EINFÜHRUNG IN DIE TENSORRECHNUNG

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "EINFÜHRUNG IN DIE TENSORRECHNUNG"

Transkript

1 EINFÜHRUNG IN DIE ENSORRECHNUNG eil 1 SIEGFRIED PERY Neufassung vom 7 Juni 2016

2 I n h a l t 1 Was sind ensoren? 2 2 Multiplikation von Matrizen 21 Multiplikation einer Vektors mit einem ensor 2 Stufe 5 22 Produkte von Vektoren Das Skalarprodukt Das Vektorprodukt (Kreuzprodukt) 7 22 Das dyadische Produkt 8 2 Rechengesetze für Dyaden 8 21 Multiplikation einer Dyade mit einem Skalar 8 22 Multiplikation einer Dyade mit einem Vektor Das Vorprodukt Das Nachprodukt 9 Lösungen 10 1

3 1 Was sind ensoren? Hier geht es um drei verschiedene Arten von ensoren: Skalare (das sind reelle Zahlen); sie heißen ensoren 0 Stufe Freie (d h nicht an einen Angriffspunkt oder an eine Achse gebundene) physikalische Vektoren sind gerichtete physikalische Größen ( vektorielle Größen ), zu deren vollständiger Beschreibung außer ihrem Größenwert ihre Richtung gehört Sie heißen ensoren 1 Stufe ensoren 2 Stufe; das sind (vorerst) mathematische Operatoren, durch deren Anwendung auf einen Vektor ein anderer Vektor mit bestimmten Eigenschaften entsteht Alle ensoren können durch Matrizen beschrieben werden Eine Matrix vom yp (m, n) ist ein rechteckiges Schema von m mal n Größen, die in m Zeilen (waagerechte Reihen) und n Spalten (senkrechte Reihen) angeordnet sind Diese Größen heißen Elemente der Matrix Das Element a ik (auch A ik ) der Matrix A steht in der i-ten Zeile und in der k-ten Spalte Die Elemente der Matrix können reelle oder komplexe Zahlen sein, aber auch andere mathematische Objekte, wie Vektoren, Polynome, Determinanten, Differentiale und andere Die Matrix eines ensors 0 Stufe besteht nur aus einer einzigen Zahl, eben dem Skalar Man ist übereingekommen, die Matrix mit dieser Zahl gleichzusetzen: (a) a Ein (physikalischer) Vektor (zum Beispiel eine Kraft) wird beschrieben durch einen Pfeil von bestimmter Richtung (im Beispiel: die Richtung der Kraft) und von bestimmter Länge, die nach einem verabredeten Maßstab dem Größenwert (hier der Kraft) entspricht (Beispiel: 1 cm entspricht 10 N) Ein Vektor v kann mathematisch beschrieben werden durch seine skalaren Komponenten v 1, v 2, v, die auf ein definiertes dreidimensionales Koordinatensystem (Basissystem, Basis) bezogen sind, das durch drei nicht komplanare (nicht in einer Ebene liegende) Einheitsvektoren e 1, e 2, e gebildet wird v v e + v e + v e (11) Die Wahl des Basissystems ist beliebig Die skalaren Komponenten des Vektors ändern sich, wenn man ein anderes Basissystem wählt Der Vektor selbst bleibt dabei unverändert Diese Unabhängigkeit vom Basissystem ( Invarianz gegenüber Koordinatentransformation genannt) ist eine grundlegende Eigenschaft aller ensoren Die Beschreibung eines ensors 1 Stufe, also eines physikalischen Vektors, kann durch eine Matrix mit drei Zeilen und einer Spalte (eine (, 1)-Matrix) erfolgen: v1 v 2 v Diese Matrix gilt natürlich nur für ein bestimmtes Basissystem und ändert sich mit diesem Sie i s t auch kein Vektor, sondern die (Komponenten-)Matrix eines Vektors Sie sollte daher auch nicht mit dem Vektor v gleichgesetzt werden (Leider sind die Sitten hier etwas verwildert: Die Bequemlichkeit hat über die Präzision gesiegt) Matrizen werden mit kursiven, fetten Großbuchstaben bezeichnet: A, B, M, Daher liegt es nahe, die Matrix eines physikalischen Vektors v mit V zu bezeichnen: 2

