ) s i Abbildung 2.4: Eigenwerte µ für eine rein imaginäre, ungerade Störung mit den Koeffizienten s g = 0 und s u = is i sowie b = 1,0. s i = 1,0 < s crit i s i = 2,38 s crit i s i = 3,0 > s crit i 0,5 n = 1 0 0,5 n = 2 0,5 0 0, x x Re(ψ(x)) Im(ψ(x)) ψ(x) 2 Abbildung 2.5: Wellenfunktionen ψ zur Quantenzahl n für rein imaginäre, ungerade Störung mit s g = 0. Die Zustände sind gerade diejenigen aus Abb. 2.4 mit der niedrigsten Energie, die für s i = s crit i eine Bifurkation durchlaufen. Die kleinere Quantenzahl entspricht einem kleineren Realbzw. einem negativen Imaginärteil des Eigenwertes. 20

21 2.4 Ergebnisse für gemischte Störungen ten eines exzeptionellen Punktes (zweiter Ordnung) im Spektrum zu erzwingen; die Position der δ-potentiale habe jedoch keinen Einfluss auf das qualitative Verhalten. Auffällig ist auch, dass der Betrag der Wellenfunktionen in Abb. 2.5 glatt erscheint. Dies liegt daran, dass die Lösungen PT -symmetrisch sind und der Realteil des Potentials verschwindet. Mit den Anschlussbedingungen (2.1) und (2.2) erhält man nämlich lim x b ( x ψ(x) 2) lim x b ( x ψ(x) 2) ( = lim ψ (x) ψ(x) + ψ(x) ψ (x) ) ( lim ψ (x) ψ(x) + ψ(x) ψ (x) ) x b x b ( ) ( ) = ψ(b) lim ψ (x) lim ψ (x) + ψ(b) lim ψ (x) lim ψ (x) x b x b x b x b = ψ(b) s + ψ(b) + ψ(b) s + ψ(b) = 2 Re(s + ) ψ(b) 2 (2.3) und analog ( lim x ψ(x) 2) ( lim x ψ(x) 2) = 2 Re(s ) ψ( b) 2. (2.4) x b x b Da in diesem Abschnitt s r = 0 vorausgesetzt wird, gilt Re(s + ) = Re(s ) = 0 und damit ist das Betragsquadrat stetig differenzierbar. Für die in Abb. 2.4 dargestellten Zustände gilt, dass jeweils nur eine Bifurkation durchlaufen wird. Dies ist jedoch im Allgemeinen nicht der Fall. Dies und weitere Diskussionen des Falles s r = 0 ist auch in [13] zu finden. 2.4 Ergebnisse für gemischte Störungen Bislang wurde nur der Fall berücksichtigt, dass entweder der gerade oder der ungerade Teil der Störung null ist. Sind jedoch beide Teile der Störung ungleich null, so treten weitere Effekte auf. Wählt man die Parameter s i 0 und b fest und variiert s r, so können in diesem Fall auch Bifurkationen und eine Berechnung der PT -Symmetrie auftreten. In Abb. 2.6 sind die niedrigsten Eigenwerte eines solchen Spektrums dargestellt. Dabei führen die Eigenwerte für n = 3 und n = 4 eine Bifurkation durch. Außerdem ist bemerkenswert, dass der Zustand mit Quantenzahl n = 0 stets reell bleibt und für s r gegen einen (endlichen) Grenzwert strebt. Dagegen werden die Realteile der Eigenwerte der Zustände mit n = 1, 2 beliebig klein. Zudem sind deren Eigenwerte komplex (für s r = 0 wurde dies schon in 21

22 2 Numerische Behandlung 12 µ 10 Re(µ 0 ) 8 Re(µ 1 ) Re(µ 2 ) 6 Re(µ 3 ) Re(µ 4 ) 4 Re(µ 5 ) Im(µ 0 ) 2 Im(µ 1 ) Im(µ 2 ) 0 Im(µ 3 ) Im(µ 4 ) Im(µ 5 ) s r Abbildung 2.6: Eigenwerte µ bei Variation des Parameters s r. Dabei sind s i = 3,0 und b = 1,0 fest gewählt. Im Gegensatz zu einer rein reellen, geraden Störung, treten in diesem Fall auch Bifurkationen auf. Abb. 2.4 beobachtet) und der Betrag des Imaginärteils strebt ebenfalls gegen unendlich (für große Werte sogar scheinbar linear). Eine weitere Besonderheit ist in Abb. 2.7 dargestellt. Es ist zu erkennen, dass die zwei niedrigsten Eigenwerte eine Bifurkation durchlaufen, wonach sie komplex werden. Die Beträge der jeweiligen Imaginärteile werden nach der Bifurkation bei zunehmender Störstärke zuerst größer, nehmen dann aber wieder ab und werden bei einer gewissen Störstärke wieder reell. An genau diesem Punkt durchlaufen sie jedoch wieder eine Bifurkation, wobei hier neben den beiden bisher betrachteten auch der dritt-kleinste Eigenwert an der Bifurkation beteiligt ist. Ferner sieht man in Abb. 2.7, dass an diesem Punkt alle drei Wellenfunktionen zusammenfallen. Daher handelt es sich bei diesem Punkt um einen exzeptionellen Punkt dritter Ordnung. Weiter ist zu bemerken, dass der exzeptionelle Punkt dritter Ordnung kein isolierter Punkt im Parameterraum (s r, s i, b) ist: Ändert man einen der drei Parameter, so lassen sich die beiden übrigen so variieren, dass man wieder einen exzeptionellen Punkt dritter Ordnung erhält. Dies deutet darauf hin, dass im PT -symmetrischen Fall nur zwei Kontrollparameter nötig sind, um einen exzeptionellen Punkt dritter Ordnung zu erhalten. 22

23 2.4 Ergebnisse für gemischte Störungen µ Re(µ 0 ) 1 Re(µ 1 ) 0 Re(µ 2 ) Im(µ 0 ) 1 Im(µ 1 ) Im(µ 2 ) x s i Re(ψ(x)) Im(ψ(x)) ψ(x) 2 Abbildung 2.7: Exzeptioneller Punkt dritter Ordnung. Links sind die drei niedrigsten Eigenwerte für eine Störung mit den Parametern s r = 0,45 und b = 0,977 in Abhängigkeit von s i dargestellt. Auf der rechten Seite sind die drei jeweiligen Eigenfunktionen dargestellt für s i = 2,78 (nahe des exzeptionellen Punktes dritter Ordnung). 23

