- Informationen
- KI Chat
War dieses Dokument hilfreich?
HM II Formelsammlung
Kurs: Höhere Mathematik 2 für Maschinenwesen und Chemie-Ingenieurwesen (MW9302)
54 Dokumente
Studierenden haben 54 Dokumente in diesem Kurs geteilt
Universität: Technische Universität München
War dieses Dokument hilfreich?
HM II FS
Lineare Algebra
LinearitŠt
¥ Eine lineare Abb. ist genau dann injektiv,
wenn Kern(f) = {0}
¥ Jede lineare Abb. ist durch eine Matrix
darstellbar
Dimensionsformel, f: V ³ W
¥ dim Bild(f) = rang(f) = Spaltenraum von A
¥ kern(f) = {0} => dim Bild(f) = V => bijekt.
Darstellungsmatrizen
¥ IdentitŠtsfunktion:
Basistransformation
Kettenregel:
¥
Transformationsformel:
¥
HŠufiger Fall: f = Av
¥
wobei
Methoden zur Bestimmung von D.M.
1.) Vektoren der Basis von V einsetzen und
deren Koordinaten bezŸglich der Basis von
W bestimmen
2.) Transformationsformel
¥ Man nennt zwei Matrizen ÒŠhnlichÓ falls es
eine invertierbare Matrix S gibt, so dass
gilt
¥ Darstellungsmatrizen derselben linearen
Abbildung (bzgl.) unterschiedlicher Basen
sind Šhnlich
Eigenwerte & Eigenvektoren
¥
¥ Jeder Eigenvektor spant seinen
zugehšrigen Eigenraum
Bestimmen von Eigenwerte
¥ A ist singulŠr => nicht invertierbar
¥
¥ Eigenwerte sind Nullstellen des
charakteristischen Polynoms
Eigenvektoren
¥Nach Bestimmung der Eigenwerte lšse
Vielfachheit
¥: wie oft in vorkommt
¥: wie viele Eigenvektoren besitzt
=> Dimension des Eigenraums zu
¥Es gilt immer
Satz: Die Determinante einer Matrix ist das
Produkt ihrer Eigenwerte (mit Vielfachen)
Diagonalisierbarkeit
¥ Eine Matrix ist Diagonalisierbar falls
¥ In den Spalten von S stehen die
Eigenvektoren von A
¥
Satz: Eine Matrix ist genau dann
diagonalisierbar, wenn fŸr jeden Eigenwert
gilt
Satz: Eine symmetrische Matrix hat
nur reelle Eigenwerte und ist immer
diagonalisierbar. Die Eigenvektoren sind
orthogonal zueinander
¥A und D sind Šhnliche Matrizen
Satz: €hnliche Matrizen besitzen dieselben
Eigenwerte
Jordannormalform
¥ Eine Jordanmatrix besteht aus
JordankŠstchen
Satz: FŸr jede Matrix A gibt es eine Jordan-
Basis und eine Jordanmatrix mit
Verallgemeinerte EigenrŠume
¥,
¥
Jordan-Basis bestimmen
¥ Eigenvektoren von N bestimmen falls
, dann kern von bis
¥ Dann den letzten bestimmten Eigenvektor
benutzen um die anderen zu bestimmen,
und
¥
SingulŠrwertzerlegung
Satz: A quadratisch. Dann gibt es zwei nxn
orthogonale Matrizen U, V und eine
Diagonalmatrix S, so dass
¥
Methode:
1.) Berechne die Eigenwerte und
Eigenvektoren von
2.) ,
3.)