4 v1 V v 2 und die "transponierte Matrix" mit V ( v1 v2 v ) (12) v Anmerkung: Beim ransponieren einer Matrix werden ihre Zeilen und Spalten vertauscht Analog dazu wird ein ensor 2 Stufe mit t, seine Matrix mit bezeichnet In der Algebra hat der Begriff Vektor eine andere Bedeutung Er steht hier für Matrizen mit nur einer Spalte ( Spaltenvektor ) oder nur einer Zeile ( Zeilenvektor ) a1 Spaltenvektor: a 2 a Zeilenvektor: ( a a a 1 2 ) (1) Zudem ist es in der Algebra üblich, diese Begriffe auf einzelne Spalten bzw Zeilen anzuwenden, die aus einer größeren Matrix herausgegriffen und in Klammern gesetzt wurden Die Matrix eines ensors 2 Stufe ist eine (, )-Matrix, also eine Matrix mit drei Zeilen und drei Spalten: t t t t21 t22 t 2 t t t 1 2 Alle t ik sind reelle Zahlen (14) Die in den Klammern der Matrix stehenden Zahlen, also die Elemente der Matrix, heißen hier Komponenten des ensors Auch die Komponenten der ensoren zweiter Stufe beziehen sich auf ein zuvor definiertes Koordinatensystem (Basissystem), das von drei Einheitsvektoren e 1, e 2, e aufgespannt wird Bei Wechsel des Basissystems ändern sich Elemente der Matrizen, während die Vektoren und ensoren 2 Stufe selbst davon unberührt bleiben Sowenig ein (physikalischer) Vektor eine Matrix mit einer Spalte ist, sowenig ist ein ensor 2 Stufe eine (, )-Matrix (und umgekehrt) Ein ensor 2 Stufe ist gleichsam ein Vektor höherer Stufe, zu dessen Beschreibung in einem Basissystem nicht weniger als neun Zahlen nötig sind Analog zur Vektoralgebra und zur Vektoranalysis gibt es eine ensoralgebra und eine ensoranalysis Für das Rechnen mit Matrizen wurden eine Reihe von notwendigen Grundgesetzen verabredet ( gesetzt ), aus denen weitere Regeln abgeleitet wurden Sie alle finden sich in jeder besseren Formelsammlung, sodass ich hier auf die ermüdende Aufzählung verzichten kann Bei Bedarf werde ich jeweils darauf hinweisen Als nächstes brauchen wir einige Regeln für die Multiplikation von Matrizen 2 Multiplikation von Matrizen Eine grundlegende Regel für die Multiplikation von Matrizen ist die Verkettbarkeitsbedingung: Das Produkt AB zweier Matrizen A und B kann nur gebildet werden, wenn die Anzahl der Spalten von A gleich der Anzahl der Zeilen von B ist Das Produkt AB zweier Matrizen ist eine Matrix C Wie sich aus der unten beschriebenen Rechenregel ergibt, ist die Anzahl ihrer Zeilen gleich der Anzahl der Zeilen von A, die Anzahl ihrer Spalten gleich der Anzahl der Spalten von B

5 Die rote Markierung zeigt die zu erfüllende Voraussetzung (Verkettbarkeitsbedingung) an, die blaue und die grüne zeigen den Einfluss der Zeilen- bzw Spaltenzahl von A bzw B auf das Ergebnis C Um die Rechenregel für die Gewinnung der Elemente der Produktmatrix C beschreiben zu können, definieren wir zunächst eine Hilfsgröße: das skalare Produkt einer Zeilenmatrix mit einer Spaltenmatrix b1 + + Skalares Produkt ( a a a ) b a b a b a b a b (15) b n 1 Das skalare Produkt (kurz: Skalarprodukt) hat seinen Namen und seine Bedeutung vom skalaren Produkt zweier Vektoren Nach den Regeln der Vektoralgebra ist v v1e 1 + v2e2 + ve und w1 1 + w2 2 + w ( )( ) 4 w e e e v w v e + v e + v e w e + w e + w e v w + v w + v w (16) Die rechts stehende Summe ist eine reelle Zahl, ein ensor 0 Stufe Das oben definierte skalare Produkt ist identisch mit dem Produkt A B aus der transponierten Matrix A des Vektors a und der Matrix B des Vektors b Das Ergebnis entspricht dem Skalarprodukt der Vektoren a und b Und nun die Rechenvorschrift: Das Element c ik der Produktmatrix C AB ist das Skalarprodukt der i-ten Zeile (ein Zeilenvektor )von A mit der k-ten Spalte von B (ein Spaltenvektor ) Hier zwei wichtige Beispiele: 21 Multiplikation einer Vektors mit einem ensor 2 Stufe Das Produkt eines Vektors mit einem ensor 2 Stufe wird geschrieben vt ( Vorprodukt ) bzw t v ( Nachprodukt) Die Berechnung der Produkte geschieht mithilfe der Matrizen der beiden Faktoren 1 Fall: Der Vektor ist der erste Faktor (Vorprodukt) Da die ensormatrix drei Zeilen hat, muss wegen der Verkettbarkeitsbedingung die Vektormatrix drei Spalten haben Folglich muss die Vektormatrix als Zeilenmatrix geschrieben werden, das heißt, wir müssen statt der Matrix V die transponierte Matrix V als ersten Faktor benutzen Die Produktmatrix C hat dann wie V eine Zeile und wie drei Spalten Also ist mit t t t c c c V ( v1 v2 v ) t21 t22 t 2 c21 c22 c 2 (17) t t t c c c n n

6 Damit ergibt sich V t11 c ( v v v ) t v t + v t + v t 1 Zeile von V t Spalte von t12 c ( v v v ) t v t + v t + v t 1 Zeile von V t Spalte von t1 c ( v v v ) t v t + v t + v t t ( v t v t v t v t v t v t v t v t v t ) Die Matrix auf der rechten Seite ist die transponierte Matrix W eines Vektors w mit der Matrix v t + v t + v t v t + v t + v t v t + v t + v t W (18) Folglich gilt für das gesuchte Vorprodukt: Das Vorprodukt aus einem Vektor v und einem ensor t 2 Stufe ist ein Vektor w, dessen Matrix (für das zugrundeliegende Basissystem) sich aus Gleichung (18) ergibt v t w 2 Fall: Die Vektormatrix ist der zweite Faktor (Nachprodukt) Wieder wird das Produkt über die Matrizen und V der beteiligten Faktoren t und v berechnethier muss wegen der Verkettbarkeitsbedingung die Matrix V als Spaltenmatrix geschrieben werden: V t t t v t1 t2 t v t21 t22 t 2 v 2 Nach den Regeln der Matrizenmultiplikation ist das Ergebnis eine Spaltenmatrix: t v + t v + t v t v + t v + t v t v + t v + t v V (19) Für das Nachprodukt gilt folglich: Das Nachprodukt aus einem Vektor v und einem ensor t ist ein Vektor w, dessen Matrix aus Gleichung (19) ergibt: t v w

