7.1 Matrizen. Die Kurzschreibweise von LGS führt zum Begriff der Matrix.
|
|
- Ella Pfaff
- vor 5 Jahren
- Abrufe
Transkript
1 7.1 Die Kurzschreibweise von LGS führt zum Begriff der Matrix. 7.1 Eine pm, nq-matrix ist ein mn-tupel von Zahlen, die zu einem rechteckigen Schema aus m Zeilen und n Spalten angeordnet sind: a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A... pa i,kq i 1,...,m k 1,...,n a m,1 a m,2 a m,n Die a i,k heißen die Koeffizienten (oder Einträge) der Matrix A. 0 : mˆn Nullmatrix E n : nˆn Einheitsmatrix Höhere Mathematik 126
2 - Addition und Skalarmultiplikation Spaltenvektoren können als mit einer Spalte, Zeilenvektoren als mit einer Zeile betrachtet werden Addition und Skalarmultiplikation Die Menge aller pm, nq- mit reellen Koeffizienten wird mit Matpm, nq oder R mˆn bzw. C mˆn bezeichnet. Diese Menge ist ein Vektorraum mit den Operationen pa i,k q mˆn ` pb i,k q mˆn pa i,k ` b i,k q mˆn, αpa i,k q mˆn pαa i,k q mˆn Man kann nur gleicher Dimensionen addieren. Die Nullmatrix p0q mˆn ist das neutrale Element der Addition. Für A, B P Matpm, nq bedeutet A B, dass a i,k b i,k für alle 1 ď i ď m, 1 ď k ď n gilt. Höhere Mathematik 127
3 Produkte von und Vektoren Wir schreiben eine Matrix A P Matpm, nq häufig mit Hilfe ihrer Spaltenvektoren A p a 1,..., a n q, a k a 1,k. a m,k. 7.3 Produkte von und Vektoren Die Matrix A P Matpm, nq habe die Spalten a 1 bis a n. Das Produkt von A wird mit dem Vektor x px 1,..., x n q J ist die Linearkombination der a i mit den x i als Koeffizienten, also A x x 1 a 1 ` ` x n a n. Hat die Matrix B P Matpn, pq die Spalten b 1 bis b p, so hat das produkt AB die Spalten A b 1 bis A b p. Für die einzelnen Einträge bedeutet dies: Höhere Mathematik 128
4 produkt 7.4 produkt Es seien m, n, p P N sowie A pa i,k q mˆn P Matpm, nq und B pb k,j q nˆp P Matpn, pq. Dann ist das Matrixprodukt C : AB P Matpm, pq definiert mit den Komponenten c i,j nÿ k 1 a i,k b k,j Zeile i mal Spalte j b 1,j B Ñ b 2,j b 3,j a i,1 a i,2 a i,3.. c i,j. A C AB Höhere Mathematik 129
5 produkt Bemerkung: Die Merkregel Zeile mal Spalte ergibt: Die i-te Zeile des Produkts AB hängt nur von der i-ten Zeile von A ab. Insbesondere gilt: Ist in p0,..., 0, 1, 0,..., 0q die 1 an der i-ten Stelle, so ergibt p0,..., 0, 1, 0,..., 0qB die i-te Zeile von B A e j ergibt die j-te Spalte von A. Mit den obigen Beobachtungen ergibt sich: Die Einheitsmatrizen sind die neutralen Elemente des Matrixprodukts, d.h. für A P Matpm, nq gilt E m A AE n A. Höhere Mathematik 130
6 Rechenregeln 7.5 Rechenregeln Gegeben seien A, B, C so, dass die entsprechenden Produkte definiert sind. a) Es gelten das Assoziativ- und das Distributiv-Gesetz: ApBCq pabqc, pa ` BqC AC ` BC, ApB ` Cq AB ` AC. b) Das Matrixprodukt ist nicht kommutativ. Bemerkung: zu (b): Wenn A P Matpm, nq und B P Matpn, pq, so ist AB definiert, jedoch ist BA nur im Fall p m definiert. Selbst wenn beide Produkte AB und BA definiert sind, so sind die oft verschieden. Höhere Mathematik 131
7 Bemerkung zum Matrixprodukt 7.6 Bemerkung zum Matrixprodukt Das Produkt mit der Nullmatrix ergibt die Nullmatrix. Aber: Aus AB p0q mˆp folgt nicht, dass A oder B eine Nullmatrix ist. Ebenso gilt im allgemeinen nicht die Kürzungsregel: aus AB AC folgt i.a. nicht die Gleichheit von B und C. Hierzu muss A eine Zusatzbedingung erfüllen (siehe invertierbare, reguläre ). Wenn man das Produkt eines Vektors mit einer Zahl als produkt auffassen will, muss die Zahl rechts vom Vektor stehen. Mehrere Vektoren multipliziert man mit Zahlen, indem man sie zu einer Matrix zusammenfasst und mit einer Diagonalmatrix multipliziert. Höhere Mathematik 132
