FB 13, FG Kontinuumsmechanik Dipl.-Ing. J. FRISCHMANN
|
|
- Harald Bösch
- vor 6 Jahren
- Abrufe
Transkript
1 Klausur Tensorrechnung Wintersemester 015/16 Prof Dr-Ing C TSAKMAKIS FB 13, FG Kontinuumsmechak Dipl-Ing J FRISCHMANN Name, Vorname: Studiengang: Matrikel-Nr: Bearbeitungshinweise: Benutzen Sie nur dokumentenechte Stifte (keine Bleistifte oder radierbare Kugelschreiber) Benutzen Sie keine Stifte in den Korrekturfarben rot oder grün Füllen Sie das Deckblatt vollständig aus Schreiben Sie auf jedes Blatt Ihren Namen und Ihre Matrikelnummer Benutzen Sie die vorgegebene Notation Erlaubt sind alle cht-elektroschen Hilfsmittel sowie ein cht-programmierbarer Taschenrechner, insbesondere also keine Laptops oder Handys Die Bearbeitungszeit beträgt 90 Minuten A1 A A3 A4 Σ Bestehensgrenze: Punkte Note erreichte Punktzahl Korrekturwert Seite 1 von 13
2 Aufgabe 1 In einem dreidimensionalen Vektorraum E 3 seien die Vektoren g i (i = 1,, 3) bezüglich einer orthonormalen Basis e i gegeben durch g 1 = e 1 + e + e 3, g = e 1 + e e 3, g 3 = e 1 + e + e 3 a) Zeigen Sie, dass die Vektoren g 1, g, g 3 linear unabhängig voneinander sind und somit eine Basis g i in E 3 bilden b) Bestimmen Sie die zur Basis g i reziproke Basis g i sowie die zugehörigen Metrikkoeffizienten g bzw g Hinweis: Nutzen Sie eine geeignete Darstellung mit Kreuzprodukt für die reziproke Basis c) Stellen Sie den Vektor n = 4 g g 8 g 3 relativ zur Basis g i dar Lösung a) Da wir einen dreidimensionalen Raum betrachten, hat jede Basis die Dimension 3 und jedes Tripel aus linear unabhängigen Vektoren stellt eine Basis dar Wir weisen die lineare Unabhängigkeit von g 1, g, g 3 durch die folgende allgemeine Linearkombination nach: 0! = λ 1 g 1 + λ g + λ 3 g 3 = λ 1 e1 + e + e 3 + λ e1 + e e 3 + λ3 e1 + e + e 3 An dieser Stelle können wir benutzen, dass die Vektoren e i nach Voraussetzung eine Basis von E 3 bilden, und somit insbesondere linear unabhängig sind D h es gilt: 0! = α e 1 + β e + γ e 3 = α β γ = 0 (1) Daher sortieren wir obige Gleichung als Linearkombination der e i um: 0! = λ 1 e1 + e + e 3 + λ e1 + e e 3 + λ3 e1 + e + e 3 = λ 1 + λ λ 3 e1 + λ 1 + λ + λ 3 e + λ 1 λ + λ 3 e3 Hier müssen alle Klammern verschwinden, denn diese entsprechen den Vorfaktoren in Gleichung (1) Wir gewinnen also das Gleichungssystem λ 1 0 = λ = λ = Seite von 13
3 Dieses homogene Gleichungssystem besitzt nur die triviale Lösung λ 1 λ λ 3 = 0, denn die Koeffizientenmatrix ist cht invertierbar und somit lässt sich keine eindeutige cht triviale Lösung gewinnen Diese Argumentation gilt nur im homogenen Fall, da die triviale Lösung ein homogenes lineares Gleichungssystem immer identisch erfüllt b) Zuerst bestimmen wir die kovarianten Metrikkoeffizienten g aus den in der Aufgabenstellung gegebenen Basisvektoren g i gemäß der Defition g := g i g j : g 11 := g 1 g 1 = e 1 + e + e 3 e1 + e + e 3 = = 3, g := g g = e 1 + e e 3 e1 + e e 3 = = 3, g 33 := g 3 g 3 = e 1 + e + e 3 e1 + e + e 3 = = 3, g 1 g 1 := g 1 g = e 1 + e + e 3 e1 + e e 3 = = 1, g 13 g 31 := g 1 g 3 = e 1 + e + e 3 e1 + e + e 3 = = 1, g 3 g 3 := g g 3 = e 1 + e e 3 e1 + e + e 3 = = 1 Da diese Komponentenmatrix voll besetzt ist, wird eine Bestimmen der kontravarianten Metrikkoeffizienten g über Inversion der Metrikkoeffizienten g sehr aufwändig Daher