Symplektische Geometrie

Größe: px
Ab Seite anzeigen:

Download "Symplektische Geometrie"

Transkript

1 Symplektische Geometrie Def. Eine symplektische Form auf U R 2n ist eine geschlossene, nichtausgeartete 2-Differentialform. }{{}}{{} d.h. dω = 0 wird gleich definiert Wir bezeichnen sie normalerweise mit ω. Nichtausgeartet bedeutet: x U, v 0 R 2n, ist i v ω 0 (als 1-Form), d.h. u R 2n, sodass ω(v, u) 0. Bemerkung. Wir betrachten die Darstellung von ω durch die zugehörige Gramsche Matrix Ω = ( ω(e i, e j ) ), eine anti-symmetrische Matrix (d.h. Ω T = Ω) mit ω(v, u) = v T Ωu. Die Form ist ausgeartet g.d.w. die Matrix ausgeartet ist, also det Ω = 0 ist. Tatsächlich gilt: Ist die Matrix ausgeartet, dann gibt es einen Vektor v 0, sodass v T Ω = 0, und dann ist selbstverständlich i v Ω(u) = v T Ωu = 0 für alle u. Ist die Matrix nichtausgeartet, so ist v T Ω 0 für jedes v 0 und deswegen gilt für u = Ωv, dass v t Ωu = Ωv 2 0.

2 Bemerkung. Die Bedingung, dass die Dimension 2n, also gerade, ist, wird automatisch erfüllt, weil auf R 2n+1 keine nichtausgeartete 2-Form existieren kann, da (einfache Übung aus LA) jede anti-symmetrische Matrix der Dimension (2n + 1) (2n + 1) ausgeartet ist, denn woraus det Ω = 0 folgt. det Ω = det Ω T = ( 1) 2n+1 det Ω,

3 Beispiel aus der klassischen Mechanik: Kanonische symplektische Form Natürliche Frage. Wir betrachten die Koordinaten (x, p) auf U R n wie im Kapitel Hamiltonsche Gleichungen. Sei φ : U V ein Diffeomorphismus (=Koordinatenwechsel). Wie lautet, vom Standpunkt der Hamiltonischen Gleichungen aus, das natürliche Transformationsgesetz für p? Bsp. Eine ähnliche Frage aus der Lagrange-Mechanik haben wir bzgl. der Koordinaten (x, y) bereits beantwortet: Für φ : U V ist Φ : U R n V R n, Φ(x, y) = (φ(x), d x φ(y)) das natürliche Transformationsgesetz, da es verträglich mit den Lagrange-Gleichungen ist. Die Antwort auf die natürliche Frage von oben wird auf der nächsten Folie erklärt. Sie lautet: Φ(x, p) = (φ(x), p ), wobei p = p (d x φ) 1. (wir betrachten die Komponenten von p als einen Zeilenvektor und verstehen unter (d x φ) 1 die Matrix, welche zur Darstellungsmatrix von d x φ invers ist).

4 Erklärung für das Transformationsgesetz. Die Koordinaten x und t sind fest. Von φ(x) brauchen wir nur die Matrix d x φ. Wir erinnern uns (Satz 8, Teil 2 der Vorl. 3), dass p = L war. Wenn y new = d x φ y ist, so ist p new = Einträge der Form d y L sind. Analog sind L(y(ynew )) y new L(y(ynew )) y new y. Man merke, dass L y Einträge der Form d ynew (L φ 1 ). Nach Kettenregel sind sie dann die Komponenten von (d y L) (d x φ) 1, wie wir es behauptet haben. Folgerung. Die 1-Differentialform l := i p idx i hat gleiche Gestalt in allen Koordinatensystemen (d.h. Φ l ist ebenfalls von der Form p i dx i, wobei x = φ(x) und p = p (d x φ) 1. ) Liouville-Form. Das ist die 1-Form auf R 2n (x, p), welche durch i p idx i gegeben ist. Nach der Koordinatentransformation x φ(x) = x (x) hat der Pushforward dieser Form wieder das Aussehen l = i p i dx i, wobei p = p (d x φ) 1. Sie ist kanonisch, d.h. koordinatenunabhängig. Die Standardbezeichnung für die Liouville-Form ist pdx. Die kanonische symplektische Form auf R 2n (x, p) ist die äußere Ableitung der Liouville-Form, ω = dl. Da l = i p idx i ist, können wir sofort ω ausrechnen: ω = i dp i dx i.