24 2 Numerische Behandlung 2.5 Anzahl der Kontrollparameter Wie in den vorigen Abschnitte 2.3 und 2.4 schon bemerkt wurde, genügt im PT -symmetrischen Fall u. U. die Variation eines Kontrollparameters, um einen exzeptionellen Punkt zweiter Ordnung, bzw. die Variation zweier Kontrollparameter, um einen exzeptionellen Punkt dritter Ordnung zu erhalten. In den nicht PT -symmetrischen Systemen waren jedoch stets zwei Kontrollparameter nötig um einen EP2 zu erhalten. Heiss gibt sogar an, dass zur Erzeugung eines EPN (zumindest für komplex symmetrische Matrizen) (N 2 + N 2)/2 reelle Parameter nötig seien, siehe [2a]. Damit wären jedoch für einen EP2 zwei Kontrollparameter nötig und für einen EP3 sogar fünf. Dies lässt darauf schließen, dass in PT -symmetrischen Systemen i. Allg. weniger Kontrollparameter notwendig sind. Um dies genauer zu untersuchen, soll nochmals das PT -symmetrische zweidimensionale Matrixmodell aus Abschnitt 1.5 betrachtet werden für den Spezialfall a i 0. Mit den Bezeichnungen a r = Re(a), a i = Im(a) usw. lautet Bedingung (1.26) für das Auftreten eines exzeptionellen Punktes (a r d r ) ( b r c r b i c i a 2 i ) = 0 (2.5) und Bedingung (1.24) für die PT -Symmetrie entsprechend a i (d r a r ) b r c i b i c r = 0. (2.6) Letztere kann in diesem Fall nach a r d r aufgelöst werden. Damit lautet Gleichung (2.5) (b r c i + b i c r ) a 2 i ( br c r b i c i a 2 i ) = 0. (2.7) Dies kann als eine quadratische Gleichung in den Variablen b r, b i, c r, c i und a 2 i betrachtet werden. Die Existenz einer (reellen) Lösung für eine dieser Variablen hängt nur von dem Vorzeichen der jeweiligen Diskriminante D ab. Bemerkenswert ist jedoch, dass diese stetig von den anderen Variablen abhängt. Ist damit aber D > 0 für einen gewissen Wert der anderen Variablen, so auch in einer Umgebung des selbigen und es existieren zwei Lösungen in eben dieser Umgebung. Zudem fällt jedoch auf, dass Gleichung (2.7) nicht von a r abhängt. Dadurch ist das Auftreten des exzeptionellen Punktes nicht von diesem Parameter abhängig. Dies bedeutet, dass für ein PT -symmetrisches System i. Allg. die Variation eines Kontrollparameters ausreicht, um einen EP2 zu erzwingen. Mithilfe eines zweiten Kontrollparameters kann höchstens bestimmt werden, ob das 24

25 2.5 Anzahl der Kontrollparameter System überhaupt einen exzeptionellen Punkt zweiter Ordnung besitzt oder nicht. Dabei muss dieser zweite Parameter jedoch nicht genau bestimmt sein: Es genügt, dass er in einem bestimmten Bereich liegt. Zudem gibt es auch Kontrollparameter, die keinerlei Einfluss auf das Auftreten von exzeptionellen Punkten besitzen. 5 Betrachte nun noch einmal den allgemeineren Fall eines exzeptionellen Punktes N-ter Ordnung. Da Ähnlichkeitstransformationen die Normalform der Matrix nicht ändern, ist es sinnvoll, für die Diskussion der Anzahl an Kontrollparametern charakteristische Größen von Matrizen zu betrachten, die invariant unter Ähnlichkeitstransformation sind. Eine ebensolche Größe ist das charakteristische Polynom. Um dieses so zu beeinflussen, dass N Eigenwerte aufeinanderfallen bzw. dieses die Form (λ λ 0 ) N besitzt, sind im allgemeinen komplexen Fall 2N 2 Parameter nötig (denn zwei Kontrollparameter ändern nur den Wert von λ 0 ). Im PT -symmetrischen Fall ist das charakteristische Polynom jedoch stets reell, sodass sich die Parameterzahl auf N 1 verringert (aus der Forderung, dass das charakteristische Polynom reell ist, erhält man N 1 zusätzliche Bedingungen ). In diesen Überlegungen wurde bisher allerdings nur die algebraischen Vielfachheit berücksichtigt, nicht jedoch die geometrische. In Anbetracht der obigen Diskussion ist zu vermuten, dass weitere Parameter nicht exakt gewählt werden müssen, um das System zum exzeptionellen Punkt zu bringen, sondern nur in einem bestimmten Bereich liegen müssen. Eine genauere, mathematische Untersuchung dieses Sachverhaltes wäre jedoch ein Thema für folgende Arbeiten. 5 Genau genommen müssten für die Aussagen, die in diesem Absatz gemacht wurden, auch noch der Fall a i = 0 und die Abhängigkeit von d r bzw. a r betrachtet werden. Darauf wird hier jedoch verzichtet. 25

26

27 3 Grundlagen der Funktionalanalysis Ziel dieses Kapitels ist es, die Grundlagen der Funktionalanalysis, welche für die störungstheoretische Behandlung des harmonischen Oszillators in Abschnitt 4.1 benötigt werden, knapp darzustellen. Für eine ausführlichere Diskussion sei auf einschlägige Literatur verwiesen, z. B. [17 20]. 3.1 Hilberträume Betrachte einen Vektorraum H über C. Eine Abbildung (, ) : H H R heißt Skalarprodukt, wenn sie hermitesch, positiv definit und linear im ersten Argument ist: (v, w) = (w, v), (3.1) (v, v) 0 und (v, v) = 0 v = 0, (3.2) (v, α 1 w 1 + α 2 w 2 ) = α 1 (v, w 1 ) + α 2 (v, w 2 ) (3.3) für alle v, w, w 1, w 2 H und alle α 1, α 2 C. Damit ist eine Skalarprodukt auch sesqui-linear: (α 1 v 1 + α 2 v 2, w) = α 1 (v 1, w) + α 2 (v 2, w). (3.4) Ferner wird über v = (v, v) 1/2 eine Norm induziert. Eine Norm auf H nennt man eine Abbildung : H R, die definit und homogen ist und die Dreiecksungleichung erfüllt: v 0 und v = 0 v = 0, (3.5) αv = α v, (3.6) v + w v + w (3.7) für alle v, w H und alle α C. Sei nun H ein Vektorraum über C und (, ) eine Skalarprodukt auf H. Eine Folge (v n ) in H ist eine Cauchy-Folge, wenn sie die Bedingung ε > 0 N N : n, k > N v n v m < ε (3.8) 27