nutzen wir den Hinweis aus und verwenden die im dreidimensionalen gültige Bestimmung der reziproken Basis über ein Kreuzprodukt Hierfür benötigen wir als Normierungsfaktor das Spatprodukt der bekannten Basisvektoren: g 1 g g 3 = (e1 + e + e 3 ) (e 1 + e e 3 ) ( e 1 + e + e 3 ) = (e 1 + e + e 3 ) 0 + e 3 e + e e 1 + e + e 1 0 = 4 Nun erhalten wir die kontravarianten Basisvektoren g i durch Bilden der Kreuzprodukte g 1 = g = g 3 = g g 3 g 1 [g g 3 ] = 1 4 (e 1 + e e 3 ) ( e 1 + e + e 3 ) = 1 (e 1 + e 3 ) g 3 g 1 g 1 [g g 3 ] = 1 4 ( e 1 + e + e 3 ) (e 1 + e + e 3 ) = 1 (e e 3 ) g 1 g g 1 [g g 3 ] = 1 4 (e 1 + e + e 3 ) (e 1 + e e 3 ) = 1 (e e 1 ) Seite 3 von 13
4 Die kontravarianten Metrikkoeffizienten g könnten wir nun direkt gemäß ihrer Defition g := g i g j gewinnen und erhalten g 11 := g 1 g 1 = e1 + e 3 e1 + e 3 = = 1 4 4, g := g g = e e 3 e e 3 = = 1 4 4, g 33 := g 3 g 3 = e e 1 e e 1 = = 1 4 4, g 1 g 1 := g 1 g = 1 1 e1 + e 3 e e 3 = 4 4, g 13 g 31 := g 1 g 3 = 1 1 e1 + e 3 e e 1 = 4 4, g 3 g 3 := g g 3 = 1 1 e e 3 e e 1 = 4 4 c) Wir können die gesuchte Darstellung n = n i g i durch Senken der Indizes der bereits bekannten Darstellung n = n i g i gewinnen Allgemein entspricht das Senken von Indizes: n i = g n j Durch einen Koeffizientenvergleich der allgemeinen Darstellung mit der Aufgabenstellung n n i g i = n 1 g 1 + n g + n 3 g 3! = 4 g g 8 g 3 erhalten wir die benötigten kontravarianten Komponenten n 1 = 4, n = 1, n 3 = 8 Nun erhalten wir die kovarianten Komponenten n i, indem wir die Indizes senken, d h n 1 = g 1 j n j = g 11 n 1 + g 1 n + g 13 n 3 = ( 8) = 16, n = g j n j = g 1 n 1 + g n + g 3 n 3 = ( 1) ( 8) = 48, n 3 = g 3 j n j = g 31 n 1 + g 3 n + g 33 n 3 = ( 1) ( 8) = 3 Die beiden Darstellungen des Vektors n lauten also n = 4 g g 8 g 3 = 16 g g 8 g 3 Seite 4 von 13
5 Aufgabe Sei T ein symmetrischer Tensor zweiter Stufe, dessen Komponenten bezüglich eines orthonormalen Basissystems e i gegeben sind durch T = Bestimmen Sie a) die drei Hauptinvarianten I T, I I T,, I I I T, b) die Eigenwerte λ i, c) die (normierten) Eigenvektoren e i, sowie d) die orthogonale Transformation Q, für die folgende Gleichung gilt: e i = Q e j Lösung a) Die Hauptinvarianten bestimmen wir anhand der Komponenten und erhalten I T = T 11 + T + T 33 = = 7, I I T = T 11 T + T 11 T 33 + T T 33 T 1 T 1 T 13 T 31 T 3 T 3 = = 14, I I I T = e k T 1i T j T 3k = = 8 b) Das charakteristische Polynom des Eigenwertproblems ist gegeben durch 0! = λ 3 I T λ + I I T λ I I I T = λ 3 7 λ + 14 λ 8 Einen Eigenwert können wir hier schnell erraten und finden ihn zu λ (1) = 1 Eine Polynomdivison liefert uns die quadratische Restgleichung für die anderne beiden Eigenwerte: 0 = (λ 1) (λ 6 λ + 8) = λ (1) = 1, λ () =, λ (3) = 4 c) Sei die i te Eigenrichtung durch den Vektor e i gegeben und gelte das Eigenwertproblem 0 = T λ (i) 1 e i Seite 5 von 13
6 Für den ersten Eigenwert λ (1) = 1 ergibt sich hieraus das folgende Gleichungssystem: = e 1 = 1 0 e 1 = e 1 = ±e Analog findet man für den Eigenwert λ () = das Gleichungssystem = e = e = e = ± 1 (e 1 + e ) Auch für den Eigenwert λ (3) = 4 stellen wir das Gleichungssystem auf und lösen dieses: = e 3 = e 3 = e 3 = ± 1 (e 1 e ) d) Die Orientierungen der Eigenrichtungen wollen wir so festlegen, dass diese wiederum ein rechtshändiges orthonormales Basissystem {e i } bilden Dazu legen wir zunächst die Orientierungen von e 1 und e durch das Vorzeichen fest, e 1 = e 3, e = 1 (e 1 + e ), und bestimmen den gesuchten dritten Basisvektor e 3 über das Kreuzprodukt 1 e 3 = e 1 e = e 3 (e 1 + e ) = 1 (e 3 e 1 + e 3 e ) = 1 (e e 1 ) Da wir hier die Eigenrichtungen betrachten, lässt sich die Transformation Q direkt angeben Die Komponentenmatrix dieser Hauptachsentransformation entspricht der Matrix, deren Spalten gerade den Einträgen der zugehörigen Eigenrichtungen entsprechen D h die erste Spalte entspricht der ersten Eigenrichtung, die zweite Spalte der zweiten und die dritte Spalte der dritten Eigenrichtung: Q = = Andererseits können wir die gesuchten Komponenten Q ebenfalls aus einem Koeffizientenvergleich gewinnen Hierzu vergleichen wir die direkten Berechnung der Eigenrichtungen e i aus dem Eigenwertproblem mit dem Resultat der Transformation e i = Q e j Seite 6 von 13
7 Für die erste Eigenrichtung e 1 ergibt sich somit e 1 = Q 11 e 1 + Q 1 e + Q 13 e 3! = e 3 Da beide Rechenwege zum selben Ergebs kommen müssen, müssen die Koeffizienten vor den Basisvektoren e j übereinstimmen und wir erhalten Q 11 = 0, Q 1 = 0, Q 13 = 1 Völlig analog ergibt sich für die zweite Eigenrichtung e = Q 1 e 1 + Q e + Q 3 e 3! = 1 (e 1 + e ), woraus wir direkt ablesen können, dass Q 1 = 1, Q = 1, Q 3 = 0 Es verbleibt der Koeffizientenvergleich für die letzte Eigenrichtung e 3 = Q 31 e 1 + Q 3 e + Q 33 e 3! = 1 (e e 1 ), bei der wir ein letztes Mal die Koeffizienten vergleichen und schließlich erkennen, dass Q 31 = 1, Q 3 = 1, Q 33 = 0 Seite 7 von 13
8 Aufgabe 3 Seien zwei Tensoren zweiter Stufe S, T und zwei symmetrische Tensoren C, U gegeben Bezeichne ferner T D den deviatorischen Anteil von T Zeigen Sie durch geeignete Rechnung, dass a) für invertierbare Tensoren T mit der Inversen : T S T 1 D = T S D, b) die folgende Identität gilt: Spur T 3 = I 3 T 3 I T I I T + 3 I I I T Hinweis: Nutzen Sie das Caley Hamilton Theorem c) für die erste Hauptinvariante von C := U : I C = I U I I U, d) mit Hilfe der beiden vorherigen Aufgabenteile für die zweite Hauptinvariante von C = U : I I C = I I u I U I I I U, Hinweis: Nutzen Sie das Caley Hamilton Theorem um U 4 geschickt darzustellen e) für die dritte Hauptinvariante von C := U : Lösung I I I C = I I I U a) Wir wollen den deviatorischen Anteil des Produktes T S näher bestimmen und setzen daher dessen Defition an: T S T 1 D := T S T Spur T S 1 Wir machen uns zunutze, dass wir innerhalb der Spur zyklischen permutieren dürfen: = T S 1 3 Spur S T 1 = T S 1 3 Spur (S) 1 Als nächstes klammern wir den Tensor T bzw seine Inverse aus und erhalten: = T S 13 Spur (S) 1 =: T S D Seite 8 von 13
9 b) Wir benutzen den Satz von Caley Hamilton und stellen diesen um, damit wir die Potenz T 3 durch edrigere Potenzen ausdrücken können: 0! = T 3 I T T + I I T T I I I T 1 = T 3 = I T T I I T T + I I I T 1 Bilden der Spur dieser Identität liefert uns weiter: Spur T 3 = Spur I T T II T T + III T 1 Ausnutzen der Linearität der Spur lässt uns die Terme auseinanderziehen: = I T Spur T I I T Spur (T) + I I I T Spur (1) (1) Bei diesem Ausdruck stört uns noch die Spur des Quadrates T Dieses wird benutzt um die zweite Invariante I I T zu defieren Daher können wir eben diese Defition ausnutzen und erhlaten nach Umstellung: I I T := 1 I T Spur T = Spur T = I T I I T Einsetzen dieser Darstellung in Gl (1) und Auswerten des Termes Spur (1) liefert: Spur T 3 = I T I T I I T I I T Spur (T) + 3 I I I T = I 3 T 3 I T I I T + 3 I I I T c) Wir beginnen bei der Defition der ersten Invariante I C und setzen die Defition des Tensors C aus der Aufgabenstellung ein: I C := Spur (C) = Spur U Analog zum vorangegangenen Aufgabenteil drücken wir wiederum die Spur des Quadrates mit Hilfe der zweiten Invariante I I U aus: I I U := 1 I U Spur U = I C = Spur U = I U I I U d) Wir beginnen mit der Defition der zweiten Invariante I I C und setzen in diese das Ergebs aus dem vorangegangenen Aufgabenteil sowie die in der Aufgabenstellung angegebene Darstellung für C ein: I I C := 1 I C Spur C = 1 I U I I U Spur U 4 () Seite 9 von 13
10 Hierbei müssen wir den hinteren Term noch geschickt darstellen Das gelingt uns, indem wir den Satz von Caley Hamilton mit dem Tensor selbst multiplizieren und umstellen, d h 0 = U 4 I U U 3 + I I U U I I I U U = U 4 = I U U 3 I I U U + I I I U U Einsetzen dieser Darstellung in Gl () liefert uns folglich I I C = 1 I U I I U Spur IU U 3 II U U + III U U Ausnutzen der Linearität der Spur und Auflösen der binomischen Formel liefert uns: = 1 I 4 U 4 I U I I U + 4 I I U I U Spur U 3 + I I U Spur U I I I U Spur (U) Erneut drücken wir Spur U mittels der Defition der zweiten Invariante aus: = 1 I 4 U 4 I U I I U + 4 I I U I U Spur U 3 + I I U I U I I U I I IU I U = 1 I 4U 3 I U I I U + I I U I U I I I U I U Spur U 3 An dieser Stelle nutzen wir Aufgabenteil b), um den Term Spur U 3 anders darzustellen: = 1 I 4 U 3 I U I I U + I I U I U I I I U I U I 3 U 3 I U I I U + 3 I I I U Zusammenfassen der Terme liefert uns schließlich: = 1 I 4U 3 I U I I U + I I U I U I I I U I 4U + 3 I U I I U 3 I U I I I U = 1 I I U 4 I U I I I U = I I U I U I I I U e) Wir setzen zuerst die Defition der Determinante sowie die Darstellung von C aus der Aufgabenstellung ein Danach nutzen wir lediglich noch aus, dass die Determinante eines Produktes dem Produkt der Einzeldeterminanten entspricht: I I I C := det C = det (U U) = (det U) (det U) = (det U) =: I I I U Seite 10 von 13
11 Aufgabe 4 Sei T ein invertierbarer Tensor zweiter Stufe mit der Inversen, d h T = 1 Zeigen Sie durch geeignete Rechnung, dass a) für die zeitliche Änderung der Inversen gilt, dass Ṫ 1 = = Ṫ, b) für symmetrisches T in Indexnotation gilt, dass T 1 T kl = = 1 T kl ik l j + il k j Hinweis: Stellen Sie den symmetrischen Tensor T = T T dar als T = 1 T + T T Sei W ein antisymmetrischer Tensor mit axialem Vektor w mit Komponenten w i = 1 ε k W k j bezüglich einer orthonormalen Basis c) Bestimmen Sie die Ableitung (w w) W Seien eine Basis g i, die Metrikkoeffizienten g := g i g j sowie die über g i, j = Γ k g k defierten Christoffelsymbolen Γ k gegeben d) Zeigen Sie durch geeignete Rechnung, dass die Christoffelsymbole Γ k alleine durch die Metrikkoeffizienten g bzw g bestimmt sind: Γ k = 1 g kl g jl,i + g il, j g,l Hinweis: Setzen Sie geeignet in die rechte Seite der Gleichung ein Lösung a) Anstatt die Ableitung Ṫ 1 direkt zu betrachten, leiten wir die folgende Identität nach der Produktregel der Tensordifferentiation ab und erhalten: 1 =: T = 0 = 1 = T = Ṫ + T Ṫ 1 Seite 11 von 13