5 Die kanonische symplektische Form ist eine symplektische Form Def. Die symplektische Form auf U R 2n ist eine geschlossene, nichtausgeartete 2-Differentialform }{{}}{{} d.h. dω = 0 d.h. die Gram-Matrix ist nichtausgeartet Die Standardbezeichnung für die kanonische symplektische Form ω ist dp dx. Die Differentialform ist geschlossen, weil sie äußere Ableitung einer Form ist. Die Differentialform ist nichtausgeartet, weil ( ) 0 1 ω(e i, e n+i ) = dp i dx i (e i, e n+i ) = det = ( ) 0 1 Deswegen ist die Matrix Ω = (wobei 1 bzw. 0 die Null- bzw. 1 0 die Einheitsmatrix bezeichnet) und det Ω = 1 0.

6 Hamiltonsche Vektorfelder in der symplektischen Geometrie Sei ω eine symplektische Form auf U 2n und H : U R eine Funktion. Wir konstruieren nun ein Vektorfeld X H auf U, welches Hamiltonsches Vektorfeld genannt wird. Im Spezialfall U 2n = U n (x) R n (p) mit kanonischer symplektischer Form dp dx fällt X H mit dem Hamiltonschen Vektorfeld aus den Vorlesungen 3 u. 4 zusammen. Zuerst bemerken wir, dass aus der Nichtausartung von ω folgt, dass die (offensichtlich lineare) Abbildung von R 2n (=Raum der Vektoren im Punkt x U) nach Λ 1 (x) (Raum der 1-Formen), v i v (ω) (wobei i v die innere Ableitung ist), trivialen Kern hat. Da dim R 2n = dim Λ 1 (x) = 2n, ist die Abbildung ein Isomorphismus. Mit I bezeichnen wir die inverse Abbildung. Dann definieren wir X H im Punkt x durch X H (x) = I (d x H).

7 Koordinatenform der obigen Konstruktion Sei Ω die Matrix von ω. Dann bilden die Komponenten von i v ω den (transponierten) Vektor (=2n-Zeile) i v ω = v t Ω. Also wird v durch die Abbildung i. ω auf v t Ω abgebildet. Die inverse Abbildung bildet entsprechend die 1-Form α (interpretiert als Zeilenvektor) auf die Lösung der Gleichung x T Ω = α ab, welche offensichtlich durch x T = αω 1 gegeben ist. Damit ist in Koordinaten wie wir erwartet haben. X H = ( H x ( ) H ) Ω 1 = p H, x

8 Der Hamiltonsche Fluss erhält die symplektische Form Sei ω eine symplektische Form auf U 2n und sei H eine beliebige Funktion. Satz 19. Der (lokale) Fluss von X H erhält ω. Beweis. Wir zeigen, dass die Lie-Ableitung verschwindet, L XH ω = 0. Nach Poincaré-Cartan (Satz 18) gilt L V ω = i V dω + d(i V ω). Da ω geschlossen ist, gilt dω = 0, und deswegen i XH dω = 0. Nach Konstruktion von X H ist nun i XH ω = dh, und deswegen d (i XH ω) = 0. Dann ist L XH ω = 0, wie wir es wollen. Die Standard-Argumentation (mit Hilfe des Rektifizierungsatzes) zeigt dann, dass der Fluss von X H die Form ω erhält. Wir haben also ein weiteres Objekt konstruiert, das entlang des Flusses erhalten bleibt! Wir werden später sehen, wie diese Erhaltungseigenschaft beim Lösen von Aufgaben in der Mechanik hilft.