28 3 Grundlagen der Funktionalanalysis erfüllt. Ferner nennt man (v n ) konvergent, wenn ein Element v H (genannt Grenzwert) existiert, sodass ε > 0 N N : n > N v n v < ε. (3.9) Man erkennt leicht, dass jede konvergente Folge eine Cauchy-Folge ist. Diejenigen Räume H, in denen auch die Umkehrung gilt (d. h. jede Cauchy-Folge ist auch konvergent), nennt man Hilberträume. Eine weitere wichtige Eigenschaft ist die Separabilität: Einen Vektorraum nennt man separabel, wenn er eine abzählbare dichte Teilmenge M besitzt, d. h., wenn jedes Element v H beliebig genau durch ein Element w der abzählbaren Menge M H approximiert werden kann. Im folgenden sollen stets separable Hilberträume betrachtet werden. Die lineare Hülle einer Menge M H ist definiert als lsp M = { n i=0 α i m i n N, αi C, m i M }. (3.10) Eine Familie (v n ) n N nennt man eine Basis von H, wenn der Abschluss ihrer linearen Hülle gleich dem gesamten Hilbertraum H ist. Eine besondere Rolle spielen Orthonormalbasen: Dies sind (abzählbare) Familien (v n ) n N, welche eine Basis bilden und (v n, v m ) = 0 sowie (v n, v n ) = 1 für alle n m für alle n erfüllen. Orthonormalbasen geben die Möglichkeit der Fourier-Zerlegung: Für all w H ist w = n (v n, w) v n und w = n (v n, w) 2. (3.11) Letztere Gleichung ist als Parseval-Gleichung bekannt. Man bemerke, dass jeder separable Hilbertraum eine solche Orthonormalbasis besitzt. Beispiele für Hilberträume sind die Räume L 2 (Ω) und l 2 (N). Dies sind die Räume aller quadratintegrierbaren Funktionen auf Ω bzw. aller quadratsummierbaren Folgen. Es kann gezeigt werden, dass jeder Hilbertraum isomorph ist zu l 2 (N). Der Isomorphismus ist dabei durch die Fourierzerlegung mittels einer beliebigen Orthonormalbasis (v n ) n N von H gegeben: H l 2 (N) : w ( (v n, w) ) n N (3.12) (vgl. Gleichung (3.11)). 3.2 Beschränkte Operatoren Eine Operator T ist eine lineare Abbildung H H, d. h. er erfüllt die Gleichungen T (α 1 v 1 + α 2 v 2 ) = α 1 T v 1 + α 2 T v 2. (3.13) 28

29 3.2 Beschränkte Operatoren Mit dieser Definition folgt sofort, dass ein Operator genau dann (folgen-)stetig ist, wenn wenn er im Nullpunkt (folgen-)stetig ist. Einen linearen Operator T nennt man beschränkt, wenn eine positive reelle Zahl b existiert, sodass für alle v H T v b v (3.14) ist. Das Infimum über alle solche b ist die Operatornorm von T : T = inf{b > 0 T v b v v H}. (3.15) Aus der Linearität folgt, dass ein Operator genau dann stetig ist, wenn er beschränkt ist. Einen beschränkten Operator nennt man invertierbar, wenn die Inverse T 1 existiert. Diese ist der Operator, welcher die Gleichung T T 1 v = T 1 T v = v für alle v H erfüllt. Existiert die Inverse, so ist sie eindeutig bestimmt und erfüllt folgende Gleichungen: (T 1 ) 1 = T, (T 1 T 2 ) 1 = T 1 2 T 1 1 und (αt ) 1 = α 1 T 1. (3.16) Der adjungierte Operator T von T ist definiert als derjenige Operator, für welchen die Gleichung (v, T w) = (T v, w) für alle v, w H erfüllt ist. Jeder beschränkte Operator besitzt eine (eindeutig bestimmte) Adjungierte. Es gilt T = T sowie (T ) = T, (T 1 T 2 ) = T 2 T 1 und (α 1 T 1 + α 2 T 2 ) = α 1 T 1 +α 2 T 2. (3.17) Ist T invertierbar, so ist auch der adjungierte Operator T invertierbar und es ist (T ) 1 = (T 1 ). Neumann-Reihe Die Neumann-Reihe [20, Kap. I.4.4.] liefert ein nützliches Hilfsmittel zur Berechnung der Inversen eines Operators. Betrachte einen beschränkten Operator T mit T < 1. Dann gilt k T n l T n n=0 n=0 = k T n k T n=l+1 n=l+1 n (3.18) und aus der Konvergenz der geometrischen Reihe n T n folgt die Konvergenz der Reihe n T n. Ferner erhält man (I T ) k T n x = k (I T )x n=0 n=0 = x T k+1 x x für k. (3.19) 29

