Vorkurs Analysis und lineare Algebra. Teil 1. Steven Köhler. mathe.stevenkoehler.de Steven Köhler
|
|
- Michael Schulz
- vor 5 Jahren
- Abrufe
Transkript
1 Vorkurs Analysis und lineare Algebra Teil Steven Köhler mathe.stevenkoehler.de Steven Köhler
2 Inhaltsverzeichnis I Teil Vektoren Matrizen Teil Geraden Ebenen Lineare Gleichungssysteme Steven Köhler Inhaltsverzeichnis II Teil Intervalle Ungleichungen Algebraische Strukturen Das Summenzeichen Teil 4 Abbildungen & Funktionen Potenz, Wurzel, Exponential & Logarithmusfunktionen Trigonometrische Funktionen 4 Steven Köhler
3 Kapitel I Vektoren 5 Steven Köhler Definition I Im allgemeinen Sinn versteht man in der linearen Algebra unter einem Vektor ein Element eines Vektorraums, d.h. ein Objekt, das zu anderen Vektoren addiert und mit Zahlen, die Skalare genannt werden, multipliziert werden kann. (Quelle: Wikipedia) 6 Steven Köhler
4 Definition II In der analytischen Geometrie kann man einen Vektor als ein Objekt au assen, dass eine Parallelverschiebung in der Ebene oder im Raum beschreibt. Ein Vektor kann als Pfeil aufgefasst werden, der einen Urbildpunkt mit seinem Bildpunkt verbindet. 7 Steven Köhler Definition III Jedem Punkt (x; y) R bzw. zugeordnet werden. (x; y; z) R kann ein Vektor Analoges gilt auch fäur alle Punkte (x ;x ;:::;x n ) R n. 8 Steven Köhler
5 Schreibweise I Ein Vektor kann wie folgt dargestellt werden: v x ya : z Anstatt die einzelnen EintrÄage mit x, y oder z zu bezeichnen, ist auch die folgende Notation sehr gebräauchlich: v v v v A : 9 Steven Köhler Schreibweise II Bisher haben wir Vektoren immer als Spaltenvektoren betrachtet: v v A : Alternativ kann man Vektoren aber auch als Zeilenvektoren betrachten: v = v v v : Zur besseren Ä Ubersicht däurfen zwischen den einzelnen EintrÄagen auch Trennzeichen { beispielsweise Kommas oder Semikolons { gesetzt werden: v = v ; v ; v : v v Steven Köhler
6 Nullvektor Als Nullvektor wird der folgende spezielle Vektor bezeichnet, dessen EintrÄage alle Null sind: B v C. A : OftwirdderNullvektormitodero bezeichnet. Steven Köhler Transponierte Vektoren Vektoren käonnen transponiert werden. Das bedeutet nichts anderes, als einen Zeilenvektor als einen Spaltenvektor aufzuschreiben { und andersherum: v v A wird zu v T =(v ;v ;v ); v v u =(u ;u ;u ) wird zu u T u u u A : Steven Köhler
7 Länge eines Vektors Die LÄange eines Vektors läasst sich leicht mit Hilfe des Skalarprodukts oder geometrisch Äuber den Satz des Pythagoras bestimmen. Es gilt q v = v + v + v : Allgemein gilt q v = v + :::+ v n : Steven Köhler Normierte Vektoren Unter einem normierten Vektor v zu einem Vektor v versteht man einen Vektor der LÄange, der dieselbe Richtung wie v besitzt. Man erhäalt den normierten Vektor v zu einem beliebigen Vektor v, indem man v mit dem Reziproken seiner LÄange multipliziert. v = jvj v 4 Steven Köhler
8 Addition von Vektoren Die Addition von Vektoren erfolgt komponentenweise: a + b a a A b b A a + b a + b A : a b a + b Graphisch kann man die Vektoraddition als HintereinanderhÄangen der Vektoren betrachten: a a+b b b a 5 Steven Köhler Subtraktion von Vektoren Die Subtraktion von Vektoren erfolgt ebenfalls komponentenweise: a b a a b b A a b a b A : a b a b Man kann die Subtraktion auch als Addition des Vektors b zum Vektor a betrachten. Graphisch sieht dies wie folgt aus: a b b a 6 Steven Köhler