7 Übungen Übung 11 Zeigen Sie, dass V E V, wobei E die (, )-Einheitsmatrix und V die transponierte Matrix eines beliebigen Vektors v ist Übung 12 Zeigen Sie, dass E V V ist, wobei V die Matrix eines Vektors v ist Übung 1 Beweisen Sie die Distributivität des Vorprodukts: [ ] V A + B V A + V B, + wobei A und B (, )-Matrizen sind und V die transponierte Matrix eines Vektors ist (Hinweis: Hierzu wird die Additionsregel für Matrizen benötigt, die besagt, dass gleichartige Matrizen addiert werden, indem ihre einander entsprechenden Elemente addiert werden: Übung 14 A + B C, wobei c a + b ist i, k i, k i, k Beweisen Sie die Distributivität des Nachprodukts: [ A + B] V AV + BV, wobei A und B (, )-Matrizen sind und V eine Vektormatrix ist Übung 15 Bestätigen Sie durch Ausrechnen die Gleichung (19) 6

8 22 Produkte von Vektoren Es gibt drei Arten von Produkten von je zwei Vektoren: Das Skalarprodukt, das Vektorprodukt und das dyadische Produkt 221 Das Skalarprodukt In der Vektoralgebra wird das Skalarprodukt v w (lies vw oder v Punkt w) zweier Vektoren im Hinblick auf physikalische Belange basisunabhängig so definiert: v w v w cos ϕ, wobei v und w die Beträge der beiden Vektoren sind und φ der von ihnen eingeschlossene Winkel ist Beschreibt man die Vektoren durch ihre Komponenten bezüglich einer Basis {e 1, e 2, e }, dann erhält man für ihr Skalarprodukt formal die Gleichung v w v e + v e + v e w e + w e + w e (110) ( ) ( ) In der Vektoralgebra wird gezeigt, dass die skalare Multiplikation distributiv ist Daher können die Klammern nach den Regeln der Algebra ausmultipliziert werden Berücksichtigt man dabei, dass e e e e e e 1, e e e e e e 0, was sich aus der Definitionsgleichung für φ 0 bzw 90 ergibt, so erhält man v w v w + v w + v w (111) Die rechte Seite der Gleichung (111) ist ein Skalar und identisch mit dem Produkt der Zeilenmatrix V und der Spaltenmatrix W der beiden Vektoren Also gilt: w1 v1w 1 + v2w2 + vw ( v1 v2 v ) w2 V W (112) w v w V W (11) 222 Das Vektorprodukt (Kreuzprodukt) Das Vektorprodukt v w (lies v Kreuz w ) zweier Vektoren v und w ist definiert als ein Vektor u, der auf v und w senkrecht steht und der so gerichtet ist, dass v, w und u in dieser Reihenfolge ein Rechtssystem bilden, und dessen Betrag gleich dem Größenwert des von v und w aufgespannten Rechtecks ist, das heißt u v w sin ϕ In der Vektoralgebra wird gezeigt, dass für die Komponentendarstellung des Vektors u gilt: ( v w v w ) ( v w v w ) ( v w v w ) u v w e + e + e (114) Als Merkregel ist die Darstellung durch eine Determinante nützlich: 7

9 u v w e e e 1 2 v v v 1 2 w w w 1 2 Für die Matrix U des Vektors u gilt: U v v v w 2 2 w w v1 w1 v v w 1 1 w 2 2 (Die Elemente der Matrix sind hier Determinanten) 22 Das dyadische Produkt Das dyadische Produkt (kurz: Dyade) zweier Vektoren v und w wird geschrieben v w und gelesen: v mal im Kreis w Wie die beiden Vektoren ist auch ihr dyadisches Produkt von der benutzten Basis unabhängig Bei der unten folgenden Definition des dyadischen Produkts wird die Komponentendarstellung der beteiligten Vektoren bezüglich einer bestimmten Basis benutzt, und daher ist auch das Ergebnis eine basisabhängige Größe, und zwar eine Matrix Definition: Die Matrix ( v w) des dyadischen Produkts zweier Vektoren v und w mit den Matrizen V bzw W ist das Produkt aus der Matrix V und der transponierten Matrix W : v1 v1w 1 v1w 2 v1w v w w w v w v w v w ( v w) V W ( ) (114) v vw1 vw2 vw (Diese (, )-Matrix wird sich später als die Matrix eines ensors erweisen) 2 Rechengesetze für Dyaden 21 Multiplikation einer Dyade mit einem Skalar Matrizen werden mit einem Skalar multipliziert, indem alle ihre Elemente v i w k mit diesem Skalar multipliziert werden Dabei ist die Reihenfolge der Faktoren beliebig Dieses für die Matrix einer Dyade geltende Gesetz kann auf die Dyade selbst übertragen werden, indem man vereinbart: k[ v w] [ kv] w v [ k w] [ v w] k (115) Anmerkung: Die eckigen Klammern dienen hier und im Folgenden wieder dazu, die Reihenfolge der Multiplikationen zu regeln (Runde Klammern werden zur Kennzeichnung von Matrizen benutzt) 8