12 Nach einer Multiplikation mit von links können wir diese Gleichung umstellen: 0 = Ṫ + T Ṫ 1 = Ṫ 1 = Ṫ b) Erneut gehen wir indirekt vor und leiten die obige Identität nach der Produktregel ab Das tun wir direkt in der Indexnotation und erhalten mit den Komponenten 0 kl 0, dass δ = T im m j = 0 = δ = T im = T im + T im Multiplikation mit von links, d h mit (Summation über den ersten Index!), liefert 0 = T im m j + T im = T im + δ nm Mit Hilfe dieser Gleichung erhalten wir die folgende Darstellung, denn die Kronecker Deltas sind konstant (Wert 0 bzw 1) und somit verschwindet deren Ableitung: n j = δnm m j 1 T = δ nm = T im Somit haben wir eine Darstellung für die gesuchte Ableitung gefunden Allerdings können wir diese cht direkt weiter umformen und müssen daher an dieser Stelle den Hinweis T = 1 (T + TT ) verwenden Nach der Summenregel ergibt sich für die gesuchte Ableitung:! 1 = [T im + T mi ] = 1 Tim + T mi Da die Tensorkomponenten linear unabhängig voneinander sind, müssen die Indizes der Ableitungen identisch sein und wir können die dadurch auftretenden Kronecker Deltas zum Umbenennen der entsprechenden Indizes verwenden: = 1 δ ik δ ml + δ mk δ il = 1 nk l j + nl k j c) Wir setzen die Komponentendarstellung des Skalarproduktes und die Komponenten w i (siehe Aufgabenstellung) an und leiten diese nach der Produktregel ab: (w i w i ) w i 1 = w i = W mn W mn ɛ k W k j W mn 1 ɛ ipq W qp Seite 1 von 13
13 Das Permutationssymbol ɛ ipq ist konstant und wir können dieses aus der Ableitung herausziehen Die linear unabhängigen Tensorkomponenten können wir dann direkt ableiten: = 1 ɛ k ɛ ipq W k j W qp W mn = 1 ɛ k ɛ ipq W k j δ qm δ pn Beide Permutationssymbole haben einen gemeinsamen Index i Daher können wir dieses Produkt wiederum durch Kronecker Deltas ausdrücken: = 1 δjp δ kq δ jq δ kp Wk j δ qm δ pn Auswerten der Kronecker Deltas und Ausnutzen der Antisymmetrie W nm = W mn liefert: = 1 (W mn W nm ) = 1 ( W mn) = W mn = (w w) W = W d) Wir betrachten zuerst nur den Summanden g, l und setzen in diesen die Defition der Metrikkoeffizienten sowie die angegebene Ableitung der Basisvektoren ein: g, l := (g i g j ),l = g i,l g j + g i g j,l = Γ m il g m gj + g i Γ m l j g m =: Γ m il g + Γ m l j g im Die anderen beiden Ableitungen bestimmen sich analog, d h wir gewinnen diese, in dem wir einfach nur die Indizes entsprechend umbenennen: g jl,i = Γ m ji g ml + Γ m il g jm, g il, j = Γ m g ml + Γ m jl g im Diese drei Darstellungen setzen wir nun in der rechten Seite der gesuchten Gleichung ein und beachten dabei die beiden Symmetrien Γ k = Γ i k j bzw g = g ji : 1 g kl Γ m ji g ml + Γ m il g jm + Γ m g ml + Γ m jl g im Γ m il g + Γ m l j g im = 1 g kl Γ m g ml = Γ m g kl g ml Die beiden Metrikkoeffizienten sind invers zueinander und daher erhalten wir: = Γ m δ k m = Γ k Seite 13 von 13
Kapitel 22. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel Aufgaben Verständnisfragen Aufgabe. Gegeben sind kartesische Tensoren r ij k, s ij und t ij. Welche der folgenden Größen sind koordinateninvariant? s ii, s ij t jk, s ij t ji, r ijj, s ij t jk
MehrMusterlösungen 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
MehrAufgaben zu Kapitel 22
Aufgaben zu Kapitel Aufgaben zu Kapitel Verständnisfragen Aufgabe. Gegeben sind kartesische Tensoren r ij k, s ij und t ij. Welche der folgenden Größen sind koordinateninvariant? s ii, s ij t jk, s ij
