Wigners Theorem: die Existenz von unitären oder anti-unitären Darstellungen

Größe: px
Ab Seite anzeigen:

Download "Wigners Theorem: die Existenz von unitären oder anti-unitären Darstellungen"

Transkript

1 Wigners Theorem: die Existenz von unitären oder anti-unitären Darstellungen Michael Salz & Malte Weinberg 13. November 2006 Wigners Theorem begründet mit seinen Aussagen über Symmetriegruppen einen sehr wichtigen Aspekt der Quantenmechanik. Zusammengefasst lauten diese Aussagen: Zu jeder Symmetriegruppe G eines gegebenen physikalischen Systems existiert eine Gruppe Ĝ von Strahlentransformationen ĝ; eine Gruppe ÛG von unitären (antiunitären) Operator-Strahlen Û und ein Satz von unitären (antiunitären) Operatoren U Û, sodass die Gruppen G, Ĝ und ÛG isomorph sind. Der folgende Beweis ist recht formal und führt nicht zu einem tieferen Verständnis von Symmetrie. Mit diesem zunächst sehr abstrakt erscheinenden Theorem wird jedoch erst ein ganz wesentlicher Teil der Physik erschlossen. So kann man die Quantenmechanik auch als die Theorie der Darstellung von Symmetriegruppen der entsprechenden physikalischen Systeme bezeichnen und den Hilbertraum eines Systems als Darstellungsraum von Symmetrieen ansehen. Nur durch Wigners Theorem ist nun gesichert, dass in der Quantenmechanik alle Erhaltungsgrößen mit unitären bzw. antiuntären Operatoren verbunden werden können. Im Folgenden werden Hilbertvektoren ψ, ϕ behandelt. Die Norm eines Hilbertvektors ist definiert als ϕ = ϕ ϕ. (1) Des weiteren kann jeder Vektor im Hilbertraum als ein Vielfaches ϕ = a ϕ 0 ; a 0 eines entsprechenden Einheitsvektors ϕ 0 = 1 ϕ mit a = ϕ (2) a geschrieben werden. Nun betrachte man die so genannten Einheitsstrahlen ( unit rays ) von Hilbertvektoren. Ein Strahl ˆϕ eines Vektors ϕ im Hilbertraum ist definiert als ˆϕ = {ω ϕ ; ω = 1}. (3) Ein Strahl ˆϕ stellt also die Menge des entsprechenden Hilbertvektors ϕ multipliziert mit einer beliebigen Phase ω = e iα ; α R dar, wobei jedes ϕ ˆϕ als Repräsentant des Strahls dienen kann. Das Skalarprodukt ist definiert als ˆϕ ˆψ = ϕ ψ, (4) wobei (4) nicht von der Wahl des stellvertretenden Vektors ϕ ˆϕ und ψ ˆψ abhängt, da die Phase durch den Betrag raus fällt. Aus (1) und (4) folgt, dass ˆϕ ˆϕ = ϕ (5) unabhängig von der Wahl des stellvertretenden Vektors ϕ ist. Die Norm eines Strahls ist somit als ˆϕ = ϕ ϕ = ϕ (6) 1

