Zur Startseite "Grundregeln der Matrizenrechnung"

Lineare Transformation,
Matrix, Vektor

Der
n-dimensionale
Vektorraum

Einfache Rechenregeln

Inverse Transformation, Ähnlichkeits-
transformation

Eigenwerte,
Eigenvektoren,
quadratische
Formen

Zusammen-
stellung
weiterer
Rechenregeln

Dünn besetzte Matrizen

Eigenwerte, Eigenvektoren, quadratische Formen

Einen nicht verschwindenden Vektor x (x ist also kein Nullvektor), der der Gleichung

Bedingung dafür, dass ein Vektor x ein Eigenvektor der Matrix A ist

genügt, nennt man Eigenvektor der quadratischen Matrix A, den zugehörigen Wert λ Eigenwert. In der Technischen Mechanik findet man Eigenwerte z. B. als Eigenfreuenzen eines Schwingungssystems (vgl. z. B. "Eigenschwingungen mit der Finite-Elemente-Methode", "Biegeschwingungen gerader Träger" oder die Aufgabe 32-6), die u. a mit der Finite-Elemente-Methode oder dem Differenzenverfahren auf ein Matrizeneigenwertproblem führt). Auch die kritischen Lasten bei Stabilitätsproblemen werden vornehmlich über die Eigenwerte von Matrizen bestimmt (vgl. z. B. "Knickstab unter Eigengewicht" oder "Verfahren von Ritz für Knickstäbe").

Die Eigenwerte einer Matrix sind gegenüber Ähnlichkeitstransformationen invariant, während sich die Eigenvektoren entsprechend dem Übergang zur neuen Basis transformieren.

Auch die Eigenwerte von reellen Matrizen können komplex sein. Deshalb ist ein Sonderfall besonders wichtig: Eine (reelle) symmetrische n-dimensionale Matrix besitzt n verschiedene Eigenvektoren (die zugehörigen Eigenwerte brauchen nicht alle verschieden voneinander zu sein). Die Eigenwerte solcher Matrizen sind sämtlich reell, die Eigenvektoren bilden ein Orthogonalsystem.

Die Matrizeneigenwertprobleme sind ein umfangreiches Spezialgebiet der Matrizen-Numerik.

Quadratische Form

Zu jeder symmetrischen Matrix A gehört eine so genannte quadratische Form

Quadratische Form

Ausdrücke dieser Art finden sich in der Technischen Mechanik z. B. als kinetische Energie eines Massensystems oder als Formänderungsarbeit eines elastostatischen Systems. Unter der (für die genannten Beispiele stets erfüllten) Bedingung

Notwendige Bedingung für positive Definitheit einer symmetrischen Matrix: Quadratische Form ist für beliebigen Vektor x nicht negativ

für beliebigen Vektor x und

Zusatzbedingung für positive Definitheit

wird die Matrix A positiv definit genannt. Solche Matrizen sind auch regulär.

Bestimmte Verfahren der Matrizen-Numerik (z. B. die Cholesky-Zerlegung einer symmetrischen Matrix) setzen die positive Definitheit voraus. Dies ist eigentlich eine Einschränkung der Verwendbarkeit dieser Verfahren, wird aber z. B. in der Technischen Mechanik mit Vorteil genutzt: Weil die Matrizen für die meisten Mechanik-Probleme (siehe oben genannte Beispiele) positiv definit sein müssen, ist der "Absturz" der Rechnung mit solchen Verfahren ein sicheres Indiz dafür, dass die Matrix falsch ist.

Home02

Homepage “Dankert/Dankert: Technische Mechanik”

Home02

Homepage “WWW - Ergänzung - Vertiefung - WWW”

Mail02

D

Mail202

nkert.de