bzw. eine obere Dreiecksmatrix die Gestalt (U: upper)
|
|
- Artur Böhler
- vor 5 Jahren
- Abrufe
Transkript
1 bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) U = u 11 u 12 u 1n 1 u nn 0 u 22 u 2n 1 u 2n u n 1n 1 u n 1n u nn Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere Dreiecksmatrix wenn a ij = 0 für alle i > j gilt. Nachdem wir nun einige spezielle Matrizen eingeführt haben, wollen wir einige Operationen auf der Menge der Matrizen erklären. Sei A eine m n-matrix. Durch Vertauschen der Zeilen und Spalten von A erhaltenwireinen m-matrixa (Sprechweise:Atransponiert),diesogenannte 303
2 transponierte Matrix zu A. a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n.... Für A = a i1 a i2 a ij a in.... a m1 a m2 a mj a mn a 11 a 21 a i1 a m1 a 12 a 22 a i2 a m2 ist A.... =. a 1j a 2j a ij a mj.... a 1n a 2n a in a mn Es gilt stets (A ) = A. Beispiel 6.3 Für die 3 4-Matrix A =
3 ist A die 4 3-Matrix mit A = Symmetrische Matrizen Eine quadratische Matrix A heißt symmetrisch, falls A = A. Für eine symmetrische Matrix A gilt also a ij = a ji für alle i,j. Schiefsymmetrische Matrizen Eine quadratische Matrix A heißt schiefsymmetrisch, falls A = A. Für eine schiefsymmetrische Matrix A gilt also a ij = a ji für alle i,j; insbesondere ist a ii = 0 für alle i. Beispiel 6.4 Die Matrix A ist symmetrisch A =
4 Die Matrix B ist schiefsymmetrisch: B = Wir kommen nun zur Addition von Matrizen. Weil Vektoren spezielle Matrizen sind, gelten dieselben Regeln auch für Vektoren.. Addition Zwei Matrizen A,B R (m,n) werden addiert, indem komponentenweise addiert wird, d.h. für A = (a ij ) und B = (b ij ) ist A+B = a 11 +b 11 a 12 +b 12 a 1n +b 1n a 21 +b 21 a 22 +b 22 a 2n +b 2n... a m1 +b m1 a m2 +b m2 a mn +b mn Entsprechend ist die Differenzmatrix A B durch komponentenweise Subtraktion definiert. Es werden nur Matrizen mit gleicher Anzahl von Zeilen und Spalten addiert oder subtrahiert. 306.
5 Insbesondere werden zwei Vektoren x,y R n addiert bzw. subtrahiert, indem sie koordinatenweise addiert bzw. subtrahiert werden, d.h. x 1 y 1 x 1 ±y 1 x x±y = 2. ± y 2. = x 2 ±y 2.. x n +y n x n y n Multiplikation mit einem Skalar Sei A eine m n-matrix, und sei λ R. Die Matrix A wird mit dem Skalar λ multipliziert, indem jede Komponente von A mit λ multipliziert wird, d.h. für A = (a ij ) ist λa 11 λa 12 λa 1n λa λ A = 21 λa 22 λa 2n.... λa m1 λa m2 λa mn 307
6 Entsprechend wird ein Vektor x R n mit einem Skalar λ R multipliziert, indem jede Koordinate von x mit λ multipliziert wird, d.h. x 1 λ x 1 x λ x = λ 2. = λ x 2.. λ x n x n Im folgenden fassen wir einige Rechenregeln für die Addition und skalare Multiplikation von Matrizen zusammen: Seien A,B,C m n-matrizen und seien λ,µ R Skalare. Kommutativgesetz: Assoziativgesetze: Distributivgesetze: A+B = B+A (A+B)+C = A+(B+C) (λµ)a = λ(µa) λ(a + B) = λa + λb (λ+µ)a = λa+µa 308