2 definiert. Jetzt kann ein Strahl als ˆϕ = ϕ ˆϕ 0 geschrieben werden, wobei ˆϕ 0 ein entsprechender Einheitsstrahl ist. Die Zustandsvektoren ψ, ϕ entsprechen nicht genau den physikalischen Zuständen, da lediglich Betragsquadrate und Erwartungswerte der Vektoren betrachtet werden. Einheitsstrahlen hingegen berücksichtigen die beliebige, individuelle Phase der Vektoren, die im Skalarprodukt zweier Strahlen wieder herausfällt. Ein physikalisches System wird daher erst durch die Notation der Zustände in Einheitsstrahlen ˆψ, ˆϕ exakt beschrieben. Somit existiert zu jeder Gruppe G von Transformationen eines Systems S eine entsprechende Strahlendarstellung Ĝ isomorph zu G, welche die Strahlen ebenso transformiert, wie G die physikalischen Zustände. Da physikalische Zustände einem Satz von Einheitsvektoren entsprechen ist die Strahlendarstellung Ĝ auch nur auf dem Satz von Einheitsstrahlen definiert. Diese Definition lässt sich allerdings auf alle Strahlen ausweiten, indem man zusätzlich ĝ ˆϕ = ĝ ˆϕ ˆϕ 0 = ˆϕ ĝ ˆϕ 0 definiert. Im Folgenden wird der Index Null für Einheitsstrahlen ausgelassen, da alle zu behandelnden Strahlen fast ausschließlich Einheitsstrahlen sind. Hier nun die formale Definition von Symmetrie: G ist eine Symmetriegruppe des quantenmechanischen Systems S, wenn die Strahlendarstellung Ĝ von G die Strahlenprodukte für S invariant lässt: G: g G transformiert ψ ψ = gψ Ĝ: ĝ Ĝ transformiert ˆψ ˆψ = ĝ ˆψ sodass gilt: ˆϕ ˆψ = ˆϕ ˆψ (7) Die Gruppe Ĝ bildet Strahlen eines Unterraumes von H auf Strahlen des selben Unterraumes ab. Diese Definition garantiert die Invarianz aller Wahrscheinlichkeiten und Eigenwerte, also aller beobachtbarer Daten. In der Quantenmechanik ist es notwendig nicht nur Strahlen, sondern auch Hilbertvektoren zu transformieren, jedoch existieren zu einer gegebenen Strahlentransformation scheinbar unendlich viele Möglichkeiten von Vektortransformationen: die Transformation des Vektors ϕ ˆϕ ist bis auf die Bedingung ϕ ˆϕ vollkommen beliebig. Mit einem gewählten Bild von ϕ kann nichts über das Bild von e iα ϕ ausgesagt werden, da die Transformation der Phase noch nicht definiert ist. Dies bedeutet, dass der unendliche Satz {T } von Vektortransformationen, die kompatibel zu ˆϕ ˆϕ sind, alle Arten von unstetigen und nichtlinearen Transformationen enthält. Des weiteren ist bei einer vollkommen festgelegten Vektortransformation, die ˆϕ auf ˆϕ abbildet, wiederum nichts bezüglich der Abbildung von ˆψ auf ˆψ definiert. Mit dem Beweis von Wigners Theorem kann nun für den oben beschriebenen unendlichen Satz {T } von Vektortransformationen T gezeigt werden, dass dieser immer einen Sub-Satz von entweder unitären, oder antiunitären Vektortransformationen enthält, falls die entsprechende Strahlentransformation einer Symmetrie zugrunde liegt. Der erste Beweis von Wigner selbst (1931) war nicht komplett, (Wigner hatte antiunitäre Transformationen nicht berücksichtigt) seitdem wurden aber viele Beweise dieses bedeutenden Theorems geführt. Alle bauen auf der Idee auf, die Phasen von ϕ und T ϕ festzulegen, sodass T unitär bzw. antiunitär wird. In der folgenden Konstruktion wird der unendliche Satz {T } von Vektortransformationen T durch geschickte Ausnutzung der Symmetriebedingungen und aller verfügbaren Freiheiten in der Wahl von T eingeschränkt, bis entweder unitäre oder antiunitäre Transformationen verbleiben. 2

3 Zu Beginn folgt aus der Symmetriebedingung (7), dass jedes T {T } eine komplette Orthonormalbasis { ϕ n } von H in eine andere komplette Orthonormalbasis { ϕ n } transformiert. Das die Norm erhalten bleibt und die Orthogonalität der Vektoren ebenso, ist sofort ersichtlich durch Einsetzen in (7). Wäre die transformierte Basis { ϕ n } nicht komplett, gäbe es einen Vektor ψ, der orthogonal zu allen ϕ n steht und demzufolge auch einen Vektor ψ orthogonal zu allen ϕ n im Widerspruch zur Annahme { ϕ n } sei komplett. Folglich ist die neue Basis { ϕ n } komplett. Zu einer fest gewählten Basis { ϕ n } gehört ein entsprechender Satz von Einheitsstrahlen { ˆϕ n }. Mit der Strahlentransformation wird das Bild des Satzes Von Einheitsstrahlen { ˆϕ n} erzeugt. Aus jedem ˆϕ n wähle man nun einen repräsentativen Vektor ϕ n. Die Vektoren ϕ n bilden eine Basis, die hier nur vorübergehend verwendet wird. Im Folgenden werden die wichtigen Schlussfolgerungen in mehreren einzelnen Schritten erreicht: 1. Man stelle sich einen beliebigen Strahl ˆψ und sein Bild ˆψ vor und entwickle die repräsentativen Vektoren ψ in der Basis { ϕ n } sowie ψ in { ϕ n }: Mit (4) und der Symmetriebedingung (7) erhält man ψ = A n ϕ n ; ψ = A n ϕ n (8) ˆϕ n ˆψ = A n = ˆϕ n ˆψ = A n. (9) Dieses Ergebnis ist sowohl unabhängig von der Wahl der Basis von ˆψ, als auch von den stellvertretenden Vektoren ψ und ψ. Schreibt man ist A n = a n e iαn mit α n reell und a n 0 a n = a n. (10) 2. Betrachte weiter einen beliebigen Vektor ψ mit reellen, nicht-negativen Koeffizienten: ψ = a n ϕ n a n 0. ψ ist ein stellvertretender Vektor ˆψ. Man wähle nun einen beliebigen Vektor ψ ˆψ mit der Entwicklung in der Basis { ϕ n }: ψ = a n e iα n ϕ n (11) Jetzt nutzt man die Freiheit T zu definieren, sodass ψ das Bild von ψ darstellt: T ψ = ψ (12) Diese Freiheit kann erneut verwendet werden, um die Wahl der Basis { ϕ n } zu korrigieren: sei e iα n ϕ n = ψ n, so lautet die neue Basis { ϕ n }. Zusammenfassend wird also ein einzelner Vektor ψ mit reellen, nicht negativen Koeffizienten (in der alten Basis) in einen anderen Vektor ψ mit den selben Koeffizienten (in der neuen Basis) transformiert. 3. Man könnte nun vermuten, dass eine solche Transformation nur für ein einzelnes ψ möglich ist, da die Phase α n von ψ in die Basis eingeht. Es kann jedoch gezeigt werden, dass diese Transformation für jedes beliebige ϕ mit reellen, nicht-negativen Koeffizienten erlaubt ist. Hierzu wähle man mit einen Repräsentanten ϕ ˆϕ : ϕ = b n ϕ n b n 0 ϕ = b n e iβ n ϕ n mit β 1 = 0. 3