Sei ω eine symplektische Struktur auf U 2n. Satz 12. In einer Umgebung eines beliebigen Punktes x gibt es

Sei ω eine symplektische Struktur auf U 2n. Satz 12. In einer Umgebung eines beliebigen Punktes x gibt es Satz von Darboux Sei ω eine symplektische Struktur auf U 2n. Satz 12. In einer Umgebung eines beliebigen Punktes x gibt es Koordinaten (x 1,..., x n, p 1,..., p n ), sodass ω = n i=1 dp i dx i. Ferner

Mehr

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse.

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse. Differentialformen Plan Zuerst lineare Algebra: Schiefsymmetrische Formen im R n. Dann Differentialformen: Invarianz bzgl. Diffeomorphismen (und sogar beliebigen glatten Abbildungen). Äußere Ableitung.

Mehr

Symplektische Geometrie

Symplektische Geometrie 31. August 2005 Symplektische Vektorrume Wiederholung: Eine (schwach) symplektische Form auf einem Vektorraum V ist eine Bilinearform die schiefsymmetrisch ist, d.h. ω : V V R ω(w.v) = ω(v, w) für alle

Mehr

Affine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3...

Affine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3... Affine Hülle Wiederholung. Der Vektor x K n ist eine lineare Kombination der Vektoren x,...,x k K n, wenn es Zahlen λ,...,λ k K gibt mit x = λ x +... + λ k x k. Def. Gibt es solche Zahlen λ,...,λ k K mit

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

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

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

Mehr

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema: Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag

Mehr

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen) Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f(v) = u} (Andere Bezeichnung: f(v) wird in Analysis-Vorlesung

Mehr

Quadratische Matrizen

Quadratische Matrizen Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch

Mehr

Wiederholung: lineare Abbildungen

Wiederholung: lineare Abbildungen Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) =

Mehr

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen) Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung

Mehr

10 Untermannigfaltigkeiten

10 Untermannigfaltigkeiten 10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und

Mehr

Mengenlehre: Mächtigkeit (Ordnung) einer Menge

Mengenlehre: Mächtigkeit (Ordnung) einer Menge Mengenlehre: Mächtigkeit (Ordnung) einer Menge Def. Seien A, B Mengen. Wir sagen, dass A höchstens gleichmächtig zu B ist, falls es eine injektive Abbildung f : A B gibt. Schreibweise: A B. Wir sagen,

Mehr

Differentialformen in Natur und Technik. Geometrie Hamiltonscher Systeme

Differentialformen in Natur und Technik. Geometrie Hamiltonscher Systeme Differentialformen in Natur und Technik. Geometrie Hamiltonscher Systeme Florian Krämer 27.1.2009 Anwendungen in der Physik Phasen- und Zustandsraum Hamiltonsche Systeme Integralinvarianten Anwendungen

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

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele

Mehr

Erweiterte Koordinaten

Erweiterte Koordinaten Erweiterte Koordinaten Sei K n ein n dimensionaler affiner Raum Die erweiterten Koordinaten des Punktes x x n K n sind x x n Kn+ (Das ist für alle K sinnvoll, weil in jedem Körper K wohldefiniert ist In

Mehr

Affine Eigenschaften ( stets K = R)

Affine Eigenschaften ( stets K = R) Affine Eigenschaften ( stets K = R) Def. 15 Sei M eine Teilmenge eines affinen Raums A über V (über K). Eine Eigenschaft der Menge M heißt affin, wenn für jede Affinität F : A A 1 die Bildmenge {F(a)wobei

Mehr

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz

Bild, Faser, Kern. Stefan Ruzika. 23. Mai Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 23. Mai 2016 Stefan Ruzika 7: Bild, Faser, Kern 23. Mai 2016 1 / 11 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume 4 Basis

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:

Mehr

Es kann günstig sein, Koordinatentransformationen im Phasenraum durchzuführen. V.3.4 a

Es kann günstig sein, Koordinatentransformationen im Phasenraum durchzuführen. V.3.4 a V.3.4 Kanonische Transformationen Es kann günstig sein Koordinatentransformationen im Phasenraum durchzuführen. V.3.4 a Koordinatentransformation im Phasenraum Wir betrachten eine allgemeine Koordinatentransformation

Mehr

x 2 + y 2 = f x y = λ

x 2 + y 2 = f x y = λ Lineare Abbildungen Def Es seien (V 1,+, ) und (V 2,+, ) zwei Vektorräume Eine Abbildung f : V 1 V 2 heißt linear, falls für alle Vektoren u,v V 1 und für jedes λ R gilt: f (u + v) = f (u) + f (v), f (λu)

Mehr

Exkurs: Klassifikation orthogonaler 2 2-Matrizen.

Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Aussage: Es gilt: (a) Jede orthogonale 2 2 Matrix A mit det(a) = 1 hat das Aussehen cos(α) sin(α) D(α) = sin(α) cos(α), wobei α [0,2π[. Ist sin(α) 0, so

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

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

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

Mehr

IV.2 Kanonische Transformationen

IV.2 Kanonische Transformationen IV.2 Kanonische Transformationen 79 IV.2 Kanonische Transformationen IV.2.1 Phasenraum-Funktionen Die verallgemeinerten Koordinaten q a t) und die dazu konjugierten Impulse p a t) bestimmen den Bewegungszustand

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

13. Lineare Algebra und Koordinatenwechsel.

13. Lineare Algebra und Koordinatenwechsel. 3. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation der lineare

Mehr

Kapitel 11. Bilinearformen über beliebigen Bilinearformen

Kapitel 11. Bilinearformen über beliebigen Bilinearformen Kapitel 11 Bilinearformen über beliebigen Körpern Wir können in diesem Kapitel rasch vorgehen, weil die meisten Konzepte im Zusammenhang mit Sesquilinearformen bereits eingeführt wurden. In diesem Abschnitt

Mehr

Lineare Abbildungen und Matrizen

Lineare Abbildungen und Matrizen Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume

Mehr

1 Distributionen und der Satz von Frobenius

1 Distributionen und der Satz von Frobenius 1 Distributionen und der Satz von Frobenius 1.1 Vorbemerkungen Definition 1.1. Sei M eine d-dimensionale Mannigfaltigkeit, sei (U, ϕ) ein Koordinatensystem auf M mit Koordinatenfunktionen x 1,..., x d.

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

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

9. Übung zur Linearen Algebra I -

9. Übung zur Linearen Algebra I - 9. Übung zur Linearen lgebra I - Lösungen Kommentare an Hannes.Klarner@FU-erlin.de FU erlin. WS 2009-10. ufgabe 33 Sei ϕ : X X eine lineare bbildung, dim(x) = n und ϕ n = 0, ϕ n 1 0. (i) Zu Zeigen: x X,

Mehr

Lineare Abbildungen und Matrizen

Lineare Abbildungen und Matrizen Lineare Abbildungen und Matrizen In diesem Kapitel geht es um den grundlegenden Zusammenhang zwischen linearen Abbildungen und Matrizen. Die zentrale Aussage ist, dass nach anfänglicher Wahl von Basen

Mehr

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009 I. (4 Punkte) Gegeben sei die Menge Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 9 G := { a c b a, b, c R }. (a) Zeigen Sie, dass G zusammen mit der Matrizenmultiplikation eine Gruppe

Mehr

Geometrische Methoden zur Analyse dynamischer Systeme

Geometrische Methoden zur Analyse dynamischer Systeme Geometrische Methoden zur Analyse dynamischer Systeme Markus Schöberl markus.schoeberl@jku.at Institut für Regelungstechnik und Prozessautomatisierung Johannes Kepler Universität Linz KV Ausgewählte Kapitel

Mehr

2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105. gramms kommutativ:

2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105. gramms kommutativ: 2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105 gramms kommutativ: V ϕ W ψ X c B c C c D K n x MC B(ϕ) x K m x MC D (ψ) x K l x M C D (ψ)mb C (ϕ) x Dies bedeutet, dass das gesamte Diagramm kommutativ ist.