7 Spezialisierung auf Vektoren liefert dieselben Rechengesetze für Vektoren, d.h. für x,y,z R n und λ,µ R gilt: Kommutativgesetz: Assoziativgesetze: Distributivgesetze: x+y = y+x (x+y)+z = x+(y+z) (λµ)x = λ(µx) λ(x + y) = λx + λy (λ+µ)x = λx+µx. Jeder Vektor x R n lässt sich mit Hilfe von Einheitsvektoren zerlegen: x 1 x x = 2. = x 1 e 1 +x 2 e 2 + +x n e n. x n Wir sagen auch, dass x eine Linearkombination von e 1,...,e n ist. Dazu später mehr. 309
8 Die Operation des Transponierens ist mit den hier erklärten Rechenoperationen (Addition und Multiplikation mit einem Skalar) verträglich: (A+B) = A +B und (λa) = λa. Es gibt kein Produkt von m-vektoren, das wieder einen m-vektor liefert. Man kann aber sehr wohl ein Skalarprodukt von Vektoren definieren, d.h. das Produkt zweier reeller m-vektoren ist eine reelle Zahl: Skalarprodukt Seien x,y R n. Dann heißt die reelle Zahl x,y = n x i y i i=1 das Skalarprodukt der Vektoren x und y. DieZahl x,x = n i=1 x2 i bezeichnenwirals x (NormoderLängedes Vektors x). Es ist der Abstand des Punktes x vom Ursprung. Wir fassen im folgenden einige Eigenschaften des Skalarproduktes zusammen: 310
9 Seien x,y,z R n und sei λ R. Dann gilt [S1] x,y = y,x. [S2] λ x,y = x,λ y = λ x,y. [S3] x+y,z = x,z + y,z. [S4] x,y x y. [S5] λx = λ x. [S6] x = 0 x = 0. [S7] x+y x + y. [S8] x+y x y. Im R 3 hat das Skalarprodukt eine schöne Interpretation. Wenn wir wieder drei orthogonale Richtungen (x, y und z-richtung) auszeichnen und der Vektor a = x 1 y 1 den Pfeil vom Ursprung zum Punkt y 1 bezeichnet z 1 z 1 x 1 311
10 x 2 (analog für b = y 2 ), so gilt z 2 a,b = cos(α) a,a b,b = cos(α) a b wobei α der Winkel zwischen den Pfeilen ist, die zu a und b gehören. Für Vektoren der Länge 1 ist also das Skalarprodukt der Cosinus des Winkels zwischen den Vektoren. Insbesondere bedeutet Skalarprodukt 0, dass die Pfeile senkrecht aufeinander stehen. 312
11 Multiplikation von Matrizen Sei A eine m n-matrix, und sei B eine n k-matrix (beachte: die Anzahl der Spalten von A muss gleich der Anzahl der Zeilen von B sein!). Dann ist das Produkt A B der beiden Matrizen definiert als die m k-matrix C, deren Komponente c ij das Skalarprodukt aus i-ter Zeile von A und j-ter Spalte von B ist, also c ij = n a ip b pj = p=1 a i1. a in, b 1j. b nj Wir können das Skalarprodukt als ein spezielles Matrixprodukt auffassen. Seien a,b R n zwei Vektoren. Dann ist a eine 1 n-matrix und b eine n 1 Matrix. Somit existiert das Matrixprodukt a b, und es gilt n a b = a j b j = a,b. j=1 Ferner ist durch die Definition des Produktes zweier Matrizen auch ein Matrix- Vektor-Produkt erklärt, weil ein Vektor ja auch als eine Matrix aufgefasst werden kann. 313.