4 Dies ist immer möglich, ohne irgendwelche Annahmen zu verletzen. Aus ˆϕ ˆψ = ˆϕ ˆψ folgt jetzt a 1 b 1 + a n b n = a 1 b 1 + a n b n e iβ n, (13) wobei die Summe ohne den ersten Term bezeichnet. Man kann die Summe a 1 b 1 + a n b n e iβ n (14) als eine Summe von Vektoren in der komplexen Zahlenebene darstellen: auf der linken Seite der Gleichung (14) ist jeder Term null oder größer und die Vektoren somit auf der reellen Achse aneinander gereiht. Die rechte Seite der Gleichung hat den selben Betrag, daher müssen dort auch alle Vektoren aneinander gereiht sein. Nun liegt aber der erste Term a 1 b 1 schon auf der reellen Achse, sodass folglich alle anderen Terme auch reell sein müssen. Das bedeutet wiederum, dass alle zu nicht verschwindenden b n gehörigen β n null sind. Man definiere jetzt den eben behandelten Vektor ϕ als das Bild von ϕ. Damit wurde T so konstruiert, dass alle Vektoren mit reellen, nicht-negativen Koeffizienten in Vektoren mit den selben nicht-negativen Koeffizienten transformiert werden: ϕ = b n ϕ n T ϕ = ϕ = b n ϕ n (15) Dies gilt speziell für die Basisvektoren ϕ n selbst, da b n = 1. Mit der Transformation T ist also das Bild der Basis { ϕ n } gerade die Basis { ϕ n }: 4. Betrachte nun beliebige Vektoren. T ϕ n = ϕ n. (16) ψ = a n e iαn ϕ n ϕ = b n e iβn ϕ n (17) Die Bilder dieser beiden Zustandsvektoren sind dann bis auf α n und β n definiert. ψ = a n e iα n ϕ n ϕ = b n e iβ n ϕ n (18) Mit dem Skalarprodukt gilt nun ganz allgemein: an b n e i(βn αn) = an b n e i(β n α n ) (19) Um die Transformation nun genauer definieren zu können, wird ϕ spezialisiert um Erkenntnisse über die Transformation von ψ zu gewinnen. Wähle nun alle β n = 0 und auch alle b n zu Null außer b l und b k. Somit erfüllt ϕ die Bedingungen aus (3.) und das Bild ist schon definiert. Alle β n = 0 und nur b l = b l und b k = b k sind von Null verschieden. Das Skalarprodukt lässt sich nun vereinfachen. Und somit gilt für beliebige l und k: a l b l e iα l + a k b k e iα k = a l b l e iα l + ak b k e iα k (20) a l b l + a k b k e i(α k α l ) = a l b l + a k b k e i(α k α l ) (21) α k α l = ±(α k α l) (22) Für einen Zustandsvektor kann immer nur entweder das Plus- oder das Minuszeichen gelten: α k α l = α k α l (23) α k α j = (α k α j) (24) 4