Mehr

13. Vorlesung. Lineare Algebra und Koordinatenwechsel.

13. Vorlesung. Lineare Algebra und Koordinatenwechsel. 3. Vorlesung. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation

Mehr

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

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

Mehr

Dirac-Mannigfaltigkeiten

Dirac-Mannigfaltigkeiten 2. September 2005 Überblick 1 Rückblick Überblick 1 Rückblick 2 Zwangsbedingungen Überblick 1 Rückblick 2 Zwangsbedingungen 3 Dirac-Strukturen Überblick 1 Rückblick 2 Zwangsbedingungen 3 Dirac-Strukturen

Mehr

Lineare Algebra II Lösungen der Aufgaben 42 und 43

Lineare Algebra II Lösungen der Aufgaben 42 und 43 D Blottière SS 7 P Schützdeller Universität Paderborn Lineare Algebra II Lösungen der Aufgaben 4 und 43 Aufgabe 4 : Bemerkungen : Es sei V ein n-dimensionaler Vektorraum über einem Körper K und β : V V

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

Konvexe Funktionen und Legendre-Transformation

Konvexe Funktionen und Legendre-Transformation Konvexe Funktionen und Legendre-Transformation Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x, y auch stets deren Verbindungsstrecke xy = {x +t xy 0 t 1} = {(1 t)x +ty 0 t 1} enthält.

Mehr

09. Lineare Abbildungen und Koordinatentransformationen

09. Lineare Abbildungen und Koordinatentransformationen 09. Lineare Abbildungen und Koordinatentransformationen Definition. Seien V und W Vektorräume. Unter einer linearen Abbildung versteht man eine Abbildung F : V W, v F v w mit folgender Eigenschaft: F λ

Mehr

Lineare Algebra II 11. Übungsblatt

Lineare Algebra II 11. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des

Mehr

= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0.

= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0. Def 4 Eine Menge K mit zwei Abbildungen + : K K K und : K K K (heißen Addition und Multiplikation; wir werden a b bzw a+b statt (a,b), +(a,b) schreiben) ist ein kommutativer Ring, falls: (R1) (K, +) ist

Mehr

3.5 Duale Vektorräume und Abbildungen

3.5 Duale Vektorräume und Abbildungen 3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung

Mehr

48 Symplektische Geometrie und Klassische Mechanik

48 Symplektische Geometrie und Klassische Mechanik 48 Symplektische Geometrie und Klassische Mechanik Zusammenfassung Zum Schluss der Vorlesung gehen wir noch auf eine geometrische Struktur ein, die wie die euklidische oder die Minkowski-Struktur im Rahmen

Mehr

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

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

Mehr

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

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2, Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist

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

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

Affine Geometrie (Einfachere, konstruktive Version) Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax

Mehr

10. Übung zur Linearen Algebra II -

10. Übung zur Linearen Algebra II - 0. Übung zur Linearen Algebra II - Lösungen Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 00. Aufgabe 7 Der ( linearen ) Abbildung ϕ : R R sei bzgl. der kanonischen Basis die Matrix zugeordnet.

Mehr

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen Übungen zum Ferienkurs Lineare Algebra 5/6: Lösungen Darstellungsmatrizen. Bestimme die Darstellungsmatrix M B,B (f ) für die lineare Abbildung f : 3, die durch f (x, y, z) = (4x + y z, y + z) definiert

Mehr

7 Lineare Abbildungen und Skalarprodukt

7 Lineare Abbildungen und Skalarprodukt Mathematik II für inf/swt, Sommersemester 22, Seite 121 7 Lineare Abbildungen und Skalarprodukt 71 Vorbemerkungen Standard Skalarprodukt siehe Kap 21, Skalarprodukt abstrakt siehe Kap 34 Norm u 2 u, u

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

2.3 Lineare Abbildungen und Matrizen

2.3 Lineare Abbildungen und Matrizen 2.3. LINEARE ABBILDUNGEN UND MATRIZEN 89 Bemerkung Wir sehen, dass die Matrix à eindeutig ist, wenn x 1,...,x r eine Basis ist. Allgemeiner kann man zeigen, dass sich jede Matrix mittels elementarer Zeilenumformungen

Mehr

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent. Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen

Mehr

Lineare Algebra I Klausur. Klausur - Musterlösung

Lineare Algebra I Klausur. Klausur - Musterlösung Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra I Klausur Klausur - Musterlösung 20. Februar 203 Aufgabe - Lösung Aussage wahr falsch (Z, +, 0) ist eine abelsche Gruppe. Der Ring Z/24Z ist nullteilerfrei.