30 3 Grundlagen der Funktionalanalysis Dies zeigt, dass der Operator I T invertierbar ist, wobei die Inverse gegeben ist durch n T n. Eine Verallgemeinerung erhält man, wenn man zwei beschränkte Operatoren T und S betrachtet, wobei S invertierbar und T S 1 < 1 ist. In diesem Fall gilt: (S T ) 1 = S 1 (I T S 1 ) 1 = S 1 n (T S 1 ) n = S 1 + S 1 T S 1 + S 1 T S 1 T S (3.20) 3.3 Unbeschränkte Operatoren Die Praxis zeigt jedoch, dass es nicht ausreicht, beschränkte Operatoren zu betrachten. Der Ortsoperator der Quantenmechanik, ψ(x) x ψ(x), (3.21) kann in L 2 (R) nicht beschränkt sein: Für die Funktionen φ n mit 1 für n < x < n + 1 und φ n (x) = 0 sonst (3.22) gibt es keine reelle Zahl b, sodass Gleichung (3.14) für alle φ n erfüllt wird. Genauso ist der Harmonische Oszillator unbeschränkt: Dieser besitzt die Eigenwerte ω (n + 1/2); die Norm muss aber mindestens so groß sein, wie der Betrag jedes Eigenwertes. Des weiteren ist auch der Impulsoperator ψ(x) i x ψ(x) (3.23) in L 2 (R) unbeschränkt: Dieser lässt sich nur für die stetig differenzierbaren Funktionen definieren, nicht jedoch für beliebige Funktionen. Außerdem gibt es nach [18, Theorem ] keine beschränkte Operatoren P und Q, die die Kommutatorrelation [P, Q] = P Q QP = αi (3.24) für ein α C \ {0} erfüllt. Daher soll in diesem Abschnitt kurz auf unbeschränkte Operatoren eingegangen werden. Ausführliche Darstellungen findet man z. B. in [18, Kap. 3] oder [21, Kap. VIII.]. Unbeschränkte Operatoren T sind (siehe oben) i. d. R. nicht auf ganz H definiert, sondern nur auf einem Teilraum. Dieser wird das Definitionsgebiet von T genannt und mit D(T ) bezeichnet. Die Menge aller Bilder ist 30

31 3.4 Resolvente und Spektrum der Bildraum R(T ) = T D(T ). Der Nullraum von T ist die Menge N(T ) = {v D(T ) T v = 0}. Anstelle des fehlenden Stetigkeitsbegriffes tritt für unbeschränkte Operatoren der Begriff der Abgeschlossenheit. Ein Operator T ist abgeschlossen, wenn sein Graph {(v, T v) H H v D(T )} eine abgeschlossene Teilmenge von H H ist. Dies ist äquivalent dazu, dass für jede Folge (v n ) in H mit v n v und T v n w auch v D(T ) und T v = w gilt. 3.4 Resolvente und Spektrum Betrachte einen (beschränkten oder unbeschränkten) Operator T. Die Resolventenmenge ρ(t ) von T ist definiert als die Menge aller λ C, für die das Bild R(λI T ) dicht in H liegt und der Operator λi T stetig invertierbar ist. Die Inverse (λi T ) 1 wird als Resolvente R(λ, T ) bezeichnet. Das Spektrum σ(t ) ist die Komplementärmenge der Resolventenmenge: σ(t ) = C \ ρ(t ). Das Spektrum lässt sich in mehrere Teile aufteilen. Das diskrete Spektrum σ p (T ) besteht aus den Punkten λ, für die λi T nicht invertierbar ist, also der Kern N(λI T ) nicht leer ist. Dies bedeutet, dass die Eigenwertgleichung T v = λv (3.25) eine nicht triviale Lösung besitzt. Eine solche Lösung nennt man Eigenvektor, den zugehörigen Wert λ Eigenwert und den Unterraum N(λI T ) Eigenraum. Das stetige Spektrum σ c (T ) ist die Menge der komplexen Zahlen λ, für die das Bild R(λI T ) zwar dicht ist, aber nicht abgeschlossen. Für abgeschlossene Operatoren ist damit auch die Inverse (λi T ) 1 sofern sie existiert nicht beschränkt. Das diskrete und stetige Spektrum bilden zusammen den Kern ˆσ(T ) des Spektrums: ˆσ(T ) = σ p (T ) σ c (T ). Den letzten Teil des Spektrums bildet das Residualspektrum σ r (T ) = σ(t ) \ ˆσ(T ). Für λ σ r (T ) liegt das Bild R(λI T ) nicht dicht in H. Das Residualspektrum σ r (T ) ist disjunkt zum Kern ˆσ(T ) des Spektrums. 3.5 Spezielle Klassen beschränkter Operatoren In diesem Abschnitt wird auf ein paar besondere Klassen von beschränkten Operatoren eingegangen, die später eine Rolle spielen. 31

32 3 Grundlagen der Funktionalanalysis Kompakte Operatoren Ein beschränkter Operator T ist kompakt, wenn der Abschluss des Bildes T B der Einheitskugel B = {v H v 1} kompakt ist. Eine äquivalente Charakterisierung ist diejenige, dass die Bildfolge (T v n ) einer beliebigen Folge (v n ) eine Teilfolge besitzt, welche eine Cauchy-Folge ist. Das Spektrum kompakter Operatoren besitzt eine sehr einfache Struktur: Nach dem Spektralsatz von Riesz-Schauder besteht es aus abzählbar vielen Punkten, wobei 0 der einzig mögliche Häufungspunkt ist; zudem ist jeder Punkt λ 0 im Spektrum ein Eigenwert mit endlichdimensionalem Eigenraum (vgl. [17, Kap. X], [18, Kap. 3.9] oder [20, Kap. III.6.7.]). Für kompakte Operatoren T, die zusätzlich selbstadjungiert sind (also T = T gilt), lassen sich noch genauere Aussagen treffen: Für diese ist jeder Eigenwert reell und es existieren orthonormierte Vektoren v k, sodass T v = k λ k (v k, v) v k, (3.26) gilt. Dabei ist jedes v k ein Eigenvektor von T zum Eigenwert λ k. Mit Gleichung (3.17) sieht man, dass jeder beliebige kompakte Operator die Gleichung T T = T T erfüllt. Somit lässt sich insbesondere T T über Gleichung (3.26) darstellen: T T v = k λ k (v k, v) v k. (3.27) Außerdem gilt λ k = (v k, T T v k ) = (T v k, T v k ) = T v k, sodass alle Eigenwerte λ k nicht negativ sind. Damit lassen sich die Singulärwerte σ k = λ 1/2 k einführen. Mit diesen gilt T T v = k σ2 k (v k, v) v k, σ k 0. (3.28) Dann sind auch die Vektoren w k = σk 1 T v k orthonormiert [20, Kap. V.2.3.] und T lässt sich mithilfe der Schmidt-Reihe T v = k σ k (v k, v) w k (3.29) darstellen. Damit besitzen kompakte Operatoren eine große Ähnlichkeit zu (endlichdimensionalen) Matrizen Schattenklassen Eine wichtige Klasse von kompakten Operatoren sind die Schattenklassen- Operatoren. Die Schattenklassen besitzen dabei ähnliche Eigenschaften wie die l p -Räume. Eine genaue Diskussion der Schattenklasse ist in [22] zu finden. 32

