5.1 Eigenwerte und Eigenvektoren

Größe: px
Ab Seite anzeigen:

Download "5.1 Eigenwerte und Eigenvektoren"

Transkript

1 5 Eigenwerte und Eigenvektoren Die Eigenwerttheorie ist ein besonders wirkungsvolles Werkzeug der linearen Algebra Sie liefert zb Lösungsethoden zur Auffindung von - Fixgeraden linearer Abbildungen, insbesondere Streck- oder Drehachsen, - Spiegelebenen von Spiegelungen - Noralforen von Kegelschnitten, Ellipsoiden, Hyperboloiden, Paraboloiden etc - Diagonalisierungen syetrischer Matrizen, insbesondere für Spannungstensoren etc - Lösungen linearer Differentialgleichungssystee, zb bei Schwingungen Eigenwertgleichungen Ist A eine quadratische Matrix und f die zugehörige lineare Abbildung, so heißt eine koplexe Zahl λ Eigenwert und ein Spaltenvektor v 0 zugehöriger Eigenvektor von A bzw f, falls A v λ v Mit anderen Worten: Die von eine Eigenvektor erzeugte Gerade bleibt in ihrer Gesatheit bei Anwendung von f unverändert, und jeder einzelne Vektor dieser Geraden wird u den Faktor λ "gestreckt" Die Eigenvektoren zu Eigenwert λ einschließlich de Nullvektor bilden einen Unterrau, den zu λ gehörigen Eigenrau V ( A, λ ) V ( f, λ ) Beispiel : Eine Streckung i dreidiensionalen Rau R 3 entlang den Koordinatenachsen wird durch eine Diagonalatrix λ 0 0 Λ 0 λ λ 3 bewirkt, wobei in der Diagonale die jeweiligen Streckfaktoren stehen Diese sind genau die Eigenwerte der Matrix Λ, und die kanonischen Einheitsvektoren e 0 0, e, sind zugehörige (norierte) Eigenvektoren Für λ, λ 2 2, λ 3 5 ergibt sich zu Beispiel folgendes Bild der Streckung bzw Stauchung eines Würfels: e 3 0 0

2 Beispiel 2: Eine räuliche Drehung hat stets den Eigenwert, und die Drehachse ist der zugehörige Eigenrau (denn die Punkte auf dieser Achse sind die einzigen, die unverändert bleiben) Ebene Drehungen haben keine reellen Eigenwerte (außer bei ganzzahligen Vielfachen einer halben Drehung, wo die Eigenwerte - und auftreten; siehe Beispiel 3) Beispiel 3: Eine Spiegelung an einer zur Achse R a senkrechten Ebene durch den Nullpunkt läßt diese Ebene punktweise fest und bildet alle Punkte der Achse auf den gegenüberliegenden Punkt ab Daher ist ein Eigenwert und die Spiegelebene der zugehörige Eigenrau; ein weiterer Eigenwert ist -, und der zugehörige Eigenrau ist die auf der Spiegelebene senkrechte Achse R a

3 Beispiel 4: Eine Drehstreckung in der koplexen Ebene it de Streckfaktor r und de Drehwinkel φ wird bewirkt durch die Multiplikation it der koplexen Zahl λ a + i b r e ( i φ ) Die reelle Darstellungsatrix dieser linearen Abbildung ist A a b b a Denn es gilt einerseits A x y und andererseits a x b y b x + a y λ ( x + i y ) a x b y + i ( b x + a y ) Die reelle Matrix A hat die koplexen Eigenwerte λ a + i b und λ a i b Die zu λ gehörigen Eigenvektoren sind die Vielfachen des koplexen Vektors i denn es gilt A i, a b i b + i a b a a + i b λ Entsprechend sind die zu λ gehörigen Eigenvektoren die Vielfachen des Vektors i, denn es gilt A i a b i b a b + i a a + i b λ i Außer für die Spezialfälle φ 0 und φ π (reine Streckungen, dh b 0) gibt es keine reellen Eigenvektoren, dh die Richtung eines jedes von 0 veschiedenen Vektors wird durch Anwendung der Drehstreckung verändert In dieser und ähnlichen Situationen uß an Vektorräue über C statt R zulassen, u alle Eigenwerte zu bekoen i