12 Beispiel 6.5 (1) Seien 1 5 A = , B = ( ) Dann ist C = A B = (2) Sei A = und b = 4 1 ( ) 1 2 Dann ist A b =
13 Bevor wir einige Rechenregeln für die Matrizenmultiplikation zusammenstellen, einige wichtige Bemerkungen: Auch wenn für zwei Matrizen A und B beide Produkte definiert sind, gilt i.a. A B B A. Falls A B = B A gilt, dann heißen A und B vertauschbar. Beispiel 6.6 Es gilt ( ) ( ) ( ) ( ) = = ( ) ( ) Sei A eine m n-matrix, und seien I n, I m die Einheitsmatrizen, dann gilt A I n = A = I m A. Außerdem gilt für die Multiplikation mit Nullmatrizen: Ferner gilt (A B) = B A. A 0 = 0, 0 A =
14 Rechenregeln für Matrizen In den folgenden Summen und Produkten seien A,B,C Matrizen, so dass die entsprechenden Summen und Produkte auch existieren. Weiter sei λ R ein Skalar. Assoziativgesetze: (AB)C = A(BC) = ABC λ(ab) = (λa)b = A(λB) Distributivgesetze: A(B+C) = AB+AC (A+B)C = AC+BC 6.3 Lösungen linearer Gleichungssysteme Viele Anwendungsprobleme führen auf die Untersuchung von Matrix-Vektor- Produkten in der folgenden Form. Seien A eine m n-matrix und x R n ein Vektor mit den Koordinaten x i, 1 i n. Dann existiert das Produkt A x und es ist 316
15 a 11 a 12 a 1n x 1 a A x = 21 a 22 a 2n x a 11 a m2 a mn x n = a 11 x 1 +a 12 x 2 + +a 1n x n a 21 x 1 +a 22 x 2 + +a 2n x n. a m1 x 1 +a m2 x 2 + +a mn x n = x 1 a 11 a 21. a m1 +x 2 a 12 a 22. a m2 + +x n a 1n a 2n. a mn Oft ist dabei die Matrix A und das Ergebnis b = A x vorgegeben und der Vektor x zu bestimmen. In diesem Abschnitt wollen wir Verfahren kennenlernen,. 317
16 wie wir solche Gleichungssysteme A x = b (6.2) lösen können. Beachten Sie, dass man das Lösen eines linearen Gleichungssystems auch wie folgt interpretieren kann: Man versucht, den Vektor b als Summe der mit den Zahlen x i multiplizierten Spalten der Matrix A zu schreiben. Zunächst einige Bezeichnungen: Das Gleichungssystem (6.2) heißt homogen, falls b = 0 ist, andernfalls inhomogen. Wir nennen das Gleichungssystem A x = 0 das zu A x = b gehörende homogene Gleichungssystem. Sei v eine Lösung eines inhomogenen Gleichungssystems Wenn A x = b L h = {x : A x = 0} die Lösungsmenge des zugehörigen homogenen Gleichungssystems ist und L i = {x : A x = b} die Lösung des inhomogenen Systems bezeichnet, so gilt L i = L h +v 318
17 wobei L h + v die Menge {x + v : x L h } bezeichnet. Mit anderen Worten: Die Lösungsmenge des inhomogenen Gleichungssystems erhält man, indem man eine spezielle Lösung v bestimmt und dazu die Lösungen des homogenen Systems addiert. Deshalb beginnen wir mit der Beschreibung eines Lösungsverfahrens für das homogene lineare Gleichungssystem. Lösung des homogenen Systems Wir formen die Matrix A R (m,n) in der homogenen Gleichung A x = 0 mit Hilfe folgender sogenannter elementarer Zeilenumformungen um. Erlaubt sind Vertauschen von Zeilen Addition des λ-fachen von Zeile i zu Zeile j Multiplikation einer Zeile mit λ
18 Zwei Matrizen A und B, die durch elementare Zeilenumformungen auseinander hervorgehen, nennen wir zeilenäquivalent. Man kann sich leicht überlegen, dass man die Matrix A durch elementare Zeilenumformungen in eine obere Dreiecksmatrix A transformieren kann, also a 11 a 12 a 13 a 1n 0 a 22 a 23 a 2n..... A = 0 0 a rr a rn Dabeikannmanerreichen,dassindenerstenrZeilendererste(vonlinksgesehen) Eintrag,z.B.a iji,gerade1ist.beachte,dassj voniabhängt(undnichtunbedingt j = igilt),deshalbschreibenwirj i.wirfordernnochj 1 < j 2 <...j r.diematrix hat also folgende Form: 320