33 3.5 Spezielle Klassen beschränkter Operatoren Für jeden kompakten Operator T lässt sich mithilfe seiner Singulärwerte σ k für 1 p < folgende Norm einführen: T Sp = ( k σp k) 1/p. (3.30) Die Räume S p = {T : H H T kompakt und T Sp < } heißen Schattenklassen und sind mit der Norm Sp Banachräume. Die Normen erfüllen dabei die Hölder-Ungleichung: Ist S S p und T S q (mit p, q 1), so gilt ST Sr S Sp T Sq für 1 r = 1 p + 1 q 1 (3.31) und damit liegt ST in S r. Außerdem folgt aus obiger Definition (3.30) der Norm und den entsprechenden Eigenschaften der l p -Normen, dass für alle p, q mit 1 p q die Ungleichung T Sp T Sq für alle T S q gilt und damit S p S q ist. Daher kann die Bedingung 1/r = 1/p + 1/q in Gleichung (3.31) durch die schwächere Bedingung 1/r 1/p + 1/q ersetzt werden. Außerdem gilt stets T T Sq, was sich mithilfe der Schmidt-Zerlegung (3.29) leicht nachprüfen lässt. Da stets 1/p 1/p + 1/p gilt, erhält man für alle S, T S p aus der Hölder- Ungleichung ST Sp S Sp T Sp. (3.32) Dies bedeutet, dass die Schattenklassen S p mit der Komposition von Operatoren Banachalgebren bilden. Eine weitere Besonderheit ist, dass die Schattenklassen zweiseitige Ideale in der Banachalgebra der beschränkten Operatoren darstellen. Das heißt, mit T 1 und T 2 liegt auch T 1 + T 2 in S p und mit T auch ST sowie T S für jeden beschränkten Operator S (außerdem gilt weder S p = {0} noch S p = B, wenn B die Menge der beschränkten Operatoren bezeichnet). Des weiteren gilt für alle beschränkten Operatoren S 1 und S 2 und alle T S p die Ungleichung S 1 T S 2 Sp S 1 T Sp S 2 (3.33) und für jeden Operator T von Rang eins ist T Sp = T. Ferner lässt sich für Operatoren T aus S 1 die Spur trace T = n (v n, T v n ) (3.34) 33

34 3 Grundlagen der Funktionalanalysis definieren, wobei (v n ) n N eine Orthonormalbasis von H ist. Diese konvergiert absolut und ist unabhängig von der gewählten Basis (v n ) n N. Damit gilt dann T S1 = trace T, (3.35) wobei T derjenige (eindeutig bestimmte) Operator ist, welcher T 2 = T T erfüllt. Daher nennt man die Operatoren aus S 1 Spurklasseoperatoren. Die Operatoren aus S 2 heißen auch Hilbert-Schmidt-Operatoren. Mit dem Skalarprodukt (S, T ) S2 = trace (T S) bilden sie einen Hilbertraum. 34

35 4 Störungstheoretische Behandlung des harmonischen Oszillators mit singulären Störungen In diesem Kapitel wird der Harmonische Oszillator mit singulären Störungen störungstheoretisch behandelt. Dabei werden die Eigenwerte µ der Gleichung (1.1) mithilfe einer Störungsreihe bestimmt. Im ersten Abschnitt werden die grundlegenden Schritte vorgestellt, die zur Herleitung der Störungsreihe nach [12] nötig sind. Danach werden die Terme niedrigster Ordnung berechnet und in Abschnitt 4.3 die Approximation aus [12b] vorgestellt. Zuletzt wird untersucht, welche Aussagen über das Spektrum mithilfe der Störungsreihe gemacht werden können. 4.1 Herleitung der Störungsreihe Mathematische Formulierung des Problems Bevor die Herleitung der Störungsreihe gezeigt wird, soll zuerst die mathematische Formulierung des Problems in der Sprache der Funktionalanalysis dargestellt werden. Dabei wird die Differentialgleichung (1.1) als Eigenwertgleichung eines Operators auf dem Raum L 2 (R) der quadratintegrierbaren Funktionen f : R C aufgefasst. Der Harmonische Oszillator ist dabei gegeben durch den Operator L 0 mit ( ) 2 d (L 0 ψ)(x) = ψ(x) + x 2 ψ(x). (4.1) dx Sein Spektrum ist diskret und besteht nur aus dem Punktspektrum. Es enthält die Werte z n = 2n + 1, n N, mit den dazugehörigen Eigenfunktionen h n (x) = ( 2 n n! n ) 1/2 exp( x 2 /2) H n (x), (4.2) wobei H n die Hermite-Polynome bezeichnen. Diese sind gegeben durch die Rodrigues-Formel ( ) n d H n (x) = ( 1) n exp(x 2 ) exp( x 2 ). (4.3) dx 35

Ferienkurs Quantenmechanik 2009

Ferienkurs Quantenmechanik 2009 Ferienkurs Quantenmechanik 2009 Grundlagen der Quantenmechanik Vorlesungsskript für den 3. August 2009 Christoph Schnarr Inhaltsverzeichnis 1 Axiome der Quantenmechanik 2 2 Mathematische Struktur 2 2.1

Mehr

Höhere Funktionalanalysis WS2016/17 Übungsblatt

Höhere Funktionalanalysis WS2016/17 Übungsblatt Höhere Funktionalanalysis WS2016/17 Übungsblatt 1 11.10.2016 Aufgabe 1. Berechne die Normen der Operatoren (a) f L [0, 1], M f : L 2 [0, 1] L 2 [0, 1], (M f g)(x) = f(x)g(x). (b) g C[0, 1], T g : C[0,

Mehr

4 Funktionenfolgen und normierte Räume

4 Funktionenfolgen und normierte Räume $Id: norm.tex,v 1.57 2018/06/08 16:27:08 hk Exp $ $Id: jordan.tex,v 1.34 2018/07/12 20:08:29 hk Exp $ 4 Funktionenfolgen und normierte Räume 4.7 Kompakte Mengen Am Ende der letzten Sitzung hatten wir zwei

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (Teschl/Teschl 14.2) Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =

Mehr

Diagonalisierbarkeit symmetrischer Matrizen

Diagonalisierbarkeit symmetrischer Matrizen ¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren

Mehr

Kompakte Operatoren in Hilberträumen

Kompakte Operatoren in Hilberträumen Kompakte Operatoren in Hilberträumen 1 Vorbemerkungen Im Folgenden bezeichne H immer einen seperablen Hilbertraum über C Mit B(H 1, H 2 ) bezeichnen wir die Menge aller beschränkten linearen Operatoren

Mehr

Zusammenfassung Analysis 2

Zusammenfassung Analysis 2 Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge

Mehr

9 Eigenwerte und Eigenvektoren

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

Mehr

9 Eigenwerte und Eigenvektoren

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

Mehr

5 Der quantenmechanische Hilbertraum

5 Der quantenmechanische Hilbertraum 5 Der quantenmechanische Hilbertraum 5.1 Die Wellenfunktion eines Teilchens Der Bewegungs- Zustand eines Teilchens Elektrons zu einem Zeitpunkt t, in der klassischen Mechanik das Wertepaar r,p von Ort

Mehr

und Unterdeterminante

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

Mehr

und Unterdeterminante

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

Mehr

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

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

Mehr

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende

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

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II 8. Übungsblatt Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.

Mehr

Lineare Algebra und Geometrie II, Übungen

Lineare Algebra und Geometrie II, Übungen Lineare Algebra und Geometrie II, Übungen Gruppe (9 9 45 ) Sei A 2 Bestimmen Sie A und A Finden Sie weiters Vektoren u, v R 2 mit u und Au A, beziehungsweise v und Av A Zunächst die Berechnung der Norm

Mehr

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in

Mehr

(a), für i = 1,..., n.

(a), für i = 1,..., n. .4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung

Mehr

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1 UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive

Mehr

Lineare Algebra II (SS 13)

Lineare Algebra II (SS 13) Lineare Algebra II (SS 13) Bernhard Hanke Universität Augsburg 03.07.2013 Bernhard Hanke 1 / 16 Selbstadjungierte Endomorphismen und der Spektralsatz Definition Es sei (V,, ) ein euklidischer oder unitärer

Mehr

Grundlagen und Formalismus

Grundlagen und Formalismus Seite 1 Ferienkurs Quantenmechanik - Aufgaben Sommersemester 2014 Fabian Jerzembeck und Christian Kathan Fakultät für Physik Technische Universität München Grundlagen und Formalismus Aufgabe 1 (*) Betrachte

Mehr

10 Unitäre Vektorräume

10 Unitäre Vektorräume 10 Unitäre Vektorräume Pink: Lineare Algebra 2014/15 Seite 98 10 Unitäre Vektorräume Die Theorie komplexer Vektorräume mit Skalarprodukt folgt denselben Linien wie die Theorie reeller Vektorräume mit Skalarprodukt;

Mehr

Floquet-Theorie IV. 1 Hills Gleichung

Floquet-Theorie IV. 1 Hills Gleichung Vortrag zum Seminar Gewöhnliche Differentialgleichungen, 08.11.2011 Tobias Roidl Dieser Vortrag befasst sich mit der Hills Gleichung und gibt eine Einführung in die Periodischen Orbits von linearen Systemen.

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

5 Lineare Algebra (Teil 3): Skalarprodukt 5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale

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

5.2 Diagonalisierbarkeit und Trigonalisierung

5.2 Diagonalisierbarkeit und Trigonalisierung HINWEIS: Sie finden hier eine vorläufige Kurzfassung des Inhalts; es sind weder Beweise ausgeführt noch ausführliche Beispiele angegeben. Bitte informieren Sie sich in der Vorlesung. c M. Roczen und H.

Mehr

6 Der Harmonische Oszillator

6 Der Harmonische Oszillator 6 Der Harmonische Oszillator Ein Teilchen der Masse m bewege sich auf der x-achse unter dem Einfluß der Rückstellkraft Fx = mω x. 186 Die Kreisfrequenz ω bzw. die Federkonstante k := mω ist neben der Masse

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

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

Analysis. Lineare Algebra

Analysis. Lineare Algebra Analysis Ableitung Ableitungsregeln totale und partielle Ableitung Extremwertbestimmung Integrale partielle Integration Substitution der Variablen Koordinatentransformationen Differentialgleichungen Lineare

Mehr

Lineare Algebra für Physiker 11. Übungsblatt

Lineare Algebra für Physiker 11. Übungsblatt Lineare Algebra für Physiker 11. Übungsblatt Fachbereich Mathematik SS 01 Prof. Dr. Matthias Schneider./. Juli 01 Dr. Silke Horn Dipl.-Math. Dominik Kremer Gruppenübung Aufgabe G1 (Minitest) (a) Welche

Mehr

Wiederholungsserie II

Wiederholungsserie II Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095

Mehr

Prof. Steinwart Höhere Mathematik I/II Musterlösung A =

Prof. Steinwart Höhere Mathematik I/II Musterlösung A = Prof. Steinwart Höhere Mathematik I/II Musterlösung 7..7 Aufgabe ( Punkte) (a) Bestimmen Sie die Eigenwerte und Eigenräume der Matrix A mit 3 3 A = 3 Ist die Matrix A diagonalisierbar? (b) Die Matrix A

Mehr

Quasi-exakt lösbare quantenmechanische Potentiale

Quasi-exakt lösbare quantenmechanische Potentiale Quasi-exakt lösbare quantenmechanische Potentiale Ausarbeitung zum Seminar zur Theorie der Atome, Kerne und kondensierten Materie vom.10.014 Philipp Marauhn p_mara01@uni-muenster.de Inhaltsverzeichnis

Mehr

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie

Mehr

Kapitel 11 Eigenwerte und Eigenvektoren

Kapitel 11 Eigenwerte und Eigenvektoren Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare

Mehr

Vorlesung 21. Identische Teilchen und das Pauli-Prinzip

Vorlesung 21. Identische Teilchen und das Pauli-Prinzip Vorlesung 1 Identische Teilchen und das Pauli-Prinzip Identische Teilchen: Jede Art von Teilchen in der Natur definieren wir durch ihre Eigenschaften, z.b. Massen, Spins, Ladungen usw. Das bedeutet, dass

Mehr

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Hauptachsentransformation: Eigenwerte und Eigenvektoren Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung

Mehr

Lineare Algebra I Lösungsvorschlag

Lineare Algebra I Lösungsvorschlag Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und