4 I Falle φ π wird die Richtung ugekehrt : A v r v Zu Beispiel erhält an für φ π und r 2 die folgende Darstellung eines Quadrats und seines Bildes unter einer Drehung u π und Streckung u 2: Beispiel 5: Schwingende Massenpunkte Zwei entlang einer geeinsaen Achse schwingende punktförige Massen und 2 it geeinsaer Rücktriebs- bzw Federkonstante sind über eine weitere Federkonstante c 2 gekoppelt

5 Die Massenpunkte werden (i Falle fehlenden Reibungsverlustes) in haronischen Schwingungen gleicher Frequenz ausgelenkt: s j ( t ) v j cos( ω t ) ( j, 2), wobei sich nach de Hookeschen Gesetz die Rückstellkräfte über die Gleichungen ( ) s c 2 s 2 2 ω 2 s und ( ) s 2 c 2 s ω 2 s 2 2 berechnen Das führt auf eine Eigenwertgleichung A v ω 2 v, die explizit folgenderaßen aussieht: c 2 2 v 2 + c ω 2 v 2 v 2 v 2 2 Die Matrix hat zwei positive Eigenwerte λ und λ 2 Aus diesen ergeben sich die sogenannten Eigenfrequenzen ω λ und ω 2 λ 2 Jede Superposition der Eigenschwingungen it diesen beiden Frequenzen erweist sich als Lösung der obigen Bewegungsgleichung Die allgeeine Berechnung wird etwas kopliziert Bei gleichen Massen 2 hat an speziell die Eigenwerte λ + 2 c 2 und λ 2 it den zugehörigen Eigenvektoren und, denn es gilt λ c c 2 c 2 λ 2 c c 2 c 2 I ersten Fall hat an eine gleichphasige Schwingung s ( t ) r cos t, s 2 ( t) r cos t,

6 I zweiten Fall ergibt sich eine gegenphasige Schwingung s ( t ) r cos + 2 c 2 t, s ( ) 2 t r cos + 2 c 2 t

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

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

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

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

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

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren KAPITEL Eigenwerte und Eigenvektoren Eigenwerte 4 2 Algebraische Vielfachheit 5 3 Eigenvektoren 6 4 Invarianten 4 5 Diagonalisierung 5 6 Positiv definite Matrizen 2 In der folgenden Übersicht sind einige

Mehr

Übungen zu Lagrange-Formalismus und kleinen Schwingungen

Übungen zu Lagrange-Formalismus und kleinen Schwingungen Übungen zu Lagrange-Foralisus und kleinen Schwingungen Jonas Probst.9.9 Teilchen auf der Stange Aufgabe: Ein Teilchen der Masse wird durch eine Zwangskraft auf einer asselosen Stange gehalten, auf der

Mehr

4.4. Rang und Inversion einer Matrix

4.4. Rang und Inversion einer Matrix 44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert

Mehr

Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Lösungsvorschlag

Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner SS 0 Blatt 9 9060 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach Lösungsvorschlag a Die gegebene Matrix

Mehr

Mathematik II Frühjahrssemester 2013

Mathematik II Frühjahrssemester 2013 Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik

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

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 0/06 Lineare Algebra und analytische Geometrie I Vorlesung... und ein guter Lehrer kann auch einem schlechten Schüler was beibringen Beziehung zwischen Eigenräumen Wir

Mehr

4 Lineare Abbildungen

4 Lineare Abbildungen 17. November 2008 34 4 Lineare Abbildungen 4.1 Lineare Abbildung: Eine Funktion f : R n R m heißt lineare Abbildung von R n nach R m, wenn für alle x 1, x 2 und alle α R gilt f(αx 1 ) = αf(x 1 ) f(x 1

Mehr

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/

Mehr

Drehachse und Drehwinkel

Drehachse und Drehwinkel Drehachse und Drehwinkel Jede Drehung Q im R 3 besitzt eine Drehachse, d.h. lässt einen Einheitsvektor u invariant, und entspricht einer ebenen Drehung um einen Winkel ϕ in der zu u orthogonalen Ebene.