19 A = a 1,j1 a 2,j2 a 3,j3... a r,jr Wir nennen eine solche Matrix zeilenreduziert. Ferner kann man erreichen, dass die Spalten j 1,j 2,...,j r Einheitsvektoren sind. Wir können also die folgende Form ereichen, die wir zeilenreduzierte Normalform nennen wollen: 321
20 A = Wo hier jeweils nichts steht, soll eine Null stehen, insbesondere können noch einige Nullzeilen vorhanden sein. Es können auch einige Nullen vor der ersten 1, bzw.dem ersten von Null verschiedenen Eintrag a 1j1 in der ersten Zeile stehen (das bedeutet dann j 1 1). Um die Lösungen linearer Gleichungssysteme zu bestimmen, ist es aber nur wichtig, dass man A in eine obere Dreiecksmatrix transformiert mit j 1 < j 2 <...j r. Die zeilenreduzierte Normalform ist nicht unbedingt notwendig. Man kann zeigen: Jede Matrix ist zeilenäquivalent zu genau einer Matrix in zeilenreduzierter Normalform, die zeilenreduzierte Form hingegen ist nicht eindeutig. 322
21 Beispiel 6.7 Die beiden Matrizen ( ) 1 1 A = 0 1 und B = ( ) sind offenbar beide zeilenreduziert. Ferner sind die beiden Matrizen zeilenäquivalent:manerhältbausadurchadditionderzweitenzeilevona.beidematrizen sind nicht in zeilenreduzierter Normalform: Die zugehörige zeilenreduzierte Normalform ist die Einheitsmatrix ( ) Es gilt nun: Satz 6.1 Die Lösungsmenge von A x = 0 ist gleich der Lösungsmenge von A x = 0. Dieser Satz ist von grundlegender Bedeutung für das Lösen von linearen Gleichungssystemen, weil Gleichungssysteme, deren Koeffizientenmatrix obere Dreiecksform hat, ganz einfach lösbar sind. Die hier auftretende Zahl r heißt der Rang der Matrix. Die folgenden Beispiele zeigen, dass das zugehörige Gleichungssystem dann n r Freiheitsgrade hat, d.h. man kann n r Variable frei wählen, die anderen sind dann bestimmt. 323
= 9 10 k = 10
2 Die Reihe für Dezimalzahlen 1 r = r 0 +r 1 10 +r 1 2 100 + = r k 10 k, wobei r k {0,,9} für k N, konvergiert, da r k 10 k 9 10 k für alle k N und ( 1 ) k 9 10 k 9 = 9 = 10 1 1 = 10 10 k=0 k=0 aufgrund
Mehr6 Lineare Algebra. 6.1 Einführung
6 Lineare Algebra 6.1 Einführung Die lineare Algebra ist für die Wirtschaftswissenschaften von zentraler Bedeutung. Einerseits liefert sie die theoretischen und praktischen Grundlagen für das Lösen linearer
Mehra 11x 1 + a 12x a 1nx n = d 1 a 21x 1 + a 22x a 2nx n = d 2.. =
5 Lineare Algebra 5 Einführung Die lineare Algebra ist für die Wirtschaftswissenschaften von zentraler Bedeutung Einerseits liefert sie die theoretischen und praktischen Grundlagen für das Lösen linearer
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 2 Rechenoperationen und Gesetze Gleichheit
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank
MehrMatrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =
Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a
Mehr05. Lineare Gleichungssysteme
05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a
Mehr1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen
1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 71 Reelle Matrizen Prof Dr Erich Walter Farkas Mathematik I+II, 71 Reelle Matrizen 1 / 31 1 2 3 4 Prof Dr Erich
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
Mehr4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).
