Theoretical Physics
Математические методы
Алгебра
Специальные функции
Физика
Механика
⚠ Что изучает?
Операции над множествами
Линейная алгебра
Алгебра векторов
⚠ Что изучает?
Операции над линейными объектами
👁
Пространства
Линейное пространство
📝 Обозначается: Λn
Линейное пространство aka Векторное пространство – множество, между элементами которого:
- Есть операция сравнения на равенство между a и b
- Есть процедура сопоставления двум элементам третьего (сумма): c=a+b ⚠ аксиомы!
- Есть процедура сопоставления элементу другого через число: c = \lambda a ⚠ аксиомы!
- Дистрибутивность суммы и умножения на число:
4.1. (\lambda + \mu)a = \lambda a + \mu a ;
4.2. \lambda (a + b) = \lambda a + \lambda b
Аксиомы умножения на число
- Единичный элемент: \(1a = a\)
- Ассоциативность: \(\lambda \mu a = \lambda (\mu a)\)
Аксиомы суммы
- \(a + b = b + a\) (коммутативность)
- \(a + (b + c) = (a + b) + c\) (ассоциативность)
- Нулевой элемент: \(a + 0 = a\)
- Есть противоположные элементы: \(a + (-a) = 0\)
⚠ Что изучает?
Общие зависимости между элементами множеств
Линейная комбинация – комбинация элементов пространства вида
\[\sum_{i=1}^{n} \lambda_i a_i\]
Линейно зависимые
\[\sum_{i=1}^{n} \lambda_i a_i = 0\]
⚠ Важно: \(\lambda_i \neq 0\)
Безис – упорядоченный набор элементов множества
- Лениейно независимы
- Если добавить еще элемент,то он будет линейно зависим
⚠ Важно: в \(\Lambda^n\) базис может быть выбран не единственным образом!
Определение линейной независимости
Размерность пространства – количество элементов в базисе
📝 Обозначается: \(\Lambda^n\), где \(n\) – размерность
Теорема
О единственности разложения в базис
Для каждого элемента пространства существует единственное представление в виде линейной комбинации базисных элементов
Определение линейной зависимости
Линейно независимые
\[\sum_{i=1}^{n} \lambda_i a_i \neq 0 \]
⚠ Важно: кроме \(\lambda_i = 0\)
Координаты – компоненты (\(\lambda_i\)) разложения по базису
Теорема
О переходе от одного базиса к другому
Старый базис: \(\{x_1, x_2, \ldots, x_n\}\)
Новый базис: \(\{y_1, y_2, \ldots, y_n\}\)
Разложение в старом базисе: \(a = \sum_{i=1}^n \alpha_i x_i\)
Разложение в новом базисе: \(a = \sum_{i=1}^n \beta_i y_i\)
Переход: \[\alpha_i = \sum_{j=1}^n \sigma_{ij}\beta_j \]
\(\sigma_{ij}\) – элементы матрицы перехода \(\mathbf{S}\)
Изоморфизм – отображение \(\hat F: \Lambda_1 \to \Lambda_2\) такое, что:
- \(\hat F(x+y) = \hat F(x) + \hat F(y)\)
- \(\hat F(\lambda x) = \lambda \hat F(x)\)
Если так, тогда пространства \(\Lambda_1\) и \(\Lambda_2\) – изоморфны
⚠ Важно: размерности \(\Lambda_1\) и \(\Lambda_2\) совпадают!
Оператор
📝 Обозначается: \(\hat A\)
Оператор – сопоставления элементов из простраства \(\Lambda\) в элементы пространства \(\Lambda'\).
📝 Отображение обозначают так: \(y = \hat A x\)
\(x\) – прообраз \(y\)
\(y\) – образ \(x\)
Виды операторов
Отображение – такой оператор, что \(\Lambda' \not\subset \Lambda\)
Матрица обратного перехода:
\(\mathbf{T} = \mathbf{S}^{-1}\)
Типы линейных отображений
Инъекция
Элементы \(\Lambda_1\) всегда отображаются в разные элементы \(\Lambda_2\)
Преобразование – такой оператор, что \(\Lambda' \subseteq \Lambda\)
Операции с операторами
Произведение
Коммутатор
Сюръекция
У каждого элемента в \(\Lambda_2\) есть прообраз в \(\Lambda_1\)
Сумма
Характеристики оператора
Ранг
Ядро
Биекция
У каждого элемента \(\Lambda_1\) есть один элемент в \(\Lambda_2\) и наоборот
Собственные значения
Особые виды операторов
Функционал – оператор, множество значений которого есть множество вещественных чисел
Линейный функционал
Билинейный функционал
Полилинейные функционалы
Особые виды линейных пространств
Евклидовом пространство – линейное (векторное) пространство над полем вещественных чисел со скалярным произведением
Пространство Минковского
Важные задачи и методы
Приведение квадратичных функционалов к диагональному виду
Аппроксимация функций многочленами
Унитарное пространство – линейное (векторное) пространство над полем комплексных чисел со скалярным произведением, для которого работают следующие аксиомы:
- \(\langle a|b \rangle = \langle b|a \rangle^*\)
- \(\langle \lambda a| b \rangle = \lambda^* \langle b|a \rangle\)
- \(\langle a_1+a_2|b \rangle = \langle a_1 |b \rangle + \langle a_2|b \rangle\)
- \(\langle a|a \rangle = r \ge 0\) (вещественное)
⚠ используются дираковские скобки (bra-ket нотация)
Специальные виды операторов
Эрмитов оператор
aka самосопряжённый оператор
\(\hat A = \hat A^{+} \)
Унитарный оператор
\[ \hat A \hat A^* = \hat A^*\hat A = \hat I \]
Свойства
\( \langle \hat A a| \hat A b \rangle = \langle a | b \rangle \)
\(\langle \hat A a|b \rangle = \langle a | \hat A^{+} b \rangle \)
Собственные значения
Вещественные числа
Собственные векторы
Ортогональны
Можно составить ортонормированный базис из собственных векторов
⚠ В оротонормированном базисе матрица эрмитова
Теорема
Об общих собственных векторах
У \(\hat A\) и \(\hat B\) есть общие собственные векторы, если \(\hat A \hat B = \hat B \hat A \) (коммутируют).
Теорема
О Вырождении
Если \(\hat A\) коммутирует с \(\hat B\) и \(\hat C\), а \(\hat B\) и \(\hat C\) между собой не коммутируют, то собственные значения \(\hat A\) вырожденные.
Эрмитов функционал
aka Эрмитова форма
\(\Phi(x)=\langle x | \hat A x \rangle \)
Среднее значение эрмитова оператора по \(a\)
\(\overline{(\hat A_a)}=\langle a | \hat A a \rangle \)
⚠ среднее – вещественное
Дисперсия значения эрмитова оператора
\(D_a \hat A = \overline{\left(\hat A^2\right)_a} - \left(\overline{\hat A_a}\right)^2\)
Если \(a\) – нормированный собственный вектор с собственным числом \(\lambda\), то
\(\overline{(\hat A_a)} = \lambda \)
Теорема
О дисперсии по нормированному собственному вектору
Дисперсия по нормированному собственному вектору \(D_a \hat A = 0\)
Теорема
О соотношении неопределенностей
\(D_a \hat A D_a \hat B \ge \frac{1}{4} \left| \overline{ \left( \hat A \hat B - \hat B \hat A \right)_a} \right|^2\)
создание математических моделей и сопоставление их с реальностью
Теория поля
Квантовая теория поля