Mehr

Implizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem

Implizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem Implizite Funktionen Ist für eine stetig differenzierbare Funktion f : R n R m R n f (x, y ) = (0,..., 0) t, det f x (x, y ) 0, so lässt sich das Gleichungssystem f k (x 1,..., x n, y 1,..., y m ) = 0,

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

LINEARE ALGEBRA II. FÜR PHYSIKER LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders

Mehr

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015 Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler

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

1 Linearkombinationen

1 Linearkombinationen Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Linearkombinationen Unter einer Linearkombination versteht man in der linearen Algebra einen Vektor, der sich durch

Mehr

i j m f(y )h i h j h m

i j m f(y )h i h j h m 10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem

Mehr

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen

Mehr

3 Matrizenrechnung. 3. November

3 Matrizenrechnung. 3. November 3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige

Mehr

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

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

Mehr

4 Lineare Abbildungen und Matrizen

4 Lineare Abbildungen und Matrizen Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt

Mehr

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

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

Mehr

Lineare Algebra: Determinanten und Eigenwerte

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

Mehr

Tutorium 4. 1 Bilinearformen. Definition. Seien U, V, W Vektorräume. Eine Abbildung Φ : V W U heißt bilinear: Bemerkung. Dies ist äquivalent zu:

Tutorium 4. 1 Bilinearformen. Definition. Seien U, V, W Vektorräume. Eine Abbildung Φ : V W U heißt bilinear: Bemerkung. Dies ist äquivalent zu: 1 Bilinearformen Tutorium 4 Definition. Seien U, V, W Vektorräume. Eine Abbildung Φ : V W U heißt bilinear: Φ(αv + w, x) = α Φ(v, x) + Φ(w, x) und Φ(v, βx + y) = β Φ(v, x) + Φ(v, y) Bemerkung. Dies ist

Mehr

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Universität Karlsruhe (TH) Institut für Algebra und Geometrie Dr. Klaus Spitzmüller Dipl.-Inform. Wolfgang Globke Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Lösungen zum

Mehr

Serie 5. ETH Zürich - D-MAVT Lineare Algebra II. Prof. Norbert Hungerbühler

Serie 5. ETH Zürich - D-MAVT Lineare Algebra II. Prof. Norbert Hungerbühler Prof. Norbert Hungerbühler Serie 5 ETH Zürich - D-MAVT Lineare Algebra II. a) Die Abbildung V n R n, v [v] B, die jedem Vektor seinen Koordinatenvektor bezüglich einer Basis B zuordnet, ist linear. Sei

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

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

5.3 Darstellungsmatrizen affiner Abbildungen

5.3 Darstellungsmatrizen affiner Abbildungen 5.3 Darstellungsmatrizen affiner Abbildungen Definition 5.3.1. Seien A und B endlich-dimensionale ARs mit dim A n, dim B m und KS E : (p 0,..., p n ) von A und KS F : (q 0,..., q m ) von B. Sei α : A B

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

Technische Universität München. Aufgaben Mittwoch SS 2012

Technische Universität München. Aufgaben Mittwoch SS 2012 Technische Universität München Andreas Wörfel Ferienkurs Analysis 2 für Physiker Aufgaben Mittwoch SS 2012 Aufgabe 1 Äquivalente Aussagen für Stetigkeit( ) Beweisen Sie folgenden Satz: Seien X und Y metrische

Mehr

Lineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching

Lineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching Lineare Algebra 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching November 9, 27 Erinnerung 2 Vektoräume Sei V ein Vektorraum, U V, U {}. U hiesst Untervektorraum, Unterraum,

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein

Mehr

Lineare Abbildungen - I

Lineare Abbildungen - I Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit

Mehr

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

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

Mehr

Lineare Abbildungen und Matrizen

Lineare Abbildungen und Matrizen Lineare Abbildungen und Matrizen Seien V und W K-Vektorräume mit dimv = n und dimw = m Im folgenden wollen wir jeder m n Matrix eine lineare Abbildung V W zuordnen, und umgekehrt jeder linearen Abbildung

Mehr

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.