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

A = Eine symmetrische Matrix ist gleich ihrer transponierten Matrix: A t = A

A = Eine symmetrische Matrix ist gleich ihrer transponierten Matrix: A t = A Hans Walser, [07] Smmetrische Matri Die Matri Wir arbeiten mit der smmetrischen Matri: A = 3 6 Eine smmetrische Matri ist gleich ihrer transponierten Matri: A t = A Die Abbildung. Verzerrungsellipse Wir

Mehr

Gekoppelte Schwinger & Normalschwingungsanalyse Eine Einführung

Gekoppelte Schwinger & Normalschwingungsanalyse Eine Einführung Gekoppelte Schwinger & Noralschwingungsanalyse Eine Einführung Stilianos Louca. Juli 007 Inhaltsverzeichnis Vorwort. Kurze Beschreibung des Probles........................................... Fehler gefunden.....................................................

Mehr

++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1

++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1 Hauptachsentransformation. Einleitung Schneidet man den geraden Kreiskegel mit der Gleichung = + und die Ebene ++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen +2 + +dx+ey+f = 0. Die

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Vortrag Gmnasium Birkenfeld Von der mathematischen Spielerei zur technischen Anwendung Vortrag Gmnasium Birkenfeld. Vektoren und Matrizen Wir betrachten einen Punkt P (, ) in der Ebene eines rechtwinklig

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte

Mehr

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β

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

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

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

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +

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

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn

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

3.3. Drehungen und Spiegelungen

3.3. Drehungen und Spiegelungen 3.3. Drehungen und Spiegelungen Drehungen und Spiegelungen in der Ebene Die Multiplikation einer komplexen Zahl z = x + i y (aufgefaßt als Punkt oder Ortsvektor der Ebene) mit der Zahl w = e ( ) = i φ

Mehr

Theoretische Physik: Mechanik

Theoretische Physik: Mechanik Ferienkurs Theoretische Physik: Mechanik Blatt 4 - Lösung Technische Universität München 1 Fakultät für Physik 1 Zwei Kugeln und der Satz von Steiner Nehmen Sie zwei Kugeln mit identischem Radius R und

Mehr

11 Eigenwerte und Eigenvektoren

11 Eigenwerte und Eigenvektoren 11 Eigenwerte und Eigenvektoren Wir wissen bereits, dass man jede lineare Abbildung ϕ : K n K n durch eine n n-matri A beschreiben kann, d.h. es ist ϕ() = A für alle K n. Die Matri A hängt dabei von der

Mehr

9. Übungsblatt zur Mathematik I für Maschinenbau

9. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 9. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS /..-4.. Aufgabe G (Koordinatentransformation)

Mehr

Serie 12: Eigenwerte und Eigenvektoren

Serie 12: Eigenwerte und Eigenvektoren D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie : Eigenwerte und Eigenvektoren Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom 7 und 9 Dezember Finden Sie für folgende

Mehr

ist über C diagonalisierbar.

ist über C diagonalisierbar. Prüfungsaufgaben A 1. (10 Punkte) Kreuzen Sie direkt auf de Aufgabenblatt an, ob die Behauptungen WAHR oder FALSCH sind. Sie üssen Ihre Antworten nicht begründen! Für jede richtige Antwort gibt es 1 Punkt.