10 22 Multiplikation einer Dyade mit einem Vektor Auch hier müssen wir zwischen Vorprodukt und Nachprodukt unterscheiden 221 Das Vorprodukt Das Vorprodukt eines Vektors u mit dem dyadischen Produkt aus v und w ist das Produkt u[ v w] Die Berechnung des Vorprodukts geschieht wieder über die Matrizen der beteiligten Größen Dabei muss wegen der Verkettbarkeit die transponierte Matrix U des Vektors u benutzt werden: ( u[ v w] ) U ( v w) ( ) v1w 1 v1w 2 v1w u1 u2 u v2w1 v2w2 v2w vw1 vw2 vw ( u1v1 w1 u2v2w1 uvw1 u1v1 w2 u2v2w2 uvw2 u1v1 w u2v2w uvw ) ([ u v u v u v ] w [ u v u v u v ] w [ u v u v u v ] w ) Die erme in den eckigen Klammern sind identisch mit dem Skalarprodukt der Vektoren u und v und als solches eine reelle Zahl k, die nach den Regeln der Matrizenrechnung ausgeklammert werden kann ( ) ( u[ v w]) k w w w kw (117) 1 2 Auf der rechten Seite dieser Gleichung steht die transponierte Matrix des Vektors w, multipliziert mit einer reellen Zahl k Auf die Vektoren selbst angewandt folgt daraus u [ v w] k w (118) Durch Multiplikation eines Vektors mit einer Dyade kann also ein anderer Vektor mit definierten Eigenschaften erzeugt werden: ein Vektor von der Richtung des Vektors w, dessen Betrag durch geeignete Wahl von v beliebig bestimmt werden kann Dieser Sachverhalt kann auch so ausgedrückt werden: Durch die Multiplikation wird dem Vektor u basisunabhängig ein Vektor kw zugeordnet oder der Vektor u wird auf einen Vektor kw abgebildet 222 Das Nachprodukt Das Nachprodukt eines Vektors u mit dem dyadischen Produkts aus v und w ist das Produkt [ v w] u (116) Wieder erfolgt die Berechnung über die Matrizen: v w u v v1w 1 v1w2 v1w u1 w U v2w1 v2w2 v2w u 2 vw1 vw2 vw u v1w 1u 1 + v1w2 u2 + v1w u v2w1u 1 v2w2u2 v2wu + + vw1u 1 vw2u2 vwu + + ([ ] ) ( ) (119) Diese Spaltenmatrix kann wie folgt umgeformt werden: 9

11 v1[ w1 u1 + w2 u2 + w u] v1[ w u] v1 ( v w) U v [ w u + w u + w u ] v [ w u] w u v [ w u] V (120) v[ w1 u1 w2 u2 w u] v[ ] v + + w u Dabei ist das Skalarprodukt w u wieder eine reelle Zahl k und somit Auf die Vektoren selbst angewandt folgt daraus ( v w) U kv (121) v w u k v (122) Das Nachprodukt ist also ein Vektor von k-fachem Betrag des ersten Vektors der Dyade, wobei k das Skalarprodukt des zweiten Vektors der Dyade und des»nachvektors«u ist Übung 16 Ein Ellipsoid ist mathematisch am einfachsten zu beschreiben, wenn die Achsen des benutzten Koordinatensystems mit den Achsen des Ellipsoids zusammenfallen (Ein Ellipsoid hat drei Achsen: den größten Durchmesser, den kleinsten Durchmesser und den auf diesen beiden senkrechten Durchmesser) Für die Koordinaten der Punkte seiner Oberfläche gilt dann: x y z a b c Dabei sind a, b und c die Längen der drei Halbachsen Wie lässt sich mithilfe einer (, )-Matrix das Ellipsoid bei beliebiger Lage zum Koordinatensystem beschreiben? Welche Bedingungen müssen die Elemente der Matrix erfüllen? Lösungen Übung 11 Beweis mittels der Multiplikationsregel für Matrizen oder einfach durch Anwendung der Gleichung (18) Übung 12 Mittels Multiplikationsregel oder durch Anwendung der Gleichung (19) Übung 1 1 Schritt: Man setzt A + B C mit c ik a ik + b ik und wendet im 2 Schritt die Regel gemäß Gleichung (18) an, die auch dann gilt, wenn die (, )-Matrix keine ensormatrix ist Schritt: Man multipliziert die erme v 1 (a 11 + b 11 ) usw aus und ordnet die Produkte um Die 1 Zeile lautet dann v a + v a + v a + v b + v b + v b Schritt: Die entstehende Matrix kann als Summe zweier Matrizen dargestellt werden mit den ersten Zeilen v a + v a + v a bzw v b + v b + v b

12 5 Schritt: Die beiden Matrizen sind gem Gleichung (18) identisch mit den Matrixprodukten Übung 14 Analog zu Übung 1 Übung 16 V A bzw V B Das Ellipsoid wird bei beliebiger Lage im Koordinatensystem durch die Länge und die Richtung seiner halben Achsen eindeutig beschrieben Diese wiederum werden beschrieben durch die Vektoren a (a 1, a 2, a ), b(b 1, b 2, b ), c(c 1, c 2, c ) Das Ellipsoid kann dann durch seine Matrix E beschrieben werden: a b c E a b c a b c Bei der Auswahl (und Beschreibung) der Vektoren a, b, c ist zu beachten, dass sie paarweise aufeinander senkrecht stehen müssen Für die Matrix E bedeutet dies, dass die drei Skalarprodukte, die aus je zwei ihrer Spaltenvektoren gebildet werden können, gleich null sein müssen Fazit: Jedes Ellipsoid kann durch eine (, )-Matrix dargestellt werden, aber nicht jede Matrix kann ein Ellipsoid darstellen Das Ellipsoid ist ein vom Koordinatensystem unabhängiges Gebilde; die Elemente seiner Matrix dagegen sind wie bei den Vektoren von der benutzten Basis abhängig Und: Das Ellipsoid i s t keine Matrix, und die Matrix i s t kein Ellipsoid 11