9 Skalare Multiplikation EinVektorkannmiteinemkonstantenFaktor R multipliziert werden. Den Wert nennt man Skalar. a a a A a a A a a Man kann die skalare Multiplikation als Stecken oder Stauchen des Vektors interpretieren: a ½ a a a 7 Steven Köhler Aufgaben I Aufgabe I- a) Berechne die Summe und die Di erenzen der beiden Vektoren a =(5; ; ) und b =(4; ; 7). b) Berechne die Summe und die Di erenzen der beiden Vektoren a =(47; 8; ) und b =(; 4). Aufgabe I- Gegeben seien die Vektoren v =(; ; ), v = (7; 5; ) und v =(; ; ). Berechne die LÄange des Vektors v = v v +v. 8 Steven Köhler
10 Aufgaben II Aufgabe I- Kannst du entscheiden, ob die Vektoren v v =( ; 4; ) orthogonal sind? = (4; ; 5) und 9 Steven Köhler Skalarprodukt I Das Skalarprodukt (auch inneres Produkt oder Punktprodukt) ist eine weitere Art der Vektormultiplikation. Dabei werden die Vektoren komponentenweise multipliziert und diese Produkte aufsummiert: a b a a b b A = a b + a b + a b : a b Man nennt dies auch die Koordinatenform des Skalarprodukts. Steven Köhler
11 Skalarprodukt II Anhand des Skalarprodukts zweier Vektoren a und b kann man RÄuckschlÄusse auf den Winkel zwischen diesen beiden Vektoren ziehen. Es gilt a b = () a?b: In Worten: Das Skalarprodukt zweier Vektoren ist genau dann, wenn die beiden Vektoren senkrecht zueinander (orthogonal) sind. Steven Köhler Skalarprodukt III Eine andere Art, das Skalarprodukt zu de nieren, ist die folgende: a b = jaj jbj cos : ²jaj und jbj sind die LÄangen der Vektoren a und b; ² ist der zwischen den beiden Vektoren eingeschlossene Winkel. Steven Köhler
12 Skalarprodukt IV Aus der Formel a b = jaj jbj cos kann man RÄuckschlÄusse auf den Winkel zwischen den beiden Vektoren a und b ziehen: cos = a b jaj jbj : Hieraus folgt μ a b =arccos : jaj jbj Steven Köhler Skalarprodukt V Abschlie¼end sehen wir uns an, wie die bereits erwäahnte Koordinatenform des Skalarprodukts hergeleitet werden kann. Gegeben seien die beiden Vektoren u = (u ;u ;u ) und v = (v ;v ;v ). ' sei der zwischen u und v eingeschlossene Winkel. Nach dem Kosinussatz gilt Umformen ergibt jv uj = jvj + juj jujjvj cos ': jujjvj cos ' = ³jvj + juj jv uj : 4 Steven Köhler
13 Skalarprodukt VI Einsetzen der De nition des Skalarprodukt ergibt u v = ³jvj + juj jv uj : Mit der bekannten Formel fäur den Betrag eines Vektors erhalten wir: u v = ³ u + u + u + v + v + v (v u ) (v u ) (v u ) = ³u v +u v +u v = u v + u v + u v : 5 Steven Köhler Kreuzprodukt Das Kreuzprodukt (auch Äau¼eres Produkt, vektorielles Produkt oder Vektorprodukt) ist ebenfalls eine Art, zwei Vektoren a und b zu multiplizieren. Das Resultat ist ein neuer Vektor c, dersowohl senkrecht zu a (d.h. a?c) als auch senkrecht zu b (d.h. b?c)steht: a b a b a b c = a b a b A a b a b A : a b a b a b Wichtig: Das Kreuzprodukt ist nur im R de niert! 6 Steven Köhler
14 Aufgaben Aufgabe I-4 Gegeben sind die folgenden Vektoren a, b und c: a A ; b 5 A und c 6 A a) Bestimme a b, a c sowie b c. Welche der Vektoren a, b und c sind senkrecht zueinander? b) Bestimme einen Vektor, der sowohl senkrecht zu a als auch senkrecht zu b ist. Gib diesen als normierten Vektor an. 7 Steven Köhler Kapitel II Matrizen 8 Steven Köhler