5 Addiert man beide Gleichungen, so erhält man 2α k α j α l = α j α l. Dies steht eindeutig im Widerspruch zu (22), denn die Komponenten j und l müssten natürlich genau so transformieren. Sei nun α k = ±α k + λ k. = α k α l = ±(α k α l ) + (λ k λ l ) (25) Hieraus ist ersichtlich, dass für beliebige Komponenten l und k des Zustandvektors ψ, über den keine Aussagen getroffen wurden und der somit beliebig wählbar ist, λ k = λ l = λ = const gilt. Jedes ψ H transformiert also wie folgt: ψ = a n e iαn ϕ n ψ = e iλ a n e ±iαn ϕ n (26) Nun kann die Transformation weiter spezifiziert werden, in dem der einfachste Fall gewählt wird, also λ = 0. Diese Wahl ist auch konsistent mit der Aussage in (3.), dass Vektoren mit nichtnegativen, reellen Koeffizienten auf Vektoren mit gleichen Koeffizienten transformiert werden. Im nächsten Schritt wird nun das Plus- bzw. Minuszeichen der Phase genauer betrachtet. 5. Wie schon erwähnt, gilt für jeden Vektor α k α k oder α k α k. Gäbe es nun auf einem Hilbertraum einen Zustandsvektor ψ + und einen ψ, die unterschiedlich transformieren, so wäre ihre Summe ψ = ψ + + ψ von einem gemischt transformierenden Typ und somit nicht erlaubt. Dies widerspricht den Eigenschaften eines Hilbertraumes. Daher kann man schließen, dass das Plusoder Minuszeichen wiederum eine Eigenschaft der Transformation ist, und für alle Zustandsvektoren gleichermaßen gilt. Soll die Strahltransformation ĝ stetig mit der Identität verbunden sein, so ist nur das Pluszeichen zulässig. 6. Da nun zwei Fälle von Transformationen möglich sind, werden diese beiden auch unterschieden. ψ = A n ϕ n ψ = A n ϕ n = ( A n T ϕ n = T ψ = T An ϕ n ) (27) In diesem Fall ist T linear und daraus folgt auch gleich, dass die Transformation T = U unitär ist. ψ ϕ = T ψ T ϕ = A kb l T ϕ k T ϕ l = A kb k = A k ϕ k B l ϕ l = ψ ϕ (28) (29) T = U, Uψ Uϕ = ψ ϕ (30) Im zweiten Fall ist T antilinear und damit auch antiunitär. ( ψ = T An ϕ n ) = A n T ϕ n (31) ψ ϕ = T ψ T ϕ = A k B l T ϕ k T ϕ l = A k B k = B k ϕ k A l ϕ l = ϕ ψ (33) (32) (34) T = Ū, Ūψ Ūϕ = ϕ ψ = ψ ϕ (35) Hier wurde eine essenzielle Aussage des Wigner Theorems gezeigt. Zu jedem ĝ kann eine entweder unitäre oder antiunitäre Transformation konstruiert werden. Welches von beiden gilt, ist durch die Symmetriegruppe bestimmt. Da dies immer gilt, werden von nun an nicht mehr alle denkbaren Transformationen betrachtet, sondern nur noch Unitäre und Antiunitäre. Jedoch gibt es zu einer bestimmten Strahltransformation nicht nur eine unitäre Transformation. Dies wird im nächsten Schritt betrachtet. 7. Welche unitären bzw. antiunitären Transformationen sind kompatibel mit einer Strahltransformation? Da die Norm von Zustandsvektoren erhalten sein muss, kann nur eine Phase zwei verschiedene Transformationen unterscheiden. T ϕ = ω(ϕ)r ϕ ω(ϕ) = 1 (36) T ψ = ω(ψ)r ψ ω(ψ) = 1 (37) 5