4 Matrizenrechnung Der Vektorraum der m n Matrizen über K Sei K ein Körper und m, n N\{0} A sei eine m n Matrix über K: a a 2 a n a 2 a 22 a 2n A = = (a ij) mit a ij K a m a m2 a mn Die a ij heißen die
MehrII. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme
52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte
MehrMathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 32 8 Lineare Algebra: 1 Reelle Matrizen Grundbegriffe Definition
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
MehrVektoren und Matrizen
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 18.10.2012 Alexander Lytchak 1 / 12 Lineare Gleichungssysteme Wir untersuchen nun allgemeiner Gleichungssysteme der
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 207/8 2 Matrixalgebra / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrMatrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I
Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS Kapitel 2 Matrixalgebra Technologiematrix und wöchentliche Nachfrage (in Werteinheiten):
Mehr2.5 Gauß-Jordan-Verfahren
2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]
MehrBeispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist
127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte
Mehr2 Matrizenrechnung und Lineare Gleichungssysteme
Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der
Mehroder A = (a ij ), A =
Matrizen 1 Worum geht es in diesem Modul? Definition und Typ einer Matrix Spezielle Matrizen Rechenoperationen mit Matrizen Rang einer Matrix Rechengesetze Erwartungswert, Varianz und Kovarianz bei mehrdimensionalen
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem y + z = 1 + y z
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrFerienkurs Mathematik für Physiker I Skript Teil 3 ( )
Ferienkurs Mathematik für Physiker I WS 2016/17 Ferienkurs Mathematik für Physiker I Skript Teil 3 (29032017) 1 Lineare Gleichungssysteme Oft hat man es in der Physik mit unbekannten Größen zu tun, für
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben /3 Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
MehrMatrixoperationen. Einige spezielle Matrizen: Nullmatrix: n-te Einheitsmatrix: E n := 0 d. TU Dresden, WS 2013/14 Mathematik für Informatiker Folie 1
Matrixoperationen Einige spezielle Matrizen: 0 0... 0 Nullmatrix:....... 0 0... 0 1 0... 0 0 1... 0 n-te Einheitsmatrix: E n :=....... 0 0... 1 d 1 0... 0 0 d 2... 0 Diagonalmatrix: diag(d 1,..., d n)
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
Mehr2 Lineare Gleichungssysteme
2 Lineare Gleichungssysteme Betrachte ein beliebiges System von m linearen Gleichungen in den n Unbekannten x,,x n : a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 () a m x + a m2 x
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrKapitel 15 Lineare Gleichungssysteme
Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 17.10.2012 Bernhard Hanke 1 / 9 Wir beschreiben den folgenden Algorithmus zur Lösung linearer Gleichungssysteme, das sogenannte Gaußsche
Mehr11 Lineare Gleichungssysteme
Lineare Gleichungssysteme Das Lösen linearer Gleichungssysteme gehört zu den wichtigsten Grundaufgaben der Mathematik Wir werden uns mit einigen einfachen Lösungsverfahren befassen und daran auch etwas
MehrMatrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte
Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung
Mehr3 Invertierbare Matrizen Die Inverse einer (2 2)-Matrix Eigenschaften invertierbarer Matrizen... 18
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik 2 Dr. Thomas Zehrt Vektoren und Matrizen Inhaltsverzeichnis Vektoren(Wiederholung bzw. Selbststudium 2. Linearkombinationen..............................
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Wir befassen uns anschließend mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren einmal den begrifflichen Aspekt, d.h.
Mehr7 Matrizen über R und C
Mathematik für Physiker I, WS 06/07 Montag 9 $Id: matrixtex,v 7 06//9 :58: hk Exp $ 7 Matrizen über R und C 7 Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
MehrHilfsblätter Lineare Algebra
Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,
MehrFH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB 5./7. November 2008 Prof. Dr. H.-R. Metz. Matrizen 1. a m1 a m2 a m3 a mn
FH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB./7. November 2008 Prof. Dr. H.-R. Metz (Matrix) Matrizen 1 Ein System von Zahlen a ik, die rechteckig in m Zeilen und n Spalten angeordnet
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben / Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 29. April 2011
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 29. April 2011 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
MehrKapitel 14 Lineare Gleichungssysteme
Kapitel 4 Lineare Gleichungssysteme Kapitel 4 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 83 / 246 Kapitel 4 Lineare Gleichungssysteme Definition 4. (Lineares Gleichungssystem LGS)
Mehr(c) x 2 + 3x 3 = 1 3x 1 + 6x 2 3x 3 = 2 6x 1 + 6x x 3 = 5
Musterlösungen zu Mathematik II (Elementare Lineare Algebra) Blatt Nathan Bowler A: Präsenzaufgaben. Zeilenstufenform und reduzierte Zeilenstufenform erkennen Welche der folgenden Matrizen sind in Zeilenstufenform?