15 Definition I Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen, mit denen man in bestimmter Weise rechnen kann. Matrizen sind ein SchlÄusselkonzept der linearen Algebra und tauchen in vielen Gebieten der Mathematik auf. Matrizen stellen ZusammenhÄange, in denen Linearkombinationen eine Rolle spielen, Äubersichtlich dar und erleichtern damit Rechen- und GedankenvorgÄange. Sie werden insbesondere dazu benutzt, lineare Abbildungen darzustellen und lineare Gleichungssysteme zu beschreiben. 9 Steven Köhler Definition II Matrizen werden dargestellt durch eine tabellarische Au istung der Werte, die durch ein gro¼es Klammerpaar umgeben ist. Die FormderKlammernistdabeinichtfestvorgegeben,typischsind aber runde oder eckige Klammern. a ::: a m B A = (a ij ) C. A a n ::: a nm a ::: a m 6 A = [a ij ] = a n ::: a nm Steven Köhler
16 Addition von Matrizen Ebenso wie Vektoren werden Matrizen elementweise addiert und subtrahiert. A + B = 4 a a a a a a b b b b b b 5 a a a b b b = 4 a + b a + b a + b a + b a + b a + b 5 a + b a + b a + b Steven Köhler Subtraktion von Matrizen Ebenso wie Vektoren werden Matrizen elementweise addiert und subtrahiert. A B = 4 a a a a a a 5 4 b b b b b b 5 a a a b b b = 4 a b a b a b a b a b a b 5 a b a b a b Steven Köhler
17 Skalare Multiplikation Eine Matrix kann mit einen konstanten Faktor R multipliziert werden. Den Wert nennt man ein Skalar. A = 4 a a a a a a 5 4 a a a = a a a 5 a a a a a a Steven Köhler Multiplikation von Matrizen I Neben der skalaren Multiplikation gibt es noch eine weitere Multiplikation fäur Matrizen. Dabei werden Matrizen miteinander mutlipliziert. Die folgende Formel zeigt dies exemplarisch fäur zwei -Matrizen: A B = = a a a a a a a a a b b b b b b b b b a b + a b + a b a b + a b + a b a b + a b + a b a b + a b + a b a b + a b + a b a b + a b + a b a b + a b + a b a b + a b + a b a b + a b + a b 4 Steven Köhler
18 Multiplikation von Matrizen II Die EintrÄage der Ergebnismatrix C sind o enbar die Skalarprodukte der Zeilenvektoren der Matrix A mit den Spaltenvektoren der Matrix B. Daraus läasst sich leicht eine Aussage Äuber eine essentielle Voraussetzung der Matrizenmultiplikation tre en. Damit man zwei Matrizen multiplizieren kann, mäussen die Anzahl der Spalten der ersten Matrix und die Anzahl der Zeilen der zweiten Matrix Äubereinstimmen. 5 Steven Köhler Multiplikation von Matrizen III Gegeben seien sei Matrizen A R m n und B = R n p. Das Produkt C der beiden Matrizen A und B ist dann eine m p -Matrix und läasst sich allgemein durch die folgende Formel darstellen: C = A B = a ij bij = c ij mit cij = nx a ik b kj k= 6 Steven Köhler
19 Multiplikation von Matrizen IV Aufgabe Es seien A = und B = 4 Berechne A + B, A B und A B. 5 gegeben. 7 Steven Köhler Multiplikation von Matrizen V LÄosung Es ergeben sich die folgenden Matrizen: 7 A + B = 7 A B = A B = 7 8 Steven Köhler
20 Falksches Schema I Das Falksche Schema (95 von Sigurd Falk vorgeschlagen) ist eine einfache Methode, Matrizenmultiplikation Äubersichtlicher darzustellen. Dazu werden die Matrizen A und B sowie deren Produkt C in eine bestimmte tabellarische Form gebracht, die vor allem eine optische Hilfe bietet. 9 Steven Köhler Falksches Schema II Gegeben seien die Matrizen A R und B R. Darstellung der Matrizenmultiplikation mit dem Falkschen Schema: b b b 4b b b 5 (= B) b b b a a a (A =) 4a a a 5 a a a c c c 4c c c 5 (= C) c c c Die Werte fäur c ij berechnen sich wie zuvor durch c ij = P k= a ik b kj. 4 Steven Köhler