8 Matrix-Form des linearen Gleichungssystems 7.7 Matrix-Form des linearen Gleichungssystems Für A P Matpm, nq, einen Spaltenvektor b P R m sowie einen Spaltenvektor x P R n lässt sich das inhomogene Gleichungssystem (*) in 5.3 schreiben als A x b. A heißt die Koeffizientenmatrix des linearen Gleichungssystems und b die rechte Seite. Das lineare Gleichungssystem A x b ist genau dann lösbar, wenn die rechte Seite b eine Linearkombination der Spaltenvektoren von A ist. Die elementaren Umformungen (E1) (E4) lassen sich auf die Zeilen und Spalten der Matrix A anwenden, um eine reduzierte Stufenform von A zu erhalten. Der Rang der Matrix A ist dasselbe wie der Rang r der reduzierten Stufenform von A. Höhere Mathematik 133
9 Matrix-Form des linearen Gleichungssystems Die Matrix à pa, bq mˆpn`1q in der Kurzform des Gleichungssystems heißt die erweiterte Koeffizientenmatrix. Wir haben in 5.8 festgestellt, dass das inhomogene lineare Gleichungssystem genau dann lösbar ist, wenn gilt. Rang A Rang à Weitere Aussagen in 5.8 erhalten nun die folgende Form: Rang A m ùñ das Gleichungssystem A x b ist lösbar Rang A n ùñ das Gleichungssystem A x b hat höchstens eine Lösung Rang A m n ùñ das Gleichungssystem A x b ist für jede rechte Seite b eindeutig lösbar (universell eindeutig lösbar) Höhere Mathematik 134
10 Definition und Satz: Kern und Bildraum 7.8 Definition und Satz: Kern und Bildraum Die Lösungsmenge des homogenen LGS A x 0 zur reellen Matrix A P Matpm, nq ist ein Vektorraum. Dieser Vektorraum ist ein Untervektorraum von R n bzw. C n und wird wie in 6.13 mit Kern bezeichnet. Kern A t x P R n A x 0u Für eine Matrix A p a 1,..., a n q P Matpm, nq mit Spaltenvektoren a k heißt der Unter-Vektorraum Bild A Spanp a 1,..., a n q der Bildraum von A. Es gilt Rang A dimpbild Aq, also mit der Dimensionsformel dimpkern Aq ` dimpbild Aq n. p q Höhere Mathematik 135
11 Definition und Satz: Kern und Bildraum Bemerkung: Hieraus folgt, dass sich der Rang einer Matrix auf zwei verschiedene Weisen darstellen lässt: r Rang A ist die maximale Anzahl von linear unabhängigen Zeilen von A; das bedeutet dimpkern Aq n r. r Rang A ist die maximale Anzahl von linear unabhängigen Spalten von A; das bedeutet dimpbild Aq r. Weiter gilt: es gibt eine Basis v 1 bis v n des R n mit: A v 1 bis A v r ist eine Basis des Bildes von A v r`1 bis v n ist eine Basis des Kerns von A Höhere Mathematik 136
12 Definition: Transponierte Eine weitere Operation für : 7.9 Definition: Transponierte Die zu a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A P Matpm, nq... a m,1 a m,2 a m,n transponierte Matrix ist a 1,1 a 2,1 a m,1 A J a 1,2 a 2,2 a m,2 P Matpn, mq.... a 1,n a 2,n a m,n Die Adjungierte A einer komplexen Matrix ist definiert durch A A J A J Höhere Mathematik 137
13 Transponierte, Adjungierte und Skalarprodukt 7.10 Transponierte, Adjungierte und Skalarprodukt Sei A P Matpm, nq. Dann gibt es genau eine Matrix B P Matpn, mq, so dass für alle x P R n und y P R m gilt ă A x, y ą ă x, B y ą. Es ist B A J. Eine entsprechende Aussage gilt für komplexe Vektorräume und B A. Höhere Mathematik 138
