Beruflich Dokumente
Kultur Dokumente
27.10.2015
Matrizen Vektoren Tensoren
Inhalt
1 Matrizen
2 Vektoren
3 Tensoren
Inhalt
1 Matrizen
Definition
Besondere Matrizen
Operationen
Orthogonale Matrix
Matrizen
Definition
Eine rechteckige Anordnung von Elementen bzw. mathematischer Objekte in m
Zeilen und n Spalten wird als m × n oder (m, n) Matrix A der Einträge aij
bezeichnet.
a11 a12 . . . a1j . . . a1n
.. .. .. .. ..
. . . . .
[m,n]
A = aij = ai1 ai2 . . . aij . . . ain
.. .. .. .. ..
. . . . .
am1 am2 . . . amj . . . amn
Definition
Eine lineare Anordnung von Elementen bzw. b1
b2
mathematischer Objekte in m Zeile wird als Vektor
B[m] = bi = .
B der Größe m mit den Einträgen bi bezeichnet. ..
bm
Matrizen
Spezielle Matrizen
Quadratische Matrizen sind der Form n × n oder (n, n) und besitzen eine
Hauptdiagonale (aii ).
Hauptdiagonale
a11 ... a1j ... a1n
.. .. .. ..
. . . .
A[m,n]
ai1
= aij = ... aij ... ain
.. .. .. ..
. . . .
am1 ... amj ... amn
Hauptdiagonale
Matrizen
Beondere Matrizen
Nullmatrix: 0 Alle Einträge verschwinden 0 = 0 (m,n)
a11
Spaltenmatrix: Matrix mit nur einer Spalte A[m,1] = ...
am1
[1,n]
Zeilenmatrix: Matrix mit nur einer Zeile A = a11
. . . a1n
(
1 i =j
Einheitsvektor/-matrix: i : kik = 1 ; I : Iii = 1 : Iij =
0 j= 6 j
(
dij 6= 0 i = j
Diagonalmatrix D=
dij = 0 j 6= j
Matrizen
Besondere Matrizen
Bandmatrizen besitzen neben der Hauptdiagonalen nur eine geringe Anzahl
Elementen ungleich Null auf den Nebendiagonalen. Mit
aij = 0 für: j + p < i ergibt sich eine Bandbreite von
l =p+q+1
··· 0 ··· 0
a11 a1(q+1)
.. .. .. .. ..
.
. . . .
..
a
··· a(p+1)(q+1) . 0
B = (p+1)1
.. ..
. .
0 a(n−q)n
. ..
.. ..
. .
0 ··· 0 an(n−p) ··· ann
Matrizen
Besondere Matrizen
Diagonal dominierte Matrizen weisen einen größeren Eintrag auf der
Hauptdiagonalen im Vergleich zur Summe aller entsprechender
Zeileneinträge auf. n
X
|aii | ≥ |aij |
j=1,j6=i
a11 · · · a1n a11 0
Dreiecksmatrizen U =
.. .. ; L = .. ..
. . . .
0 ann an1 · · · ann
Symmetrische Matrizen Eine Matrix A heißt symmetrisch, wenn sie gleich ihrer
transponierten Matrix ist:
A = AT
Matrixoperationen
Elementweise Operationen
Addition A + B; A − B; A + B + C
Multiplikation mit Skalar λ · A; A · λ
Matrix Operationen
Multiplikation A · B:
assoziativ, nicht-kommutativ, konform, distributiv
Inversion A−1 A = I (für nicht-singuläre, quadratische Matrizen)
Determinante det A = |A|
spezielle Operationen
qP
n 2
Betrag eines Vektors kbi k = i=1 (bi )
Matrixoperationen
Definition
A = aij sei eine Matrix vom Typ (m, n), B = bij eine Matrix vom Typ (n, p), dann
heißt die Matrix
n
X
C = A · B = cik mit: cik = ai1 b1k + ai2 b2k + . . . + ain bnk = aij bjk
j=1
Anmerkungen:
1 Die Produktbildung ist nur möglich, wenn die Spaltenanzahl von A mit der
Zeilenanzahl von B übereinstimmt.
2 Das Matrizenprodukt A · B ist vom Typ (m, p)
Orthogonale Matrix
Definition
Eine Matrix Q nennt man orthogonal (auch: orthonormiert), wenn ihre
Transponierte gleich ihrer Inversen ist.
Q · QT = I
Anschaulicher Hintergrund:
Die Spaltenvektoren haben die Länge 1 und stehen paarweise orthogonal
aufeinander, d. h. sie bilden ein neues rechtwinkliges Koordinatensystem im
Bildraum. Daher werden sie oft als Drehmatrizen bezeichnet.
Outline
2 Vektoren
Skalarprodukt
Vektorprodukt
Spatprodukt
Skalarprodukt
Definition
Das Innere oder Skalarprodukt zweier Vektoren ~a und ~b wird durch
Gebrauch:
Winkelberechnung, insb. rechter Winkel (c = 0).
Aufteilung eines Vektors in Komponenten (parallel bzw. senkrecht)
Bestimmung des Betrages
Vektorprodukt
Definition
Das Äußere oder Vektorprodukt zweier Vektoren ~a und ~b ist im R3 durch
~c = ~a × ~b = |~a| |~b| sin θ c~0
definiert.
Vektorprodukt in 3D
a1 b1 a2 b3 − a3 b2 e~x e~y e~z
~c = ~a × ~b = a2 × b2 = a3 b1 − a1 b3 = a1
a2 a3
a3 b3 a1 b2 − a2 b1 b1 b2 b3
Gebrauch:
Berechnnung des Normalenvektors einer Ebene
Berechnung der Fläche eines Parallelogramms oder Dreiecks.
