Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya
|
|
- Karl Kaiser
- vor 5 Jahren
- Abrufe
Transkript
1 Inverse Matrix -E Ma Lubov Vassilevskaya
2 Inverse Matrix: Beispiel Um die inverse der Matrix A mit Gauß-Jordan-Algorithmus zu bestimmen, wird eine Folge von elementaren Zeilenoperationen durchgeführt. Aus der Matrix A und der Einheitsmatrix E wird eine sog. Blockmatrix A E gebildet Z 2 Z 3 Z Die linke Seite der Blockmatrix, die Matrix A, wird durch eine Folge von elementaren Zeilenoperationen in die Einheitsmatrix umgeformt. 0 0 * * * 0 0 * * * 0 0 * * * 6- Ma Lubov Vassilevskaya
3 Inverse Matrix: Beispiel Erzeugung der Nullen der. Spalte: für die Null der 2. Zeile addieren wir die. und die 2. Zeile, die Null der 3. Zeile erhalten wir durch Abziehen der. von der 3. Zeile und 3. Zeilen werden vertauscht für die beim Element 2, Von der 3. Zeile wird das 3-fache der 2. Zeile abgezogen: Die 3. Zeile wird durch 5 geteilt: /5 /5 3 /5 6-2 Ma Lubov Vassilevskaya
4 Inverse Matrix: Beispiel 5 Zur 2. Zeile wird die 3. Zeile addiert, und von der. Zeile wird das 2-fache der 3. Zeile abgezogen /5 2/5 6 /5 0 0 /5 /5 2/ /5 /5 3/ , A = Ma Lubov Vassilevskaya
5 Inverse Matrix: Allgemeine Formel Zu jeder regulären n, n-matrix gibt es genau eine inverse Matrix A = det A A A2... An A 2 A A n 2 A n A 2 n... A n n A i k ist das Algebraische Komplement von a i k in A: Dabei ist U i k A i k = i +k U i k die Unterdeterminante n -ter Ordnung. Die Verwendung von Determinanten eröffnet eine weitere Möglichkeit, für eine gebene Matrix die zugehörige inverse Matrix zu berechnen. 7- Ma Lubov Vassilevskaya
6 Inverse Matrix: Allgemeine Formel a a 2 a 3 a 2 a 22 a 23 a 3 a 32 a 33, det A A A 2 A 3 A 2 A 22 A 32 A 3 A 23 A 33 = A = + U a a a 32 a 33, A 2 = 2+ U 2 = a a 2 3 a 32 a 33, = A 3 = 3+ U a a a 22 a 23, A 2 = +2 U 2 = a a 2 23 a 3 a 33, A 22 = 2+2 U 22 = a a 3 a 3 a 33, A 32 = 3+2 U 3 2 = a a 3 a 2 a 23, A 3 = +3 U 3 = a 2 a 22 a 3 a 32, A 23 = 2+3 U 23 = a a 2 a 3 a 32, A 33 = 3+3 U 33 = a a 2 a 2 a Ma Lubov Vassilevskaya
7 Inverse Matrix: Beispiel 2 In diesem Beispiel wird die Inverse der Matrix A bestimmt: , A = det A A A 2 A 3 A 2 A 22 A 32 A 3 A 23 A 33 = A = + U a a a 32 a 33 = = 5 A 2 = 2+ U 2 = a 2 a 3 a 32 a 33 = 4 5 = 9 A 3 = 3+ U 3 = a 2 a 3 a 22 a 23 = = 37 A 2 = +2 U 2 = a 2 a 23 a 3 a 3 = 3 3 = 0 A 22 = 2+2 U 2 2 = a a 3 a 3 a 33 = 2 4 = Ma Lubov Vassilevskaya
8 Inverse Matrix: Beispiel A 32 = 3+2 U 3 2 = a a 3 a 2 a 23 = = 6 A 3 = +3 U 3= a a 2 22 a 3 a 32 = = 5 A 23 = 2+3 U 23 = a a 2 a 3 a 32 = 2 5 = 9 A 33 = 3+3 U 33 = a a 2 a 2 a 22 = = 7 det 0, A = Ma Lubov Vassilevskaya
9 Inverse Matrix: Aufgaben 5, 6 Bestimmen Sie die inverse Matrix folgender Matrizen: Aufgabe 5: a 0 0, B = 0 0, C = 0 2 0, D = 0 b c Aufgabe 6: , B = 2 0 2, C = , D = 0 0, F = 0 3 0, G = Ma Lubov Vassilevskaya
10 Inverse Matrix: Lösung , det, 0 0 A = B = , det B =, 0 0 B = C = , det C = 6, C = D = a b c, det D = a b c, D = = 0 0 a 0 0 b 0 0 c Ma Lubov Vassilevskaya
11 Inverse einer diagonalen Matrix a a a 33, det a a 22 a 33, a a 22 0 a 33 Hier kann man die Form der inversen Matrix gut verstehen. Bestimmt man, z.b., die inverse Matrix mit Hilfe des Gaußschen Algorithmus, so wird jede Zeile der Matrix A E durch das entsprechende Diagonalelement dividiert. Noch direkter sieht man natürlich, dass das Matrixprodukt der beiden obigen Matrizen die Einheitsmatrix ergibt. 9-3 Ma Lubov Vassilevskaya
12 Inverse Matrix: Lösung , det 6, A = B = , det B = 3, B = C = 0 2 0, det C = 2, C = = D = 0, det D = 0 Z = 2Z 3 Die Inverse der Matrix D existiert nicht, die Zeilen sind nicht linear unabhängig, det D = Ma Lubov Vassilevskaya