Lineare Differentialgleichungen
¥Lšsung
Lšsung bestimmen:-
1.) A ist eine Diagonalmatrix
¥
2.) A Diagonalisierbar
¥ bestimmen, so dass
¥
3.) A ist nicht diagonalisierbar
¥
¥A zerlegen, so dass wobei J
aus besteht
¥Nur wenn DN = ND gilt
¥
¥Wobei
Lšsungsformel fŸr Lineare DGLs
¥ Integral wird Komponentenweise
durchgefŸhrt
Differentialrechnung
Topologische Grundbegriffe
¥Menge D ist offen , falls , wenn alle
Punkte aus D innere Punkte sind
¥Menge D ist abgeschlossen, falls ,
wenn D alle Randpunkte enthŠlt
¥Abschluss von D ist
¥ offen, dann abgeschlossen
Gradient
¥Erste Ableitung eines Skalarfelds
¥
Satz: Falls stetig ist, fŸr k = 1,É,d:
;
SonderfŠlle:
1. ,
2. ,
Hšhenlinien/Niveaumengen
¥ Menge von Punkte, die alle auf derselben
Hšhe liegen:
¥
¥ Falls bekannt, dann
¥
Hessematrix
¥ Zweite Ableitung eines Skalarfelds
Satz von Schwarz: Wenn die zweiten
partiellen Ableitungen von f stetig sind, dann
ist die Hesse-Matrix symmetrisch, es gilt:
Taylorentwicklung
¥ Die affin-lineare NŠherung ist geometrisch
eine Tangentenebene
¥ Die quadratische NŠherung an f ist
geometrisch einen Tangentenparaboloid
Kettenregel
Lokale Extrema
Satz: , symmetrisch, ist positiv
(semi-)definit, wenn alle Eigenwerte grš§er
(gleich) 0 sind. [Negativ wenn kleiner]
Extremstellentest
1. Kritische Punkte bestimmen:
2. Definitheit von betrachten:
-Minimum falls positiv-definit
-Maximum falls negativ-definit
-Sattelpunkt falls Indefinit
oder
Jacobi-Matrix
¥ Allgemeine erste Ableitung von
Funktionen mehrerer VerŠnderlicher
¥ Gradienten jeder Komponente als Zeile
Rechenregeln
¥ LinearitŠt:
¥ Produktregel:
¥ Kettenregel:
Newton-Verfahren
¥
1. Lšse das LGS:
2.
Totale Ableitung
¥ Eine Funktion f hei§t total differenzierbar,
falls eine lineare Abb. gibt,
so dass,
¥Die Abbildung hei§t totale Ableitung
bzw. totales Differential,
Kriterium fŸr totale Differenzierbarkeit:
¥f ist total differenzierbar in , falls f in
x stetig partiell differenzierbar ist
Differentialoperatoren
¥ Gradient: wie bei
¥Laplace-Operator: (eines Skalarfelds)
¥ Divergenz: (eines Vektorfelds)
¥ Rotation: (eines Vektorfelds)
Beziehungen:
¥
¥
¥
Implizite Funktionen
¥ Nach einer der Variablen umwandeln
Bsp..:
Satz: offen,
F stetig partiell differenzierbar,
mit .
Falls , dann gibt es eine
Funktion mit
¥Funktioniert auch fŸr
¥Es gilt:
Extrema unter Nebenbedingung
1.) Lšsen durch Einsetzverfahren
I. Nebenbedingung auf eine Variable
lšsen,
II. in einsetzen =>
III. Extremstellen dieser Funktion
bestimmen
2.) LagrangeÕsche Multiplikatorregel
I. Lagrange-Funktion bilden
II. Bestimme Nullstellen des Gradienten
von , das sind erste Kandidaten
III. Bestimme die Nullstellen von ,
das sind weitere Kandidaten, diese
mŸssen erfŸllen
IV. Vergleiche Funktionswerte in den
Kandidatenstellen
Verallgemeinerung fŸr mehrere N.bed.
I. Lagrange-Funktion bilden (mit
usw.)
II. Bestimme Nullstellen des Gradienten
von , erste Kandidaten
III. Bestimme die Stellen mit
, weitere Kandidaten
IV. Funktionswerte vergleichen
Koordinatentransformation
¥ Transformation zwischen zwei
verschiedenen Koordinaten ÒvariantenÓ ist
gegeben durch eine Funktion (Abbildung)
Bsp.:
¥
1.) Zylinderkoordinaten:
¥
2.) Kugelkoordinaten:
¥
f(0) = 0
f(»v) = »f(v)
f(v+w) = f(v) + f(w)
d i m B i l d (f) + d i m K e r n (f) = d i m V
i d (v) = v
BM(id)B=I
DM(g:f)B=DM(g)CçCM(f)B
C2
M(f)B2 =C2
M(i d )CçCM(f)BçBM(i d )B2
BM(f)B=BM(i d )EçEM(f)EçEM(i d )B
EM(f)E=A
M=S21A S
Av =»v
d e t (A2»I) = 0 = p(»)
(A2»kI)vk= 0 , k= 1,2,...