Mehr

Lineare Abbildungen und Orthonormalsysteme

Lineare Abbildungen und Orthonormalsysteme KAPITEL Lineare Abbildungen und Orthonormalsysteme. Lineare Abbildungen und Koordinatendarstellungen.. Lineare Abbildungen und ihre Basisdarstellung. Seien V, W Vektorraume uber R. Mit einer Abbildung

Mehr

Algebraische Zahlentheorie. Teil II. Die Diskriminante.

Algebraische Zahlentheorie. Teil II. Die Diskriminante. II-1 Algebraische Zahlentheorie Teil II Die Diskriminante Sei K ein Zahlkörper vom Grad n (also [K : Q] = n) Es gibt genau n Körper- Homomorphismen σ i : K C (siehe Merkzettel Separabilität) Stellen wir

Mehr

Rangsatz. d.) (2P) Formulieren Sie den

Rangsatz. d.) (2P) Formulieren Sie den Probeklausur Lineare Algebra I am 14.11.09 Die Klausur ist in drei Teile unterteilt, die grob als Definitions-, Rechenund Beweisteil bezeichnet werden können (optisch durch Linien getrennt). In jedem Teil

Mehr

10. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 A =

10. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 A = O Alaya, S Demirel M Fetzer, B Krinn M Wied Gruppenübung zur Vorlesung Höhere Mathematik Wintersemester /3 Dr M Künzer Prof Dr M Stroppel Lösungshinweise zu den Hausaufgaben: Aufgabe H 34 a Gegeben ist

Mehr

Kapitel 6. Der Lagrange-Formalismus. 6.2 Lagrange-Funktion in der relativistischen Feldtheorie. 6.1 Euler-Lagrange-Gleichung

Kapitel 6. Der Lagrange-Formalismus. 6.2 Lagrange-Funktion in der relativistischen Feldtheorie. 6.1 Euler-Lagrange-Gleichung 92 Teilchenphysik, HS 2007-SS 2008, Prof. A. Rubbia (ETH Zurich) 6.2 Lagrange-Funktion in der relativistischen Felheorie Kapitel 6 Der Lagrange-Formalismus 6.1 Euler-Lagrange-Gleichung In der Quantenmechanik

Mehr

3. Mai Zusammenfassung. g x. x i (x).

3. Mai Zusammenfassung. g x. x i (x). 3. Mai 2013 Zusammenfassung 1 Hauptsatz Satz 1.1 Sei F C 1 (D) für eine offene Teilmenge D von R q+1 = R q R. Für (x 0, u 0 ) D gelte F (x 0, u 0 ) = 0, (x 0, u 0 ) 0. Dann gibt es eine Umgebung V von

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Euklidische und unitäre Vektorräume In allgemeinen Vektorräumen gibt es keine Möglichkeit der Längenmessung von Vektoren und der Winkelmessung zwischen zwei Vektoren. Dafür ist eine zusätzliche Struktur

Mehr

3.9 Elementarmatrizen

3.9 Elementarmatrizen 90 Kapitel III: Vektorräume und Lineare Abbildungen 3.9 Elementarmatrizen Definition 9.1 Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare

Mehr

4.2 Die adjungierte Abbildung

4.2 Die adjungierte Abbildung 4.2. DIE ADJUNGIERTE ABBILDUNG 177 4.2 Die adjungierte Abbildung Die Vektorräume dieses Paragraphen seien sämtlich euklidisch, die Norm kommt jetzt also vom inneren Produkt her, v = v v. Zu f Hom R (V,

Mehr