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrKapitel 1. Matrizen und lineare Gleichungssysteme. 1.1 Matrizenkalkül (Vektorraum M(n,m); Matrixmultiplikation;
Kapitel 1 Matrizen und lineare Gleichungssysteme 11 Matrizenkalkül (Vektorraum M(n,m; Matrixmultiplikation; Transposition; Spalten- und Zeilenvektoren Matrizen sind im Prinzip schon bei der schematischen
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 12. Übung: Woche vom (Lin.Alg.
Übungsaufgaben 12. Übung: Woche vom 16. 1.-20. 1. 2017 (Lin.Alg. I): Heft Ü 3: 2.1.11; 2.1.8; 2.1.17; 2.2.1; 2.2.3; 1.1.1; 1.1.4; Hinweis 1: 3. Test (Integration, analyt. Geom.) ist seit 9.1. freigeschalten
MehrZeilenstufenform. Wir beweisen nun den schon früher angekündigten Satz.
Zeilenstufenform Wir beweisen nun den schon früher angekündigten Satz. Satz. Jede m n-matrix A lässt sich durch elementare Zeilenumformungen auf Zeilenstufenform und analog durch elementare Spaltenumformungen
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
MehrMatrizen und lineare Gleichungssysteme
KAPITEL Matrizen und lineare Gleichungssysteme Matrizen 224 2 Lineare Gleichungssysteme 229 3 Gauß-Algorithmus 23 4 Gauß-Jordan-Algorithmus 238 5 Invertierbare Matrizen 240 6 Anwendungen von linearen Gleichungssystemen
MehrLineare Algebra. Beni Keller SJ 16/17
Lineare Algebra Beni Keller SJ 16/17 Matritzen Einführendes Beispiel Ein Betrieb braucht zur Herstellung von 5 Zwischenprodukten 4 verschiedene Rohstoffe und zwar in folgenden Mengen: Z 1 Z 2 Z Z 4 Z 5
MehrMatrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle
2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische
MehrVektorräume und Matrizen
Poelchau-Oberschule Berlin A Mentzendorff Geändert: August 27 Vektorräume und Matrizen Inhaltsverzeichnis Vektorräume 2 Grundlagen 2 2 Untervektorräume und Linearkombinationen 3 Erzeugendensysteme, lineare
MehrVektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)
Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14052018 (Teil 1) 7 Mai 2018 Steven Köhler mathe@stevenkoehlerde mathestevenkoehlerde 2 c 2018 Steven Köhler 7 Mai 2018 Matrizen
Mehr2.2 Lineare Gleichungssysteme (LGS)
2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrZusammenfassung zum Thema Vektor- und Matrizenrechnung
Zusammenfassung zum Thema Vektor- und Matrizenrechnung Mathematischer Vorkurs für Physiker und Naturwissenschaftler WS 2014/2015 Grundbegriffe der Linearen Algebra Viele physikalische Größen (Geschwindigkeit,
Mehr1 Lineare Gleichungssysteme und Matrizen
1 Lineare Gleichungssysteme und Matrizen Das Studium linearer Gleichungssysteme und ihrer Lösungen ist eines der wichtigsten Themen der linearen Algebra. Wir werden zunächst einige grundlegende Begriffe
MehrKapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
MehrAufgaben zu Kapitel 16
Aufgaben zu Kapitel 16 1 Aufgaben zu Kapitel 16 Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2
MehrMathematik 1 Bachelorstudiengang Maschinenbau
Mathematik 1 Bachelorstudiengang Maschinenbau Prof Dr Stefan Etschberger Hochschule Augsburg Sommersemester 2012 Übersicht 4 Lineare Algebra 1 Grundlegendes 2 Aussagenlogik 3 Mengen 4 Lineare Algebra Lernziele
Mehr