6 Falls ϕ und ψ unabhängige Vektoren sind, so gilt: T ( ϕ + ψ ) = T ϕ + T ψ = ω(ϕ)r ϕ + ω(ψ)r ψ (38) = ω(ϕ, ψ)r( ϕ + ψ ) (39) = ω(ϕ, ψ)r ϕ + ω(ϕ, ψ)r ψ (40) Woraus direkt ersichtlich ist, dass ω(ϕ) = ω(ϕ, ψ) = ω(ψ) = ω gelten muss. Dies gilt unabhängig vom Vektor, denn wären ϕ und ψ linear abhängig, so könnte man einen dritten Vektor finden, der senkrecht zu beiden steht, und für den die aufgeführte Beziehung wieder gilt. Somit wurde gezeigt, dass sich die unitären bzw. antiunitären Transformationen, die mit einer Strahltransformation kompatibel sind, höchstens um eine Phase unterscheiden. 8. Nun kann der Begriff des Operator-Strahls ( operator ray ) eingeführt werden. Er fasst alle zu einer Strahltransformation kompatiblen unitären bzw. antiunitären Transformationen zusammen. Û(ĝ) = {ω(ĝ)u(ĝ) ω = 1} (41) Es gibt nun zu jedem ĝ genau einen unitären bzw. antiuntären Operatorstrahl. Somit formt Û eine zu ĝ isomorphe Gruppe. Dass es genau einen Operatorstrahl gibt, ist durch die Konstruktion gegeben, und lässt sich leicht daran veranschaulichen, dass es nur einen Operator gibt, der die Basisvektoren auf die neuen Basisvektoren abbildet. Für die Transformationen gilt dies jedoch nicht, denn für jedes ĝ gibt es natürlich unendliche viele mögliche Transformationen. Sie bilden nicht einmal eine Gruppendarstellung, was im nächsten Schritt aber genauer betrachtet wird. 9. Um dieses Problem zu veranschaulichen, betrachte eine Symmetriegruppe Ĝ. Zu jedem Element ĝ aus der Gruppe gibt es ein Û. Doch welches U aus Û soll nun gewählt werden? Hierfür gibt es keinen Hinweis. Seien ĝ, ĥ und ĵ Strahltransformationen aus der selben Symmetriegruppe, wobei ĝ ĥ = ĵ gilt. Wähle nun beliebige U g, U h und U j aus den Operatorstrahlen aus. Dann gilt allgemein, dass U g U h Ûj aber U g U h U j, da sie eine beliebige Phase haben. Das bedeutet, dass die unitären bzw. anitunitären Transformationen nur eine Darstellung der Operatorstrahlgruppe bis auf einen Faktor modulo eins sind. U g U h = ω(g, h)u g,h (42) Für manche Gruppen lässt sich durch geeignete Wahl der Transformationen ω(g, h) vereinfachen. Zum Beispiel für die Rotationsgruppe. Dort ist ω = ±1. Das Wigner Theorem wurde nun vollständig gezeigt. Hier noch einmal die drei Aussagen: Für jede Symmetriegruppe G eines physikalischen Systems gibt es eine Gruppe Ĝ von Strahltransformationen ĝ isomorph zu G eine Gruppe von ÛG von unitären bzw. antiunitären Operatorstrahlen Û auch isomorph zu G eine Reihe unitärer bzw. antiunitärer Operatoren U Û. Wählt man beliebig jeweils ein U aus den Strahltransformationen aus, so bilden diese eine Gruppendarstellung von G bis auf eine Phase. 6

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren 3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)

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

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

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

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

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

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende

Mehr

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

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 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

(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

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

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

T2 Quantenmechanik Lösungen 4

T2 Quantenmechanik Lösungen 4 T2 Quantenmechanik Lösungen 4 LMU München, WS 17/18 4.1. Lösungen der Schrödinger-Gleichung Beweisen Sie die folgenden Aussagen. Prof. D. Lüst / Dr. A. Schmi-May version: 06. 11. a) Die Separationskonstante

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

Skalarprodukt, Norm & Metrik

Skalarprodukt, Norm & Metrik Skalarprodukt, Norm & Metrik Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 11. Mai 2016 Stefan Ruzika 5: Skalarprodukt, Norm & Metrik 11. Mai 2016 1 / 13 Gliederung 1

Mehr

Liegruppen und Liealgebren

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

Mehr

Lineare Algebra. 1 Lineare Abbildungen

Lineare Algebra. 1 Lineare Abbildungen Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe

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

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil

Mehr

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren

Mehr

1 Fraktale Eigenschaften der Koch-Kurve

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

Mehr

2.3 Basis und Dimension

2.3 Basis und Dimension Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit

Mehr

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel 4 Orthogonalität 4. Motivation Im euklidischen Raum ist das euklidische Produkt zweier Vektoren u, v IR n gleich, wenn die Vektoren orthogonal zueinander sind. Für beliebige Vektoren lässt sich sogar der

Mehr

Einführung in die Grundlagen der Numerik

Einführung in die Grundlagen der Numerik Einführung in die Grundlagen der Numerik Institut für Numerische Simulation Rheinische Friedrich-Wilhelms-Universität Bonn Wintersemester 2014/2015 Normierter Vektorraum Sei X ein R-Vektorraum. Dann heißt

Mehr

Differentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11

Differentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11 Institut für Analysis Prof. Dr. Wolfgang Reichel Dipl.-Math. Anton Verbitsky Aufgabe 1 Differentialgleichungen und Hilberträume Sommersemester 14 Übungsblatt 11 5 Punkte In dieser Aufgabe geht es um die