Spatprodukt
Definition
Drei Vektoren ~a, ~b und ~c im R3 , die nicht koplanar sind spannen ein
Parallelepipede auf. Das Volumen dieses Parallelepipedes kann durch das
Spatprodukt
[a, b, c] = ~a · ~b × ~c
definiert.
Spatprodukt in Komponentendarstellung
a1 b1 c1
V = ~a · ~b × ~c = a2 b2 c2
a3 b3 c3
Inhalt
3 Tensoren
Summationskonvention
Tensorbegriff
Elementare Tensoren
Vektoroperationen in Komponentendarstellung
Tensorprodukte
Zerlegung
Innere Produkte
Invarianten
Koordinatentransformation
Summationskonvention
Summationskonvention (allgemein)
Tritt in einem Symbol oder in einem Ausdruck (Produkt) mehrerer Symbole ein
Index zweimal auf, so ist über diesen Index zu summieren.
3
X
sii = sii = s11 + s22 + s33
i=1
In sij ti = s1j t1 + s2j t2 + . . . + snj tn wird j als freier Index bezeichnet. Über ihn wird
nicht summiert.
Summationskonvention Vereinbarung
Treten in einem Ausdruck zweimal der gleiche lateinische Buchstabe auf, so wird
über ihn mit 1, 2, 3 summiert, sofern nichts Gegenteiliges ausdrücklich gesagt wird.
Tensorbegriff
Tensoren 0.Stufe
Skalar: a
Tensoren 1.Stufe
Vektor: a = ai ei = a(i)
Elementare Tensoren
Kronecker-Symbol
Das Kronecker-Symbol (Kronecker-Delta) wird durch
(
1 für i = j
δij =
0 für i 6= j
definiert.
Matrixschreibweise des Kronecker-Deltas im dreidimensionalen Raum:
δ11 δ12 δ13 1 0 0
δij = δ21 δ22 δ23 = 0 1 0 δij 0ei · · · ej
δ31 δ32 δ33 0 0 1
Permutationstensor (Levi-Civita-Tensor)
1
für i, j, k zyklisch (gerade Permutation)
εijk = −1 für i, j, k antizyklisch (ungerade Permutation) εijk ek = ei × ej
0 andernfalls (mind. zwei Indizes sind gleich)
Daniel Arnold 27.10.2015 Mechanik 1 19 / 28
Matrizen Vektoren Tensoren
Vektoroperationen in Komponentendarstellung
Vektoren in orthonormalen Koordinatensystemen: u = ui ei , v = vi ei
Addition, Subtraktion, elementweise Multiplikation, elementweise Division
u M v = (ui M vi )ei = wi ei | M: +, −, ∗, ÷
Skalarprodukt
u · v = ui ei · ej vj = ui vj δij = ui vi
| {z }
δij
Vektorprodukt
u × v = ui vj ei × ej = ui vj εijk ek = c = ck ek
| {z }
εijk ek
Spatprodukt
u1 u2 u3
[u, v, w] = (u × v) · w = ui vi wk εijk = v1 v2 v3
w1 w2 w3
Daniel Arnold 27.10.2015 Mechanik 1 20 / 28
Matrizen Vektoren Tensoren
Tensorprodukte
Dyadisches Produkt
x1 y1 x1 y1 x1 y2 ··· x1 yn
x2 y2 x2 y1 x2 y2 ··· x2 yn
x ⊗ y = . ⊗ . = x yT = . .. ..
.. .. .. ..
. . .
xn yn xm y1 xm y2 ··· xm yn
Inneres Produkt
erster Stufe: a = ai ei a · b = ai ei · ej bj = ai bi
| {z }
=δij
Zerlegung
Symmetrie/Antimetrie
Symmetrie: A = AT aij = aji
T
Antimetrie: A = −A aij = −aji : aii = 0|∀i = 1, . . . , n
Zerlegung
Kugeltensor / Deviator
A = Aiso + Adev
1
Kugeltensor (isotropic tensor): Aiso = tr(A) I
3
1
Deviator (deviatoric tensor): Adev = A − tr(A) I
3
A : B = Aiso + Adev : Biso + Bdev = Aiso : Biso + Adev : Bdev
Innere Produkte
Rechtsmultiplikation durch einen Vektor
A · v = (Aij ei ⊗ ej ) · v = (Aij ei ) (ej · v)
| {z }
ej ·v=vj
A · v = Aij vj ei
u · A = Aij ui ej
Invarianten
Invarianten eines Tensors 2.Ordnung
I1 (A) = tr(A) = Aii
1 2 1 2
tr(A) − tr A2 =
I2 (A) = Aii − Aij Aji
2 2
I3 (A) = det A = εijk Ai1 Aj2 Ak3
∂I1 ∂I1
= δij =I
Aij A
∂I2 ∂I2
= Akk δij − Aji = tr(A) − AT
Aij A
∂I3 ∂I3
= det (A)A-Tij = det (A)A-T
Aij A
Koordinatentransformation
Vektor
Ein und derselbe Vektor kann in verschiedenen Koordinatensystemen beschrieben
werden:
Koordinatensystem 1: v = vi ei
Koordinatensystem 2: v = v̂i êi
Transformation
v · ej = v · ej
vi ei · ej = v̂i êi · ej
| {z }
δij
v = Qv̂ v̂ = QT v
Tensoranalysis
Nabla-Operator (Gradientoperator) Laplace-Operator
∂
∇= ei = ∂ei ∆ = ∇2 = ∇ · ∇
∂xi
Eigenproblem
Ist A ein Tensor 2.Stufe, so ist
Ax = λx (A − λI) = 0