5.1 Eigenwerte und Eigenvektoren

Ähnliche Dokumente
Übungsblatt

5 Lineare Algebra (Teil 3): Skalarprodukt

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

Lernunterlagen Vektoren in R 2

2.3.4 Drehungen in drei Dimensionen

Eigenwerte und Eigenvektoren

Übungen zu Lagrange-Formalismus und kleinen Schwingungen

4.4. Rang und Inversion einer Matrix

Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Lösungsvorschlag

Mathematik II Frühjahrssemester 2013

und Unterdeterminante

Lineare Algebra und analytische Geometrie I

4 Lineare Abbildungen

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

Drehachse und Drehwinkel

Hauptachsentransformation: Eigenwerte und Eigenvektoren

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

Gekoppelte Schwinger & Normalschwingungsanalyse Eine Einführung

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

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

09. Lineare Abbildungen und Koordinatentransformationen

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME

4.1. Vektorräume und lineare Abbildungen

Tutorium Mathematik II, M Lösungen

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren

Lineare Algebra I (WS 13/14)

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

3.3. Drehungen und Spiegelungen

Theoretische Physik: Mechanik

11 Eigenwerte und Eigenvektoren

9. Übungsblatt zur Mathematik I für Maschinenbau

Serie 12: Eigenwerte und Eigenvektoren

ist über C diagonalisierbar.

Lineare Algebra: Determinanten und Eigenwerte

Lineare Algebra. 1 Lineare Abbildungen

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

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

Lineare Algebra II 8. Übungsblatt

3.6 Eigenwerte und Eigenvektoren

Anwendung v. symmetrischen Matrizen: Hauptachsentransformation

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

Einführung in die Algebra

Lineare Algebra I 14. Tutorium Lineare Abbildungen und Matrizen

Übungen zu Lagrange-Formalismus und kleinen Schwingungen

Eigenwerte und Eigenvektoren von Matrizen

Klausur HM I H 2005 HM I : 1

Eigenwerte und Eigenvektoren

5.4 Hauptachsentransformation

45 Eigenwerte und Eigenvektoren

Aufgabenskript. Lineare Algebra

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

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

Probeklausur Lineare Algebra für Physiker

Flächen zweiter Ordnung

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

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

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

47 Singulärwertzerlegung

1 Abbildungen in der Ebene

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

Ergänzung zu komplexe Zahlen

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

Kleine Schwingungen vieler Freiheitsgrade

Aufgaben zu Kapitel 19

35 Matrixschreibweise für lineare Abbildungen

Kapitel 7. Lineare Abbildungen. 7.1 Motivation

Zusammenfassung und Beispiellösungen. zur Linearen Algebra

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

Mathematik für Naturwissenschaftler II

Eigenwerte (Teschl/Teschl 14.2)

Vektoren, Vektorräume

Lineare Algebra und analytische Geometrie II

6 Eigenwerte und Eigenvektoren

5.2 Charakteristisches Polynom und Eigenräume

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

Hans Walser, [ a] Wurzeln aus Matrizen

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Matrix- Algorithmen Householder- und Givens- Matrizen

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

6.3 Hauptachsentransformation

Ferienkurs Theoretische Mechanik 2009 Hamilton Formalismus und gekoppelte Systeme

3.3 Klassifikation quadratischer Formen auf R n

Definition von R n. Parallelverschiebungen in R n. Definition 8.1 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R... R (n-mal), d.h.

9 Lineare Gleichungssysteme

2.9 Die komplexen Zahlen

4.4 Eigenwerte und Eigenvektoren

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

3.2. Polarkoordinaten

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

Transkript:

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

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

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

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

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

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