21 Aufgaben Aufgabe II- Gegeben seien die Matrizen A = ;B= ;C= ;D= : Entscheide, ob die folgenden Produkte de niert sind und berechnen diese, falls sie existieren: AB, BA, AC, AD, AA, BB, CD, DC. 4 Steven Köhler Aufgaben Aufgabe II- Gegeben seien die Matrizen A = und B = : Berechne das Element, das in AB in der dritten Zeile und zweiten Spalte steht. Berechne au¼erdem die vierte Spalte von AB. 4 Steven Köhler
22 Aufgaben Aufgabe II- Entscheide, welche der folgenden Aussagen wahr und welche falsch sind. BegrÄunde deine Meinung! a) Die Addition von Matrizen ist nicht assoziativ. b) Die Multiplikation von Matrizen ist fäur alle Matrizen kommutativ. c) Die Multiplikation von Matrizen ist niemals kommutativ. d) FÄur - Matrizen gilt das Distributivgesetz (A + B) C = AC + BC: 4 Steven Köhler Elementare Zeilenumformungen Man darf Matrizen durch elementare Zeilenumformungen in eine andere Matrix ÄuberfÄuhren. Diese Umformungen sind: ² Vertauschen von zwei Zeilen; ² Multiplikation einer Zeile mit einer von Null verschiedenen Konstanten; ² Addition eines Vielfachen einer Zeile zu einer anderen Zeile. Diese Operationen däurfen beliebig kombiniert und beliebig oft wiederholt werden. 44 Steven Köhler
23 Elementare Spaltenumformungen I Ebenso wie durch elementare Zeilenumformungen darf man eine Matrix durch elementare Spaltenumformungen in eine andere Matrix ÄuberfÄuhren. Diese Umformungen sind: ² Vertauschen von zwei Spalten; ² Multiplikation einer Spalte mit einer von Null verschiedenen Konstanten; ² Addition eines Vielfachen einer Spalte zu einer anderen Spalte. Diese Operationen däurfen ebenfalls beliebig kombiniert und beliebig oft wiederholt werden. 45 Steven Köhler Elementare Spaltenumformungen II Generell sollten elementare Zeilen- und Spaltenumformungen nicht vermischt werden, da dies meist mehr Chaos als Nutzen bringt. Wir werden uns im Folgenden ausschlie¼lich mit elementaren Zeilenumformungen beschäaftigen. Sollten einmal Umformungen der Spalten notwendig sein, werden wir die zugehäorige Matrix zunäachst transponieren und anschlie¼end die Zeilen der transponierten Matrix umformen. 46 Steven Köhler
24 Zeilenstufenform I Durch elementare Zeilenumformungen kann man jede Matrix in die sogenannte Zeilenstufenform bringen. Diese erfäullt die folgenden Eigenschaften (vgl. Gramlich): ² Alle Zeilen, die nur Nullen enthalten, stehen in der Matrix ganz unten. ² Wenn eine Zeile nicht nur aus Nullen besteht, so ist die erste von Null verschiedene Zahl eine Eins. Sie wird als fäuhrende Eins bezeichnet. ² In zwei aufeinanderfolgenden Zeilen, die von Null verschiedene Elemente besitzen, steht die fäuhrende Eins in der unteren Zeile stets weiter rechts als in der oberen Zeile. 47 Steven Köhler Zeilenstufenform II Besitzt die Matrix Zeilenstufenform und gilt zusäatzlich noch ² Eine Spalte, die eine fäuhrende Eins enthäalt, hat keine weiteren von Null verschiedenen EintrÄage, dann liegt die Matrix in reduzierter Zeilenstufenform vor. 48 Steven Köhler
25 Zeilenstufenform III Beispiel 8 Es sei A =. 5 Bringe die Matrix A in Zeilenstufenform! 49 Steven Köhler Zeilenstufenform IV ZunÄachst wird die. Zeile mit multipliziert: 4 : 5 Anschlie¼end wird das ( )-fache der. Zeile zur. Zeile addiert: 4 : 7 Abschlie¼end wird die. Zeile mit 7 multipliziert: 4 : 5 Steven Köhler
