Das innere Produkt von zwei Vektoren in V entspricht dem standard Skalarprodukt ihrer Komponenten bezüglich einer Orthonormalbasis von V.

Ähnliche Dokumente
L5.6 Symmetrische, hermitesche, orthogonale und unitäre Matrizen (Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen)

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

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

In allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)

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

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

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.

und Unterdeterminante

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Euklidische und unitäre Vektorräume

L5 Matrizen I: Allgemeine Theorie

5 Lineare Algebra (Teil 3): Skalarprodukt

Vektorräume und Rang einer Matrix

Euklidische und unitäre Vektorräume

Lineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.

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

4 Lineare Abbildungen und Matrizen

L2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:

Lineare Algebra Zusammenfassung

4.3 Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen

6 Hauptachsentransformation

Mathematische Erfrischungen III - Vektoren und Matrizen

Vektoren und Matrizen

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

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte

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

LINEARE ALGEBRA II. FÜR PHYSIKER

9. Übung zur Linearen Algebra II -

35 Matrixschreibweise für lineare Abbildungen

5. Matrizen und Determinanten

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

Hilfsblätter Lineare Algebra

6. Normale Abbildungen

Übersicht Kapitel 9. Vektorräume

3 Lineare Algebra Vektorräume

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

4 Lineare Abbildungen und Matrizen

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

Musterlösung zur Klausur Lineare Algebra I

Basiswechsel. Oder: Wie rechnet man die Koordinaten bzgl. einer Orthonormalbasis in die Koordinaten bzgl. einer anderen Orthonormalbasis um?

MLAN1 1 MATRIZEN 1 0 = A T =

Matrixprodukt und Basiswechsel bei Abbildungen

3 Matrizen und Lineare Gleichungssysteme

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015

Lineare Algebra. 9. Übungsstunde. Steven Battilana.

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 8 (SS 2011) Abgabetermin: Donnerstag, 9. Juni.

1 Matrizenrechnung zweiter Teil

4.4 Hermitesche Formen

Lineare Algebra II 8. Übungsblatt

Spezielle Matrixformen

Prüfung Lineare Algebra 2

Mathematik für Naturwissenschaftler II SS 2010

Chr.Nelius : Lineare Algebra II (SS 2005) 1. Wir wollen hier eine Beschreibung des Gauß-Algorithmus mit Hilfe der sog. Elementarmatrizen vornehmen.

Orthonormalbasis. Orthogonalentwicklung

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).

10.2 Linearkombinationen

Mathematik für Physiker, Informatiker und Ingenieure

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

Lernhilfe Höhere Mathematik I

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren

7 Lineare Abbildungen und Skalarprodukt

36 2 Lineare Algebra

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:

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

3 Matrizenrechnung. 3. November

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

Lineare Abbildungen und Matrizen

Lineare Algebra für PhysikerInnen

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren

Lineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß

Serie 10: Inverse Matrix und Determinante

1 Die Jordansche Normalform

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12

, c d. f + e + d. ae + bg a f + bh. ce + dg c f + dh

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren

MATRIZEN. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2...

Nun erinnern wir an die Konvention, dass die Komponenten von v V (bzgl. B) einen Spaltenvektor. v 1 v 2 v =

1 Definitionen: 6 Punkte gesamt

8 Lineare Abbildungen und Matrizen

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

Kapitel 3 Lineare Algebra

Lineare Algebra. 1 Lineare Abbildungen

2.3 Lineare Abbildungen und Matrizen

Ausgewählte Lösungen zu den Übungsblättern 4-5

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

Lineare Algebra und analytische Geometrie II

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 1 (WS 2010/2011) Abgabetermin: Donnerstag, 21. Oktober.

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

7.2 Die adjungierte Abbildung

3 Bilinearformen und quadratische Formen

Prüfung Lineare Algebra , B := ( ), C := 1 1 0

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

Transkript:

L5.6 Orthogonale und unitäre Matrizen (invertierbare Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen) Reelles inneres Produkt in -Vektorraum [siehe L3.1b]: 'reeller Vektorraum' (i) Symmetrie: (iii) Linearität bzgl. Skalarmultiplikation: (ii) Linearität bzgl. Vektoraddition: (iv) Positiv definit: Reelles Skalarprodukt (in Standardraum ) 'wenn, und nur wenn' Erinnerung: Bezug zwischen innerem Produkt und Skalarprodukt Orthonormalbasis Isomorphismus: Inneres Produkt in V liefern dasselbe Inneres Produkt in Das innere Produkt von zwei Vektoren in V entspricht dem standard Skalarprodukt ihrer Komponenten bezüglich einer Orthonormalbasis von V. In diesem Sinne:

Skalarprodukt (reell) von transformierten Vektoren und explizit: 'transponierte Matrix' Vertauschen von oben unten, um Einsteinsche Summenform zu erhalten (harmlos: Matrix ändert sich nicht, per Definition!) 'Transponieren', d.h. Vertauschen von Reihenindex (links) Spalten-Index (recht); liefert 'transponierte Matrix' Transponierte Matrix Def: "Transponierte v. A": (tausche Zeilen Spalten d.h., spiegle in der Diagonale) Explizit: m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft: Beweis:

Verallgemeinerung für komplexe Vektorräume: komplexes inneres Produkt Komplexes inneres Produkt in -Vektorraum: 'komplexer Vektorraum' [Anwendung: QM!] (i) Symmetrie (bis auf kompl. Konj.): komplexe Konjugation, (iii) Linearität bzgl. Skalarmultiplikation: keine Konjugation (ii) Linearität bzgl. Vektoraddition: (iv) Positiv definit: 'wenn, und nur wenn' Anmerkung: Komplexes Skalarprodukt, in Standardraum: Definition: komplexe Konjugation, wichtig, denn sie garantiert Positivität, siehe (3) Positivität: wird üblicherweise weggelassen Beispiel in : Dargestellt Einstein-Summationsnotation:

Skalarprodukt (komplex) von transformierten Vektoren und explizit: 'unitäre Matrix' Vertauschen von oben unten (harmlos: Matrix ändert sich nicht, per Definition!) 'Transponieren' und komplex konjugieren liefert 'heresch konjugierte Matrix' Heresch konjugierte Matrix = transponierte Matrix, komplex konjugiert Komplexe Matrix: Def: "Transponierte v. A": (tausche Zeilen Spalten, d.h., spiegle in der Diagonale) (L5.6d.2) Def: "heresch konjugierte v. A": (transponiere und komplex konjugiere) Falls A [sprich: A-Kreuz, Englisch: A-dagger] z.b. m=2,n=3: Eigenschaft: [vergleiche (L5.6d)] Beweis:

Unitäre und orthogonale Matrizen Welche Abbildungen lassen das Skalarprodukt invariant? (für diese sind auch Längen und Relativwinkel invariant) oder [(2) ist Spezialfall von (1); wir betrachten so zunächst (1), spezialisieren bei Bedarf später auf (2)] explizit: Forderung: Skalarprodukt sei invariant: Transposition: Skalarprodukt ist invariant falls (7) ist erfüllt falls: Kompaktversion des Arguments von te L5.6i: Spaltenvektor: Reihenvektor: Matrixmultiplikation 1xn Matrix nx1 Matrix Analog: Forderung (i.5): Für reelle Matrizen liefert (6): [wie (i.6)]

Definition: Unitäre bzw. orthogonale Matrizen: ist 'unitär' falls ist 'orthogonal' falls In Komponenten ausgeschrieben, für unitäre Matrix, Gl. (1): Matrixmultiplikation Spalte i v. D, Spalte j v. D Orthogonale Matrix (analog): Fazit: die Spaltenvektoren einer unitären oder orthogonalen Matrix bilden eine orthonormierte Basis. (Analog für Zeilenvektoren.) Beispiele: ist unitär: ist orthogonal:

Unitäre bzw. orthogonale Matrizen bilden Gruppen unter Matrixmultiplikation 'Unitäre Gruppe': 'Orthogonale Gruppe': Gruppeneigenschaften (L1c) sind erfüllt: z.b. für unitäre Matrizen: (orthog. analog) (i) Abgeschlossenheit: en und unitär. Dann gilt dasselbe für, denn: (L5r'.5) (i) Assoziativität: gilt für Matrixmultiplikation [siehe (L5o.1)] (ii) Neutrales Element: ist unitär, d (iii) Inverse: und unitär. Dann gilt dasselbe für denn: so erfüllt (f.1). Zusammenfassung: L5.4 Orthogonale und unitäre Matrizen Reelles Skalarprodukt: Komplexes Skalarprodukt: Komplexe Matrix: Transponierte heresch Konjugierte: ist 'orthogonal' falls Reelles Skalarprodukt invariant: ist 'unitär' falls Komplexes Skalarprodukt invariant: Spalten (oder Zeilen-)vektoren einer unitären oder orthogonalen Matrix bilden eine orthonormierte Basis.