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

3 Matrizenrechnung. 3. November

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

Mehr

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

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier

Mehr

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte

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: Theorie und Anwendungen

Lineare Algebra: Theorie und Anwendungen Lineare Algebra: Theorie und Anwendungen Sommersemester 2012 Bernhard Burgeth Universität des Saarlandes c 2010 2012, Bernhard Burgeth 1 VEKTOREN IN DER EBENE UND IM RAUM 2 1 Vektoren in der Ebene und

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

Analytische Geometrie, Vektorund Matrixrechnung

Analytische Geometrie, Vektorund Matrixrechnung Kapitel 1 Analytische Geometrie, Vektorund Matrixrechnung 11 Koordinatensysteme Eine Gerade, eine Ebene oder den Anschauungsraum beschreibt man durch Koordinatensysteme 111 Was sind Koordinatensysteme?

Mehr

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

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015 Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten

Mehr

& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors

& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors Einführu hnung Was ist ein Vektor? In Bereichen der Naturwissenschaften treten Größen auf, die nicht nur durch eine Zahlenangabe dargestellt werden können, wie Kraft oder Geschwindigkeit. Zur vollständigen

Mehr

Vektoren - Basiswechsel

Vektoren - Basiswechsel Vektoren - Basiswechsel Grundprinzip Für rein geometrische Anwendungen verwendet man üblicherweise die Standardbasis. Damit ergibt sich in den Zahlenangaben der Koordinaten kein Unterschied zu einem Bezug

Mehr

Vektoralgebra Anwendungen der Vektorrechnung VEKTORRECHNUNG. Prof. Dr. Dan Eugen Ulmet. Hochschule Esslingen 1/64

Vektoralgebra Anwendungen der Vektorrechnung VEKTORRECHNUNG. Prof. Dr. Dan Eugen Ulmet. Hochschule Esslingen 1/64 1/64 VEKTORRECHNUNG Prof. Dr. Dan Eugen Ulmet Hochschule Esslingen März 2011 2/64 Overview Vektoralgebra 1 Vektoralgebra 2 Was sind Vektoren? 3/64 Vektoren werden geometrisch definiert als Pfeilklassen:

Mehr

Länge, Skalarprodukt, Vektorprodukt

Länge, Skalarprodukt, Vektorprodukt Länge, Skalarprodukt, Vektorprodukt Jörn Loviscach Versionsstand: 20. April 2009, 19:39 1 Überblick Ein Vektorraum muss nur eine Minimalausstattung an Rechenoperationen besitzen: die Addition zweier Vektoren

Mehr

Vektoren. Jörn Loviscach. Versionsstand: 11. April 2009, 23:42

Vektoren. Jörn Loviscach. Versionsstand: 11. April 2009, 23:42 Vektoren Jörn Loviscach Versionsstand:. April 29, 23:42 Rechnen mit Pfeilen Bei den komplexen Zahlen haben wir das Rechnen mit Pfeilen schon kennen gelernt. Addition und Subtraktion klappen in drei wie

Mehr

Lernmaterialblatt Mathematik. Vektorrechnung eine Einführung. Anwendung Mathematik I. Einleitung:

Lernmaterialblatt Mathematik. Vektorrechnung eine Einführung. Anwendung Mathematik I. Einleitung: Vektorrechnung eine Einführung Einleitung: Um beispielsweise das Dreieck ABC in der Abbildung an die Position A'B'C' zu verschieben, muss jeder Punkt um sieben Einheiten nach rechts und drei nach oben

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

2. Vorlesung Wintersemester

2. Vorlesung Wintersemester 2. Vorlesung Wintersemester 1 Mechanik von Punktteilchen Ein Punktteilchen ist eine Abstraktion. In der Natur gibt es zwar Elementarteilchen (Elektronen, Neutrinos, usw.), von denen bisher keine Ausdehnung

Mehr

Vektoren. Kapitel 3. 3.1 Skalare, Vektoren, Tensoren. 3.2 Vektoren

Vektoren. Kapitel 3. 3.1 Skalare, Vektoren, Tensoren. 3.2 Vektoren Kapitel 3 Vektoren 31 Skalare, Vektoren, Tensoren Viele physikalische Größen lassen sich bei bekannter Maßeinheit durch Angabe ihres Betrages als reelle Zahl vollständig angeben Solche Größen nennt man

Mehr

Mathematische Erfrischungen III - Vektoren und Matrizen

Mathematische Erfrischungen III - Vektoren und Matrizen Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen

Mehr

Grundlagen der Vektorrechnung

Grundlagen der Vektorrechnung Grundlagen der Vektorrechnung Ein Vektor a ist eine geordnete Liste von n Zahlen Die Anzahl n dieser Zahlen wird als Dimension des Vektors bezeichnet Schreibweise: a a a R n Normale Reelle Zahlen nennt

Mehr

Matrizen und Drehungen

Matrizen und Drehungen Matrizen und Drehungen 20. Noember 2003 Diese Ausführungen sind im wesentlichen dem Skript zur Vorlesung Einführung in die Theoretische Physik I und II on PD Dr. Horst Fichtner entnommen. Dieses entstand