Mehr

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

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

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

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

Mehr

Kapitel 3 Lineare Algebra

Kapitel 3 Lineare Algebra Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND

Mehr

3 Vektorräume abstrakt

3 Vektorräume abstrakt Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare

Mehr

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt

Mehr

Grundlagen der Mathematik 2 Nachklausur

Grundlagen der Mathematik 2 Nachklausur Andreas Gathmann und Yue Ren Sommersemester 6 Grundlagen der Mathematik Nachklausur Bearbeitungszeit: 8 Minuten Aufgabe (6 Punkte): Es sei f : R R, (x,y) xye (x+y). (a) Bestimme alle lokalen Maxima und

Mehr

Sommer 2017 Musterlösung

Sommer 2017 Musterlösung Sommer 7 Musterlösung. (5 Punkte) a) Sei V ein Vektorraum über K und sei T End(V ). Geben Sie die Definition eines Eigenwertes von T und zeigen Sie für endlichdimensionales V, dass λ K genau dann ein Eigenwert

Mehr

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

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

Mehr

MC-Serie 11: Eigenwerte

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

Mehr

also ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges

also ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges 11. Kompakte Operatoren Seien X, Y Banachräume, und sei T : X Y ein linearer Operator. Definition 11.1. T heißt kompakt, enn T (B) eine kompakte Teilmenge von Y ist für alle beschränkten Mengen B X. Wir

Mehr

10.2 Linearkombinationen

10.2 Linearkombinationen 147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition

Mehr

Theoretical Biophysics - Quantum Theory and Molecular Dynamics. 6. Vorlesung. Pawel Romanczuk WS 2016/17

Theoretical Biophysics - Quantum Theory and Molecular Dynamics. 6. Vorlesung. Pawel Romanczuk WS 2016/17 Theoretical Biophysics - Quantum Theory and Molecular Dynamics 6. Vorlesung Pawel Romanczuk WS 2016/17 http://lab.romanczuk.de/teaching Zusammenfassung letzte VL Streuzustände Potentialschwelle Potentialbarriere/Tunneleffekt

Mehr

Technische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 25.

Technische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 25. A Technische Universität Berlin Fakultät II Institut für Mathematik WS 3/4 Eppler, Richter, Scherfner, Seiler, Zorn 5. Februar 4 Februar Klausur (Rechenteil) Lösungen: Lineare Algebra für Ingenieure Name:.......................................

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

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

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren

TECHNISCHE UNIVERSITÄT MÜNCHEN. Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. H. Spohn Max Lein Ulrich Mauthner Quantendynamik SoSe 006 en Blatt 8 006.06.6 Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren Aufgabe 1

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

Merkblatt zur Funktionalanalysis

Merkblatt zur Funktionalanalysis Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.

Mehr

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion KAPITEL 1. GRUNDLAGEN Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion 1 für 0 x < 1 g 0 (x) = 1 1 für < x 1. Natürlich gibt dies von

Mehr

Aufgabe 1: Wellenfunktion und Aufenthaltswahrscheinlichkeit

Aufgabe 1: Wellenfunktion und Aufenthaltswahrscheinlichkeit Lösungsvorschlag Übung 8 Aufgabe : Wellenfunktion und Aufenthaltswahrscheinlichkeit a) Die Wahrscheinlichkeitsdichte ist eine Wahrscheinlichkeit pro Volumenelement. Die Wahrscheinlichkeit selbst ist eine

Mehr

7.2 Die adjungierte Abbildung

7.2 Die adjungierte Abbildung 7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)

Mehr

44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall

44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall 44 Spektralzerlegung normaler Operatoren im endlichdimensionalen Fall 44 1 Zusammenfassung Dieser Paragraf richtet sich im Aufbau weitgehend nach 42, um den Zerlegungssatz (44.7) analog zum Satz über die

Mehr

4.4 Hermitesche Formen

4.4 Hermitesche Formen 44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung

Mehr

1 Darstellungsmatrizen

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

Mehr

Störungstheorie. Kapitel Motivation. 8.2 Zeitunabhängige Störungstheorie (Rayleigh-Schrödinger) nicht-entartete Störungstheorie

Störungstheorie. Kapitel Motivation. 8.2 Zeitunabhängige Störungstheorie (Rayleigh-Schrödinger) nicht-entartete Störungstheorie Kapitel 8 Störungstheorie 8.1 Motivation Die meisten quantenmechanischen Problemstellungen lassen sich (leider) nicht exakt lösen. So kommt zum Beispiel der harmonische Oszillator in der Natur in Reinform

Mehr

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 15: Eigenwerte und -vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 5. November 2009) Diagonalisierbarkeit

Mehr

Theoretische Physik II Quantenmechanik

Theoretische Physik II Quantenmechanik Michael Czopnik Bielefeld, 11. Juli 014 Fakultät für Physik, Universität Bielefeld Theoretische Physik II Quantenmechanik Sommersemester 014 Lösung zur Probeklausur Aufgabe 1: (a Geben Sie die zeitabhängige

Mehr

Lineare Algebra I für Mathematiker Lösungen

Lineare Algebra I für Mathematiker Lösungen Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation

Mehr

1 Einleitung. 1.1 Ablauf

1 Einleitung. 1.1 Ablauf 1 Einleitung 1.1 Ablauf Einleitung Zentrale Unterräume in regulären Netzwerken Lösungszweige Bifurkationen von stabilen, synchronen Lösungen Ziel: Zeigen, dass eine Kodimension 1 Bifurkation von einem

Mehr

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition) Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz

Mehr

Beispiele. Grundlagen. Kompakte Operatoren. Regularisierungsoperatoren

Beispiele. Grundlagen. Kompakte Operatoren. Regularisierungsoperatoren Beispiele Grundlagen Kompakte Operatoren Regularisierungsoperatoren Transportgleichung Dierenzieren ( nx ) (f δ n ) (x) = f (x) + n cos, x [0, 1], δ Regularisierung!! Inverse Wärmeleitung Durc f (f δ n

Mehr

Mathematik für Anwender. Testklausur mit Lösungen

Mathematik für Anwender. Testklausur mit Lösungen Fachbereich Mathematik/Informatik 4. Januar 0 Prof. Dr. H. Brenner Mathematik für Anwender Testklausur mit en Dauer: Zwei volle Stunden + 0 Minuten Orientierung, in denen noch nicht geschrieben werden

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung

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

Richie Gottschalk Lineare Algebra I Seite 1. a) Welche der folgenden Ringe sind kommutativ? Es gibt genau einen Unterraum W von V mit dim(w ) = n.