13 Inverse Matrix: Lösung 6 F = 0 3 0, det F = 2, F = G = , det G = 32, G = Ma Lubov Vassilevskaya
14 Inverse Matrix: Aufgaben 7, 8 Aufgabe 7: Für welche reelle a ist Matrix M singulär? a M = , b M = 2 6 a 0 0 2a a 2, c M = 2 4 a 0 2 a 0 a a Aufgabe 8: Bestimmen Sie die inverse Matrix folgender Matrizen: , B = Ma Lubov Vassilevskaya
15 Inverse Matrix: Lösung 7 a M = a, det M = 2 a + 22, det M a = = 0 det M = 0 : 2 a + = 0, a = Die Matrix M singulär für a = -. b M = a a 2, det M = 4 a a 2, det M = 0 : 2 4 det M = 0 : a a 2 = 0, a = 0, a 2 = 2 Die Matrix M singulär für a = 0 und a = 2. c M = a 0 2a 0 a a, det M = a a2 + 2 a = aa 2 det M = 0 : a a 2 = 0, a = 0, a 2 = Die Matrix M singulär für a = 0 und a =. 0-2 Ma Lubov Vassilevskaya
16 Inverse Matrix: Lösung , det 8, A = B = , det B = 4, B = Ma Lubov Vassilevskaya
Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya
Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix Eine n-reihige, quadratische Matrix heißt regulär, wenn ihre Determinante einen von Null verschiedenen Wert besitzt. Anderenfalls heißt sie singulär.
MehrRang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya
Rang einer Matrix 1-E1 Ma 1 Lubov Vassilevskaya Unterdeterminante einer nichtquadratischen Matrix M ist eine nichtquadratische 2,3-Matrix: M = 6 2 3 0 5 7 Durch Streichen einer der drei Spalten kann man
MehrDeterminanten 3. Ordnung. 1-E Ma 1 Lubov Vassilevskaya
Determinanten 3. Ordnung 1-E Ma 1 Lubov Vassilevskaya ) ( Determinanten 3. Ordnung a 11 x 1 + a 12 x 2 + a 13 x 3 c 1 a 21 x 1 + a 22 x 2 + a 23 x 3 c 2 a 31 x 1 + a 32 x 2 + a 33 x 3 c 3 ( a11 a12 a13
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.3 Ergänzungen
Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 83 Ergänzungen wwwmathethzch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 73 Ergänzungen Prof Dr Erich Walter Farkas Mathematik I+II, 73 Ergänzungen 1 / 17 1 Reguläre Matrizen Prof Dr
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218
Mehr1 Bestimmung der inversen Matrix
Inhaltsverzeichnis 1 Bestimmung der inversen Matrix Die inverse Matrix A 1 zu einer Matrix A kann nur bestimmt werden, wenn die Determinante der Matrix A von Null verschieden ist. Im folgenden wird die
MehrWir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds
39 Determinanten 391 Motivation Wir stellen uns das Ziel, wesentliche Information über die Invertierbarkeit einer n n-matrix das Lösungsverhalten zugehöriger linearer Gleichungssysteme möglichst kompakt
MehrMultiplikation von Matrizen
Multiplikation von Matrizen Die Regeln der Multiplikation von Zahlen können nicht direkt auf die Multiplikation von Matrizen übertragen werden. 2-E Ma Lubov Vassilevskaya Multiplikation ccvon Matrizen
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrMatrizen und Determinanten, Aufgaben
Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
Mehr8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten
Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A
MehrLineare Gleichungssysteme. 1-E Ma 1 Lubov Vassilevskaya
Lineare Gleichungssysteme 1-E Ma 1 Lubov Vassilevskaya Systeme linearer Funktionen und Gleichungen y = a 1 a 2... a n lineare Funktion Funktion ersten Grades,,..., unabhängige Variablen y abhängige Variable
Mehra i j (B + C ) j k = n (a i j b j k + a i j b j k ) =
Lösungen Lineare Algebra für Physiker, Serie 2 Abgabe am 25.10.2007 1. Es seien A K m n, B,C K n p und D K p q gegeben. 9 P (a) Beweisen Sie das Distributivgesetz A(B + C ) = A B + AC. (b) Beweisen Sie
MehrBasistext Determinanten
Basistext Determinanten Definition In der Linearen Algebra ist die Determinante eine Funktion die einer quadratischen Matrix eine Zahl zuordnet. Die Funktion wird mit det abgekürzt. Die runden Matrixklammern
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 + x 2 =
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
Mehr3 Lineare Gleichungen
Aufgabe 3. Man löse die lineare Gleichung a 2 x b 2 a a(b ax) b + b2 a = a, a b nach der Unbekannten x auf und diskutiere die möglichen Fälle. a 2 x b 2 a a(b ax) b + b2 a = a a b a 2 bx b 3 a 2 b + a
MehrLineare Gleichungen mit absoluten Beträgen. 1 E1 Ma 1 Lubov Vassilevskaya
Lineare Gleichungen mit absoluten Beträgen 1 E1 Ma 1 Lubov Vassilevskaya Lineare Gleichungen mit absoluten Beträgen Gleichungen, bei denen von der Variablen direkt oder indirekt der absolute Betrag angegeben
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrKapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung
Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter
MehrA wird in diesem Fall invertierbar oder regulär genannt. Beispiel
Inverse Matrizen Definition Sei A eine quadratische Matrix vom yp (n,n) Existiert zu A eine Matrix X gleichen yps mit AX = XA = E (E: (n,n) Einheitsmatrix), so nennt man X die zu A inverse Matrix, oder
MehrRückwärts-Einsetzen. Bei einem linearen Gleichungssystem in oberer Dreiecksform, nacheinander bestimmt werden: r n,n x n = b n. = x n = b n /r n,n
Rückwärts-Einsetzen Bei einem linearen Gleichungssystem in oberer Dreiecksform, r 1,1 r 1,n x 1 b 1..... =., } 0 {{ r n,n } x n b n R mit det R = r 1,1 r n,n 0 können die Unbekannten x n,..., x 1 nacheinander
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
Mehr1 Einführung Gleichungen und 2 Unbekannte Gleichungen und 3 Unbekannte... 4
Wirtschaftswissenschaftliches Zentrum 3 Universität Basel Mathematik 2 Dr Thomas Zehrt Lineare Gleichungssysteme Inhaltsverzeichnis Einführung 2 2 Gleichungen und 2 Unbekannte 2 2 3 Gleichungen und 3 Unbekannte
Mehr( ) Lineare Gleichungssysteme
102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv
MehrMathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten
Mathematik I Herbstsemester 2018 Kapitel 8: Lineare Algebra 8.2 Determinanten Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 44 8. Lineare Algebra: 2. Determinanten Ein einführendes
MehrKapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24
Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R. Käppeli L. Herrmann W. Wu Herbstsemester 2016 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6.1 Berechnen Sie die Determinanten der beiden
MehrMatrizen: Grundbegriffe. 1-E Ma 1 Lubov Vassilevskaya
Matrizen: Grundbegriffe -E Ma Lubov Vassilevskaya Lineares Gleichungssystem Abb. : Der Schnittpunkt P der beiden Geraden ist die graphische Lösung des linearen Gleichungssystem g : y = x, g 2 : y = 3 x,
Mehra 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A =
3 Determinanten Man bestimmt Determinanten nur von quadratischen Matrizen Wir werden die Berechnung von Determinanten rekursiv durchfuhren, dh wir denieren wie man eine 2 2-Determinante berechnet und fuhren
MehrLösungsskizzen zum Buch Mathematik für Informatiker Kapitel 8 Peter Hartmann
1. Bestimmen Sie jeweils den Rang der folgenden Matrizen: 1 2 5 4 1 2 2 1 1 2 2 1 1 4 1 5 1 2 0 4 4 5 5 7,,,. 1 4 2 4 8 7 2 11 5 8 1 6 1 2 7 6 1 2 1 9 10 1 2 2 5 8 Die Ränge der Matrizen sind der Reihe
MehrWirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2012/13 Hochschule Augsburg Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 +
MehrIn allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.
Nachschlag:Transposition von Matrizen Sei Explizit: Def: "Transponierte v. A": (tausche Zeilen mit Spalten d.h., spiegle in der Diagonale) m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft:
Mehr4. Übungsblatt zur Mathematik II für Inf, WInf
Fachbereich Mathematik Prof Dr Streicher Dr Sergiy Nesenenko Pavol Safarik SS 010 11 15 Mai 4 Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G13 (Basistransformation) ( ) 15 05 Die lineare
MehrLineare Algebra für Ingenieure
TECHNISCHE UNIVERSITÄT BERLIN SS 4 Fakultät II - Mathematik J Liesen/F Lutz/R Seiler Lineare Algebra für Ingenieure Lösungen zur Juli-Klausur Stand: 4 September 4 Rechenteil Aufgabe (8 Punkte Berechnen
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 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 3 und lineare Gleichungssysteme und
MehrTutorium: Diskrete Mathematik. Matrizen
Tutorium: Diskrete Mathematik Matrizen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Definition I Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen, mit denen man in bestimmter
MehrB - 8 Gauß - Elimination (1850) Lineare Systeme in zwei Variablen
B - 8 Die Grundlage dieses Verfahrens ist die Beobachtung, daß für zwei Funktionen f (x) und g(x) eines Vektors x und jeden beliebigen Skalar λ gilt: f (x) = 0 f (x) = 0 g(x) = 0 g(x) λf (x) = 0 } {{ }
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrÖkonometrische Analyse
Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der
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
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 018 Prof Dr N Hungerbühler Serie 8: Online-Test Schicken Sie Ihre Lösung bis spätestens Freitag, den 3 November um 14:00 Uhr ab Diese Serie besteht nur aus Multiple-Choice-Aufgaben
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
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
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
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
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 1 Einführung Lineare Gleichungen Definition
MehrSpezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:
Inverse Matritzen Spezialfall: Die Gleichung ax b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a a 1 gelöst werden: ax b x b a a 1 b. Verallgemeinerung auf Ax b mit einer n nmatrix A: Wenn es
Mehra ij i - te Gleichung (Zeile), i = 1,2,3,..., m
I) MATRIZEN Der Start: Lineare Gleichungen y ax+ a2x2 + a3x3 y2 a2x+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i,2,3,..., m j - te Variable (Spalte), j,2,3,..., n Definition m x n Matrix
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
MehrTheoretische Fragen zu ausgewählten Themen in Lineare Algebra
Theoretische Fragen zu ausgewählten Themen in Lineare Algebra { Oren Halvani, Jonathan Weinberger } TU Darmstadt 25. Juni 2009 Inhaltsverzeichnis 1 Determinanten................................................
MehrLineare Gleichungssysteme
Technische Universität München Christoph Niehoff Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 009/00 Die beiden Hauptthemen von diesem Teil des Ferienkurses sind Lineare Gleichungssysteme
MehrLösungshinweise zu den Hausaufgaben:
S. Hagh Shenas Noshari, 9. Gruppenübung zur Vorlesung S. Nitsche, C. Rösinger, A. Thumm, D. Zimmermann Höhere Mathematik Wintersemester 8/9 M. Stroppel Lösungshinweise zu den Hausaufgaben: Aufgabe H 33.
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.4 Lineare Gleichungssysteme
Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 84 Lineare Gleichungssysteme wwwmathethzch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof Dr Erich Walter Farkas http://wwwmathethzch/
MehrMatrizen und Determinanten
Matrizen und Determinanten 1 Matrizen und Determinanten 1 Einführung in den Matrizenbegriff Zur Beschreibung und Lösung vieler physikalischer Probleme ist die Vektorrechnung vonnöten Durch Verwendung von
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 74 Lineare Gleichungssysteme Prof Dr Erich Walter Farkas Mathematik I+II, 74 Lin Glsyst 1 / 83 1 Allgemeine Vorbetrachtungen
Mehr(also ) Oft wird Zusammenhang zwischen und mit einem Index angedeutet, z.b. wird der Eigenvektor v. durch gekennzeichnet.
L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Anwendungen in der Physik: Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors - Normalmoden
MehrLösung Semesterendprüfung
MLAE Mathematik: Lineare Algebra für Ingenieure Herbstsemester Dr. Christoph Kirsch ZHAW Winterthur Lösung Semesterendprüfung Aufgabe : a Mit dem Distributivgesetz multiplizieren wir aus: und lösen nach
MehrLineare Gleichungssystem
Lineare Gleichungssystem 8. Juli 07 Inhaltsverzeichnis Einleitung Der Gauß-Algorithmus 4 3 Lösbarkeit von Gleichungssystemen 6 Einleitung Wir haben uns bisher hauptsächlich mit dem Finden von Nullstellen
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften Modul 212 Determinanten Hans Walser: Modul 212, Determinanten ii Modul 212 für die Lehrveranstaltung Mathematik 2 für Naturwissenschaften Sommer 2003 Probeausgabe
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
Mehra a a a a a a a a a a a a a a
7 Lineare lgebra 7.1 Matrizen a a a k a a a a a a a a a a a a a 11 12 1 1n 21 22 2k 2n i1 i2 in m1 m2 mk mn i-te Zeile m Zeilen n Spalten k-te Spalte a : Matrixelement i 1,2,...,m k 1,2,...,n i: Zeilenindex
MehrMusterlösung 11. D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung
D-INFK Lineare Algebra HS 27 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung. Wir bezeichnen die Spalten von A als A (a a 2 a 3 ) und die Spalten des Resultats der QR-Zerlegung mit Q (q q 2 q 3 ), R (r
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
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 12 8. Juni 2010 Kapitel 10. Lineare Gleichungssysteme (Fortsetzung) Umformung auf obere Dreiecksgestalt Determinantenberechnung mit dem Gauß-Verfahren
MehrLineare Algebra - Übungen 7 WS 2017/18
Prof. Dr. A. Maas Institut für Physik N A W I G R A Z Lineare Algebra - Übungen 7 WS 017/18 Aufgabe P0: Paulimatrizen Präsenzaufgaben 14. Dezember 017 Berechnen Sie für die Paulimatrizen σ 1 = ( ) 0 1,
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg.
Übungsaufgaben 13. Übung: Woche vom 23. 1.-27. 1. 2017 (Lin.Alg. II): Heft Ü 3: 1.1.3; 1.1.7 (a,b); 1.1.8; 1.1.11; 3.4.3 (b); 1.3.3 (c); 1.2.3 (b,d); Hinweis 1: 3. Test (Integration, analyt. Geom.) ist
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
MehrL7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren. Gegeben. Gesucht: Diagonalform: Finde und! Definition: Eigenvektor, Eigenwert
L7 Diagonalisierung einer Matrix: Eigenwerte und Eigenvektoren Viele Anwendungen in der Physik: z.b. Bestimmung der - Haupträgheitsmomente eines starren Körpers durch Diagonalisierung des Trägheitstensors
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)
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
MehrLineare Algebra. 12. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 12. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 14, 2017 1 Erinnerung: Determinanten, Orthogonale/unitäre Matrizen Sei A R 2 2, dann kann die Inverse
MehrNur Matrizen gleicher Dimension können addiert oder subtrahiert werden. Zur Berechnung werden zwei Matrizen A und B in den Matrix-Editor eingegeben.
R. Brinkmann http://brinkmann-du.de Seite 1 14.02.2014 Casio fx-cg20 Operationen mit Matrizen Bei nachfolgend beschriebenen Matrizenoperationen wird davon ausgegangen, dass die Eingabe von Matrizen in
MehrCramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...
Cramersche Regel Satz 2.4. Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei A j := (a,...,a j,b,a j+,...,a n ) also die Matrix, die entsteht, wenn in A die j-spalte durch den
MehrQuadratische Matrizen
Quadratische Matrizen (n n)-matrizen heißen quadratische Die entsprechenden linearen Abbildungen sind laut Definition Endomorphismen des R n (weil f A : R n R n ) Das Produkt von (n n)- Matrizen ist auch
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung
MehrD-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11
D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung Serie 11 1. Wir betrachten das überbestimmte Gleichungssystem Ax = y mit 1 1 1 1 A := 1 1 0 1 0 1, y := 2 3 0 0 1 4 Berechnen Sie die
MehrÜbungen zur Linearen Algebra, Kap. 1 bis Kap. 3
Übungen zur Linearen Algebra, Kap. bis Kap. 3. Gegeben seien die beiden Matrizen Berechnen Sie Lösungen zu Übung 6 3 4, B = ( 3 5 4 A B, B A, (A B, (B A Dies ist fast eine reine Rechenaufgabe. Wir wollen
MehrMatrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.
Matrizenrechnung Matrix: Eine rechteckige Anordnung reeller Zahlen a ij i = 1,..., n i ; j = 1,..., m in Zeilen und Spalten. Die a ij heiÿen Elemente von A. a 11 a 12... a ij... a 1m a 21 a 22.........
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
Mehr3 Lineare Gleichungssysteme
Lineare Gleichungssysteme Wir wissen bereits, dass ein lineares Gleichungssystem genau dann eindeutig lösbar ist, wenn die zugehörige Matrix regulär ist. In diesem Kapitel lernen wir unterschiedliche Verfahren
MehrBerechnung der Determinante
Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,
Mehrmit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"
Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"
MehrExkurs: Eigenwertproblem
1 von 7 29.11.2008 16:09 Exkurs: Eigenwertproblem Bei der Faktorenanalyse tritt das Eigenwertproblem auf. Man spricht von einem Eigenwertproblem wenn das Produkt zwischen einer Matrix und einem Vektor
MehrLösungen zum 5. Aufgabenblatt
SS 2012, Lineare Algebra 1 Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com
MehrKommentiertes Beispiel für das Gaußsche Eliminationsverfahren
Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren oder: Wie rechnet eigentlich der TI 84, wenn lineare Gleichungssysteme gelöst werden? Hier wird an einem Beispiel das Gaußsche Verfahren zum
Mehr3 Determinanten, Eigenwerte, Normalformen
Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses
MehrLineare Algebra. Wintersemester 2018/19. Berechnen Sie die Determinanten der folgenden Matrizen mit Einträgen in R: 4 2 = = 18.
Goethe-Universität Frankfurt Institut für Mathematik Lineare Algebra Wintersemester 218/19 Prof Dr Jakob Stix Martin Lüdtke Übungsblatt 11 15 Januar 219 Aufgabe 1 (5=1+1+1,5+1,5 Punkte) Berechnen Sie die
Mehr7 Matrizen über R und C
$Id: matrix.tex,v. 0/0/0 5:7:7 hk Exp $ 7 Matrizen über R und C 7. Inverse Matrizen und reguläre lineare Gleichungssysteme In der letzten Sitzung hatten wir eine quadratische Matrix A regulär oder invertierbar
MehrZusammenfassung und Beispiellösungen. zur Linearen Algebra
Zusammenfassung und Beispiellösungen zur Linearen Algebra Inhaltsverzeichnis TI Taschenrechner Funktionen für Matrizen... n*m Matrix... Diagonal und Dreiecksmatrix... Transponierte der Matrix A (AT)...
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 22.10.2013 Alexander Lytchak 1 / 16 Wiederholung des Beispiels 3x 6 + x 7 = 2 2x 2 + 4x 4 + 6x 5 + 5x 7 = 3 2x 2 + x
Mehr