Mehr3.6 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
Mehr5.1 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
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016
Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016 Bearbeiten Sie bitte zwei
MehrEigenwertprobleme. 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
Mehr1 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
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016
Name, Vorname Matrikel-Nr. Aufg. Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 206 Bearbeiten Sie bitte
MehrBC 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
MehrKapitel 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
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrLineare 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
MehrÜbungsblatt
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
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
Mehr3. 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
MehrWiederholungs-Modulprüfung: zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16 1.Klausur
Name, Vorname Matrikel-Nr. Aufg.1 Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Wiederholungs-Modulprüfung: zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16 1.Klausur Bearbeiten
Mehr5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit
ME Lineare Algebra HT 2008 99 5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit 5.1 Ein Beispiel zur Motivation Als einfachstes Beispiel eines dynamischen Systems untersuchen wir folgendes Differentialgleichungssystem
Mehr2 Matrizenrechnung und Lineare Gleichungssysteme
Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der
MehrTensoren auf einem Vektorraum
ANHANG A Tensoren auf einem Vektorraum In diesem Anhang werden einige Definitionen und Ergebnisse betreffend Tensoren ohne Anspruch auf mathematische Strenge zusammengestellt. Das Ziel ist, den modernen
MehrTutorium 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 +
MehrÜbungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen
1 Lineare Abhängigkeit 1.1 Für welche t sind die folgenden Vektoren aus 3 linear abhängig? (1, 3, 4), (3, t, 11), ( 1, 4, 0). Das zur Aufgabe gehörige LGS führt auf die Matrix 1 3 4 3 t 11. 1 4 0 Diese
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
Mehr3 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
MehrDrehachse 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.
MehrLineare 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[5], [0] v 4 = + λ 3
Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span
MehrMathematik 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
MehrDie wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.
Definition: Lineare Abbildung Lineare Abbildungen Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. 8.1 Definition: Lineare Abbildung Eine Funktion f : V Ñ W zwischen
MehrPrüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker
TECHNISCHE UNIVERSITÄT BERLIN WS 2/2 Fachbereich 3 - Mathematik Seiler / Rambau Prüfungs-/Übungsschein-Klausur (Rechenteil Lineare Algebra für Ingenieure/E-Techniker Name:................................................................................
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
MehrI) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
Mehr8.2 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
MehrKapitel 11 Eigenwerte und Eigenvektoren
Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare
MehrMathematik 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/
MehrMusterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr
TUM Ferienkurs Lineare Algebra WiSe 8/9 Dipl.-Math. Konrad Waldherr Musterlösung Relationen Aufgabe Auf R sei die Relation σ gegeben durch (a, b)σ(c, d) : a + b c + d. Ist σ reflexiv, symmetrisch, transitiv,
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung
Mehr5 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
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
MehrLineare 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
MehrTensoranalysis Mai 2010
Tensoranalysis Mai 2010 Einführung Der Tensor ist ein mathematisches Objekt aus der Algebra und Differentialgeometrie. Der Begriff wurde ursprünglich in der Physik eingeführt und später mathematisch präzisiert.
MehrSysteme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.
Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x
MehrKapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung
Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
MehrHöhere Mathematik I. Variante A
Lehrstuhl II für Mathematik Prof Dr E Triesch Prof Dr O Sander Höhere Mathematik I WiSe / 4 Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder-
MehrEigenwerte 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
MehrLineare Algebra. Teil III. Inhaltsangabe
Teil III Lineare Algebra Inhaltsangabe 3 Lineare Algebra 22 3.1 Einführung.......................... 22 3.2 Matrizen und Vektoren.................... 23 3.3 Spezielle Matrizen...................... 24
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:
MehrKlausur zur Vorlesung Höhere Mathematik I
Name: 30. Januar 200,.00-3.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 20 min, 2 Zeitstunden Skript, Vorlesungsmitschrift Schreiben Sie bitte auf dieses Deckblatt oben rechts
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrSeminar 1. Epsilontik. 1.1 Der ε-pseudotensor und einige seiner Eigenschaften
Seminar 1 1 Vektoralgebra, -Operator, Epsilontik 1.1 Der ε-pseudotensor und einige seiner Eigenschaften In in allen Bereichen der theoretischen Physik sehr gebräuchliches Hilfsmittel ist der ε-pseudotensor.
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16
Name, Vorname Matrikel-Nr. Aufg. Aufg.2 Aufg.3 Aufg.4 Σ Note bzw. Kennzeichen Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 25/6 Bearbeiten Sie bitte
Mehr9.2 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
MehrMathematik für Anwender I. Klausur
Fachbereich Mathematik/Informatik 27. März 2012 Prof. Dr. H. Brenner Mathematik für Anwender I Klausur Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
MehrLineare Algebra II 11. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des
Mehr(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.
L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors
Mehr2.3.4 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
MehrSkript 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.................................
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil
MehrNun erinnern wir an die Konvention, dass die Komponenten von v V (bzgl. B) einen Spaltenvektor. v 1 v 2 v =
eim Rechnen mit Linearformen in V zusammen mit Vektoren in V ist es von Vorteil, mit der Dualbasis zu einer gewählten asis von V zu arbeiten Hierzu einige Erläuterungen Wie ede asis von V kann die Dualbasis
MehrLösungen zu Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Sommer 4 Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT. [ Punkte] Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in
MehrÜbungsaufgaben 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
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
MehrMathematischer Vorkurs Lösungen zum Übungsblatt 5
Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 c.v.meister@skmail.ikp.physik.tu-darmstadt.de Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und
MehrMathematik I. Vorlesung 18. Vielfachheiten und diagonalisierbare Abbildungen. µ λ = dim(eig λ (ϕ))
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 18 Vielfachheiten und diagonalisierbare Abbildungen Satz 18.1. Es sei K ein Körper und es sei V ein endlichdimensionaler K- Vektorraum.
MehrAufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
Mehr9 Lineare Algebra 2 (SS 2009)
9 Lineare Algebra 2 (SS 2009) Vorbemerkung: Das Einsetzen von quadratischen Matrizen in Polynome. Im folgenden sei R ein kommutativer Ring und R[T] der Polynomring mit Koeffizienten in R (dies ist wieder
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Sommer 2016
P. Grohs T. Welti F. Weber Herbstsemester 2015 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Name a a Note Vorname Leginummer Datum 19.08.2016 1 2 3 4 5 6 Total 7P 11P 10P 11P
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrHauptachsentransformation: 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
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen
Mehr1. Klausur zu Vektor- und Matrizenrechnung I und II WS 2009/10 und SS 2010 am Dienstag, dem 27. Juli 2010
Dr. M. Scheer Fakultät für Mathematik Technische Universität Dortmund 1. Klausur zu Vektor- und Matrizenrechnung I und II WS 2009/10 und SS 2010 am Dienstag, dem 27. Juli 2010 Name: Vorname: Matr.-Nr.:
MehrAussagenlogik. 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
Mehr47 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
MehrAussagenlogik. 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
Mehr10. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 A =
O Alaya, S Demirel M Fetzer, B Krinn M Wied Gruppenübung zur Vorlesung Höhere Mathematik Wintersemester /3 Dr M Künzer Prof Dr M Stroppel Lösungshinweise zu den Hausaufgaben: Aufgabe H 34 a Gegeben ist
MehrRückwärts-Einsetzen. Bei einem linearen Gleichungssystem in oberer Dreiecksform, nacheinander bestimmt werden: r n,n x n = b n. = x n = b n /r n,n
Rückwärts-Einsetzen Bei einem linearen Gleichungssystem in oberer Dreiecksform, r 1,1 r 1,n x 1 b 1..... =., } 0 {{ r n,n } x n b n R mit det R = r 1,1 r n,n 0 können die Unbekannten x n,..., x 1 nacheinander
MehrEXKURS: 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
Mehrm 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23
Kapitel 5 Eigenwerte 5. Definition und Beispiele Wir sehen uns ein System dreier schwingender Kugeln der Massen m, m und m 3 an, die durch Federn aneinander gekoppelt sein sollen. m k m k 3 m 3 x ( t x
MehrExponentialabbildung für Matrizen und Systeme von Differentialgleichungen
Proseminar Lineare Algebra SS10 Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen Simon Strahlegger Heinrich-Heine-Universität Betreuung: Prof. Dr. Oleg Bogopolski Inhaltsverzeichnis:
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Darstellungsmatrizen 2 2 Diagonalisierbarkeit
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 006/07 en Blatt 3.0.006 Einführung in die Matrizenrechnung Zentralübungsaufgaben
Mehr8.2 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
MehrKlausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen.
Klausur Lineare Algebra I am 03.02.10 Es sind insgesamt 60 Punkte bei der Klausur zu erreichen. Aufgabe 1. (6 Punkte insgesamt) a.) (3P) Definieren Sie, was eine abelsche Gruppe ist. b.) (3P) Definieren
MehrVektoren - 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. Name motiviert durch (hängt von Einbettung in höher dimensionalen Raum ab) folgendes Bild:
1.4 Vektoren Jeder Vektor (Vierer-Vektor) lebt an einem bestimmten Punkt der Raumzeit. Dieser lässt sich bei Krümmung nicht einfach verschieben. Betrachte deshalb Menge alle Vektoren an einem Punkt p =
MehrL5.6 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.
MehrAusgewählte Lösungen zu den Übungsblättern 9-10
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt
MehrZusammenfassung 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)...
MehrOrthonormalbasis. 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
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
Mehr++ + = 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
MehrKurzübersicht Lineare Algebra. Vorlesung Multivariate Analysemethoden WS 2006/2007 (G. Meinhardt)
Kurzübersicht Lineare Algebra Vorlesung Multivariate Analysemethoden WS 2006/2007 (G. Meinhardt 21.11.2006 1 Lineare Gleichungen System linearer Gleichungen, allgemeine Form: a 11 x 1 + a 12 x 2 + + a
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 009 Dienstag 3.6 $Id: quadrat.tex,v.4 009/06/3 4:55:47 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6.3 Quadratische Funktionen und die Hauptachsentransformation
MehrKapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24
Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt
MehrAussagenlogik. 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