a l g (»)
»
p(»)
g e o (»)
»
»
ge o (»)
fa l g (»)
S21A S =D=d i a g (»1, . . , »n)
Avk=»kvk
g e o (»k) = a l g (»k)
A=AT
B21A B =J
N=A2»I
r=a l g (»)
k er n N ¢k er n N2¢. . . ¢k e r n Nr=k e r n Nr+1
g e o (»k)ba l g (»k)
N2
g e o (»k) = a l g (»k)
b2=N b3
b1=N b2
B= (b1b2b3)
A=U S VT
Avk=Ãkuk
»k
vk
Aæ=ATA
Ãk=»k
V= (v1v2v3)
uk=1
Ãk
Avk
x(t) = eAt c
x(t) = eAt x0=d i a g (e»1,...,e»k)x0
A=S D S21
x(t) = SeDt S21x0
x(t) = SeJt S21x0
A=SJ S21
J=D+N
eD+N=eDeN
eAt =SeDt eNt S21
eNt =I+N t +1
2N t 2+ . . . + 0
x(t) = eAt x0++t
0
eA(t2s)b(s)d s
D=·
D
"D¢D
D=D* "D
D
Dc
'f(x) = ("1f(x)"2f(x) … "df(x))T
"kf
"f
"v(a) = ï 'f(a), vð='f(a)¦v
| | v| | = 1
f(x) = b¦x=ïb,xð
'f(x) = b* =d×1
f(x) = x¦A x
'f(x) = 2 A x
Nc= {x*D#f(x) = c}
Nc= {³(t)#t* =}
³(t)
f(³(t)) = c
(f:³)2 (t) = 'f(³(t)) ç³2 (t) = 0
"1"2f(x) = "2"1f(x)
f(x+h) = f(x) + 'f(x)çh+1
2h¦Hf(x)h+Ã('h'2)
(f:³)2 (t) = 'f(³(t)) ç³2 (t)
A* =d xd
'f( ¯x) = 0
Hf( ¯x)
(i)D(f+g) = D f +D g
(i i )D(»f) = »D f
D(f(x)¦g(x))=f(x)¦çDg (x) + g(x)¦D f (x)
D(f:g)(x) = D f (g(x)) çDg(x)
xk+1 =xk2D f (xk)21f(xk)
D f (xk)xk=f(xk)
xk+1 =xk2 xk
Lx:=d³ =d
f(x+h) = f(x) + Lxh+Ã('h')
Lx
Lx=d f (x)
x*D
'
'f(x)
f(x) = "2
1f(x) + "2
2f(x) + ï+"2
df(x)
div v(x) = "1v1(x) + "2v2(x) + ï+"dvd(x)
div v(x) = ' ; v
rot v(x) = ' × v
div( rot v) = 0
rot ('f) = 0
div( 'f) = f
F(x,f(x)) = 0
F:D³ =,D¢ =2
(x0,y0)*D
F(x0,y0)= 0
"yF(x0,y0)b0
f(x)
F(x,f(x)) = 0
F(x,y)=C
"xF(x,f(x)) ç1 + "yF(x,f(x)) f2 (x) = 0
y=h(x)
h(x)
f(x,y)
f(x,h(x))
L(x,») = f(x) + »g(x)
L(x,»)
'g(x)
g(x)
»1,»2
L(x,»)
x*A
rang Dg (x) < m
×(r,Ç) = (rçcos Ç,rçsin Ç) = (x,y)
det D×(r,Ç) = rçcos2Ç+rçsin2×=r
x=rçcos ×
y=rçsin ×
z=z
det D×(r,Ç,z) = r
x=rçcos Ççsin »r=x2+y2+z2
y=rçsin Ççsin »
z=rçcos »
det D×(r,Ç,»)=2r2sin »
Was Studierende auch interessant finden
- HM2 FS - Formelsammlung Sommersemester HM2
- HM 2 Formelsammlung - Zusammenfassung Höhere Mathematik 2 für Maschinenwesen und Chemie-Ingenieurwesen
- Matlab Befehle Karpfinger
- Formel Sammlung HM2 - Zusammenfassung Höhere Mathematik 2 für Maschinenwesen und Chemie-Ingenieurwesen
- HM 2 Formelsammlung
- HM2 Formelzettel - Zusammenfassung Höhere Mathematik 2 für Maschinenwesen und Chemie-Ingenieurwesen