14 Rechenregeln 7.11 Rechenregeln Addition: Für A, B P Matpm, nq und α P R gilt pa ` Bq J A J` B J, pαaq J αa J. pa ` Bq A ` B, pαaq αa. Matrixprodukt: Für A P Matpm, nq und B P Matpn, pq gilt pabq J B J A J und pabq B A Für jede Matrix A gilt pa J q J A und pa q A. Es gilt Rang A Rang A J und Rang A Rang A. Es ist ă x, y ą y J x bzw. ă x, y ą y x (Skalarprodukt als produkt). Höhere Mathematik 139
15 Rang von Produkten 7.12 Rang von Produkten Für alle A P Matpm, nq und B P Matpn, pq gilt RangpABq ď mintrang A, Rang Bu. Höhere Mathematik 140
16 Definition und Satz: Inverse Wir betrachten ab jetzt quadratische A P Matpn, nq (Zeilenzahl = Spaltenzahl) 7.13 Definition und Satz: Inverse Gegeben sei A P Matpn, nq. Falls es eine Matrix X P Matpn, nq mit AX XA E n gibt, so heißt A invertierbar (oder regulär) und X A 1 heißt die Inverse von A. Satz: a) Die Matrix A P Matpn, nq besitzt genau dann eine Inverse A 1, wenn Rang A n gilt. b) Falls A invertierbar ist, so ist die Inverse A 1 eindeutig bestimmt. Bemerkung; Es gibt viele A P Matpn, nq, die keine Inverse besitzen (nämlich alle vom Rang r ă n). Wir werden später sehen, dass die Bedingung det A 0 notwendig und hinreichend für die Invertierbarkeit von A ist. Höhere Mathematik 141
17 Beispiel 7.14 Beispiel Bestimme die Inverse (falls möglich) zu A Höhere Mathematik 142
18 Zwei nützliche Hilfsaussagen 7.15 Zwei nützliche Hilfsaussagen Die Umformungen (E1) - (E3) des Gauß-Algorithmus lassen sich durch Multiplikation der (erweiterten) Matrix von links mit invertierbaren darstellen. Wichtige Konsequenz aus 7.12 Falls A P Matpn, nq regulär ist, so gilt RangpABq Rang B für alle B P Matpn, pq, RangpCAq Rang C für alle C P Matpp, nq. Höhere Mathematik 143
19 Satz: Lösbarkeit von LGS 7.16 Satz: Lösbarkeit von LGS a) Falls A P Matpn, nq regulär ist, so ist das lineare Gleichungssystem A x b universell eindeutig lösbar und die Lösung lautet x A 1 b. b) Falls A P Matpn, nq regulär ist, so gilt für B, C P Matpn, pq die Kürzungsregel AB AC ðñ B C. c) Falls A, B P Matpn, nq beide regulär sind, so ist auch C AB regulär und es gilt pabq 1 B 1 A 1. d) Für reguläre A P Matpn, nq gilt pa J q 1 pa 1 q J. Höhere Mathematik 144
20 Satz: Lösbarkeit von LGS Die Kürzungsregel besagt: Multiplikation beider Seiten eines linearen Gleichungssystems mit einer regulären Matrix ist eine Äquivalenzumformung: A x b ðñ MA x M b, falls M P Matpm, mq regulär Höhere Mathematik 145
21 Satz: Die Gruppe der regulären 7.17 Satz: Die Gruppe der regulären Die regulären pn, nq- bilden mit der Multiplikation die Gruppe Glpnq: das heißt: (G1) das Produkt C AB zweier regulärer pn, nq- ist eine reguläre pn, nq-matrix, (G2) es gilt das Assoziativgesetz der Matrix-Multiplikation, (G3) die Einheitsmatrix E n ist das eindeutige neutrale Element der Multiplikation, also AE n E n A A für jede reguläre pn, nq-matrix, (G4) zu jeder regulären pn, nq-matrix A gibt es genau eine reguläre pn, nq-matrix X mit AX XA E n, nämlich X A 1. Beachte: Das Kommutativgesetz der Multiplikation gilt in Matpn, nq nicht (für n ě 1). E 1 n E n, denn E n E n E n Höhere Mathematik 146
22 Definition der Determinante 7.18 Definition der Determinante Die Determinante im R n ist eine Funktion, die n Vektoren (bzw. einer n ˆ n-matrix) eine reelle Zahl zuordnet. Sie lässt sich durch diese Bedingungen charakterisieren: det : R n ˆ ˆ R n looooooomooooooon n Faktoren Ñ R ist linear in jedem Faktor, d.h. detp v 1,..., pα u ` β wq,..., v n q α detp v 1,..., u,..., v n q ` β detp v 1,..., w,..., v n q Die Determinante ist alternierend, d.h. detp v 1,..., v i,..., v j,..., v n q detp v 1,..., v j,..., v i,..., v n q Die Determinante ist normiert: detp e 1,..., e n q 1. Diese Bedingungen legen die Determinante eindeutig fest (ohne Beweis). Der zweite Punkt ergibt sofort detp v 1,..., u,..., u,..., v n q 0, mit der ersten Bedingung erhält man detp v 1,..., v i ` α v j,..., v j,..., v n q detp v 1,..., v i,..., v j,..., v n q. Dies gilt im C n analog. Alternative Schreibweise: A statt det A Höhere Mathematik 147
23 Berechnung von Determinanten 7.19 Berechnung von Determinanten Für eine p1, 1q-Matrix A paq ist det A a. Für eine p2, 2q-Matrix A `a b c d wird det A ad bc. Für eine pn, nq-matrix A pa i,k q nˆn wird det A berechnet durch die Rekursion ( Entwicklung nach der ersten Spalte ) det A nÿ p 1q k`1 a k,1 detpa k,1 q, k 1 wobei die pn 1, n 1q-Matrix A k,m aus A durch Streichen der k-ten Zeile und der m-ten Spalte hervorgeht. Höhere Mathematik 148
24 Berechnung von Determinanten Bemerkung: Die Rekursion kann nach jeder Zeile und jeder Spalte gebildet werden und führt zum gleichen Wert: det A det A nÿ p 1q j`k a j,k detpa j,k q, k 1 nÿ p 1q i`l a i,l detpa i,l q, i 1 Entwicklung nach der j-ten Zeile Entwicklung nach der l-ten Spalte Man beachte das Schachbrettmuster des Vorzeichenfaktors p 1q i`j ` ` ` ` ` `.... Höhere Mathematik 149
25 Beispiele Beispiele: Für p3, 3q- ergibt sich die Determinante det a b c d e f apei fhq bpdi fgq ` cpdh egq g h i auch mit der Merkregel von Sarrus a b c a b d e f d e g h i g h ceg afh bdi `aei `bfg `cdh Achtung! Die Sarrus-Regel kann nur bei 3 ˆ 3- angewendet werden! Höhere Mathematik 150
26 Für A ÐÝ Entw. n. d. 2. Zeile ist det A 5 det A 2,1 ` 2 det A 2, ` Determinantenberechnung mit dem Gauß-Algorithmus Die Berechnung von det A erfolgt bei größeren mit dem Gauß-Algorithmus: 7.21 Determinantenberechnung mit dem Gauß-Algorithmus Gegeben sei A P Matpn, nq. a) Vertauschen zweier Zeilen oder Spalten von A (Umformungen E1 und E4) ändert det A um den Faktor 1. b) Addition eines Vielfachen der i-ten Zeile zur j-ten Zeile (mit i j) ändert det A nicht (Umformung E3). Dasselbe gilt für die entsprechende Umformung für die Spalten. c) Multiplikation einer Zeile (oder Spalte) von A mit einer Zahl α ändert die Determinante um diesen Faktor α (Umformung E2). Höhere Mathematik 151
27 Satz: Determinante oberer Dreiecksmatrizen Vorgehen Bestimmung von det A: Man bringt A auf reduzierte Stufenform und merkt sich in jedem Schritt, wie sich die Determinante ändert. Wir müssen also nur noch die Determinante einer reduzierten Stufenform bestimmen. Man nennt eine Matrix der Form a 1,1 a 1,2 a 1,3 a 1,n 0 a 2,2 a 2,3 a 2,n A , also a i,k 0 für i ą k, a n 1,n 0 0 a n,n eine obere Dreiecksmatrix Satz: Determinante oberer Dreiecksmatrizen Für eine obere Dreiecksmatrix A P Matpn, nq ist det A das Produkt der Diagonal-Elemente, also det A a 1,1 a 2,2 a n,n. Höhere Mathematik 152
28 Beispiel: Erneute Berechnung der Determinante von A Satz: Determinante oberer Dreiecksmatrizen tausche Gl.1 und Gl dividiere Gl.2 durch subtrahiere Gl subtrahiere 3*Gl subtrahiere 6*Gl tausche Gl.2 und Gl multipliziere Gl.3 mit Höhere Mathematik 153
29 Satz: Determinante oberer Dreiecksmatrizen addiere *Gl subtrahiere *Gl addiere Gl Mit 2 Vertauschungen und den Multiplikationen ergibt sich det A p 1q 2 5 p 1 q Höhere Mathematik 154