Mehr

2.2 Kollineare und koplanare Vektoren

2.2 Kollineare und koplanare Vektoren . Kollineare und koplanare Vektoren Wie wir schon gelernt haben, können wir einen Vektor durch Multiplikation mit einem Skalar verlängern oder verkürzen. In Abbildung 9 haben u und v die gleiche Richtung,

Mehr

2.3.4 Drehungen in drei Dimensionen

2.3.4 Drehungen in drei Dimensionen 2.3.4 Drehungen in drei Dimensionen Wir verallgemeinern die bisherigen Betrachtungen nun auf den dreidimensionalen Fall. Für Drehungen des Koordinatensystems um die Koordinatenachsen ergibt sich 1 x 1

Mehr

Definition von R n. Parallelverschiebungen in R n. Definition 8.1 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R... R (n-mal), d.h.

Definition von R n. Parallelverschiebungen in R n. Definition 8.1 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R... R (n-mal), d.h. 8 Elemente der linearen Algebra 81 Der euklidische Raum R n Definition von R n Definition 81 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R R (n-mal), dh R n = {(x 1, x 2,, x n ) : x

Mehr

12. R n als EUKLIDISCHER VEKTORRAUM

12. R n als EUKLIDISCHER VEKTORRAUM 12. R n als EUKLIDISCHER VEKTORRAUM 1 Orthogonalität in der Ebene. Die Vektoren in der Ebene, die (im üblichen Sinne) senkrecht zu einem Vektor x = (x 1, x 2 ) T stehen, lassen sich leicht angeben. Sie

Mehr

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - en Kommentare an HannesKlarner@FU-Berlinde FU Berlin SS 1 Dia- und Trigonalisierbarkeit Aufgabe (1) Gegeben seien A = i i C 3 3 und B = 1

Mehr

Brückenkurs Mathematik. Mittwoch Freitag

Brückenkurs Mathematik. Mittwoch Freitag Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs

Mehr

Mit Skalarprodukt und Vektorprodukt lässt sich ein weiteres, kombiniertes Produkt, das Spatprodukt

Mit Skalarprodukt und Vektorprodukt lässt sich ein weiteres, kombiniertes Produkt, das Spatprodukt Mit Skalarprodukt und Vektorprodukt lässt sich ein weiteres, kombiniertes Produkt, das Spatprodukt a ( b c) bilden. Aus der geometrischen Interpretation von Skalarprodukt und Vektorprodukt ist sofort ersichtlich,

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter

Mehr

2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.

2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R. Übung 6 1) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 + bx 2 + c mit a, b, c R und nennen diesen V. Die Vektoren f 1 (x) = 2x 4 + 2x 2 + 2 und f 2 (x) = 3x 4 + x 2 + 4 sind in diesem Vektorraum

Mehr

L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...

L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt

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

9 Vektorräume mit Skalarprodukt

9 Vektorräume mit Skalarprodukt 9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden

Mehr

7 Vektorräume und Körperweiterungen

7 Vektorräume und Körperweiterungen $Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig

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

(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2

(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2 Vektoren Mit der Vektorrechnung werden oft geometrische Probleme gelöst. Wenn irgendwelche Aufgabenstellungen geometrisch darstellbar sind, z.b. Flugbahnen oder Abstandsberechnungen, dann können sie mit

Mehr

Summen und direkte Summen

Summen und direkte Summen Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M

Mehr

Schwartz-Raum (Teil 1)

Schwartz-Raum (Teil 1) Schwartz-Raum (Teil 1) Federico Remonda, Robin Krom 10. Januar 2008 Zusammenfassung Der Schwartz-Raum ist ein Funktionenraum, der besondere Regularitätseigenschaften besitzt, die uns bei der Fouriertransformation

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

Kapitel 5. Vektorräume mit Skalarprodukt

Kapitel 5. Vektorräume mit Skalarprodukt Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der

Mehr

= ( n x j x j ) 1 / 2

= ( n x j x j ) 1 / 2 15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors

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

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

Projektionen auf abgeschlossene konvexe Mengen

Projektionen auf abgeschlossene konvexe Mengen Projektionen auf abgeschlossene konvexe Mengen Seminarvortrag von Veronika Pick Seminar Optimierung bei Herrn Prof. Dr. F. Jarre Heinrich-Heine-Universität Düsseldorf SS 2006 1 Vorbemerkung Das Seminarthema

Mehr

Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif

Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif 14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte

Mehr

L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...

L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt

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

1 Euklidische und unitäre Vektorräume

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

Mehr

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

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 10 Bewegungen Wir haben schon mehrfach die Würfelgruppe betrachtet, also die Gruppe der eigentlichen Symmetrien an einem Würfel.

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

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung

Mehr

Aufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie:

Aufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie: Aufgabe I (4 Punkte Gegeben seien die Matrix und die Menge Zeigen Sie: H := L := {A R 4 4 A HA = H} a L ist bezüglich der Matrizenmultiplikation eine Gruppe b Die Matrizen der Form ( E O, O B wobei E R

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

Dualitätssätze der linearen Optimierung

Dualitätssätze der linearen Optimierung Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =

Mehr

Ausgangsfrage: gegeben Vektorraum, wieviele Komponenten hat. allgemein: ein Vektorraum mit, heisst 'Unterraum' von. ist ein Unterraum von V.

Ausgangsfrage: gegeben Vektorraum, wieviele Komponenten hat. allgemein: ein Vektorraum mit, heisst 'Unterraum' von. ist ein Unterraum von V. L2.3 Basis und Dimension Ausgangsfrage: gegeben Vektorraum, wieviele Komponenten hat Formaler: was ist die 'Dimension' von Sei Definition: 'Span' 'lineare Hülle' = alle möglichen Linearkombination der

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I Wintersemester 3/ Aufgabenblatt 6. Januar Präsenzaufgaben

Mehr

Konstruktion reeller Zahlen aus rationalen Zahlen

Konstruktion reeller Zahlen aus rationalen Zahlen Konstruktion reeller Zahlen aus rationalen Zahlen Wir nehmen an, daß der Körper der rationalen Zahlen bekannt ist. Genauer wollen wir annehmen: Gegeben ist eine Menge Q zusammen mit zwei Verknüpfungen

Mehr

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni.

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni. Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Eigenvektoren

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 34 Die Diagonalisierbarkeit von Isometrien im Komplexen Satz 34.1. Es sei V ein endlichdimensionaler C-Vektorraum

Mehr

1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat.

1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. 1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. übliche Beispiele: Ort r = r( x; y; z; t ) Kraft F Geschwindigkeit

Mehr

Unter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über

Unter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über 9 Innere Produkte In diesem Kapitel betrachten wir immer Vektorräume über dem Körper der reellen Zahlen R oder dem Körper der komplexen Zahlen C. Definition 9.1: Sei V ein Vektorraum über R. Ein inneres

Mehr

Lösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:

Lösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: Lineare Algebra D-MATH, HS 04 Prof. Richard Pink Lösung zu Serie. [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: a) F (X) := X 5 X in R[X] und C[X]. b) F (X) := X 4 +X 3 +X in

Mehr

49 Tensorprodukt. Diese Abbildung ist offensichtlich bilinear. Sie hat außerdem die folgende universelle Eigenschaft:

49 Tensorprodukt. Diese Abbildung ist offensichtlich bilinear. Sie hat außerdem die folgende universelle Eigenschaft: 49 Tensorprodukt Zusammenfassung Das Tensorprodukt von Vektorräumen erlaubt die Linearisierung von bilinearen und multilinearen Abbildungen zwischen Vektorräumen. Varianten des Tensorproduktes sind das

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

Mathematik für Anwender II

Mathematik für Anwender II Prof Dr H Brenner Osnabrück SS 22 Mathematik für Anwender II Vorlesung Euklidische Vektorräume Im Anschauungsraum kann man nicht nur Vektoren addieren und skalieren, sondern ein Vektor hat auch eine Länge,

Mehr

Orthonormalbasis. Orthogonalentwicklung

Orthonormalbasis. Orthogonalentwicklung Orthonormalbasis Eine Orthogonal- oder Orthonormalbasis des R n (oder eines Teilraums) ist eine Basis {v,..., v n } mit v i = und v i, v j = für i j, d. h. alle Basisvektoren haben Norm und stehen senkrecht

Mehr

Orthogonale Waveletbasen

Orthogonale Waveletbasen Orthogonale Waveletbasen Johannes Stemick 12.12.08 Johannes Stemick () Orthogonale Waveletbasen 12.12.08 1 / 46 Übersicht 1 Multiskalenanalyse und Skalierungsfunktion Haar-Basis Multiskalenanalyse Konstruktion

Mehr

Vorlesung Mathematik 2 für Informatik

Vorlesung Mathematik 2 für Informatik Vorlesung Mathematik für Informatik Inhalt: Lineare Algebra Rechnen mit Vektoren und Matrizen Lineare Gleichungssysteme, GauÿAlgorithmus Vektorräume, Lineare Abbildungen Eigenwerte und Eigenvektoren Literatur

Mehr

Übungsblatt

Übungsblatt Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen

Mehr

Länge, Skalarprodukt, Geradengleichungen

Länge, Skalarprodukt, Geradengleichungen Länge, Skalarprodukt, Geradengleichungen Jörn Loviscach Versionsstand: 9. April 2010, 18:48 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.youtube.com/joernloviscach

Mehr

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Lösungen Serie 6 (Vektorräume, Skalarprodukt) Fachhochschule Nordwestschweiz (FHNW Hochschule für Technik Institut für Geistes- und Naturwissenschaft Lösungen Serie 6 (Vektorräume, Skalarprodukt Dozent: Roger Burkhardt Klasse: Studiengang ST Büro:

Mehr

Kapitel 2: Mathematische Grundlagen

Kapitel 2: Mathematische Grundlagen [ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen

Mehr

~ v 2. Abbildung 3: Zweiter Schritt des Gram-Schmidt-Verfahrens. k 1. i=1. v k = w k

~ v 2. Abbildung 3: Zweiter Schritt des Gram-Schmidt-Verfahrens. k 1. i=1. v k = w k v 1 v 1 v 2 v 2 W 2 -v (v, v ) 1 1 2 Abbildung 3: Zweiter Schritt des Gram-Schmidt-Verfahrens. k. Schritt: Subtraktion der Komponenten von ṽ k in Richtung von v 1,v 2,...,v k 1 und Normierung von w k auf

Mehr

3. Übungsblatt zur Lineare Algebra I für Physiker

3. Übungsblatt zur Lineare Algebra I für Physiker Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte

Mehr

Lernunterlagen Vektoren in R 2

Lernunterlagen Vektoren in R 2 Die Menge aller reellen Zahlen wird mit R bezeichnet, die Menge aller Paare a 1 a 2 reeller Zahlen wird mit R 2 bezeichnet. Definition der Menge R 2 : R 2 { a 1 a 2 a 1, a 2 R} Ein Zahlenpaar a 1 a 2 bezeichnet

Mehr

Kapitel 13. Lineare Gleichungssysteme und Basen

Kapitel 13. Lineare Gleichungssysteme und Basen Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x

Mehr

Projektarbeit Quantenmechanik II

Projektarbeit Quantenmechanik II Projektarbeit Quantenmechanik II Konzepte der Quantenmechanik Kets, Bras und Operatoren Gruppe Born Stefan Brünner, Corinna Gressl, Barbara Krebl Stefan Sattler, Hans-Peter Zach Sommersemester 2008 Abstract

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

Fouriertransformation und Unschärfeprinzip

Fouriertransformation und Unschärfeprinzip Information, Codierung, Komplexität 2 SS 2007 24. April 2007 Das berühmte von Heisenberg in der Quantentheorie beruht, rein mathematisch betrachtet, auf einer grundlegenden Eigenschaft der der Dichtefunktionen

Mehr

Henning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich

Henning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es

Mehr

Vektoren, Vektorräume

Vektoren, Vektorräume Vektoren, Vektorräume Roman Wienands Sommersemester 2010 Mathematisches Institut der Universität zu Köln Roman Wienands (Universität zu Köln) Mathematik II für Studierende der Chemie Sommersemester 2010

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

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

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

Quantenmechanik-Grundlagen Klassisch: Quantenmechanisch:

Quantenmechanik-Grundlagen Klassisch: Quantenmechanisch: Quantenmechanik-Grundlagen HWS DPI 4/08 Klassisch: Größen haben i. Allg. kontinuierliche Messwerte; im Prinzip beliebig genau messbar, auch mehrere gemeinsam. Streuung nur durch im Detail unbekannte Störungen

Mehr

7 Diracs Bracket-Notation

7 Diracs Bracket-Notation 7 Diracs Bracket-Notation 71 Entwicklungen nach Eigenfunktionen 711 Oszillator-Eigenfunktionen Die Oszillator-Eigenfunktionen Φ n (x), Φ n (x) = N n H ( x) n e x 2 /2a 2, N n = a 1 2 n n! πa (n = 0, 1,

Mehr

Lineare Algebra für PhysikerInnen

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

Mehr

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

Vektorprodukt. Der Vektor. ist zu a und b orthogonal, gemäß der. Rechten-Hand-Regel orientiert und hat die Länge c = a b

Vektorprodukt. Der Vektor. ist zu a und b orthogonal, gemäß der. Rechten-Hand-Regel orientiert und hat die Länge c = a b Vektorprodukt Der Vektor c = a b ist zu a und b orthogonal, gemäß der Rechten-Hand-Regel orientiert und hat die Länge c = a b sin( ( a, b)), die dem Flächeninhalt des von den Vektoren a und b aufgespannten

Mehr

Theoretische Physik 1, Mechanik

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

Mehr

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

03. Vektoren im R 2, R 3 und R n

03. Vektoren im R 2, R 3 und R n 03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen

Mehr