26 Zeilenstufenform V Aufgabe II-4 ÄUberfÄuhre die folgende Matrix in Zeilenstufenform! Steven Köhler Einheitsmatrizen I Als Einheitsmatrix wird die spezielle quadratische Matrix E n R n n bezeichnet, deren Hauptdiagonalenelemente sind; alle anderen EintrÄage sind. ::: ::: E n = ::: 5 ::: 5 Steven Köhler
27 Einheitsmatrizen II Die Einheitsmatrix ist das neutrale Element bezäuglich der Matrizenmultiplikation, d.h., fäur alle Matrizen A (passende Dimensionen vorausgesetzt) gilt A E = E A = A: 5 Steven Köhler Diagonalmatrizen Diagonalmatrizen sind spezielle quadratische Matrizen, die lediglich auf der Hauptdiagonalen von verschiedene Elemente besitzen: d ::: d ::: D = : 7 4 ::: d n 5 ::: d n Die Einheitsmatrizen E n sind spezielle Diagonalmatrizen. 54 Steven Köhler
28 Skalarmatrizen I Skalarmatrizen sind spezielle Diagonalmatrizen, besitzen also ebenfalls nur auf der Hauptdiagonalen von verschiedene Elemente; zusäatzlich haben alle Hauptdiagonalenelemente denselben Wert: ::: ::: S = : 7 4 ::: 5 ::: 55 Steven Köhler Skalarmatrizen II Wie man leicht sieht, ist die Skalarmatrix lediglich ein skalares Vielfaches der Einheitsmatrix: ::: ::: S = = E 7 n : 4 ::: 5 ::: 56 Steven Köhler
29 Dreiecksmatrizen I Dreiecksmatrizen sind eine weitere spezielle Art von Matrizen. Sie werden unterschieden in obere und untere Dreiecksmatrizen. unter- Sie zeichnen sich dadurch aus, dass sie Äuber- bzw. halb der Hauptdiagonalen nur Nullen besitzen. 57 Steven Köhler Dreiecksmatrizen II a? :::?? a :::?? O = ::: a n? 5 ::: a n a :::? a ::: U = ?? ::: a n 5?? :::? a n 58 Steven Köhler
30 Transponierte Matrix I Aus einer Matrix A erhäalt man die transponierte Matrix A T dadurch, dass man die Zeilen der Matrix A mit den Spalten der Matrix A vertauscht. Mit anderen Worten: Die Matrix A wird an der Hauptdiagonalen " gespiegelt\. Gegentlich wird die transponierte Matrix auch gestäurzte Matrix genannt. 59 Steven Köhler Transponierte Matrix II Es sei A R n m gegeben durch: a ::: a m 6 A = : a n ::: a nm Durch Vertauschen der Zeilen und Spalten erhäalt man die transponierte Matrix A T R m n : a ::: a n A T 6 = : a m ::: a nm 6 Steven Köhler
31 Symmetrische Matrizen Eine quadratische Matrix A R n n hei¼t symmetrisch, wenn fäur alle i; j N ( i n und j n) Folgendes gilt: a ij = a ji : FÄur symmetrische Matrizen gilt au¼erdem A = A T : 6 Steven Köhler Inverse Matrix I Eine quadratische Matrix A hei¼t invertierbar, falls es eine Matrix A gibt, fäur die gilt: A A = A A = E: Nicht jede quadratische Matrix ist invertierbar. Falls eine Matrix invertierbar ist, so ist ihr Inverses allerdings eindeutig bestimmt. 6 Steven Köhler
32 Inverse Matrix II Frage: Woher wei¼ man, ob eine quadratische Matrix invertierbar ist oder nicht? Wenn man wei¼, dass eine Matrix invertierbar ist, wie kann man die inverse Matrix bestimmen? 6 Steven Köhler Inverse Matrix III Antwort: Man wendet den Gau¼-Jordan-Algorithmus an. ² Ist die Matrix invertierbar, liefert dieser garantiert die inverse Matrix. ² Ist die Matrix nicht invertierbar, wird dies durch das Verfahren zweifelsfrei festgestellt. 64 Steven Köhler
33 Gauß Jordan Algorithmus I Der Gau¼-Jordan-Algorithmus besteht aus den folgenden einfachen Schritten, mit deren Hilfe man die inverse Matrix bestimmen kann, falls sie existiert. Vorbereitung Man erstellt die folgende Blockmatrix: h A i E : A ist die zu invertierende Matrix, E ist eine entsprechend dimensionierte Einheitsmatrix. 65 Steven Köhler Gauß Jordan Algorithmus II. Schritt Man wäahlt die erste Spalte, die noch nicht in der richtigen Form vorliegt ( auf der Hauptdiagonalen, sonst nur Nullen).. Schritt Ist das Hauptdiagonalenelement der Spalte eine Null, so vertauscht man die Zeilen der Matrix auf geeignete Art, um ein von Null verschiedenes Element in die Hauptdiagonale zu bekommen.. Schritt Durch Multiplikation mit einem geeigneten Faktor macht man das Hauptdiagonalenelement der Spalte zu einer. 66 Steven Köhler
34 Gauß Jordan Algorithmus III 4. Schritt Durch Addition geeigneter Vielfacher der gerade multiplizierten ZeilebringtmanalleanderenElementeinderaktuellenSpalte auf Null. 5. Schritt Man wiederholt dieses Vorgehen, bis alle Spalten der Matrix A die richtige Form haben oder bis ein weiteres Umformen nicht mehr mäoglich ist. 67 Steven Köhler Gauß Jordan Algorithmus IV Beispiel Gesucht ist das Inverse der Matrix A = LÄosung ZunÄachst stellen wir die entsprechende Blockmatrix auf Steven Köhler
35 Gauß Jordan Algorithmus V Zuerst bringen wir das Hauptdiagonalenelement der ersten Spalte in die richtige Form, indem wir die erste Zeile mit multiplizieren Um den Rest der ersten Spalte in die richtige Form zu bringen, addieren wir das ( 4)-fache der ersten Zeile zur dritten Zeile Steven Köhler Gauß Jordan Algorithmus VI Weiter mit Spalte. ZunÄachst vertauschen wir die zweite und dritte Zeile Durch Multiplikation mit bringen wir das Hauptdiagonalenelement von Zeile in die richtige Form Steven Köhler
36 Gauß Jordan Algorithmus VII Durch Addition des doppelten der zweiten Zeile zur ersten Zeile bringen wir die zweite Spalte in die richtige Form Weiter mit Spalte. Multiplikation der dritten Zeile mit ergibt: Steven Köhler Gauß Jordan Algorithmus VII Addition geeigneter Vielfacher zu den ersten beiden Zeilen bringt schlie¼lich die dritte Spalte in die richtige Form Wir haben also die inverse Matrix zu A gefunden. 8 6 A = Steven Köhler
37 Gauß Jordan Algorithmus VIII Ist die Matrix A nicht invertierbar, so läasst sie sich mit dem Gau¼-Jordan-Algorithmus nicht zur Einheitsmatrix E umformen. Im Gegenzug kann die Matrix A immer genau dann zur Einheitsmatrix E umgeformt werden, wenn sie invertierbar ist. 7 Steven Köhler Aufgaben Aufgabe II-5 a) Es sei A R gegeben durch A = 4 5. Berechne A mit Hilfe des Gau¼-Jordan-Algorithmus. ÄUberprÄufe dein Ergebnis auf Richtigkeit! b) Zeige, dass die folgende Matrix B R nicht invertierbar ist: B = : 74 Steven Köhler
38 Aufgaben Aufgabe II-6 Zeige anhand der Matrix A =, 7 dass die folgende Eigenschaft gilt: A T = A T : 75 Steven Köhler Anwendungen für Matrizen Matrizen haben eine Vielzahl von Anwendungsgebieten: ² Wachstumsmatrizen ² Populationsmatrizen ² Kosten-Preis-Kalkulationen ² LÄosen von linearen Gleichungssystemen ² Darstellung von linearen Abbildungen ² Anwendungen in der Computergra k (Rotation, Translation, etc.) 76 Steven Köhler
Tutorium: 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
MehrTutorium: Diskrete Mathematik. Vektoren