30 Weitere Regeln zur Determinatenberechnung 7.23 Weitere Regeln zur Determinatenberechnung Enthält A eine Nullzeile (oder Nullspalte), so ist det A 0 (klar durch reduzierte Stufenform in 7.21). Insbesondere gilt für eine pn, nq-matrix A: det A 0 ðñ Rang A n. Falls eine Zeile (oder Spalte) von A das Vielfache einer anderen Zeile (bzw. Spalte) ist, so ist det A 0. Es gelten die Rechenregeln det A J det A, det A 1 1 det A und der Multiplikationssatz detpabq det A det B. detpαaq α n det A Es gibt keine Regel für detpa ` Bq pfalls det A 0q, Geometrie: Für n 2 und n 3 gilt: Der Absolutbetrag von det A ist der Flächeninhalt des Parallelogramms bzw. das Volumen des Spats, das von den Spaltenvektoren von A aufgespannt wird. Dies besitzt eine Verallgemeinerung auf n-dimensionale Körper. Höhere Mathematik 155
31 Charakterisierung regulärer Wir können nun die folgenden Aussagen zur Lösbarkeit des linearen Gleichungssystems A x b mit einer pn, nq-matrix A formulieren Charakterisierung regulärer Für A P Matpn, nq sind folgende Aussagen äquivalent: (i) A ist regulär. (ii) Rang A n. (iii) det A 0. (iv) Das homogene LGS A x 0 hat als einzige Lösung x 0. (v) Das LGS A x b ist universell eindeutig lösbar. Höhere Mathematik 156
32 Cramersche Regel Für kleine und weitere Anwendungen ist die folgende Regel wichtig Cramersche Regel Die Matrix A P Matpn, nq sei regulär. Die Komponenten des eindeutigen Lösungsvektors x von A x b haben die Darstellung x j 1 a 1,1 a 1,j 1 b 1 a 1,j`1 a 1,n det A det..... a n,1 a n,j 1 b n a n,j`1 a n,n Höhere Mathematik 157
33 Satz: Adjunktenform der Inversen Mit der Cramerschen Regel kann man auch eine Darstellung für die Inverse von A erhalten Satz: Adjunktenform der Inversen Die Inverse einer regulären Matrix A hat die Form A 1 1 det A pα j,kq nˆn mit α j,k p 1q j`k det A k,j. Höhere Mathematik 158
34 Satz: Adjunktenform der Inversen Beispiel zur Cramerschen Regel: Löse das LGS ˆ x ˆ7 8 ˆ1 2 Es ist det 2, also nach der Cramerschen Regel x ˆ1 7 det 3 8 x det ˆ ˆ1 2 Weiter: ˆa b Allgemein: c d invertierbar. ˆ ad bc ˆ d b, falls ad bc 0; sonst ist die Matrix nicht c a Höhere Mathematik 159
K. 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
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
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
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
MehrKapitel III. Matrizen und lineare Gleichungssysteme. Inhalt: 10. Matrizen 11. Lineare Gleichungssysteme 12. Der Gauß-Algorithmus
Kapitel III Matrizen und lineare Gleichungssysteme Inhalt: 10 Matrizen 11 Lineare Gleichungssysteme 12 Der Gauß-Algorithmus Wichtige Methoden beim Umgang mit Vektorräumen basieren auf der Matrizenrechnung
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 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
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 Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
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
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
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
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
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 +
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
MehrDie wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.