Richie Gottschalk Lineare Algebra I Seite 1. a) Welche der folgenden Ringe sind kommutativ? Es gibt genau einen Unterraum W von V mit dim(w ) = n. Richie Gottschalk Lineare Algebra I Seite Aufgabe Im Folgenden sind K immer ein Körper und V ein K-Vektorraum. a) Welche der folgenden Ringe sind kommutativ? K[x] K[x] ist per se ein kommutativer Polynomring.

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

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

Mehr

1 Nicht-lineare dynamische Systeme

1 Nicht-lineare dynamische Systeme 1 Nicht-lineare dynamische Systeme 1.1 Charakteristika linerarer Systeme Superpositionsprinzip: Sind x 1 und x Lösungen eines linearen Systems, dann ist auch α 1 x 1 + α x eine Lösung. Berühmte Beispiele:

Mehr

Vorlesung Lineare Funktionale LINEARE FUNKTIONALE 69

Vorlesung Lineare Funktionale LINEARE FUNKTIONALE 69 13.1. LINEARE FUNKTIONALE 69 Vorlesung 13 13.1 Lineare Funktionale Der Begriff der schwachen Konvergenz wird klarer, wenn man lineare Funktionale betrachtet. Das Skalarprodukt f, g in Hilberträumenkann

Mehr

Abbildung 5.1: stabile und instabile Ruhelagen

Abbildung 5.1: stabile und instabile Ruhelagen Kapitel 5 Stabilität Eine intuitive Vorstellung vom Konzept der Stabilität vermitteln die in Abb. 5.1 dargestellten Situationen. Eine Kugel rollt unter dem Einfluss von Gravitation und Reibung auf einer

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

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

3.6 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

Theorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK. K. Taubert Universität Hamburg SS08

Theorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK. K. Taubert Universität Hamburg SS08 Theorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK K. Taubert Universität Hamburg SS8 Linearisierung 2 LINEARISIERUNG und das VERHALTEN VON LÖSUNGEN NICHTLINEARER DIFFERENTIALGLEICHUNGEN

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

Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses

Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses Thomas Steinle Seminar Zufällige Felder Universität Ulm 18. November, 2008 Einleitung Inhalt Einleitung Wiederholung und Themenvorstellung Wichtiges

Mehr

Lineare Algebra II 6. Übungsblatt

Lineare Algebra II 6. Übungsblatt Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der

Mehr

P AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3

P AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3 Matrixpotenzen In Anwendungen müssen oft hohe Potenzen einer quadratischen Matrix berechnet werden Ist die Matrix diagonalisierbar, dann kann diese Berechnung wie folgt vereinfacht werden Sei A eine diagonalisierbare

Mehr

7.3 Unitäre Operatoren

7.3 Unitäre Operatoren Wir können jeden Operator T wie folgt schreiben: Dabei gilt T = 1 2 (T + T ) + i( 1 2 i (T T )) (T + T ) = T + T sowie ( 1 2 i (T T )) = 1 2 i (T T) = 1 2 i (T T ). Wir können T also in zwei lineare Operatoren

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Ingenieure II, SS 9 Dienstag $Id: jordantex,v 8 9// 4:48:9 hk Exp $ $Id: quadrattex,v 9// 4:49: hk Exp $ Eigenwerte und die Jordansche Normalform Matrixgleichungen und Matrixfunktionen Eine

Mehr

Berechnung der Determinante

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

Mehr

4.1. Vektorräume und lineare Abbildungen

4.1. Vektorräume und lineare Abbildungen 4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt

Mehr

6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar.

6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar. Um zu zeigen, dass die irreduziblen Teiler eines reellen Polynoms höchstens den Grad 2 haben, fassen wir nun (x γ) und (x γ) zusammen und stellen fest, dass (x (a + b i))(x ((a b i)) = x 2 2a + (a 2 +

Mehr

Irreduzible Darstellungen von SU 2 (C)

Irreduzible Darstellungen von SU 2 (C) Irreduzible Darstellungen von SU 2 (C) Alessandro Fasse Email: fasse@thp.uni-koeln.de WS14/15 - Universität zu Köln 26.01.2015 1 Inhaltsverzeichnis Inhaltsverzeichnis 1 Einführung 2 2 Darstellungstheorie

Mehr

3.7 Eigenwerte und Eigenvektoren

3.7 Eigenwerte und Eigenvektoren 3.7. EIGENWERTE UND EIGENVEKTOREN 123 3.7 Eigenwerte und Eigenvektoren Wir wollen jetzt lineare Endomorphismen durch Matrizen besonders übersichtlicher Gestalt (u.a. mit möglichst vielen Nullen) beschreiben,

Mehr

Übungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 1

Übungen zur Vorlesung Lineare Algebra II, SoSe 2016, Blatt 1 Übungen zur Vorlesung Lineare Algebra II, SoSe 216, Blatt 1 Mündliche Aufgaben Die Aufgaben aus diesem Blatt bestehen zu einem großen Teil aus den Aufgaben von Blatt 13 der LA1. Sie dienen vor allem der

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag 9.6 $Id: quadrat.tex,v. 9/6/9 4:6:48 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6. Symmetrische Matrizen Eine n n Matrix heißt symmetrisch wenn

Mehr

Wichtige Kenntnisse der Linearen Algebra

Wichtige Kenntnisse der Linearen Algebra Wichtige Kenntnisse der Linearen Algebra In Kapitel 3 der Vorlesung werden wir sehen (und in Kapitel 6 vertiefen, dass zur Beschreibung von Quantensystemen mathematische Begriffe aus dem Gebiet der Linearen

Mehr

1 Die logistische Gleichung X t+1 = λx t (1 X t )

1 Die logistische Gleichung X t+1 = λx t (1 X t ) 1 Die logistische Gleichung X t+1 = X t (1 X t ) Bisher haben wir Rekursionen mit mehr oder weniger einfachem Verhalten betrachtet; wir konnten entweder eine explizite Lösungsformel aufstellen oder ohne

Mehr