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

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

4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI), AngGeo

4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI), AngGeo Fachbereich Mathematik Prof. J. Lehn Hasan Gündoğan, Nicole Nowak Sommersemester 8 4./5./8. April 4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI, AngGeo Gruppenübung Aufgabe G9 (Multiple Choice Bei

Mehr

KLAUSUR. Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.:

KLAUSUR. Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.: KLAUSUR Lineare Algebra (E-Techniker/Mechatroniker/W-Ingenieure/Informatiker).3. (W. Koepf) Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.: Für jede Aufgabe gibt es Punkte. Zum Bestehen der Klausur

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

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

Anwendung v. symmetrischen Matrizen: Hauptachsentransformation

Anwendung v. symmetrischen Matrizen: Hauptachsentransformation Zusammenfassung: Eigenwerte, Eigenvektoren, Diagonalisieren Eigenwertgleichung: Bedingung an EW: Eigenwert Eigenvektor charakteristisches Polynom Für ist ein Polynom v. Grad, Nullstellen. Wenn EW bekannt

Mehr

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2) Lineare Abbildungen Teschl/Teschl.3,. Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:

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

Lineare Algebra I 14. Tutorium Lineare Abbildungen und Matrizen

Lineare Algebra I 14. Tutorium Lineare Abbildungen und Matrizen Lineare Algebra I 4 Tutorium Lineare Abbildungen und Matrizen Fachbereich Mathematik WS / Prof Dr Kollross 7 Februar Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Bewegungen im ) Als Bewegung

Mehr

Übungen zu Lagrange-Formalismus und kleinen Schwingungen

Übungen zu Lagrange-Formalismus und kleinen Schwingungen Übungen zu Lagrange-Formalismus und kleinen Schwingungen Jonas Probst 22.09.2009 1 Teilchen auf der Stange Ein Teilchen der Masse m wird durch eine Zwangskraft auf einer masselosen Stange gehalten, auf

Mehr

x y Kenner der Kegelschnitte werden hier eine Ellipse erkennen, deren Hauptachsen aber nicht mit der Richtung der Koordinatenachsen zusammenfallen.

x y Kenner der Kegelschnitte werden hier eine Ellipse erkennen, deren Hauptachsen aber nicht mit der Richtung der Koordinatenachsen zusammenfallen. Matrizen / ensoren - eil ensoren - zweidimensionales Beispiel um das Eigenwertproblem zu verdeutlichen hier als Beispiel ein zweidimensionales Problem die entsprechenden Matrizen und Determinanten haben

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Betrachtet wird eine (n,n)-matrix A. Eine Zahl λ heißt Eigenwert von A, wenn ein Vektor v existiert, der nicht der Nullvektor ist und für den gilt: A v = λ v.

Mehr

Klausur HM I H 2005 HM I : 1

Klausur HM I H 2005 HM I : 1 Klausur HM I H 5 HM I : 1 Aufgabe 1 4 Punkte): Zeigen Sie mit Hilfe der vollständigen Induktion: n 1 1 + 1 ) k nn k n! für n. Lösung: Beweis mittels Induktion nach n: Induktionsanfang: n : 1 ) 1 + 1 k

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Ergänzung Eigenwerte und Eigenvektoren Motivation Definitionen Beispiele im IR 2 Beispiele im IR 3 Eigenwerte und Eigenvektoren Motivation Lineare Abbildungen, Ausgangsvektor und Bildvektor Lineare Abbildungen

Mehr

2.4 Die Länge von Vektoren

2.4 Die Länge von Vektoren .4 Die Länge von Vektoren 59 Wir können dies auch so sagen: Wir identifizieren (,1)-Spaltenmatrizen mit Vektoren (oder Punkten) aus R, das heißt die Menge R und R 1 werden miteinander identifiziert. Einen

Mehr

5.4 Hauptachsentransformation

5.4 Hauptachsentransformation . Hauptachsentransformation Sie dient u.a. einer möglichst einfachen Darstellung von Kegelschnitten und entsprechenden Gebilden höherer Dimension mittels einer geeigneten Drehung des Koordinatensystems.

