Brauchbare Mathematikkentnisse
TU Wien
TU Wien
Kartei Details
Karten | 16 |
---|---|
Sprache | Deutsch |
Kategorie | Mathematik |
Stufe | Universität |
Erstellt / Aktualisiert | 19.10.2017 / 04.09.2022 |
Lizenzierung | Kein Urheberrechtsschutz (CC0) (David Benevolent) |
Weblink |
https://card2brain.ch/box/20171019_brauchbare_mathematikkentnisse
|
Einbinden |
<iframe src="https://card2brain.ch/box/20171019_brauchbare_mathematikkentnisse/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Taylor-Entwicklung
um die Stelle a einer Funktion f
Sie wird benutzt um eine glatte Funktion in der Umgebung von a durch eine Potenzreihe darzustellen:
\(Tf(x;a) = \displaystyle\sum^{\infty}_{n=0} \frac{f(a)^{(n)}}{n!} (x-a)^n\)
Jakobi-Matrix \(J_f\) an einer Stelle \(x_R\) von Funktion(en) \(f(x)\)
\(\displaystyle \frac{\partial}{\partial x} f(x_R) = \frac{\partial}{\partial x} f(x) |_{x = x_R} = \)
\(\displaystyle J_f = \begin{bmatrix} \frac{\partial f_1(x_R)}{\partial x_1} & \frac{\partial f_1(x_R)}{\partial x_2} & \cdots & \frac{\partial f_1(x_R)}{\partial x_n} \\ \frac{\partial f_2(x_R)}{\partial x_1} & \frac{\partial f_2(x_R)}{\partial x_2} & \cdots & \frac{\partial f_2(x_R)}{\partial x_n} \\ \vdots & \vdots & \ddots & \vdots \\ \frac{\partial f_n(x_R)}{\partial x_1} & \frac{\partial f_n(x_R)}{\partial x_2} & \cdots & \frac{\partial f_n(x_R)}{\partial x_n} \end{bmatrix}\)
Was ist eine singuläre Matrix
Eine singuläre Matrix besitzt keine Inverse.
- es gibt keine Matrix mit der multipliziert die Einheitsmatrix entsteht
- die Determinante der Matrix ist 0
Was ist eine reguläre Matrix
Reguläre Matrixen sind invertierbar
- reguläre Matrixen sind quadratisch
- lineare Gleichungssysteme die von den Koeffizienten einer regulären Matrix gebildet werden sind eindeutig lösbar
- ihre Determinante ist ungleich 0
- die Multiplikation mit ihrer Inversen ergibt die Einheitsmatrix
\(A \cdot B = B \cdot A = E\)
Quadratische Lösungsformel für
\(ax^2 + bx + c = 0\)
\(x_{1,2} = {-b \pm \sqrt{b^2-4ac} \over 2a}\)
wenn a = 1
\(x_{1,2} = - \frac{b}{2} \pm \sqrt{\frac{b^2}{4}-c}\)
wenn die Gleichung auf \(ax^2 + 2\beta x + c = 0\) umgestellt wird:
\(x_{1,2} = {\frac{\beta \pm \sqrt{\beta^2 - ac}}{a}}\)
Eigenwerte einer Matrix berechnen
durch Bildung des charakteristischen Polynoms können die Eigenwerte bestimmt werden
\(det(A-\lambda E) = 0\)
Zusätzlich können die Eigenwerte direkt aus der Hauptdiagonale abgelesen werden, falls unterhalb der Hauptdiagonalen nur 0er stehen.
Zusammenhang zwischen Eigenwert und Eigenvektor
\(A \cdot v = \lambda \cdot v\)
Eine Matrix kann mehrere Eigenwerte und Eigenvektoren haben, aber ein Eigenwert ist immer einem Eigenvektor zugeordnet.
\((A - \lambda E)\cdot x = 0\)