Mehr

a 2β... a n ω alle Permutationen von α β γ... ω a 3 γ ( 1) k a 1α

a 2β... a n ω alle Permutationen von α β γ... ω a 3 γ ( 1) k a 1α Mathematik 1 - Übungsblatt 7 Lösungshinweise Tipp: Verwenden Sie zur Kontrolle Scilab, wo immer es möglich ist. Aufgabe 1 (Definitionsformel für Determinanten) Determinanten quadratischer Matrizen sind

Mehr

8 Lineare Abbildungen und Matrizen

8 Lineare Abbildungen und Matrizen 8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume

Mehr

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

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

Übungsaufgaben Vektoren

Übungsaufgaben Vektoren Kallenrode, www.sotere.uos.de Übungsaufgaben Vektoren 1. Gegeben sind die Einheitsvektoren in Zylinderkoordinaten e ϱ = cos ϕ sin ϕ, e ϕ = sin ϕ cos ϕ und e z = 0 0 0 0 1 und Kugelkoordinaten: sin ϑ cos

Mehr

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014 Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................

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

täglich einmal Scilab!

täglich einmal Scilab! Mathematik 1 - Übungsblatt 7 täglich einmal Scilab! Aufgabe 1 (Definitionsformel für Determinanten) Determinanten quadratischer Matrizen sind skalare Größen (=einfache Zahlen im Gegensatz zu vektoriellen

Mehr

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das

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

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren Kapitel 13 Vektoren Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren 131 Denition: Vektoren im Zahlenraum Ein Vektor (im Zahlenraum) mit n Komponenten ist ein n-tupel reeller Zahlen,

Mehr

Zusammenfassung zum Thema Vektor- und Matrizenrechnung

Zusammenfassung zum Thema Vektor- und Matrizenrechnung Zusammenfassung zum Thema Vektor- und Matrizenrechnung Mathematischer Vorkurs für Physiker und Naturwissenschaftler WS 2014/2015 Grundbegriffe der Linearen Algebra Viele physikalische Größen (Geschwindigkeit,

Mehr

Vorkurs Mathematik B

Vorkurs Mathematik B Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein

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

Serie 10: Inverse Matrix und Determinante

Serie 10: Inverse Matrix und Determinante D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n

Mehr

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

Grundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015

Grundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015 Vektorrechnung Fakultät Grundlagen Juli 205 Fakultät Grundlagen Vektorrechnung Übersicht Grundsätzliches Grundsätzliches Vektorbegriff Algebraisierung der Vektorrechnung Betrag 2 Skalarprodukt Vektorprodukt

Mehr

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

Definition: Euklidischer Raum mit Skalarprodukt. Die kanonische Basis von Einheitsvektoren sind paarweise orthogonal zueinander: Definition: Euklidischer Raum mit Skalarprodukt Einsteinsche Summenkonvention (ES): über doppelt vorkommende Indizes wird summiert. Die kanonische Basis von Einheitsvektoren sind paarweise orthogonal zueinander:

Mehr

Formelsammlung Mathematik Grundkurs Inhalt

Formelsammlung Mathematik Grundkurs Inhalt Formelsammlung Mathematik Grundkurs Inhalt Inhalt...1 Trigonometrie Grundlagen... Vektoren...3 Skalarprodukt...4 Geraden...5 Abstandsberechnungen...6 Ebenen...7 Lineare Gleichungssysteme (LGS)...8 Gauß'sches

Mehr

1 Matrizenrechnung zweiter Teil

1 Matrizenrechnung zweiter Teil MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten

Mehr

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

mit Skalarprodukt aus i-tem Zeilenvektor und j-tem Spaltenvektor Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"

Mehr

MLAN1 1 MATRIZEN 1 0 = A T =

MLAN1 1 MATRIZEN 1 0 = A T = MLAN1 1 MATRIZEN 1 1 Matrizen Eine m n Matrix ein rechteckiges Zahlenschema a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a m1 a m2 a m3 amn mit m Zeilen und n Spalten bestehend aus m n Zahlen Die Matrixelemente

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

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

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V. Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

Matrizen Definition: Typ einer Matrix

Matrizen Definition: Typ einer Matrix Matrizen Definition: Eine Matrix ist ein rechteckiges Zahlenschema. Die Matrix (Mehrzahl: Matrizen) besteht aus waagerecht verlaufenden Zeilen und senkrecht verlaufenden Spalten. Verdeutlichung am Beispiel:

Mehr

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix Eine n-reihige, quadratische Matrix heißt regulär, wenn ihre Determinante einen von Null verschiedenen Wert besitzt. Anderenfalls heißt sie singulär.

Mehr

Spezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation

Spezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation . Inhaltsverzeichnis.............. Spezialgebiet Mathematik(Christian Behon ) 1 Matrizen Kapitel 1 Definitionen und Herleitung von Matrizen 1.1 Was sind Matrizen 1.2 Arten von Matrizen Kapitel 2 Matrizenoperation

Mehr

Mathematik für Chemische Technologie 2

Mathematik für Chemische Technologie 2 Mathematik für Chemische Technologie 2 Themenüberblick: Funktionen mehrerer unabhängigen Veränderlichen Vektoralgebra Lineare Gleichungssysteme und Determinanten Fehlerrechnung Schwerpunkt des Sommersemesters

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

Arbeitsblatt 1 Einführung in die Vektorrechnung

Arbeitsblatt 1 Einführung in die Vektorrechnung Arbeitsblatt Einführung in die Vektorrechnung Allgemein Vektoren sind physikalische Größen und durch ihre Richtung und ihren Betrag festgelegt. Geometrisch wird ein Vektor durch einen Pfeil dargestellt,

Mehr

Matrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =

Matrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) = Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a

Mehr

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben: Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise

Mehr

Mathematischer Vorkurs für Physiker WS 2009/10

Mathematischer Vorkurs für Physiker WS 2009/10 TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,

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

Matrizen. Jörn Loviscach. Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung.

Matrizen. Jörn Loviscach. Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Matrizen Jörn Loviscach Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. 1 Matrix Ein rechteckige Anordnung von mathematischen Objekten

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

Lineare Abhängigkeit

Lineare Abhängigkeit Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x

Mehr

Kapitel 2. Mathematische Grundlagen. Koordinatensystem

Kapitel 2. Mathematische Grundlagen. Koordinatensystem Kapitel 2 Mathematische Grundlagen 2.1 Koordinatensystem Zumeist werden in diesem Buch rechtwinkelige kartesische Koordinatensysteme verwendet. Sie sind durch drei zueinander orthogonale Koordinatenachsen

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

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

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2. Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar

Mehr

Geometrie. 1 Vektorielle analytische Geometrie der Ebene, Kegelschnitte

Geometrie. 1 Vektorielle analytische Geometrie der Ebene, Kegelschnitte Geometrie Geometrie W. Kuhlisch Brückenkurs 206. Vektorrechnung und analytische Geometrie der Ebene, Kegelschnitte 2. Vektorrechnung und analytische Geometrie des Raumes, Anwendungen in der Geometrie,

Mehr

Lineare Algebra 1. . a n1 a n2 a n3 a nm

Lineare Algebra 1. . a n1 a n2 a n3 a nm Lineare Algebra 1 Lineare Algebra Hilfreiche Konzepte zur Vereinfachung der Darstellung und Berechnung stellt die lineare Algebra bereit. Auch wenn sie nur an wenigen Stellen des Buches verwendet wurden,

Mehr

44 Orthogonale Matrizen

44 Orthogonale Matrizen 44 Orthogonale Matrizen 44.1 Motivation Im euklidischen Raum IR n haben wir gesehen, dass Orthonormalbasen zu besonders einfachen und schönen Beschreibungen führen. Wir wollen das Konzept der Orthonormalität

Mehr

1 Vorlesungen: und Vektor Rechnung: 1.Teil

1 Vorlesungen: und Vektor Rechnung: 1.Teil 1 Vorlesungen: 4.10.005 und 31.10.005 Vektor Rechnung: 1.Teil Einige in der Physik auftretende Messgrößen sind durch eine einzige Zahl bestimmt: Temperatur T K Dichte kg/m 3 Leistung P Watt = J/s = kg

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

1 Vektoralgebra (3D euklidischer Raum R 3 )

1 Vektoralgebra (3D euklidischer Raum R 3 ) Institut für Physik der Martin-Luther-Universität Halle-Wittenberg WS 202/203 Vorlesung Elektrodynamik LAG PD Dr. Angelika Chassé) Vektoralgebra 3D euklidischer Raum R 3 ). Grundbegriffe = Vektordefinition

Mehr

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

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

Geometrie. Bei der Addition von Vektoren erhält man einen Repräsentanten des Summenvektors +, indem man die Repräsentanten von aneinanderfügt:

Geometrie. Bei der Addition von Vektoren erhält man einen Repräsentanten des Summenvektors +, indem man die Repräsentanten von aneinanderfügt: Geometrie 1. Vektoren Die Menge aller zueinander parallelen, gleich langen und gleich gerichteten Pfeile werden als Vektor bezeichnet. Jeder einzelne Pfeil heißt Repräsentant des Vektors. Bei Ortsvektoren:

Mehr

3 Vektoren. 3.1 Kartesische Koordinaten in Ebene und Raum. Höhere Mathematik 60

3 Vektoren. 3.1 Kartesische Koordinaten in Ebene und Raum. Höhere Mathematik 60 Kartesische Koordinaten in Ebene und Raum 3 Vektoren 3.1 Kartesische Koordinaten in Ebene und Raum In der Ebene (mathematisch ist dies die Menge R 2 ) ist ein kartesisches Koordinatensystem festgelegt

Mehr

Lineare Algebra. Grundlagen der Vektorrechnung. fsg Verlag

Lineare Algebra. Grundlagen der Vektorrechnung. fsg Verlag Rolf Stahlberger Alexander Golfmann Lineare Algebra Grundlagen der Vektorrechnung fsg Verlag Impressum Herausgeber: FSG Verlag Alexander Golfmann Augustenstr. 58 80333 München info@fsg-verlag.de www.fsg-verlag.de

Mehr

Einleitung 2. 1 Koordinatensysteme 2. 2 Lineare Abbildungen 4. 3 Literaturverzeichnis 7

Einleitung 2. 1 Koordinatensysteme 2. 2 Lineare Abbildungen 4. 3 Literaturverzeichnis 7 Sonja Hunscha - Koordinatensysteme 1 Inhalt Einleitung 2 1 Koordinatensysteme 2 1.1 Kartesisches Koordinatensystem 2 1.2 Polarkoordinaten 3 1.3 Zusammenhang zwischen kartesischen und Polarkoordinaten 3

Mehr

Rechnen mit Vektoren. 1. Vektoren im Koordinatensystem Freie Vektoren in der Ebene

Rechnen mit Vektoren. 1. Vektoren im Koordinatensystem Freie Vektoren in der Ebene Rechnen mit 1. im Koordinatensystem 1.1. Freie in der Ebene 1) Definition Ein Vektor... Zwei sind gleich, wenn... 2) Das ebene Koordinatensystem Wir legen den Koordinatenursprung fest, ferner zwei zueinander

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

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

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21 5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt

Mehr

5 Determinante, Spatprodukt, Vektorprodukt, inverse Matrix

5 Determinante, Spatprodukt, Vektorprodukt, inverse Matrix 5 Determinante, Spatprodukt, Vektorprodukt, inverse Matrix Jörn Loviscach Versionsstand: 20. März 2012, 16:02 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:

Mehr

Vorkurs Mathematik-Physik, Teil 5 c 2016 A. Kersch

Vorkurs Mathematik-Physik, Teil 5 c 2016 A. Kersch Vorkurs Mathematik-Physik, Teil 5 c 206 A. Kersch Vektoren. Vektorrechnung Definition Ein Vektor ist eine gerichtete Größe welche einen Betrag ( Zahl und eine Richtung ( in 2D, 2 in 3D hat. Alternativ

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

Ilja Repin Die Wolgatreidler (1873) Das Skalarprodukt. 1-E Ma 1 Lubov Vassilevskaya

Ilja Repin Die Wolgatreidler (1873) Das Skalarprodukt. 1-E Ma 1 Lubov Vassilevskaya Ilja Repin Die Wolgatreidler (1873) Das Skalarprodukt 1-E Ma 1 Lubov Vassilevskaya Treideln http://www.rheinschifffahrtsgeschichte.de/mainzer%20pano%20dateien/tierer%20treideln.jpg Treideln heißt eine

Mehr

Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra

Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra A. Filler[-3mm] Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra, Teil 8 Folie 1 /27 Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra 8. Das Skalarprodukt, metrische

Mehr

Tutorium: Diskrete Mathematik. Matrizen

Tutorium: Diskrete Mathematik. Matrizen Tutorium: Diskrete Mathematik Matrizen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Definition I Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen, mit denen man in bestimmter

Mehr

Definition, Rechenoperationen, Lineares Gleichungssystem

Definition, Rechenoperationen, Lineares Gleichungssystem Bau und Gestaltung, Mathematik, T. Borer Aufgaben /3 Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den

Mehr

Demo: Mathe-CD. Vektorrechnung. Vektorprodukt. Teil 1. Einführung INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.

Demo: Mathe-CD. Vektorrechnung. Vektorprodukt. Teil 1. Einführung INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK. Vektorrechnung Vektorprodukt Teil Einführung Datei 66 Stand 6. Juli 2009 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK Inhalt Datei 66 Einführung des Vektorprodukts Datei 662. Vorbemerkungen.2 Das wichtigste

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

Mathematik LK 12 M1, 4. Kursarbeit Matrizen und Stochastik Lösung )

Mathematik LK 12 M1, 4. Kursarbeit Matrizen und Stochastik Lösung ) Aufgabe 1: Berechne die Determinante und die Transponierte der folgenden Matrizen: 0 1 1.1 M =( 0 4 1 4 det M =0 4 1 4= 4 M T =( 5 3 3 1.2 1 1 3 A=( =( A T 3 0 1 5 1 3 3 1 0 3 3 1 4 4 det M = 5 1 1+3 3

Mehr

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 6 (WS 2010/2011) Abgabetermin: Donnerstag, 27. November http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzugen zur Vorlesung: Der Vollständigkeit

Mehr

2.2. Skalarprodukt. Geschwindigkeitsvektoren ergeben sich bei allen Bewegungen. Sie zeigen jeweils in Richtung der Bahnkurve.

2.2. Skalarprodukt. Geschwindigkeitsvektoren ergeben sich bei allen Bewegungen. Sie zeigen jeweils in Richtung der Bahnkurve. .. Skalarprodukt Kraftvektoren treten bei vielen physikalisch-technischen Problemen auf; sie greifen an einem Punkt in verschiedenen Richtungen an. Die bekannte Formel Arbeit = Kraft mal Weg muß man dann

Mehr

Vektoren werden addiert, bzw. subtrahiert, indem man die einander entsprechenden Komponenten addiert bzw. subtrahiert.

Vektoren werden addiert, bzw. subtrahiert, indem man die einander entsprechenden Komponenten addiert bzw. subtrahiert. R. Brinkmann http://brinkmann-du.de Seite.9. Vektoren im kartesishen Koordinatensystem Rehengesetze für Vektoren in Koordinatendarstellung Addition und Subtraktion von Vektoren: Vektoren werden addiert,

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

Definition, Rechenoperationen, Lineares Gleichungssystem

Definition, Rechenoperationen, Lineares Gleichungssystem Bau und Gestaltung, Mathematik, T. Borer Aufgaben / Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den

Mehr

Vektorräume und Rang einer Matrix

Vektorräume und Rang einer Matrix Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung

Mehr

Matrizen und Determinanten, Lineare Gleichungssysteme, Vektorrechnung, Analytische Geometrie

Matrizen und Determinanten, Lineare Gleichungssysteme, Vektorrechnung, Analytische Geometrie Regina Gellrich Carsten Gellrich Matrizen und Determinanten, Lineare Gleichungssysteme, Vektorrechnung, Analytische Geometrie Mit zahlreichen Abbildungen, Aufgaben mit Lösungen und durchgerechneten Beispielen

Mehr

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya Rang einer Matrix 1-E1 Ma 1 Lubov Vassilevskaya Unterdeterminante einer nichtquadratischen Matrix M ist eine nichtquadratische 2,3-Matrix: M = 6 2 3 0 5 7 Durch Streichen einer der drei Spalten kann man

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

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe

Mehr

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor) Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.

Mehr