Mehr

45 Eigenwerte und Eigenvektoren

45 Eigenwerte und Eigenvektoren 45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.

Mehr

Aufgabenskript. Lineare Algebra

Aufgabenskript. Lineare Algebra Dr Udo Hagenbach FH Gießen-Friedberg Sommersemester Aufgabenskript zur Vorlesung Lineare Algebra 7 Vektoren Aufgabe 7 Gegeben sind die Vektoren a =, b =, c = Berechnen Sie die folgenden Vektoren und ihre

Mehr

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden? Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist

Mehr

Seite 1. sin 2 x dx. b) Berechnen Sie das Integral. e (t s)2 ds. (Nur Leibniz-Formel) c) Differenzieren Sie die Funktion f(t) = t. d dx ln(x + x3 ) dx

Seite 1. sin 2 x dx. b) Berechnen Sie das Integral. e (t s)2 ds. (Nur Leibniz-Formel) c) Differenzieren Sie die Funktion f(t) = t. d dx ln(x + x3 ) dx Seite Aufgabe : a Berechnen Sie das Integral b Berechnen Sie das Integral +x x+x dx. π sin x dx. c Differenzieren Sie die Funktion ft = t e t s ds. Nur Leibniz-Formel a + x x + x dx = d dx lnx + x dx =

Mehr

Probeklausur Lineare Algebra für Physiker

Probeklausur Lineare Algebra für Physiker Fachbereich Mathematik Prof. Dr. K. Grosse-Brauckmann D. Frisch Probeklausur Lineare Algebra für Physiker SS 8 26./27.6.27 Name:..................................... Vorname:.................................

Mehr

Flächen zweiter Ordnung

Flächen zweiter Ordnung 1 Flächen zweiter Ordnung Definition: Eine Fläche zweiter Ordnung ist die Gesamtheit aller Punkte, deren Ortsvektoren x der Gleichung x T A x + p T x + f = 0 genügen, wobei x 1 x = x x 3, A = Ausführliche

Mehr

Eigenwertprobleme. 25. Oktober Autoren: 1. Herrmann, Hannes ( ) 2. Kraus, Michael ( ) 3. Krückemeier, Paul ( )

Eigenwertprobleme. 25. Oktober Autoren: 1. Herrmann, Hannes ( ) 2. Kraus, Michael ( ) 3. Krückemeier, Paul ( ) Eigenwertprobleme 5. Oktober Autoren:. Herrmann, Hannes (45969). Kraus, Michael (9). Krückemeier, Paul (899) 4. Niedzielski, Björn (7) Eigenwertprobleme tauchen in der mathematischen Physik an Stellen

Mehr

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

L5.6 Symmetrische, hermitesche, orthogonale und unitäre Matrizen (Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen) L5.6 Symmetrische, heresche, orthogonale und unitäre Matrizen (Abbildungen, die reelles bzw. komplexes Skalarprodukt invariant lassen) In diesem Kapitel kommen Matrizen in Zusammenhang Skalarprodukt vor.

Mehr

D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j

D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 0 Tom Ilmanen Musterlösung 2. Falls b := (v,,v n ) eine Orthonormalbasis von V ist, dann lassen sich die Komponenten von einem Vektor v = n i= t i v i bezüglich

Mehr

47 Singulärwertzerlegung

47 Singulärwertzerlegung 47 Singulärwertzerlegung 47.1 Motivation Wir haben gesehen, dass symmetrische Matrizen vollständig mithilfe ihrer Eigenwerte und Eigenvektoren beschrieben werden können. Diese Darstellung kann unmittelbar

Mehr

1 Abbildungen in der Ebene

1 Abbildungen in der Ebene 1 Inhalt 1 Abbildungen in der Ebene... 2 1.1 Verschiebung... 3 1.2 Spiegelung... 3 1.2.1 Achsenspiegelung... 3 1.3 Drehung... 4 1.3.1 Die Drehung... 4 1.4 Zentrische Streckung... 5 2 Funktionen... 7 2.1

Mehr

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

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2 Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete

Mehr

Höhere Mathematik II. 7 Lineare Algebra II. für naturwissenschaftliche Studiengänge. 7.1 Wiederholung einiger Begriffe

Höhere Mathematik II. 7 Lineare Algebra II. für naturwissenschaftliche Studiengänge. 7.1 Wiederholung einiger Begriffe Dr. Mario Helm Institut für Numerische Mathematik und Optimierung Fakultät für Mathematik und Informatik Höhere Mathematik II für naturwissenschaftliche Studiengänge Sommersemester 2013 7 Lineare Algebra