Definition: Lineare Abbildung Lineare Abbildungen Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. 8.1 Definition: Lineare Abbildung Eine Funktion f : V Ñ W zwischen
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
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
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
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
Mehr5. Matrizen und Determinanten
technische universität dortmund Dortmund, im Januar 01 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 1 und Matrizen und
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
Mehr6.2 Rechnen mit Matrizen
62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
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
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
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
MehrLineare Gleichungssysteme - Grundlagen
Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente
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
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
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
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
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
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.
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)
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
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)
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
Mehr3 Lineare Gleichungssysteme
3 Lineare Gleichungssysteme 3 Fortsetzung des Matrizenkalküls Als erstes beweisen wir einen einfachen Satz über den Rang von Matrizenprodukten Satz 3 (a) Für Matrizen A : Ã l m, B : Ã m n gilt rang AB
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 95 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
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 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
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
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 =
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):
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
MehrI) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i
Mehra ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y 1 = a 11 x 1 + a 12 x 2 + a 13 x3 y 2 = a 21 x 1 + a 22 x 2 + a 23 x3... Koeffizienten a ij i - te Gleichung
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
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
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 7 Was die Menschen verbin, ist nicht der Glaube, sondern der Zweifel Peter Ustinow Universelle Eigenschaft der
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
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 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
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
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
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)
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
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.................................
Mehr7 Matrizen über R und C
$Id: matrix.tex,v.9 08// :3:7 hk Exp $ 7 Matrizen über R und C In 6 hatten wir Matrizen nur als eine kompakte Schreibweise für lineare Gleichungssysteme eingeführt. In diesem Kapitel wollen wir die Matrizen
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
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
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
Mehr1 Matrizen und Vektoren
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 14/15 A 1 Matrizen und Vektoren Definition 1.1 (Matrizen) Ein rechteckiges Zahlenschema aus m mal n Elementen eines Körpers
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
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..............................
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, 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
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
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. Gymnasium Immensee SPF PAM. Bettina Bieri
Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1
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
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,...,
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 0 Olga Holtz MA 378 Sprechstunde Fr 4-6 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do -4 und nv jokar@mathtu-berlinde Kapitel Die Determinante
Mehr9 Matrizen über R und C
Mathematik für Physiker I, WS 00/0 Montag 0 $Id: matrixtex,v 6 0/0/0 :6:7 hk Exp $ $Id: dettex,v 0/0/0 ::59 hk Exp hk $ 9 Matrizen über R und C 9 Transposition von Matrizen Im letzten Abschnitt hatten
MehrGrundlegende Definitionen aus HM I
Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen
Mehr10 Lineare Gleichungssysteme
ChrNelius : Lineare Algebra I (WS 2004/05) 1 10 Lineare Gleichungssysteme (101) Bezeichnungen: Ein System a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 ( ) a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a
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
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
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
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
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 +
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 11 1. Juni 2010 Rechenregeln für Determinanten Satz 62. (Determinanten von Dreiecksmatrizen) Es sei A eine obere oder untere n n-dreiecksmatrix.
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
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
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
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
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
Mehrbekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR
LR-Zerlegung bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR Definition 2.17 Unter einer LR-Zerlegung einer Matrix A R n n verstehen wir eine
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
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
MehrCramersche Regel. Satz 2.26
ramersche Regel Satz 6 Es sei A R n n eine quadratische Matrix mit det(a) 6= Für das LGS Ax = b sei A j := (a,,a j, b, a j+,,a n ), also die Matrix, die entsteht, wenn in A die j-te Spalte durch den Vektor
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
Mehr