Tutorium: Diskrete Mathematik Vektoren Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Definition I Im allgemeinen Sinn versteht man in der linearen Algebra unter einem Vektor ein Element
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Definition I Im allgemeinen Sinn versteht man in der linearen Algebra unter einem Vektor ein Element eines Vektorraums,
MehrVorkurs: Mathematik für Informatiker. Wintersemester 2013/14 Teil 4
Vorkurs: Mathematik für Informatiker Wintersemester 2013/14 Teil 4 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Jennifer Maier jennifer.maier@math.uni-hamburg.de Marcel Morisse morisse@informatik.uni-hamburg.de
MehrTutorium: Analysis und lineare Algebra
Tutorium: Analysis und lineare Algebra Vorbereitung der ersten Bonusklausur Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Matrizen 3 Matrizen Definition I Eine Matrix ist eine rechteckige
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2018 Steven Köhler Wintersemester 2018/19 Inhaltsverzeichnis Teil 1 Teil
MehrTutorium: Analysis und lineare Algebra
Tutorium: Analysis und lineare Algebra Vorbereitung der ersten Bonusklausur Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Matrizen 3 Matrizen Definition I Eine Matrix ist eine rechteckige
MehrTutorium: Analysis und lineare Algebra. Vorbereitung der ersten Bonusklausur
Tutorium: Analysis und lineare Algebra Vorbereitung der ersten Bonusklausur Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Matrizen 3 Matrizen Definition I Eine Matrix ist eine rechteckige
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de c 018 Steven Köhler Wintersemester 018/19 Inhaltsverzeichnis Teil 1 Teil Teil
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
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Vorbereitung der Abschlussklausur am 5.0.01 Lösungen der Aufgaben Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 01 Steven Köhler 0. Februar 01 Aufgabe 1a-b a)
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Definition Als lineare Gleichungssysteme bezeichnet man in der linearen Algebra Gleichungssysteme der folgenden
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
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
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):
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Definition I Eine Gerade oder gerade Linie ist ein Element der Geometrie. Anschaulich kann man sich darunter
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. 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
MehrTutorium: Diskrete Mathematik. Ebenen
Tutorium: Diskrete Mathematik Ebenen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Definition Die Ebene ist ein Grundbegri der Geometrie. Allgemein handelt es sich um ein unbegrenzt ausgedehntes,
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Definition Die Ebene ist ein Grundbegri der Geometrie. Allgemein handelt es sich um ein unbegrenzt ausgedehntes,
MehrVorkurs: Mathematik für Informatiker. Wintersemester 2013/14 Lösungen
Vorkurs: Mathematik für Informatiker Wintersemester 2013/14 Lösungen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Jennifer Maier jennifer.maier@math.uni-hamburg.de Marcel Morisse morisse@informatik.uni-hamburg.de
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..............................
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Wintersemester 2012/13 Lösungen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Jennifer Maier jennifer.maier@math.uni-hamburg.de Marcel Morisse morisse@informatik.uni-hamburg.de
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
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
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
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
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
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
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
MehrMathematische Grundlagen der Computerlinguistik Lineare Algebra
Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 1 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen
MehrInverse 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.
MehrTutorium: Diskrete Mathematik. Vorbereitung der ersten Abschlussklausur Teil 1
Tutorium: Diskrete Mathematik Vorbereitung der ersten Abschlussklausur Teil 1 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 3 Algebraische Strukturen I Eine algebraische Struktur ist ein
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 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.
Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar
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. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2...
MATRIZEN Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn A ist eine m n Matrix, dh: A hat m Zeilen und n Spalten A besitzt
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
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
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
MehrMathematische Grundlagen der Computerlinguistik Lineare Algebra
Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 30 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen
MehrVorkurs Analysis und lineare Algebra. Teil 4
Vorkurs Analysis und lineare Algebra Teil 4 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Inhaltsverzeichnis Teil 1 Teil 2 Teil 3 Teil 4 Abbildungen & Funktionen Potenz, Wurzel, Exponential
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
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.............................
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
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
Mehrbzw. eine obere Dreiecksmatrix die Gestalt (U: upper)
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 0......... 0 0 u n 1n 1 u n 1n 0 0 0 u nn Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere
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
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
Mehr= 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
MehrMatrizen Definition: Typ einer Matrix
Matrizen Definition: Eine Matrix ist ein rechteckiges Zahlenschema. Die Matrix (Mehrzahl: Matrizen) besteht aus waagerecht verlaufenden Zeilen und senkrecht verlaufenden Spalten. Verdeutlichung am Beispiel:
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
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
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
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 I Eine algebraische Struktur ist ein Paar A; (f i ) ; bestehend aus einer nichtleeren Menge A, der TrÄagermenge
MehrMLAN1 1 MATRIZEN 1 0 = A T =
MLAN1 1 MATRIZEN 1 1 Matrizen Eine m n Matrix ein rechteckiges Zahlenschema a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a m1 a m2 a m3 amn mit m Zeilen und n Spalten bestehend aus m n Zahlen Die Matrixelemente
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
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
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
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
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
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
MehrA = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix
Matrizen Definition: i Eine m n Matrix A ist ein rechteckiges Schema aus Zahlen, mit m Zeilen und n Spalten: a a 2 a n a 2 a 22 a 2n a m a m2 a mn Die Spaltenvektoren dieser Matrix seien mit a,, a n bezeichnet
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
MehrLineare Algebra. 1 Lineare Abbildungen
Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe
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
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
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"
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Lösungen Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Kapitel I: Mengen Aufgabe
MehrHM II Tutorium 5. Lucas Kunz. 22. Mai 2018
HM II Tutorium 5 Lucas Kunz 22. Mai 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Wiederholung Lineare Gleichungsysteme................... 2 1.2 Wiederholung: Kern einer Abbildung..................... 3 1.3
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
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,
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
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
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
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
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
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
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 2, 207 Erinnerung Definition. Ein Skalarprodukt ist eine Abbildung, : E n E n E, v, w v, w = n k= v
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
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
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
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
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
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.........
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
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
MehrÜbersicht Kapitel 9. Vektorräume
Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten
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
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
Mehr