Mehr

Ergänzung zu komplexe Zahlen

Ergänzung zu komplexe Zahlen Juli 2015 Übersicht 1 Ortskurven 2 Wechselstromkreis mit ohmschem und kapazitivem Widerstand (Parallelschaltung) i(t) u(t) R C Bei festen Werten für den ohmschen Widerstand R und die Kapazität C ergibt

Mehr

entspricht der Länge des Vektorpfeils. Im R 2 : x =

entspricht der Länge des Vektorpfeils. Im R 2 : x = Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.

Mehr

Kleine Schwingungen vieler Freiheitsgrade

Kleine Schwingungen vieler Freiheitsgrade Kleine Schwingungen vieler Freiheitsgrade Betrachte System mit f Freiheitsgraden: (z.b. N Teilchen in 3 Dim.: ) Koordinaten: Geschwindigkeiten: Kinetische Energie: "Massenmatrix" Nebenbemerkung: Bei fortgeschrittenen

Mehr

Aufgaben zu Kapitel 19

Aufgaben zu Kapitel 19 Aufgaben zu Kapitel 9 Aufgaben zu Kapitel 9 Verständnisfragen Aufgabe 9. Man beweise: Zwei Vektoren u, v R \{} sind dann und nur dann zueinander orthogonal, wenn u + v = u + v ist. Aufgabe 9. Man beweise:

Mehr

Erster Akt: Begriffe und Beispiele

Erster Akt: Begriffe und Beispiele Eigenvektoren 1 Erster Akt: Begriffe und Beispiele 2 Sei L : A A eine lineare Abbildung von einem Vektorraum A in sich sich selbst. (Man denke an z. B. an A = R 2.) 3 Ein Vektor a A, a 0, heißt ein Eigenvektor

Mehr

35 Matrixschreibweise für lineare Abbildungen

35 Matrixschreibweise für lineare Abbildungen 35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir

Mehr

Kapitel 7. Lineare Abbildungen. 7.1 Motivation

Kapitel 7. Lineare Abbildungen. 7.1 Motivation Kapitel 7 Lineare Abbildungen 71 Motivation Verschieben, Drehen und Scheren sind parallelentreu, dh sie lassen sich auch als Abbildung zwischen Vektorräumen fomulieren Die Verschiebung, beispielsweise,

Mehr

Zusammenfassung und Beispiellösungen. zur Linearen Algebra

Zusammenfassung und Beispiellösungen. zur Linearen Algebra Zusammenfassung und Beispiellösungen zur Linearen Algebra Inhaltsverzeichnis TI Taschenrechner Funktionen für Matrizen... n*m Matrix... Diagonal und Dreiecksmatrix... Transponierte der Matrix A (AT)...

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

Mathematik für Naturwissenschaftler II

Mathematik für Naturwissenschaftler II Mathematik für Naturwissenschaftler II Dr Peter J Bauer Institut für Mathematik Universität Frankfurt am Main Sommersemester 27 Lineare Algebra Der mehrdimensionale Raum Vektoren Im Teil I dieser Vorlesung

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (Teschl/Teschl 14.2) Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =

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

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

6 Eigenwerte und Eigenvektoren

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

Mehr

5.2 Charakteristisches Polynom und Eigenräume

5.2 Charakteristisches Polynom und Eigenräume 5 Charakteristisches Polynom und Eigenräume Wie bestimmt man die Eigenwerte und Eigenräume einer Matrix? Den ersten Schritt beschreibt der folgende einfache Satz : Die Eigenwerte einer Matrix A aus K (

Mehr

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2) Lineare Abbildungen (Teschl/Teschl.3,.2 Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:

Mehr

3 Lineare Abbildungen und Matrizen

3 Lineare Abbildungen und Matrizen 3 Lineare Abbildungen und Matrizen Definition 3.1. Es seien V und W zwei Vektorräume über demselben Zahlkörper k. Eine Abbildung heisst linear, falls gilt i) [ λ k ] [ v V ] [ f (λ v) = λ f ( v) ] ii)

Mehr

Hans Walser, [20090509a] Wurzeln aus Matrizen

Hans Walser, [20090509a] Wurzeln aus Matrizen Hans Walser, [0090509a] Wurzeln aus Matrizen 1 Worum es geht Zu einer gegebenen,-matri A suchen wir,-matrizen B mit der Eigenschaft: BB = B = A. Wir suchen also Quadratwurzeln der Matri A. Quadrieren Wenn

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

Matrix- Algorithmen Householder- und Givens- Matrizen

Matrix- Algorithmen Householder- und Givens- Matrizen Fast und 20. Mai 2011 und Inhaltsverzeichnis Fast 1 2 Fast und Fast ist eine eines Vektors an der Hyperebene durch die Null im euklidischen Raum Ein zur Spiegelebene orthogonaler Vektor v R n \ {0} wird

Mehr

Bild-Einbinden. Technische Universität München. Dr. Hermann Vogel

Bild-Einbinden. Technische Universität München. Dr. Hermann Vogel Bild-Einbinden Bild-Einbinden Wähle in einem neuen GeoGebra-Fenster in der Menüleiste das Werkzeug Bild, klicke im Zeichenfenster eine Stelle (oder einen Punkt) für die linke untere Ecke des Bildes an

Mehr

6.3 Hauptachsentransformation

6.3 Hauptachsentransformation Im Wintersemester 6/7 wurde in der Vorlesung Höhere Mathematik für Ingenieurstudiengänge der folgende Algorithmus zur Hauptachsentransformation besprochen: 63 Hauptachsentransformation Die Matrizen, die

Mehr

Ferienkurs Theoretische Mechanik 2009 Hamilton Formalismus und gekoppelte Systeme

Ferienkurs Theoretische Mechanik 2009 Hamilton Formalismus und gekoppelte Systeme Fakultät für Physik Technische Universität München Michael Schrapp Übungsblatt 3 Ferienkurs Theoretische Mechanik 009 Hamilton Formalismus und gekoppelte Systeme Hamilton-Mechanik. Aus Doctoral General

Mehr

3.3 Klassifikation quadratischer Formen auf R n

3.3 Klassifikation quadratischer Formen auf R n 3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen

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

Hans Delfs. Übungen zu Mathematik III für Medieninformatik

Hans Delfs. Übungen zu Mathematik III für Medieninformatik Hans Delfs Übungen zu Mathematik III für Medieninformatik 1 RÄUMLICHE DARSTELLUNGEN VON OBJEKTEN 1 1 Räumliche Darstellungen von Objekten Der Einheitswürfel ist der achsenparallele Würfel in A 3, der von

Mehr

9 Lineare Gleichungssysteme

9 Lineare Gleichungssysteme 9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der

Mehr

2.9 Die komplexen Zahlen

2.9 Die komplexen Zahlen LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in

Mehr

13 Lineare Abbildungen

13 Lineare Abbildungen 13 Lineare Abbildungen Grob gesprochen sind lineare Abbildungen bei Vektorräumen dasselbe wie Homomorphismen bei Gruppen, nämlich strukturerhaltende Abbildungen. Auch in diesem Kapitel seien V, W Vektorräume.

Mehr

4.4 Eigenwerte und Eigenvektoren

4.4 Eigenwerte und Eigenvektoren 4.4-1 4.4 Eigenwerte und Eigenvektoren 4.4.1 Die Eulersche Gleichung Der Drehimpulsvektor kann folgendermaßen geschrieben werden, (1) worin die e i o Einheitsvektoren in Richtung der Hauptachsen sind,

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

3.2. Polarkoordinaten

3.2. Polarkoordinaten 3.2. Polarkoordinaten Die geometrische Bedeutung der komplexen Multiplikation versteht man besser durch die Einführung von Polarkoordinaten. Der Betrag einer komplexen Zahl z x + i y ist r: z x 2 + y 2.

Mehr

Aussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9

Aussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr